CN106816008A - 一种道路拥堵预警及拥堵形成时间预测方法 - Google Patents

Abstract

一种道路拥堵预警及拥堵形成时间预测方法，包括以下步骤：步骤1：获取天数为D的道路流量和速度历史数据，进行高斯滤波处理；步骤2：计算路段即将发生拥堵时流量增长斜率参考值k、拥堵形成时间参考值t和流量连续超过参考值的比例p；步骤3：实时计算流量预警阈值，根据路段历史流量增长斜率k和i‑1时刻实时流量增长斜率K_i‑1，计算实时流量预警阈值Tl_i，如果当前流量超出Tl_i，则发出流量告警并计算实时的拥堵形成时间；步骤4、根据路段历史流量增长斜率k和当前实时流量增长斜率K_i、路段历史流量连续超过参考值的比例p和实时流量连续超过Tl_i的比例P_i、路段历史拥堵形成时间参考值t，计算实时的拥堵形成时间T。本发明有效预测交通拥堵形成时间、有效进行道路拥堵预警。

Description

一种道路拥堵预警及拥堵形成时间预测方法

技术领域

本发明属于智能交通领域，涉及一种道路拥堵预警及拥堵形成时间预测方法。

背景技术

随着社会发展居民生活水平不断提高，私人汽车保有量持续快速增长，城市道路基础设施与通行需求之间的矛盾日益明显，体现在全球多数大、中型城市出现不同程度的交通拥堵。交通拥堵不仅仅降低了居民的出行效率，随之出现的是大量的资源浪费，环境污染以及交通事故，严重影响城市可持续发展，是许多城市正在面临和亟待解决的问题。据英国SYSTRA公司对发达国家大城市交通状况的分析，交通拥塞使经济增长付出的代价约占国民生产总值的2％，交通事故的代价约占GDP的1.5～2％，交通噪音污染的代价约占GDP的0.3％，汽车空气污染的代价约占GDP的0.4％，转移到其他地区的汽车空气污染的代价约占GDP的1～10％。

交通拥堵出现的根本原因在于车辆通行需求超过道路可承载容量，道路车流量下降，车辆速度降低。及时有效的预测拥堵并发出告警信息，探寻形成拥堵的时间，对于城市居民来说，可以更加合理的规划出行路线，节省出行时间；对于城市道路管理者而言，可以更为有效的分配工作，出台合理的控制策略，缓解城市拥堵。目前，发明专利《一种城市交通拥堵预警方法、装置及预警系统》基于预定的时间周期，通过计算车辆之间的车头距离和平均车速判断是否出现拥堵，如果存在拥堵则发出告警信息，专利中告警信息是在道路出现拥堵之后发出。发明专利《一种交通拥堵预测方法及可视化方法》是通过计算历史拥堵概率，利用历史数据关联实时交通信息，采用滑动窗口机制进行交通拥堵预测。发明专利《交通拥堵预警系统》计算历史车流量均值作为参考值，实时获取当前流量如果当前流量大于阈值，则发出告警信息。

目前已有拥堵预警方面技术，大多数是已经发生拥堵后才给出预警信息，已存在的拥堵预测则通过同期历史数据分析固定拥堵阈值，通过实时数据与阈值的比较，预测当前是否有可能发生拥堵。然而道路车流量受多种因素影响，道路每天通行的车辆数存在一定程度的浮动，实时数据不知道本天内车辆情况，固定的流量预警值误差比较大，给拥堵预测造成一定的困难。对于时间预测方面大部分计算拥堵持续时间，并非拥堵形成时间。

发明内容

为了克服已有智能交通技术中无法预测交通拥堵形成时间的不足，本发明提供一种有效预测交通拥堵形成时间、有效进行道路拥堵预警的道路拥堵预警及拥堵形成时间预测方法。

本发明解决其技术问题所采用的技术方案是：

一种道路拥堵预警及拥堵形成时间预测方法，包括以下步骤：

步骤1：获取天数为D的道路流量和速度历史数据，进行高斯滤波处理；

步骤2：根据道路交通历史数据，计算路段即将发生拥堵时流量增长斜率参考值k、拥堵形成时间参考值t和流量连续超过参考值的比例p；

通过计算流量上升沿和速度下降沿的方式确定道路拥堵情况，对于历史数据中某天的数据，计算流量大于流量预警值时刻的上升沿，时间记为Lt₀，速度小于速度参考值时刻的下降沿，时间记为Vt₀。计算Lt₀前kn点的流量增长斜率k_td，Lt₀前pn点流量连续超过参考值的比例参考值p_td，拥堵形成时间t_td为Vt₀和Lt₀的差值，路段k、t、p分别为k_td、p_td、t_td的中值；

