技術領域

本發明涉及交通流預測技術領域，尤其是涉及一種預測準確率高的一種交通流預測系統及方法。

背景技術

近年來，隨著城市化與機動化的進程加快，汽車保有量，特別是私家車的大力發展，造成交通流量不斷上升，城市交通需求和供給的矛盾越來越大。因此，采取合理的交通需求控制和道路交通管理措施成為解決城市交通問題的關鍵。其中如何準確的預測道路交通流量成為合理誘導、控制與管理交通出行的瓶頸所在。有了精度較高的實時交通流量信息，才能進一步運用現代信息技術為出行者提供最佳的行駛路線，達到網路暢通、高效運行的目的。

因此，有必要提出一種新的交通流預測系統及方法，以準確預測交通流信息。

發明內容

本發明所要解決的技術問題是提供一種預測準確率高的一種交通流預測系統及方法。

為了實現上述目的，本發明采用以下技術方案：

一種交通流預測系統，包括車載位置模塊，所述車載位置模塊設置于特定車輛上，用于檢測車輛位置信息；數據獲取模塊，所述數據獲取模塊用于獲取待預測路段上設置有所述車載位置模塊的車輛數據；信息處理模塊，所述信息處理模塊用于處理獲取到的設置有所述車載位置模塊的車輛數據，預測待預測路段的交通流情況，控制待預測路段的紅綠燈時間。

作為一種優選的技術方案，所述車載位置模塊為車載GPS模塊或車載導航模塊。

作為另一種優選的技術方案，所述數據獲取模塊設置于待預測路段的紅綠燈上。

作為應用以上方案的一種交通流預測系統的一種交通流預測方法，包括以下步驟：S1、建立歷史標準樣本庫，對待預測路段的歷史交通數據進行預處理，將設置有所述車載位置模塊的車輛數據與實際交通流數據映射保存，形成待預測路段的交通數據歷史標準樣本庫；S2、所述數據獲取模塊獲取待預測路段的設置有所述車載位置模塊的車輛數據，所述車輛數據包括設置有所述車載位置模塊的車輛數量、前進方向等數據；S3、所述信息處理模塊根據所述數據獲取模塊獲取到的設置有所述車載位置模塊的車輛數據判斷所述車輛數據與歷史標準樣本庫內設置有所述車載位置模塊的車輛數據的相似度，從所述歷史標準樣本庫內選取與實際獲取到的設置有所述車載位置模塊的車輛數據最為匹配的所述歷史標準樣本庫內的設置有所述車載位置模塊的車輛數據，根據所述歷史標準樣本庫內的設置有所述車載位置模塊的車輛數據對應得出所述歷史標準樣本庫內的實際交通流數據，所述歷史標準樣本庫內的實際交通流數據為預測出的待預測路段的交通流數據；S4、根據預測的待預測路段的交通流數據控制所述待預測路段的紅綠燈時間。

作為一種優選的技術方案，所述車載位置模塊為車載GPS模塊或車載導航模塊，所述步驟S2中所述數據獲取模塊獲取待預測路段的設置有所述車載GPS模塊或所述車載導航模塊的車輛數據。

作為一種優選的技術方案，所述車載位置模塊為與出租車輛信息綁定的智能終端模塊，所述智能終端模塊獲取出租車乘客出行的出發地及目的地，并實時追蹤出租車輛的位置信息。

作為進一步優選的技術方案，所述步驟S2中所述數據獲取模塊與所述智能終端進行數據交互，獲取待預測路段的設置有所述智能終端模塊的出租車輛內乘客的出發地、目的地及出租車輛的實時位置信息。

作為一種更進一步優選的方案，所述步驟S3中所述信息處理模塊根據所述出租車輛的出發地、目的地及實時位置信息，判斷待預測路段內的出租車輛數據，將所述出租車輛數據與所述歷史標準樣本庫內設置有所述車載位置模塊的車輛數據的相似度，從所述歷史標準樣本庫內選取與所述出租車輛數據最為匹配的設置有所述車載位置模塊的車輛數據，根據所述歷史標準樣本庫內的設置有所述車載位置模塊的車輛數據從所述歷史標準樣本庫內得出實際交通流數據，所述歷史標準樣本庫內的實際交通流數據為預測的待預測路段的交通流數據。

作為另一種更進一步的優選方案，所述步驟S3中所述信息處理模塊根據所述出租車輛的出發地、目的地及實時位置信息計算下一時段待預測路段的出租車輛數據，并判斷與所述歷史標準樣本庫內設置有所述車載位置模塊的車輛數據的相似度，從所述歷史標準樣本庫內選取與所述出租車輛數據最為匹配的設置有所述車載位置模塊的車輛數據，根據所述歷史標準樣本庫內的設置有所述車載位置模塊的車輛數據從所述歷史標準樣本庫內得出實際交通流數據，所述歷史標準樣本庫內的實際交通流數據為預測的待預測路段的交通流數據。