CN113178069A - 一种基于大数据机器学习技术的交通预警系统 - Google Patents
一种基于大数据机器学习技术的交通预警系统 Download PDFInfo
- Publication number
- CN113178069A CN113178069A CN202110424320.XA CN202110424320A CN113178069A CN 113178069 A CN113178069 A CN 113178069A CN 202110424320 A CN202110424320 A CN 202110424320A CN 113178069 A CN113178069 A CN 113178069A
- Authority
- CN
- China
- Prior art keywords
- traffic
- data
- module
- learning
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000010801 machine learning Methods 0.000 title claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 7
- 206010039203 Road traffic accident Diseases 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000009897 systematic effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 230000007480 spreading Effects 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Abstract
本发明公开了一种基于大数据机器学习技术的交通预警系统，所述基于大数据机器学习技术的交通预警系统包括：学习模块：所述学习模块为用于分析交通数据并对交通数据进行学习，并且可以对历史交通流正常运行特征进行学习，得出交通流模型特征，随后将得出的交通流模型与实时交通数据进行比对得出交通数据偏差值。本发明通过大数据学习模块可以对不同路段的交通流进行学习，可以分析出路段的交通流模型，并可以提前预测堵塞和异常交通事件；并通过波动理论对交通数据进行预测，并结合对数据进行处理从而实现对车道进行预警，从而解决现有道路拥堵问题，达到提前预警疏通交通的效果。
Description
技术领域
本发明涉及一种交通预警系统，具体为一种基于大数据机器学习技术的交通预警系统。
背景技术
城市经过规划、建设后投入运行并发挥功能，提供服务，真正为市民创造良好的人居环境，保障市民正常生活，服务城市经济社会发展。因此，城市建设是以城市规划为依据最终服务于城市运行。其中分为城市精神文明建设和建筑实物建设。
而在城市化持续发展的过程中，也带来了很多问题，其中，交通问题一直是影响城市发展的主要问题之一，现在城市内人群大量涌入，而车辆也是越来越普遍的交通工具。城市道路网络及其周围空间环境的复杂性为城市交通问题解决带来了较大的难度，而且在遇到突发事件的情况下如何对其进行及时规避和合理策划路线也变得越来越重要，为此，我们提出一种基于大数据机器学习技术的交通预警系统。
发明内容
本发明的目的在于提供一种基于大数据机器学习技术的交通预警系统，以解决背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于大数据机器学习技术的交通预警系统，所述基于大数据机器学习技术的交通预警系统包括：
学习模块：所述学习模块为用于分析交通数据并对交通数据进行学习，并且可以对历史交通流正常运行特征进行学习，得出交通流模型特征，随后将得出的交通流模型与实时交通数据进行比对得出交通数据偏差值，并将交通数据偏差值通过正态分布模型分析得出实时交通数据是否出现剧增或者锐减变化，提前预测交通堵塞或者事故异常交通事件；
数据创建模块：所述数据创建模块用于创建数据振动波，所述振动波的创建基于学习模块中学习到的交通流模型进行创建，而创建数据振动波是借助交通流类似水流的波动状态，并将水流峰值影响过程添加至交通事件的影响以及分析中，通过波峰的出现时间以及波峰出现的大小来预测交通事件的传播速度、传播方向以及可能造成的影响程度，并生成相应的管制预案；
交通管制控制模块：所述交通管制模块与数据创建模块相互连接，并将创建的振动波数据预测到的交通事件的传播速度、传播方向以及可能造成的影响程度接入到相应的交通管制内部进行信号传导，并结合交通事件的蔓延范围以及交通事故波及的范围以及波及程度自动生成勤务、信号控制等干预的管制预案；
调度模块：所述调度模块用于对整个交通进行集中指挥调度，并将数据创建模块所预测到的交通事件的传播速度、传播方向以及可能造成的影响程度生成的管制预案输入至相应的系统内部，并通过系统对交通管制控制模块进行系统化指挥调度。
优选的，所述接入交通管制资源中接入的管制资源包括信号灯、可变车道、诱导屏以及交通警力。
优选的，所述系统化指挥调度包括通过信号灯自动调节通行速度和流量、利用可变车道或匝道控制器疏导车流、指挥机动警力进行现场管理与引导、对涉及范围内的交通诱导屏发布管制信息、联系交通广播和地图导航发布绕行信息。
优选的，所述创建数据振动波的过程中出现的洪峰值越高表示出现的交通事故越严重，可能导致的交通事故影响波及范围越广。
优选的，所述大数据学习模块用于学习的大数据包括城市道路、普通路面、高速路面、高架桥、县级路、国道以及其他所有路面数据，并且创建的数据振动波也需要根据大数据学习的不同路面确定不同的数据振动波。