步骤3：实时计算流量预警阈值，根据路段历史流量增长斜率k和i-1时刻实时流量增长斜率K_i-1，计算实时流量预警阈值Tl_i，如果当前流量超出Tl_i，则发出流量告警并计算实时的拥堵形成时间；

步骤4、根据实时流量预警阈值Tl_i，可以计算实时流量连续超过实时流量预警阈值Tl_i的比例P_i，根据路段历史流量增长斜率k和当前实时流量增长斜率K_i、路段历史流量连续超过参考值的比例p和实时流量连续超过Tl_i的比例P_i、路段历史拥堵形成时间参考值t，计算实时的拥堵形成时间T。

进一步，所述方法还包括以下步骤：步骤5、保存实时数据，间隔一段时间后，更新k、t、p。

本发明的有益效果主要表现在：能够动态计算道路拥堵预警值，在道路出现拥堵之前发出告警信息，同时预测拥堵形成时间，具有很高的参考价值；

1)流量预警值是通过实时计算获得，充分考虑道路实时通行状况，比传统固定阈值方法更具有参考价值；

2)本发明在发出流量告警信息的同时，给出拥堵形成时间，为道路控制或者出行提供参考，更具有实用价值；

3)本发明采用流量增长斜率k和流量连续超过参考值的比例p计算流量告警阈值和拥堵形成时间，既考虑了流量增长的速度，又考虑了实际流量大小，计算结果更具有可信度；

4)本发明采用批量更新的方式更新道路参考数据，既提高了计算效率，又避免道路通行的季节性或者时间性影响。

附图说明

图1是道路拥堵预警及拥堵形成时间预测方法的流程图。

图2是庆春路某天流量滤波前后对比图。

图3是庆春路某天速度滤波前后对比图。

图4是庆春路流量速度曲线

图5是万松岭流量速度曲线

图6是庆春路日流量速度曲线。

图7是庆春路参数计算示意图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图7，一种道路拥堵预警及拥堵形成时间预测方法，采用杭州快速路网数据进行分析，快速路网每5分钟采集一次数据，路网按照每个卡口进行分段，可将整个路网划分成n个路段，为表述方便只描述其中一个路段计算过程。

本发明涉及到流量预警值分为两部分，对于历史数据，可以很方便的提取当天流量最大值，预警值的计算比较方便，直接根据流量最大值设定，但是，实时数据不断变化，无法获取当天流量最大值，需要实时计算流量预警阈值。本发明涉及到拥堵形成时间是指流量达到预警值之后，经过多长时间产生拥堵。

步骤1历史数据获取分析，预处理

获取天数为D的卡口历史数据并保存。卡口采集的数据受噪音、数据采集装置等影响存在一定波动，要经过高斯滤波处理，方便数据分析。

道路形成拥堵的根本原因在于通行需求大于道路承受能力，那么一条道路的车辆通行能力如何，拥堵形成时间受哪些因素的影响，发送告警信息的阈值如何选取等，都需要从历史数据中分析获得。通过对路网数据进行分析，得到流量增长斜率k和流量连续超过参考值的比例p，影响告警值的选取和拥堵形成的时间。

步骤2计算历史流量增长斜率k，流量连续超过参考值的比例p和拥堵形成时间t

要探寻道路拥堵的特征首先要确定道路在什么时候发生拥堵，拥堵在数据中的直观表现就是随着流量的不断上升，车辆速度下降。对于历史数据，可以很方便的提取流量最大值，则预警值的计算比较方便。但是，实时数据无法获取当天流量最大值，需要实时计算流量预警值。

