具体实施方式

以下将结合附图及实施例对本发明进行详细介绍。

图1为一种基于多源数据的高速公路拥堵管控系统1的整体框图。如图所示，所述基于多源数据的高速公路拥堵管控系统1包括五个子系统，分别为：智慧感知子系统11、数据管理子系统12、拥堵预测预警子系统13、在线仿真子系统14以及可视化应用子系统15。其中，智慧感知子系统11可与数据管理子系统12进行信息交互，数据管理子系统12可与拥堵预测预警子系统13进行信息交互，拥堵预测预警子系统13可与在线仿真子系统14及可视化应用子系统15进行信息交互，在线仿真子系统14能够与可视化应用子系统15进行信息交互。所述智慧感知子系统11用于为本发明的基于多源数据的高速公路拥堵管控系统提供基础交通数据支撑，数据管理子系统12负责处理及存储基础交通数据，拥堵预测预警子系统13能够基于处理后的基础交通数据进行交通状态评估，在线仿真子系统14基于处理后的基础交通数据及交通状态评估数据进行仿真测试、寻找适用于当前交通流状态的最佳管控方案，可视化应用子系统15主要负责效果呈现及信息发布功能。接下来将针对各个子系统进行详细描述。

图2为智慧感知子系统11的整体架构图。如图所示，所述智慧感知子系统11包括实时数据采集单元111和历史数据采集单元112。实时数据采集单元111和历史数据采集单元112相互独立。

具体的，所述智慧感知子系统11能够基于实时数据采集单元111和历史数据采集单元112，采集并接收来自不同交调站、收费站的交通检测器、用户手机的实时检测数据及人工录入的历史数据，完成对源数据的接入，支撑后续各项应用。

其中，具体的，所述实时数据采集单元111负责采集并录入实时检测得到的数据，包括交通检测器数据及用户手机信令数据。交通检测器数据通过微波雷达、高清摄像机、气象监测器等交通检测器实时获取，具体包含实时交通流(流量、平均车速、车型、车头间距、时间占有率)、实时交通事件(道路交通事故、货物遗撒、交通违法行为、施工养护)、实时道路气象(降雨、降雪、浓雾、沙尘)数据。用户手机信令数据从运营商通信系统中获取，当手机发生小区切换时，自动将相关数据传输至BSC基站控制系统，并上报至MSC移动交换中心。通过对该通信系统中7号信令(SS7)的解析得到手机发生切换的相关数据；手机信令数据具体包括加密的手机识别号(MSID)、时间戳、位置区编号、小区编号、事件类型、归属地等字段。所述历史数据采集单元112负责采集并录入历史数据，包括工作日专题数据、节假日专题数据、大型活动专题数据，各个专题数据具体包括历史交通流数据、历史交通事件数据及历史道路气象数据。以下将实时交通流数据与历史交通流数据统称为交通流数据，实时交通事件数据与历史交通事件数据统称为交通事件数据，实时道路气象数据与历史道路气象数据统称为道路气象数据。

图3为数据管理子系统12的整体架构图。由图3可知，所述数据管理子系统12包括数据处理单元121、数据融合单元122及数据存储单元123。所述数据处理单元121能够与数据融合单元122进行信息交互，所述数据融合单元122能够与数据存储单元123进行信息交互。

其中，具体的，所述数据处理单元121负责接收智慧感知子系统11获取的实时数据及历史数据，利用Hadoop、Spark大数据技术生态，搭建基于Spark技术的海量交通大数据处理框架，对其中的异常数据进行清洗，剔除噪声，完成交通数据的重构以及提取。

