隧道车流量控制方法、装置、设备及存储介质-k8凯发

本申请属于交通智能管理，尤其涉及隧道车流量控制方法、装置、设备及存储介质。

背景技术：

1、目前，随着城市化进程的加速，越来越多的人涌向城市，会导致城市人口密度大、能源消耗量大等问题。隧道作为城市基础设施的一部分，在人流和车流高峰期成为交通拥堵的瓶颈，同时也存在着安全、能耗等问题。

2、目前的现有技术中，均是通过人工干预隧道内的信号灯或者隧道限速的方式，实现隧道车流量控制，进而避免交通拥堵，但是，这种方法滞后性很强，往往是出现拥堵后才会进行相应的调整，并不利于实现隧道交通的最优化管理。

技术实现思路

1、本申请实施例提供了隧道车流量控制方法、装置、设备及存储介质，以实现高效及时的隧道道路交通的管理。

2、本申请是通过如下技术方案实现的：

3、第一方面，本申请实施例提供了一种隧道车流量控制方法，包括：

4、获取车辆数据和隧道数据；其中，车辆数据包括多种不同类型的数据；

5、对车辆数据中的全部数据类型分别进行重要性评估，得到目标类型；

6、对目标类型的数据进行分解，得到多个目标数据；

7、基于多个目标数据进行预测，得到车流量预测值；

8、基于车流量预测值和隧道数据，得到隧道车流量控制方案。

9、结合第一方面，在一些可能的实现方式中，对车辆数据中的全部数据类型分别进行重要性评估，得到目标类型，包括：

10、通过随机森林变量重要性评分法，对车辆数据中的全部数据类型分别进行重要性评估，得到各个类型的重要性评分。按照各个类型的重要性评分由大到小的顺序对各个类型进行排序，得到排序结果。将排序结果中前一个或者多个类型作为目标类型。

11、结合第一方面，在一些可能的实现方式中，对目标类型的数据进行分解，得到多个目标数据，包括：

12、基于vmd方法对目标类型中的数据进行自适应分解，得到各阶imf分量。将各阶imf分量作为各个目标数据。

13、结合第一方面，在一些可能的实现方式中，基于vmd方法对目标类型中的数据进行自适应分解，得到各阶imf分量，包括：

14、基于鲸鱼优化算法woa，以适应度函数最小为目标函数对vmd方法的参数进行参数寻优，获得最优参数组合。其中，适应度函数为平均包络谱熵。将最优参数组合作为vmd方法的参数组合，对目标类型中的数据进行自适应分解，得到各阶imf分量。

15、结合第一方面，在一些可能的实现方式中，基于多个目标数据进行预测，得到车流量预测值，包括：

16、针对任一目标数据，将该目标数据输入双向gru神经网络，得到该目标数据的预测结果。计算多个目标数据对应的预测结果的和，作为车流量预测值。

17、结合第一方面，在一些可能的实现方式中，基于车流量预测值和隧道数据，得到隧道车流量控制方案，包括：

18、基于隧道数据，建立隧道模型；其中，隧道模型表征隧道中信号灯的位置、信号灯的数量和隧道限速。若车流量预测值不小于预设阈值，基于隧道模型降低隧道最高限速，增加信号灯中红灯的时长，减少信号灯中绿灯的时长或者开启未工作的信号灯。若车流量预测值小于预设阈值，基于隧道模型提高隧道最高限速，增加信号灯中绿灯的时长，减少信号灯中红灯的时长或者关闭正在工作的信号灯。

19、结合第一方面，在一些可能的实现方式中，对车辆数据中的全部数据类型分别进行重要性评估，得到目标类型之前，还包括：

20、对车辆数据进行重复数据清理、缺失数据补全和数据归一化处理，得到目标车辆数据。

21、对车辆数据中的全部数据类型分别进行重要性评估，得到目标类型，包括：

22、对目标车辆数据中的全部数据类型分别进行重要性评估，得到目标类型。

23、第二方面，本申请实施例提供了一种隧道车流量控制装置，包括：

24、数据获取模块，用于获取车辆数据和隧道数据；其中，车辆数据包括多种不同类型的数据。

25、重要性评估模块，用于对车辆数据中的全部数据类型分别进行重要性评估，得到目标类型。

26、数据分解模块，用于对目标类型的数据进行分解，得到多个目标数据。

27、预测模块，用于基于多个目标数据进行预测，得到车流量预测值。

28、结果输出模块，用于基于车流量预测值和隧道数据，得到隧道车流量控制方案。

29、第三方面，本申请实施例提供了一种终端设备，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的隧道车流量控制方法。

30、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的隧道车流量控制方法。

31、可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

32、本申请实施例与现有技术相比存在的有益效果是：

33、本申请通过对获取的车辆数据的类型进行重要性评估，得到目标类型，能够剔除大量数据中的无用数据，筛选出相对重要的数据，提高效率，之后对目标类型中的数据进行分解，得到多个目标数据，并基于这些目标数据进行预测，得到车流量预测值，对数据进行分解，能够获得大量的分解后的数据，能将非平稳非线性的数据处理成相对平稳的数据，便于预测得到更加准确的车流量预测值，之后根据准确的车流量预测值，达到高效及时的隧道道路交通管理的目的。

34、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

技术特征：

1.一种隧道车流量控制方法，其特征在于，包括：

2.如权利要求1所述隧道车流量控制方法，其特征在于，所述对所述车辆数据中的全部数据类型分别进行重要性评估，得到目标类型，包括：

3.如权利要求1所述的隧道车流量控制方法，其特征在于，所述对所述目标类型的数据进行分解，得到多个目标数据，包括：

4.如权利要求3所述的隧道车流量控制方法，其特征在于，所述基于vmd方法对所述目标类型中的数据进行自适应分解，得到各阶imf分量，包括：

5.如权利要求1至4任意一个所述的隧道车流量控制方法，其特征在于，所述基于所述多个目标数据进行预测，得到车流量预测值，包括：

6.如权利要求1至4任意一个所述的隧道车流量控制方法，其特征在于，所述基于所述车流量预测值和所述隧道数据，得到隧道车流量控制方案，包括：

7.如权利要求1至4任意一个所述的隧道车流量控制方法，其特征在于，所述对所述车辆数据中的全部数据类型分别进行重要性评估，得到目标类型之前，还包括：

8.一种隧道车流量控制装置，其特征在于，包括：

9.一种终端设备，包括：处理器和存储器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的隧道车流量控制方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的隧道车流量控制方法。

技术总结
本申请适用于交通智能管理技术领域，提供了隧道车流量控制方法、装置、设备及存储介质，该方法包括：获取车辆数据和隧道数据；其中，车辆数据包括多种不同类型的数据；对车辆数据中的全部数据类型分别进行重要性评估，得到目标类型；对目标类型的数据进行分解，得到多个目标数据；基于多个目标数据进行预测，得到车流量预测值；基于车流量预测值和隧道数据，得到隧道车流量控制方案。本申请能够实现高效及时的隧道道路交通的管理。

技术研发人员：李练兵,高一波,张燕亮,李东颖,景睿雄
受保护的技术使用者：河北工业大学
技术研发日：
技术公布日：2024/2/8