2.1)寻找历史数据中流量的上升沿

选取n个路段中某个路段，以下步骤为表述方便将n省略。流量预警值记为tl₀，可以从历史数据中得到每天流量最大值，tl₀的取值可根据当天流量最大值确定。卡口流量数据是不规则的曲线，流量在上升过程或者下降过程都可能超过预警值。一天的数据(0到24小时之内)i时刻的流量记为l_i，如果l_i＞tl₀，可能存在拥堵，采用公式(1)所示的方式寻找流量大于预警值时的上升沿。

其中，l_i是i时刻道路的流量，l_s是时刻i之前的流量值，l_q是时刻i之后的流量值，s和q分别代表时刻i的前后ln个点的时间坐标。函数1{·}表示大括号中条件成立则值为1，否则值为0。pl_l是时间点i前ln个点中，流量值小于l_i的比例，pl_h是时刻点i后ln个点中，流量值大于l_i的比例，ln的取值按照实际路段数据确定。如果pl_l和pl_h同时满足大于等于一定值，则判定存在一个流量超过预警值的上升沿，并保存到时间坐标向量Lt。

2.2)计算历史数据中速度下降沿

流量上涨并不一定存在拥堵，只有流量增长且速度下降到一定值时才形成拥堵，因为快速路网中车辆速度较大，且路网有限速设置，对于一天的数据选定速度参考值v₀，v₀可根据路网限速值确定，速度上升或者下降过程中都可能小于速度参考值，拥堵表现在车辆速度不断下降，因此需要计算速度小于参考值的下降沿。i时刻的速度记为v_i，如果v_i＜v₀，存在拥堵，按照公式(2)的方式计算速度下降沿。

其中，v_i是时刻点i的速度，v_s是时刻点i之前的速度值，v_q是时刻点i之后的速度值，函数1{·}表示大括号中条件成立则值为1，否则值为0，pv_l是时刻点i前vn个点中，速度值大于v_i的比例，pv_h是时刻点i后vn个点中，速度值小于v_i的比例，vn的取值按照实际数据确定。如果pv_h和pv_l同时满足大于一定值，则判断速度存在一个下降沿，并记录速度下降沿的时间坐标Vt。

2.3)计算每天流量增长斜率k和拥堵形成时间t

流量极大值的时间坐标Lt和速度下降沿的时间坐标Vt中可能存在多个值，取出Lt中与Vt值相差T_lv时之内的值，组成向量Lt′和Vt′，T_lv是速度下降沿时间和流量上升沿时间差的阈值，要根据实际路网数据设置。如果此时Lt′和Vt′仍然存在多个值，则进行如下处理，以Lt′为例，Vt′的处理方式相同。

①如果Lt′存在多个相差小于半个小时的值，则取这些值的均值。

②如果经过①处理后Lt′仍然存在多个值，且多个值相差均大于2*T_lv，则取第一个值。因为道路承受能力存在一定的规律，可选取其中的一个拥堵状况来表示道路拥堵特征，这里选取早高峰拥堵情况描述路段信息。经过以上处理后，Lt′中只剩下一个值，记为Lt₀，同理Vt′中只剩下一个值，记为Vt₀。

采用回归或者最小二乘法计算时刻Lt₀前kn点内流量的斜率k_td。其中，k_td是道路每天流量增长斜率，kn代表取几个点计算的斜率，取值由实际路网数据决定。拥堵形成时间按照公式(3)计算，因为一般速度下降相对于流量上涨存在一定的滞后，只取大于0的数据。t_td是道路每天拥堵形成时间。

t_td＝Vt₀-Lt₀ (3)

流量增长速度相对较缓，但是连续时间段内流量维持在告警值附近，也容易造成拥堵，加速拥堵形成，l₀是流量参考值，根据流量预警值设定。流量达到预警阈值时前pn个点，流量连续超过参考值的比例p_td可以通过公式(4)计算，p_td越大形成拥堵的机会越大，时间越短。

