一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统的制作方法

本发明涉及城市交通，具体地说，涉及一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统。

背景技术：

1、城市交通拥堵已经成为全球各大城市的普遍现象，尤其是在高峰时段，拥堵会导致严重的交通延误，增加通勤时间和成本，且城市道路的设计和建设往往跟不上车辆增长的速度，有限的道路容量无法承载过量的车流，特别是在关键的交通节点和繁忙的商业区，针对这些问题，城市管理者和交通工程师一直在寻求创新的解决方案。动态时空图神经网络技术的出现，为解决城市交通问题提供了新的视角和工具。通过实时数据收集、处理和预测，结合智能决策支持，可以实现对交通流的精细化管理和优化，从而缓解上述挑战，提升城市交通系统的整体性能。但现有技术中的交通模型忽略了不同类型车辆对道路容量的影响，以及长距离道路上交通流的累积效应，因此，设计一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统。

技术实现思路

1、本发明的目的在于提供一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，以解决上述背景技术中提出的交通模型忽略了不同类型车辆对道路容量的影响，以及长距离道路上交通流的累积效应的问题。

2、为实现上述目的，本发明目的在于提供了一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，包括：

3、数据收集处理单元：用于收集多源实时和历史的交通数据，并对实时和历史的交通数据进行清洗和融合；

4、时空图构建单元：用于根据数据收集处理单元处理后的交通数据定义节点和边，并给每个节点和边分配属性，生成城市交通的时空图，并定期更新节点和边的属性；

5、交通预测单元：用于利用时空图，根据实时的交通数据预测未来时间的交通状况；

6、其中，预测未来时间的交通状况包括预测交通流量和最大通行能力，在预测交通流量和最大通行能力过程中均引入车辆体积以及道路长度的影响进行优化，具体分别为：

7、；

8、其中，为优化后的最大通行能力；为第𝑖类型车辆在总流量中的比例；为第𝑖类型车辆的平均体积；为道路长度；为道路长度影响的修正因子；

9、；

10、其中，为优化后的当前交通流量；

11、则

12、；

13、其中，为优化后的拥堵程度；拥堵预警单元：用于当预测到拥堵状况时，向交通管理中心发出预警；

14、决策支持单元：用于根据预测的交通状况，优化交通信号灯的时序控制，优化公共交通资源分配，优化驾驶员的路径选择，并分析历史拥堵模式，识别瓶颈和事故频发点，为城市交通规划提供数据支持；

15、其中，决策支持单元包括拥堵预测模块、信号灯调整模块和路线规划模块。

16、作为本技术方案的进一步改进，所述数据收集处理单元中交通数据包括交通流量数据、基础设施数据以及时间序列数据。

17、作为本技术方案的进一步改进，所述时空图构建单元中时空图的节点为路口和路段，节点的属性包括路口和路段的位置坐标、车道数、最大通行能力、平均等待时间；时空图的边为一条道路，边的属性包括一条道路的长度、方向、允许车辆类型、速度限制。

18、作为本技术方案的进一步改进，所述时空图构建单元能够将时空图可视化，识别交通拥堵的热点区域和时间段。

19、作为本技术方案的进一步改进，通过所述交通流量和最大通行能力得到拥堵程度，再根据拥堵程度获得预计的通行时间。

20、作为本技术方案的进一步改进，预测所述交通流量和最大通行能力，通过交通流量和最大通行能力得到拥堵程度的具体方法如下：

21、；

22、其中，为最大通行能力；为车道数；为车辆饱和流率；为绿灯时间；为信号周期时间；

23、；

24、其中，为当前交通流量；为基础交通流量；为增长率；为时间；

25、则

26、；

27、其中，为拥堵程度。

28、作为本技术方案的进一步改进，根据所述拥堵程度获得预计的通行时间的具体方法如下：

29、；

30、其中，为预计的通行时间；为车辆的平均速度；

31、在上述公式中引入天气和节假日的影响因素进行优化，优化后的表达式为：

32、；

33、其中，为优化后的预计的通行时间；为天气影响系数；为节假日影响系数。

34、作为本技术方案的进一步改进，所述决策支持单元中拥堵预测模块用于利用实时和历史的交通数据预测拥堵程度；信号灯调整模块用于动态调整交通信号灯的配时方案；路线规划模块用于为驾驶员提供避开拥堵的替代路线建议，利用地图服务实时更新导航。