与现有技术相比，本发明具有以下有益效果：
1、本发明通过大数据学习模块可以对不同路段的交通流进行学习，可以分析出路段的交通流模型，并可以提前预测堵塞和异常交通事件；
2、并通过波动理论对交通数据进行预测，并结合对数据进行处理从而实现对车道进行预警，从而解决现有道路拥堵问题，达到提前预警疏通交通的效果。
附图说明
图1为本发明系统原理示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种基于大数据机器学习技术的交通预警系统，所述基于大数据机器学习技术的交通预警系统包括：
学习模块：所述学习模块为用于分析交通数据并对交通数据进行学习，并且可以对历史交通流正常运行特征进行学习，得出交通流模型特征，随后将得出的交通流模型与实时交通数据进行比对得出交通数据偏差值，并将交通数据偏差值通过正态分布模型分析得出实时交通数据是否出现剧增或者锐减变化，提前预测交通堵塞或者事故异常交通事件；
数据创建模块：所述数据创建模块用于创建数据振动波，所述振动波的创建基于学习模块中学习到的交通流模型进行创建，而创建数据振动波是借助交通流类似水流的波动状态，并将水流峰值影响过程添加至交通事件的影响以及分析中，通过波峰的出现时间以及波峰出现的大小来预测交通事件的传播速度、传播方向以及可能造成的影响程度，并生成相应的管制预案；
交通管制控制模块：所述交通管制模块与数据创建模块相互连接，并将创建的振动波数据预测到的交通事件的传播速度、传播方向以及可能造成的影响程度接入到相应的交通管制内部进行信号传导，并结合交通事件的蔓延范围以及交通事故波及的范围以及波及程度自动生成勤务、信号控制等干预的管制预案；
调度模块：所述调度模块用于对整个交通进行集中指挥调度，并将数据创建模块所预测到的交通事件的传播速度、传播方向以及可能造成的影响程度生成的管制预案输入至相应的系统内部，并通过系统对交通管制控制模块进行系统化指挥调度。
优选的，所述接入交通管制资源中接入的管制资源包括信号灯、可变车道、诱导屏以及交通警力。
优选的，所述系统化指挥调度包括通过信号灯自动调节通行速度和流量、利用可变车道或匝道控制器疏导车流、指挥机动警力进行现场管理与引导、对涉及范围内的交通诱导屏发布管制信息、联系交通广播和地图导航发布绕行信息。
优选的，所述创建数据振动波的过程中出现的洪峰值越高表示出现的交通事故越严重，可能导致的交通事故影响波及范围越广。
优选的，所述大数据学习模块用于学习的大数据包括城市道路、普通路面、高速路面、高架桥、县级路、国道以及其他所有路面数据，并且创建的数据振动波也需要根据大数据学习的不同路面确定不同的数据振动波。
使用时，首先，大数据学习模块可以对历史交通流正常运行特征进行学习，并分析比对实时交通数据以及交通流模型特征的剧增或者锐减变化，提前预测交通堵塞或者事故异常交通事件，此时本系统可以预测到交通阻塞和事故异常交通事件的发生，随后将要创建数据振动波，可以通过振动波波峰出现的情况以及波峰出现的大小来预测到交通事件的传播速度、传播方向以及可能造成的影响程度，随后将交通管制资源与本系统相连接，便可以结合交通事件的蔓延范围以及交通事故波及的范围以及波及程度自动生成勤务、信号控制等干预的管制预案，随后便可以生成的管制预案输入至相应的系统内部，并通过系统对相应的指挥系统进行系统化指挥调度。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种基于大数据机器学习技术的交通预警系统，其特征在于：所述基于大数据机器学习技术的交通预警系统包括：
学习模块：所述学习模块为用于分析交通数据并对交通数据进行学习，并且可以对历史交通流正常运行特征进行学习，得出交通流模型特征，随后将得出的交通流模型与实时交通数据进行比对得出交通数据偏差值，并将交通数据偏差值通过正态分布模型分析得出实时交通数据是否出现剧增或者锐减变化，提前预测交通堵塞或者事故异常交通事件；
数据创建模块：所述数据创建模块用于创建数据振动波，所述振动波的创建基于学习模块中学习到的交通流模型进行创建，而创建数据振动波是借助交通流类似水流的波动状态，并将水流峰值影响过程添加至交通事件的影响以及分析中，通过波峰的出现时间以及波峰出现的大小来预测交通事件的传播速度、传播方向以及可能造成的影响程度，并生成相应的管制预案；
交通管制控制模块：所述交通管制模块与数据创建模块相互连接，并将创建的振动波数据预测到的交通事件的传播速度、传播方向以及可能造成的影响程度接入到相应的交通管制内部进行信号传导，并结合交通事件的蔓延范围以及交通事故波及的范围以及波及程度自动生成勤务、信号控制等干预的管制预案；
调度模块：所述调度模块用于对整个交通进行集中指挥调度，并将数据创建模块所预测到的交通事件的传播速度、传播方向以及可能造成的影响程度生成的管制预案输入至相应的系统内部，并通过系统对交通管制控制模块进行系统化指挥调度。
2.根据权利要求1所述的一种基于大数据机器学习技术的交通预警系统，其特征在于：所述接入交通管制资源中接入的管制资源包括信号灯、可变车道、诱导屏以及交通警力。
3.根据权利要求1所述的一种基于大数据机器学习技术的交通预警系统，其特征在于：所述系统化指挥调度包括通过信号灯自动调节通行速度和流量、利用可变车道或匝道控制器疏导车流、指挥机动警力进行现场管理与引导、对涉及范围内的交通诱导屏发布管制信息、联系交通广播和地图导航发布绕行信息。
4.根据权利要求1所述的一种基于大数据机器学习技术的交通预警系统，其特征在于：所述创建数据振动波的过程中出现的洪峰值越高表示出现的交通事故越严重，可能导致的交通事故影响波及范围越广。