其中，具体的，对于通过交通检测器获取的交通流数据、交通事件数据及道路气象数据，所述数据处理单元121将对其进行空缺数据补充及噪声数据平滑工作，最终得到高质量的数据源。采集时间间隔明显大于数据采集平均时间间隔的数据为空缺数据，数据处理单元121将基于回归分析、判定树等多种不同算法预测空缺数据的数值，该方法能够充分利用空缺数据周围数据的属性，最大限度保持数据间的联系，提高预测精度。数据数值与周围数据数值相差过大的为噪声数据，数据处理单元121基于移动平均算法清理噪声数据，该方法能够在保障异常数据本身特点的同时考虑异常数据周围数据的属性，缩小其与周围数据差异，得到符合常理的交通数据。对于手机信令数据，所述数据处理单元121将进行切换数据提取工作，最终得到高质量数据源，并换算出有效样本量及路段行程车速。提取切换数据的内容为信令中可以解析出MSC所管理的BTS之间发生的切换通信活动信息，内容包括切入小区和位置区编号和每次发生切换的时刻，其数据样例如表所示，其中第一列MSID为加密后的MS编码(即加密的手机号，主要出于隐私保护的目的)，第二列TIMESTAMP为发生切换的时间，第三列CELLID为发生切换的BTS小区编号(切入)，第四列LACID为发生切换的位置区编号，第五列EVENTID为切换、位置区更新等通信活动事件编码。

表1手机信令数据解析后提取的切换数据字段样例

其中，具体的，所述数据融合单元122负责对处理后的数据进行汇总、筛选及合并，最终实现多源数据融合并将数据对应到高精地图上。图4为数据融合单元122的整体架构图。由图4可知，所述数据融合单元122包括多源数据融合模块1221和数据地图匹配模块1222。所述多源数据融合模块1221能够与数据地图匹配模块1222进行信息交互。进一步地，所述多源数据融合模块1221负责将交通检测器(微波雷达、高清摄像机、气象监测器等)数据及手机信令数据进行汇总合并，得到道路融合交通数据。首先汇集多源数据，包括来自不同交调站、收费站各类交通检测器的道路交通流数据、交通事件数据及道路气象数据以及提取手机信令切换数据所得的路段行程车速及有效样本量。接下来，基于神经网络技术从时间、空间和语义三个维度对多源信息进行一致化处理：时间一致化是将多源信息以相同的时间间隔集计；空间一致化的目的是将多源信息对应至相同的空间间隔；语义是各类检测技术所采集数据的含义，即数据所代表的交通状态量，以交通流量为例，基于手机切换的交通状态提取技术直接提供的交通状态量是转换交通流量，而交调站、收费站的交通检测器直接提供的交通状态量是交通流量，语义一致化是将这两种交通状态量转化为相同的表征形式，如融合路段流量。所述数据地图匹配模块1222负责将处于各个空间间隔的数据匹配到高精地图上，实现数据信息与地理信息的融合。

其中，具体的，所述数据存储单元123负责海量数据存储工作，经过数据处理、数据融合后的数据能够长期存储于数据存储单元123中，为数据的进一步应用提供数据支撑。

图5为拥堵预测预警子系统13的整体架构图。由图5可知，所述拥堵预测预警子系统13包括交通状态估计单元131、交通状态预测单元132及预警等级匹配单元133。所述交通状态估计单元131能够与交通状态预测单元132进行信息交互，所述交通状态预测单元132能够与预警等级匹配单元133进行信息交互。

其中，具体的，所述交通状态估计单元131负责实现对当前道路交通状态的估计功能。从数据存储单元123中调取状态估计所需数据，基于内嵌的交通状态估计算法对数据进行处理，生成统一表达的实时道路交通运行状况数据，包括实时交通流、实时排队长度、实时延误时间等，并对实时交通运行状况数据进行评估，分析得到实时道路的交通状态。

其中，具体的，所述交通状态预测单元132负责对未来短期内(15-30分钟)的路况信息进行预测处理，以满足交通信息发布预报的需求。从交通状态估计单元131中调取计算得到的实时道路交通运行状况数据，基于当前道路交通估计状态、历史交通状态、气象信息等其他数据，根据特定状态预测算法，对路网短期及中期交通状态进行预测处理，生成短期及中期交通预测状态结果，包括预计交通流、预计排队长度、预计延误时间等，并对未来交通运行状况数据进行评估，分析得到短期及中期的预计道路交通状态。