35、作为本技术方案的进一步改进，所述拥堵预测模块的预测结果包括拥堵位置、持续时间和严重程度。

36、作为本技术方案的进一步改进，所述路线规划模块的具体方法如下：

37、s51、根据时空图，利用欧几里得距离作为启发式函数：

38、；

39、其中，为从当前节点到目标节点的启发式估计成本；和分别为目标节点的坐标和坐标；和分别为当前节点的坐标和坐标；

40、s52、计算路径成本：

41、；

42、其中，为从起点到当前节点的实际成与从到目标的启发式估计成本的总和；为从起点到当前节点的实际成本；

43、；

44、其中，为节点𝑛的父节点；为从父节点到节点的成本；

45、s53、通过迭代搜索来寻找最低成本的路径；

46、s531、设置开放列表和关闭列表，设置和为起点到目标的启发式估计；

47、s532、从开放列表中选择具有最低值的节点，将𝑛从开放列表移到关闭列表；对于的每一个邻居：如果已在关闭列表中，跳过；否则，计算和；如果不在开放列表中，或者通过到达的成本更低，更新的父节点为，并且将其加入或更新在开放列表中；

48、s533、如果开放列表为空，没有找到路径；如果目标节点在开放列表中，找到最低成本路径。

49、与现有技术相比，本发明的有益效果：

50、1、该一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统中，在最大通行能力和当前交通流量的公式中引入车辆体积和道路长度的影响进行优化，考虑车辆体积可以更准确地反映不同类型车辆（如大型货车、公交车与私家车）对道路空间的实际占用，进而影响道路的通行效率，考虑道路长度有助于评估交通流在长距离上的累积和消散效应，对预测交通瓶颈和拥堵点很重要，这样不仅可以提高交通预测的准确性和可靠性，还能支持更高效的交通管理和更安全的道路使用。

51、2、该一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统中，通行时间计算中考虑了天气和节假日的影响，提高了交通预测的准确性，有助于改善交通管理决策，减少意外拥堵，提高道路使用效率，最终提升公众的出行体验。

技术特征：

1.一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：包括：

2.根据权利要求1所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：所述数据收集处理单元（1）中交通数据包括交通流量数据、基础设施数据以及时间序列数据。

3.根据权利要求2所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：所述时空图构建单元（2）中时空图的节点为路口和路段，节点的属性包括路口和路段的位置坐标、车道数、最大通行能力、平均等待时间；时空图的边为一条道路，边的属性包括一条道路的长度、方向、允许车辆类型、速度限制。

4.根据权利要求3所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：所述时空图构建单元（2）能够将时空图可视化，识别交通拥堵的热点区域和时间段。

5.根据权利要求4所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：通过所述交通流量和最大通行能力得到拥堵程度，再根据拥堵程度获得预计的通行时间。

6.根据权利要求5所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：预测所述交通流量和最大通行能力，通过交通流量和最大通行能力得到拥堵程度的具体方法如下：

7.根据权利要求6所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：根据所述拥堵程度获得预计的通行时间的具体方法如下：

8.根据权利要求7所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：所述决策支持单元（5）中拥堵预测模块（51）用于利用实时和历史的交通数据预测拥堵程度；信号灯调整模块（52）用于动态调整交通信号灯的配时方案；路线规划模块（53）用于为驾驶员提供避开拥堵的替代路线建议，利用地图服务实时更新导航。

9.根据权利要求8所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：所述拥堵预测模块（51）的预测结果包括拥堵位置、持续时间和严重程度。

10.根据权利要求9所述的一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统，其特征在于：所述路线规划模块（53）的具体方法如下：

技术总结
本发明涉及城市交通技术领域，具体地说，涉及一种基于动态时空图神经网络的城市交通拥堵治理决策支持系统。其包括数据收集处理单元，用于收集多源实时和历史的交通数据；时空图构建单元用于根据数据收集处理单元处理后的交通数据定义节点和边；交通预测单元用于利用时空图，根据实时的交通数据预测未来时间的交通状况；拥堵预警单元用于当预测到拥堵状况时，向交通管理中心发出预警；决策支持单元用于根据预测的交通状况为城市交通规划提供数据支持；该系统不仅提高交通预测的准确性和可靠性，还能支持更高效的交通管理和更安全的道路使用，减少意外拥堵，提高道路使用效率。

技术研发人员：李小会,李尧,靳旭刚,罗杨
受保护的技术使用者：重庆设计集团有限公司
技术研发日：
技术公布日：2024/10/10