2.4)计算路段流量增长斜率k，拥堵形成时间t和连续超过参考值的比例p

上述流量增长斜率，拥堵形成时间和连续超过参考值的比例计算均是针对一天的数据，对于一个路段的参数需要综合各天数据计算，按照公式(5)计算。

其中，k是路段流量增长斜率，t是拥堵形成时间，p是相邻一段时间内流量连续超过参考值的比例，median(·)是取中值函数。

步骤3实时计算流量预警阈值

步骤1和步骤2中涉及到的均是历史数据，对于实时数据，道路流量受多种因素影响不断变化，并不知道一天流量具体数值，只按照历史数据来确定预警值存在一定的片面性，固定的流量预警值并不能满足实时性流量分析需求，因此需要按照实时流量计算拥堵流量告警值。

首先，每条路段由于道路本身的设计，与地面车道之间的关系等原因造成最大可承载车辆数存在很大的差别，因此告警值的阈值Tl需要根据实际路段计算。其次，同一个路段不同时间道路上的车辆存在一定的浮动，流量增长速度快，速度下降快，形成拥堵的时间短，因此流量预警值Tl也需要根据流量的增长速度来进行调整，为了降低计算复杂度，流量值比较小时不会发生拥堵，不计算预警值。

路段每日告警阈值根据公式(6)计算

Tl_i＝0.8*(1+α_i-1)*median(max(l_td)) (6)

其中，α_i-1是流量预警值的调节参数，取值按照公式(7)计算。l_td是历史数据每天流量数据，max(l_td)是每天流量的最大值。Tl_i是路网中i时刻实时流量告警阈值，在i-1时刻就可以计算出来，在median(·)是取中值的函数。

K_i-1是采用最小二乘法或曲线拟合回归等方式计算i-1前kn(同步骤2中历史数据斜率计算点数)个点的流量斜率，k是步骤二中计算的道路流量增长斜率，分母则保证了-0.2≤α_i-1≤0.2，从而保证流量预警值Tl_i一般不会超过最大值的范围。当实时流量增长速度高于道路流量增长速度时为负值，即流量增长速度快则预警阈值要适当调小；否则为正值，即流量增长缓慢相应的预警阈值适当调小。

步骤4实时流量到达告警值后，计算形成拥堵时间

步骤2通过历史数据计算出了路段流量增长斜率k，以及路段历史拥堵形成时间t，相邻一段时间内流量连续超过参考值的比例p。步骤3中i-1时刻计算出i时刻流量预警值。i时刻流量L_i＞Tl_i达到预警值，计算i时刻后经过时间T路段形成拥堵。首先采用最小二乘法或者线性回归的方式，计算实时流量斜率K_i，其次按照公式(8)计算P_i是实时流量当前时刻i，前pn(同步骤2参数)个点流量连续超过参考值的比例。

其中，L₀＝Tl_i*0.9是流量参考值，参考流量是路段流量预警值的百分之九十，Tl_i是步骤3中计算出的流量预警值。最后按照公式(9)计算拥堵形成时间。

其中，T是实时计算的拥堵形成时间，参数λ和γ控制斜率k和连续时间超过参考值比例p在预测拥堵形成时间中所占的比重，具体的取值按照实际路段信息进行调整，当实时流量斜率K_i大于路段流量斜率k，公式中第二项为负值，拥堵形成时间相对减小，反之，实时流量斜率K_i小于路段流量斜率k，拥堵形成时间相对增长，符合实际路网中形成拥堵的规律。P_i和p的关系与K_i和k的关系相同。

步骤5路段特征修正

现实生活中道路车流量会伴随季节等出现变化，因此道路的规律性指数在不同的时间也存在变化，因此需要更新。但是短期时间内，无特殊情况道路车流量并不会出现大幅度的变化，实时更新计算量较大。本发明采用批量更新的方式，如果记录天数大于更新阈值，则对参数进行更新。

如果实时保存的数据大于历史数据D/3，则按照步骤2计算实时保存数据的斜率，相邻一段时间内流量连续超过参考值的比例以及路段拥堵形成时间，分别记为k′，t′，p′，更新后的路段特征值如公式(10)计算。

实例1：本发明专利采用杭州高架卡口数据作为原始数据，均采用由南向北的道路卡口数据。中河高架万松岭路中间卡口简称万松岭，中河高架庆春路中间卡口简称庆春路。道路拥堵预警及拥堵形成时间预测方法的过程如下：

