CN119479321A 一种基于云边端的高速公路交通预测方法及系统 （特微乐行(广州)技术有限公司）

一种基于云边端的高速公路交通预测方法本发明可以提高高速公路交通预测系统的预测2获取待管理的高速公路，并配置所述高速公路的数据采集设基于所述全区域道路感知网络，识别所述高速公路的关键枢纽根据所述交通模式，识别所述高速公路的交通流量变化趋势，基基于所述异常自助处理机制和所述智能辅助体系，定义所述高速公路的交通管理模结合所述全区域道路感知网络、所述交通流量变化趋势基于所述全区域道路感知网络，采集所述高速公路的交通流量;速公路上车辆在最拥堵情况下的最大排队长度，V表示高速公路上车辆在无拥堵情况下的3结合所述繁忙路段、所述车辆流动情况及所述功能区位基于所述云端存储数据，采集所述高速公路的历史交通流数据，结合所述影响因素、所述关键模式转折点及所述分类模采集所述热点拥堵区的历史交通数据，并根据所述历史交通数据，识分析所述事件类型的紧急程度，并根据所述紧急程度和所结合所述警报触发模式、所述远程应对方式及所述自动调定位所述高速公路的车辆出入点，并根据所述车辆出入点，设定基于所述智能车道值守岗亭和车辆行程干扰提醒4结合所述智能车道值守岗亭、所述备用通行车道及所分析所述异常交通状况的形成原因，并根据所述形成原结合所述应急响应规则、所述自适应控制方式及所述基于所述交通管理模式，收集所述高速公路的整合交通数据，分析所述数据集合库的数据敏感度，并根据所述数据基于所述数据访问范围和身份识别密码，设置所述数据集合库的10.一种基于云边端的高速公路交通预测系统，该系统实现如权利要求1所述的方法，设置所述高速公路的异常自助处理机制和智能辅助数据共享模块，用于基于所述异常自助处理机制和所述智能交通预测模块，用于结合所述全区域道路感知网络5的交通状况进行分析和预测的过程，其主要目的是为了更好地管理和优化高速公路交通6;公路上车辆在最拥堵情况下的最大排队长度，表示高速公路上车辆在无拥堵情况下的行v'表示高速公路上车辆在拥堵情况下的行驶速度；7基于所述车辆类型分布情况和所述峰谷时段，分析出所述高速公路的热点拥堵基于所述智能车道值守岗亭和车辆行程干扰提醒，识别所述高速公路的异常车8结合所述数据查询入口和所述数据展示界面，生成所述高速公路的数据共享平9交通预测方法及系统可以提高高速公路交通预测系统的预测[0017]图1为本发明一实施例提供的基于云边端的高速公路交通预测方法的流程示意图2为本发明一实施例提供的实现所述基于云边端的高速公路交通预测方法的模参照图1所示，为本发明一实施例提供的基于云边端的高速公路交通预测方法的[0022]本发明实施例通过获取待管理的高速公路，并配置所述高速公路的数据采集设[0023]可选地，所述高速公路的数据采集设备配置可以利用传域道路感知网络是指一种利用各种技术手段对整个区域内的道路状况进行全面感知和监[0029]本发明实施例通过基于所述全区域道路感知网络，识别所述高速公路的关键枢;能够通过的最大车辆数，L表示高速公路上车辆在无拥堵情况下的车辆排队长度，Lnsx表示高速公路上车辆在最拥堵情况下的最大排队长度，表示高速公路上车辆在无拥堵情况[0034]进一步地，本发明实施例通过在所述关键枢纽配置所述高速公路的边缘计算节的存储位置和路径，所述数据存储处理是指将数据从边缘设备传输到云端进行存储的过所述当前交通状况是指高速公路在特定时间点或时间段内的实际交通情况，包括车流量、[0046]本发明实施例通过根据所述交通模式，识别所述高速公高速公路的交通流量变化趋势识别可以通过神经网系是指一种集成多种智能技术和自动化设备提升高速公路的运营管理效率和道路安全的辆提供替代路线的车道，所述车道拦截装置是指用于控制车辆通行的物理障碍或机械装[0062]作为本发明的一个实施例，所述基于所述异常自助处理机制和所述智能辅助体[0069]其中，所述整合交通数据是指从高速公路的不同来源和系统中收集的交通流数指数据的保密级别和重要性，所述需求用户是指需要访问数据集合库中数据的用户或系交通预测方法及系统可以提高高速公路交通预测系统的预测效率[0075]本发明所述一种基于云边端的高速公路交通预测系统200可以安装于电子设备中。根据实现的功能，所述基于云边端的高速公路交通预测系统可以包括道路感知模块[0077]详细地，本发明实施例中所述基于云边端的