5.根据权利要求1所述的一种基于大数据机器学习技术的交通预警系统，其特征在于：所述大数据学习模块用于学习的大数据包括城市道路、普通路面、高速路面、高架桥、县级路、国道以及其他所有路面数据，并且创建的数据振动波也需要根据大数据学习的不同路面确定不同的数据振动波。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110424320.XA CN113178069A (zh) | 2021-04-20 | 2021-04-20 | 一种基于大数据机器学习技术的交通预警系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110424320.XA CN113178069A (zh) | 2021-04-20 | 2021-04-20 | 一种基于大数据机器学习技术的交通预警系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113178069A true CN113178069A (zh) | 2021-07-27 |
Family
ID=76923856
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110424320.XA Pending CN113178069A (zh) | 2021-04-20 | 2021-04-20 | 一种基于大数据机器学习技术的交通预警系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113178069A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113724499A (zh) * | 2021-11-01 | 2021-11-30 | 华录易云科技有限公司 | 一种道路交通事件三维可视化分析方法及系统 |
| CN116959273A (zh) * | 2023-07-31 | 2023-10-27 | 宁波德尔菲信息科技有限公司 | 一种基于物联网的交通信号灯远程控制系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657199A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于微观仿真的高速公路交通事件影响范围的预测方法 |
| CN105023433A (zh) * | 2015-07-01 | 2015-11-04 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
| US20190051155A1 (en) * | 2017-08-10 | 2019-02-14 | Toyota Jidosha Kabushiki Kaisha | Information notification apparatus, information notification system, information notification method, and information notification program |
| CN111179586A (zh) * | 2019-10-24 | 2020-05-19 | 广州市高科通信技术股份有限公司 | 一种基于大数据分析的交通诱导方法、设备及存储介质 |
-
2021
- 2021-04-20 CN CN202110424320.XA patent/CN113178069A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104657199A (zh) * | 2015-02-10 | 2015-05-27 | 交通运输部科学研究院 | 基于微观仿真的高速公路交通事件影响范围的预测方法 |
| CN105023433A (zh) * | 2015-07-01 | 2015-11-04 | 重庆大学 | 一种高速公路交通异常事件影响范围预估方法 |
| US20190051155A1 (en) * | 2017-08-10 | 2019-02-14 | Toyota Jidosha Kabushiki Kaisha | Information notification apparatus, information notification system, information notification method, and information notification program |
| CN111179586A (zh) * | 2019-10-24 | 2020-05-19 | 广州市高科通信技术股份有限公司 | 一种基于大数据分析的交通诱导方法、设备及存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| MICHALOPOULOS P.G等: "Derivation of delays based on improved macroscopic traffic model", 《TRANSPORTATION RESEARCH》 * |
| 何雅琴 等: "基于水波原理的城市突发事件交通影响程度研究", 《交通运输系统工程与信息》 * |
| 蔺昊天: "基于城市交通事件自动检测的出警辅助决策模型研究", 《中国优秀博硕士学位论文全文数据库(硕士)·工程科技Ⅱ辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113724499A (zh) * | 2021-11-01 | 2021-11-30 | 华录易云科技有限公司 | 一种道路交通事件三维可视化分析方法及系统 |