步骤1历史数据获取并进行预处理

获取卡口历史数据并保存，卡口采集的数据受噪音、数据采集装置等的影响波动比较大，首先经过高斯滤波处理，方便后续数据分析。图2和图3分别是杭州庆春路某天经过滤波前后的流量和速度对比图，原始数据如图中‘-.’曲线表示，从图中可以看出原始数据波动很大，不方便进行数据分析，经过窗口宽度为7，系数为[0.1,0.35,0.7,1,0.7,0.35,0.1]的高斯滤波器后，流量曲线和速度曲线有了明显的改善，图2和图3中黑色曲线表示。

道路形成拥堵的根本原因在于通行需求大于道路承受能力，那么一条道路的车辆通行能力如何，拥堵形成时间受哪些因素的影响，发送告警信息的阈值如何选取等，都需要从历史数据中分析获得。图4和图5是流量和速度曲线图，从图4中可以看出庆春路从8时左右流量持续增长，保持在较大值，对比速度曲线可得流量持续增长，速度下降，接近10时流量出现回落，速度达到极小值，原因在于流量持续增大超过道路承受范围，造成速度下降进而导致流量降低。由庆春路日流量曲线可以看出流量最大值是187辆/5min，并且出现拥堵现象。对比图5万松岭路段流量最大值在265辆/5min，速度出现波动但是仍然大于60km/h，并没有造成拥堵。因此可得每条路段由于道路本身的设计，与地面车道之间的关系等原因造成最大可承载车辆数存在很大的差别，因此告警值的阈值Tl需要根据实际路段计算。

另外，同一个路段不同时间道路上的车辆存在一定的浮动，从图4和图6庆春路日流量速度曲线可以看出，流量增长速度快，速度下降快，形成拥堵的时间短，因此流量预警值Tl也需要根据流量的增长速度来进行调整。从图中还可以看出速度的下降相对于流量的上涨存在一定的滞后，流量增长的斜率k反应流量增长的速度，k越大流量增长速度越快，形成拥堵的时间短。另一方面流量增长速度相对较缓，但是连续时间段内流量维持在告警值以上，这也加速拥堵形成。

经过以上分析，要对拥堵进行预警并且预测拥堵形成时间，需要计算的量包括流量预警值Tl的选取，流量上升斜率k的计算，以及相邻某段时间内流量连续超过流量参考值的比例p。

步骤2计算历史流量增长斜率k，流量连续超过参考值的比例p和拥堵形成时间t

1)寻找历史数据中流量的上升沿

本实施例中以图4所示庆春路某天流量数据为例进行计算。设定庆春路流量预警值tl₀，tl₀的取值为庆春路当天流量百分之八十。经过计算得辆/5min。按照公式(1)计算流量超过预警值时上升沿，经过计算获得时间坐标向量Lt＝6.33h，即早上6点20分流量超过流量预警值，位置如图7中Lt所示。

2)计算历史数据中速度的下降沿

流量上涨并不一定存在拥堵，只有流量增长且速度下降到一定值才形成拥堵，因为快速路网中车辆速度较大，且路网有限速设置，限速为80km/h，对于一天的数据选定速度参考值v₀，v₀的取值是路网限速值的百分之五十，经过计算可得v₀＝40km/h。i时刻的速度记为v_i，如果v_i＜v₀存在拥堵，按照公式(2)的方式计算速度下降沿。并记录速度下降沿的时间坐标Vt＝7.5，即早上7点半的时候流量下降可能发生拥堵，如图7中Vt所示。

3)计算每天流量增长斜率k和拥堵形成时间t

图4所示庆春路某天数据，Lt和Vt只有单个值，并且相差小于2小时，按照公式(3)计算t_td＝Lt₀-Vt₀＝7.5-6.33＝1.17小时，即拥堵形成时间为1小时10分钟，是图7中Lt和Vt之间的时间段。采用回归或者最小二乘法计算时间6.33h之前8个点内流量的斜率k_td，如图7中流量曲线上的黑色粗线表示。