其中，具体的，所述预警等级匹配单元133负责判断实时交通状态及未来交通状态的拥堵程度，完成各个不同等级下的大流量拥堵预警。预警等级匹配单元133以《公路工程技术标准》为支撑将流量预警等级按服务水平进行划分，结合当前道路服务水平、实时交通状态及未来交通状态判断当前道路目前或未来是否达到拥堵状态，并根据拥堵程度进行拥堵预警。

图6为在线仿真子系统14的整体架构图。如图所示，所述在线仿真子系统14包括交通数据过滤抽取单元141、仿真预案存储单元142、智能化预案测试单元143和最佳预案分析单元144。所述交通数据过滤抽取单元141能够与仿真预案存储单元142进行信息交互，所述仿真预案存储单元142能够与智能化预案测试单元143进行信息交互，所述智能化预案测试单元143能够与最佳预案分析单元144进行信息交互。

具体的，所述在线仿真子系统14将出行行为模型融入预测过程，通过部分路段的流量监测数据反推整个网络OD流量，能够基于交通建模、仿真与解析对路网状态进行估计和预测，实现在线仿真系统的运行与真实交通路网管理同步，使出行者在对即将面临的路况有准确信息告知的基础上做出更好的出行选择，使交通管理者在对多套管控方案的效果有可预见的基础上实时选择最优方案对交通现场进行管理和控制，从而达到帮助出行者和管理者进行前瞻性决策的目的。

其中，具体的，所述交通数据过滤抽取单元141负责从拥堵预测预警子系统抽取仿真所需的历史数据、实测时间以及交通拥堵的预测数据，减少后续仿真模拟的数据运算量，并对抽取的数据进行过滤处理，保留有效数据，或对原始数据进行可靠性标记。

其中，具体的，所述仿真预案存储单元142负责预先设计不同类型的典型交通分流预案模型，并共同存储于单元预案库。进一步地，预制的预案模型及其功能如表2所示。

表2预案模型设计

其中，具体的，所述智能化预案测试单元143利用交通仿真模型VISSIM软件建立基础路网，并对与交通运行状态密切相关的特征参数(路网特征参数、车辆特征参数、驾驶行为特征参数等)进行标定。根据交通流实际情况对上述参数予以调整，更加精确地模拟交通系统中人、车、路的运行模式，间接地模拟特殊情况如特殊地形、特殊天气对交通的影响。进一步地，智能化预案测试单元143负责根据过滤处理后的仿真数据，调用仿真预案存储单元142中的单个典型交通预案模型，也可以调用不同的典型模型进行排列组合以评估多交通管控措施下的综合效果，从而实现不同交通管控措施预案的测试比选，精确模拟交通运行状况。

其中，具体的，所述最佳预案分析单元144负责评估不同的典型管控措施下的综合交通实施效果，根据仿真模拟的最优结果辅助管理者选择最优预案。根据交通拥堵分流管控需求，可从点、线、面三个层次选取合适的指标来确定最佳交通管控预案的仿真评价体系。VISSIM离线输出各种统计数据，如车速、行程时间、延误、排队长度等作为决策支持的数据。

图7为可视化应用子系统15的整体架构图。如图所示，所述可视化应用子系统15包括效果呈现单元151和信息发布单元152。效果呈现单元151和信息发布单元152相互独立。

具体的，所述可视化应用子系统15能够利用可视化技术对交通参数数据和仿真结果进行可视化展示，并以结合多媒体手段推送发布动态实时的交通出行信息，有效节约交通拥堵的响应时间，提高路网交通组织应急指挥能力。