| CN116959273A (zh) * | 2023-07-31 | 2023-10-27 | 宁波德尔菲信息科技有限公司 | 一种基于物联网的交通信号灯远程控制系统 |
| CN116959273B (zh) * | 2023-07-31 | 2024-01-23 | 宁波德尔菲信息科技有限公司 | 一种基于物联网的交通信号灯远程控制系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103559795B (zh) | 一种多策略多目标的自适应交通控制方法 | |
| EP2478508B1 (en) | Traffic signal control system and method | |
| Zou et al. | Simulation-based emergency evacuation system for Ocean City, Maryland, during hurricanes | |
| CN113178069A (zh) | 一种基于大数据机器学习技术的交通预警系统 | |
| CN106408984B (zh) | 基于物联网的城市交通流诱导系统 | |
| CN111091295B (zh) | 一种城市区域边界控制系统 | |
| KR102377637B1 (ko) | 하이브리드 교통신호제어시스템 및 그 방법 | |
| CN114566059A (zh) | 一种一键护航特种车辆协同优先系统 | |
| Schwietering et al. | Improving traffic flow at long-term roadworks | |
| Dong et al. | Sharing bus lanes: a new lanes multiplexing-based method using a dynamic time slice policy | |
| Brodsky et al. | Integrated navigation and distributed control intelligent transport system | |
| De Schutter et al. | • Advances traffic control on highways | |
| Dudek et al. | Freeway corridor management | |
| Kalašová et al. | The impact of actuated control on the environment and the traffic flow | |
| Oskarbski et al. | Multi-level transport systems model for traffic management activities | |
| Dong et al. | A kind of adaptive dynamic transit signal priority control method | |
| Gao | Design of Intelligent Zebra Crossing System Based on Cloud-network Convergence | |
| Zhou et al. | Dynamic allocation model for reversible lanes in the intelligent vehicle infrastructure cooperative system | |
| Lam et al. | Development of COMPASS an advanced traffic management system | |
| Ling et al. | Modelling of traffic capacity under traffic accident | |
| Lin et al. | A Systematic Literature Review of Researches on Urban Traffic Strategy Development | |
| Liu et al. | Analysis and research on the influencing factor of the road transportation network vulnerability based on the interpretative structural model | |
| Kotsi et al. | C-ITS enabled dynamic traffic management as a service | |
| Liu et al. | Harbin Municipal Traffic Congestion Control Countermeasures Based on Big Data | |
| Weng | Concept design and evaluation of traffic management in Beijing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210727 |
|
| RJ01 | Rejection of invention patent application after publication |