拥堵形成时间首先与流量增长速度有关，其次，流量增长速度相对较缓，但是连续时间段内流量维持在告警值附近，这也容易造成拥堵，加速拥堵形成，因此相邻某段时间内流量连续超过参考值的比例p也影响拥堵形成时间。Lt₀流量连续超过参考值的比例p可以通过公式(4)计算。

4)计算路段流量增长斜率k，拥堵形成时间t和连续超过参考值的比例p

上述流量增长斜率，拥堵形成时间和连续超过参考值的比例计算均是针对一天的数据，对于一个路段的参数需要综合各天数据计算，按照公式(5)计算。

步骤3实时计算流量预警阈值

步骤1和步骤2中涉及到的均是历史数据，对于实时数据，道路流量受多种因素影响不断变化，并不知道一天流量具体数值，只按照历史数据来确定预警值存在一定的片面性，固定的流量预警值并不能满足实时性流量分析需求，因此需要按照实时流量计算拥堵流量告警值。

因此，路段每日告警阈值根据公式(6)计算，α_i-1的值按照公式(7)计算，在i-1时刻计算出i时刻的预警值。

步骤4实时计算生成拥堵时间

步骤2通过历史数据计算出了路段流量增长斜率k，以及路段拥堵形成时间t，相邻一段时间内流量连续超过参考值的比例p。步骤3中在i-1时刻就可以计算出i流量预警值。i时刻流量L_i达到预警值，计算i时刻后经过时间T路段形成拥堵。首先采用最小二乘法或者线性回归的方式，计算实时流量斜率K_i，其次按照公式(8)计算P_i是实时流量连续超过参考值的比例。最后按照公式(9)计算拥堵形成时间。其中，参数λ和γ都取值为0.2。

步骤5路段特征修正

现实生活中道路车流量会伴随季节等出现变化，因此道路的规律性指数在不同的时间会存在变化，因此需要更新。但是短期时间内，无特殊情况道路车流量并不会出现大幅度的变化，实时更新计算量较大。本发明采用批量更新的方式，如果记录天数大于更新阈值，则对参数进行更新。

取D＝60天的数据作为历史分析数据，如果实时保存的数据大于历史数据D/3，则按照步骤2批量调整流量增长斜率，连续时间内流量超过参考值的比例以及路段拥堵形成时间，分别记为k′，t′，p′，更新后的路段特征值如公式(10)计算。

Claims (6)

1.一种道路拥堵预警及拥堵形成时间预测方法，其特征在于：所述方法包括以下步骤：

步骤1：获取天数为D的道路流量和速度历史数据，进行高斯滤波处理；

步骤2：根据道路交通历史数据，计算路段即将发生拥堵时流量增长斜率参考值k、拥堵形成时间参考值t和流量连续超过参考值的比例p；

通过计算流量上升沿和速度下降沿的方式确定道路拥堵，对于历史数据中某天的数据，计算流量大于流量预警值时刻的上升沿，时间记为Lt₀，每天速度小于速度参考值时刻的下降沿，时间记为Vt₀；计算Lt₀前kn点的流量增长斜率k_td，Lt₀前pn点流量连续超过参考值的比例参考值p_td，拥堵形成时间t_td为Vt₀和Lt₀的差值，路段k、t、p分别为k_td、p_td、t_td的中值；

步骤3：实时计算流量预警阈值，根据路段历史流量增长斜率k和i-1时刻实时流量增长斜率K_i-1，计算实时流量预警阈值Tl_i，如果当前流量超出Tl_i，则发出流量告警并计算实时的拥堵形成时间；

步骤4、根据实时流量预警阈值Tl_i，计算实时流量连续超过实时流量预警阈值的比例P_i，根据路段历史流量增长斜率k和当前实时流量增长斜率K_i、路段历史流量连续超过参考值的比例p和实时流量连续超过Tl_i的比例P_i、路段历史拥堵形成时间参考值t，计算实时的拥堵形成时间T。