其中，具体的，所述效果呈现单元151负责以手机信令、微波检测、收费卡口、浮动车等各类智慧感知数据为基础，提供交通参数检测的展示。在此基础上，通过建立交通模型和融合多源数据，并利用分布式计算存储、机器学习等大数据分析技术，对短时交通态势进行预测，并在可视化展示系统内提供预警服务。同时，利用VISSIM的二次开发功能，基于实时交通数据对交通管控预案仿真，将评估体系中的各项指标以图表的形式进行可视化展示，以辅助高速公路管理人员进行预案的比选以及决策。图8为效果呈现单元151的整体架构图。由图8可知，所述效果呈现单元151包括实时交通参数展示模块1511、短时预测交通态势展示模块1512和仿真结果展示模块1513。所述实时交通参数展示模块1511、短时预测交通态势展示模块1512和仿真结果展示模块1513之间相互独立。进一步地，所述实时交通参数展示模块1511负责在分析各种交通检测器采集数据的特性与优缺点的基础上，基于高速公路现有的ETC门架数据、交通流量、车速、交通事故、养护、气象信息等多源数据，利用神经网络、组合赋权、深度学习等数据融合算法，获取更为准确、更为全面的道路交通流参数。利用时变曲线展示指定发布路段的实时流量、路段平均速度等交通参数随时间的变化情况，并与单一数据源的交通参数进行比较与分析。同时，由于将历史交通参数数据存储于数据库中，用户可以查询过去任意时刻的交通参数，系统提供下载服务，可将查询结果以图表形式保存至本地电脑。通过丰富多样化的图表形式，如饼图、柱状图、条形图等，对交通参数数据进行可视化展示。利用图表之间的搭配组合将数据表示出来，更为帮助系统用户更好地发现数据背后的规律，预期效果如图9所示。所述短时预测交通态势展示模块1512能够基于交通流理论与K近邻非参数回归等技术方法，建立起路段交通流量与速度的预测算法模型，并结合历史交通情况确定交通拥堵分级阈值，实现交通拥堵的预测与提供拥堵预警服务，拥堵告警信息主要包括拥堵路段ID、拥堵路段范围以及拥堵的等级等。短时预测交通态势展示页面，主要展示根据预测模型计算得到的预测交通流量和路段速度，一般情况下默认展示当前时刻后2h。短时预测时间范围为0-2h，用户通过拖动“时间轴”可以选择预测时间范围内的任一时间段，相关的预测交通参数会随之发生变化，预期效果如图10所示。所述仿真结果展示模块1513在VISSIM中提前搭建好仿真的路网模型，建立起交通管控措施预案模型库，确定仿真评价体系，利用VISSIM的COM接口实时调入路段的交通流参数，对预测的交通拥堵路段进行交通管控措施的仿真，并在展示系统中输出仿真的3D动画及相关的评价指标。系统后台分别对不采取措施、用户拟定的备选措施分别进行在线仿真运行，并将仿真的输出结果与评价指标通过图表的形式进行对比展示，辅助管理人员进行交通管控措施的比选。同时，通过在线仿真平台调整交通管控预案的实施开始时间与结束时间，对比输出结果，有助于用户选择措施的开始时间和结束时间，从而保障实施效果最优化，为交通管控措施的决策提供扎实的数据支撑，预期效果如图11所示。

其中，具体的，所述信息发布单元152负责将用户最终选择的交通管控实施预案以道路可变情报板、广播、手机等多媒体手段结合推送发布，为公众出行提供动态实时的交通信息服务、提高路网交通组织应急指挥能力。进一步地，信息发布单元152根据用户最终选择的实施管控预案，结合路段上的可变情报板的分布情况，系统为用户推荐发布管控措施的可变情况板，包括位置、设备编号、发布时间、发布状态等内容，有助于面向公众进行出行行为的动态诱导。

综上所述，本发明提出的一种基于多源数据的高速公路拥堵管控系统，能够建立全方位的交通运行态势监测分析研判与态势预测，对交通运行状态进行自动预测和拥堵预警；建立智能仿真平台，仿真模拟各项预案的管控效果，通过仿真效果对比辅助管理者选择最优预案；建立直观形象的可视化系统，辅助管理者决策。

本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。