2.如权利要求1所述的一种道路拥堵预警及拥堵形成时间预测方法，其特征在于：所述方法还包括以下步骤：步骤5、保存实时数据，间隔一段时间后，更新k、t、p。

3.如权利要求1或2所述的一种道路拥堵预警及拥堵形成时间预测方法，其特征在于：所述步骤2中，计算过程包括：

2.1)寻找历史数据中流量的上升沿

选取n个路段中某个路段，流量预警值记为tl₀，从历史数据中得到每天流量最大值，tl₀的取值可根据当天流量最大值确定，卡口流量数据是不规则的曲线，流量在上升过程或者下降过程都可能超过预警值，一天的数据i时刻的流量记为l_i，如果l_i＞tl₀，可能存在拥堵，采用公式(1)所示的方式寻找流量大于预警值时的上升沿：

$\left\{\begin{array}{cc}{\mathrm{pl}}_l=\frac{{\mathrm{\Σ}}_{s}1\{l_s\≤l_i\}}{\ln }& s=\{i-\ln ,i-(\ln -1),\mathrm{...},i-1\}\\ {\mathrm{pl}}_h=\frac{{\mathrm{\Σ}}_{q}1\{l_q\≥l_i\}}{\ln }& q=\{i+1,\mathrm{...},i+(\ln -1),i+\ln \}\end{array}\right.---\left(1\right)$

其中，l_i是i时刻道路的流量，l_s是时刻i之前的流量值，l_q是时刻i之后的流量值，s和q分别代表时刻i的前后ln个点的时间坐标，函数1{·}表示大括号中条件成立则值为1，否则值为0；pl_l是时间点i前ln个点中，流量值小于l_i的比例，pl_h是时刻点i后ln个点中，流量值大于l_i的比例，ln的取值按照实际路段数据确定；如果pl_l和pl_h同时满足大于等于一定值，则判定存在一个流量超过预警值的上升沿，并保存到时间坐标向量Lt；

2.2)计算历史数据中速度下降沿

i时刻的速度记为v_i，如果v_i＜v₀，存在拥堵，按照公式(2)的方式计算速度下降沿；

$\left\{\begin{array}{cc}{\mathrm{pv}}_l=\frac{{\mathrm{\Σ}}_{s}1\{v_s\≥v_i\}}{vn}& s=\{i-vn,i-(vn-1),\mathrm{...}i-1\}\\ {\mathrm{pv}}_h=\frac{{\mathrm{\Σ}}_{q}1\{v_q\≤v_i\}}{vn}& q=\{i+1,\mathrm{...},i+(vn-1),i+vn\}\end{array}\right.---\left(2\right)$

其中，v_i是时刻点i的速度，v_s是时刻点i之前的速度值，v_q是时刻点i之后的速度值，函数1{·}表示大括号中条件成立则值为1，否则值为0，pv_l是时刻点i前vn个点中，速度值大于v_i的比例，pv_h是时刻点i后vn个点中，速度值小于v_i的比例，vn的取值按照实际数据确定，如果pv_h和pv_l同时满足大于一定值，则判断速度存在一个下降沿，并记录速度下降沿的时间坐标Vt；

2.3)计算每天流量增长斜率k和拥堵形成时间t

流量极大值的时间坐标Lt和速度下降沿的时间坐标Vt中可能存在多个值，取出Lt中与Vt值相差T_lv时之内的值，组成向量Lt′和Vt′，T_lv是速度下降沿时间和流量上升沿时间差的阈值，要根据实际路网数据设置；如果此时Lt′和Vt′仍然存在多个值，则进行如下处理；

①如果Lt′或Vt′存在多个相差小于半个小时的值，则取这些值的均值；

②如果经过①处理后Lt′或Vt′仍然存在多个值，且多个值相差均大于2*T_lv，则取第一个值；经过以上处理后，Lt′或Vt′中只剩下一个值，记为Lt₀或Vt₀；

采用回归或者最小二乘法计算时刻Lt₀前kn点内流量的斜率k_td，其中，k_td是道路每天流量增长斜率，kn代表取几个点计算的斜率，取值由实际路网数据决定；拥堵形成时间按照公式(3)计算，因为速度下降相对于流量上涨存在一定的滞后，只取大于0的数据，t_td是道路每天拥堵形成时间；

t_td＝Vt₀-Lt₀ (3)

流量增长速度相对较缓，但是连续时间段内流量维持在告警值附近，也容易造成拥堵，加速拥堵形成，l₀是流量参考值，根据流量预警值设定；流量达到预警阈值时前pn个点，流量连续超过参考值的比例p_td通过公式(4)计算，p_td越大形成拥堵的机会越大，时间越短；

$p_{td}=\frac{{\mathrm{\Σ}}_{i}1\{l_{td}^i\≥l_0\}}{pn},i=\{{\mathrm{Lt}}_0-pn,{\mathrm{Lt}}_0-(pn-1),...,{\mathrm{Lt}}_0-1\}---\left(4\right)$

2.4)计算路段流量增长斜率k，拥堵形成时间t和连续超过参考值的比例p

上述流量增长斜率，拥堵形成时间和连续超过参考值的比例计算均是针对一天的数据，对于一个路段的参数需要综合各天数据计算，按照公式(5)计算；

$\begin{array}{c}k=median\left(k_{td}\right)\\ t=median\left(t_{td}\right)\\ p=median\left(p_{td}\right)\end{array}---\left(5\right)$

其中，k是路段流量增长斜率，t是拥堵形成时间，p是相邻一段时间内流量连续超过参考值的比例，median(·)是取中值函数。

4.如权利要求3所述的一种道路拥堵预警及拥堵形成时间预测方法，其特征在于：所述步骤3中，路段每日告警阈值根据公式(6)计算

Tl_i＝0.8*(1+α_i-1)*median(max(l_td)) (6)

其中，α_i-1是流量预警值的调节参数，取值按照公式(7)计算；l_td是历史数据每天流量数据，max(l_td)是每天流量的最大值；Tl_i是路网中i时刻实时流量告警阈值，在i-1时刻计算出来，在median(·)是取中值的函数；

${\mathrm{\α}}_{i-1}=0.2*\frac{k-K_{i-1}}{max(k,K_{i-1})}---\left(7\right)$

K_i-1是采用最小二乘法或曲线拟合回归等方式计算i-1前kn个点的流量斜率，k是步骤二中计算的道路流量增长斜率，分母则保证了-0.2≤α_i-1≤0.2，从而保证流量预警值Tl_i不会超过最大值的范围。

5.如权利要求4所述的一种道路拥堵预警及拥堵形成时间预测方法，其特征在于：所述步骤4中，i时刻流量L_i＞Tl_i达到预警值，计算i时刻后经过时间T路段形成拥堵，首先采用最小二乘法或者线性回归的方式，计算实时流量斜率K_i，其次按照公式(8)计算P_i是实时流量当前时刻i，前pn个点流量连续超过参考值的比例：

$P_i=\frac{{\mathrm{\Σ}}_{j}1\{L_i\≥L_0\}}{pn},j=\{i-pn,i-(pn-1),...,i-1\}---\left(8\right)$

其中，L₀＝Tl_i*0.9是流量参考值，Tl_i是步骤3中计算出的流量预警值，最后按照公式(9)计算拥堵形成时间；

$T=t*(1+\mathrm{\λ}\frac{k-K_i}{max(k,K_i)}+\mathrm{\γ}\frac{p-P_i}{\max (p,P_i)})---\left(9\right)$

其中，T是实时计算的拥堵形成时间，参数λ和γ控制斜率k和连续时间超过参考值比例p在预测拥堵形成时间中所占的比重，具体的取值按照实际路段信息进行调整，当实时流量斜率K_i大于路段流量斜率k，公式中第二项为负值，拥堵形成时间相对减小，反之，实时流量斜率K_i小于路段流量斜率k，拥堵形成时间相对增长，P_i和p的关系与K_i和k的关系相同。

6.如权利要求2所述的一种道路拥堵预警及拥堵形成时间预测方法，其特征在于：所述步骤5中，如果实时保存的数据大于历史数据D/3，则按照步骤2计算实时保存数据的斜率，相邻一段时间内流量连续超过参考值的比例以及路段拥堵形成时间，分别记为k′，t′，p′，更新后的路段特征值如公式(10)计算：

$\begin{array}{c}k=\frac{2*k}{3}+\frac{k^{\′}}{3}\\ t=\frac{2*t}{3}+\frac{t^{\′}}{3}\\ p=\frac{2*p}{3}+\frac{p^{\′}}{3}\end{array}---\left(10\right).$