基于空气指数的城市交通诱导系统

摘要

本发明公开了一种基于空气指数的城市交通诱导系统，包括数据库、城市数学模型地图模块、REI数据融合模块、天气结果预测模块、诱导路径最优选择云平台；REI为道路环保指数；城市数学模型地图模块结合实际城市地图进行数学模型的建立，使环境信息可视化；天气结果预测模块通过神经网络对未来环境数据、道路选择结果进行预测并验证，提供一种准确可行的方案；诱导路径最优选择云平台利用优化后的最短路径算法可以直观的显示出本系统诱导方案与最短路径之间的区别，管理者能在云端服务器上为用户提供最终方案；本发明可以用于城市交通规划与管理、道路选择安排、城市交通诱导。

说明书

技术领域

本发明涉及路径规划技术，具体涉及一种基于空气指数的城市交通诱导系统。

背景技术

目前，现有的路径规划系统主要依靠GPS定位并且配合最短路径算法实现最快到达目的地的技术，最终可以得到的是路径长度最短路径、时间最短路径和通过红绿灯最少路径。而这些方法可能带来的问题就是城市交通枢纽路口的拥堵与局部地区空气环境质量的严重下降。这种情况在以旅游产业为重心的城市尤为突出，通过环保局的调查显示，旅游城市每年环境最差的时节发生在节假日期间，汽车在涌入城市时绝大多数都选择路径长度最短路径，同时城市交通路网也会迎来巨大挑战。随着智能交通的高速发展，交通与环境已经融为一体，优质的交通路网不仅仅局限于路径长度，更多的是科学的管理与规划。而仅依靠最短的路径方法早已满足不了智能交通发展的需求。道路因素与油耗因素的结合也只适合为个体用户考虑，对于城市格局的改变做不到全盘观测。随着最短路径算法技术已经被引入交通领域并取得了广泛的应用比如：

1、上海汽车电子导航系统。改进型Dijkstra最短路径算法在此系统上运行和测试，结果表明该算法能够提供高效率的搜索速度和较高的精度。

2、深圳多目标无人机拍摄时，基于最短路径的无人机航路规划，提出了以旅行商问题为基础的规划模型，局部优化后进行了航线最短路径求解，最后在VC++6.0下利用OpenGL的API，实现了航线及飞行过程的可视化。

3、上海市采用ISCLT3模型对环境空气质量的现状进行模拟计算，并应用于城市道路交通规划大气环境影响预测。

4、苏南某工业园区为例，采用空气质量模型AERMOD模型预测园区内常规污染物浓度，多尺度空气质量模型CMAQ(Community Multiscale Air Quality)预测O3、PM2.5等二次污染物浓度，以评估该园区土地利用和产业规划调整对区域大气环境质量的影响。

5、英国较早建立了交通规划环境影响评价体系，积累了较为成熟的经验；以英国交通部的交通分析指南(TAG)为基础，阐述了其交通规划大气环境影响评价的方法，分析其评价思路及特点。

6、德国国际合作机构(GIZ)在中国开展中德合作已经30多年，双方面临的挑战包括气候变化、环境污染和城市拥堵。

现有比较成熟的交通导航技术都是针对单一的因素进行规划的，例如针对路径长度或者时间进行规划，不能有效的整合多因素进行考虑，并且缺少一个可以官方公布信息和用户查询的平台。目前最短路径算法用于交通导航已经是一个基础，但是其融合其他因素的路径被局限在很小的范围内；针对现有交通诱导系统的局限性本发明提出一种基于空气指数的城市交通诱导系统，结合实际城市地图进行数学模型的建立，使环境信息可视化；通过神经网络对未来环境数据、道路选择结果进行预测，提供出一种准确可行的环保路径规划路径。

发明内容

本发明的目的在于提出一种基于空气指数的城市交通诱导系统，该系统提供一种准确可行的环保路径规划路径，解决以旅游业为主的中小型城市，在节假日时客流量多、道路拥堵和环境下降的问题。

实现本发明目的的技术方案为：一种基于空气指数的城市交通诱导系统，包括数据库、城市数学模型地图模块、REI数据融合模块、天气结果预测模块、诱导路径最优选择云平台；REI为道路环保指数；

所述数据库用于保存当前和历史空气质量数据和实况交通道路信息；

所述城市数学模型地图模块是以城市真实地图作为背景，加入交通枢纽路口点、空气环境监测点、诱导路径起始点和诱导路径终止点建立的城市数学模型地图；

所述天气结果预测模块利用神经网络预测空气质量指数，从数据库中统计的城市空气环境监测点附近过去十年内历史空气质量数据和实况交通道路信息选出交通拥堵情况下的空气质量数据，然后进行神经网络预测处理，得到空气环境监测点区域内的空气质量指数的预测值；

所述REI数据融合模块将预测的空气质量指数与实际路径长度常量进行融合得到道路环保指数；融合的公式如下，

其中，第i条路的道路环保指数简称R

所述诱导路径最优选择云平台通过最短路径算法计算路径权值进行比较，最终系统生成包含最优诱导路径与最短路径的地图，地图通过所述平台公布。

进一步的，所述空气质量数据包括PM2.5、PM10以及空气中SO2、CO、NO2和O3含量数据，实况交通道路信息包括车流量、车流量密度、车道占有率。

进一步的，所述加入交通枢纽路口点具体为通过API技术将地图上的交通枢纽路口点、干道以及城市的交通枢纽入口进行经纬坐标转换，将省道、国道和高速的交叉口的路口处用红色浮点进行标记，并标注城市环城的四个入口与模拟目的地；给予每个岔路口标记编号。

进一步的，所述建立的城市数学模型地图是利用实际路径长度测量功能与道路环保指数在Python中构建出的数学模型骨架地图。

进一步的，所述诱导路径最优选择云平台通过最短路径算法计算路径权值进行比较具体步骤为：

(1)根据权重s构建一张无向图Graph，设定起点start和终点end；

(2)构建一个集合Q，用来存放起点start到其余各点的距离，如果某个点和start之间不直接相连，则距离为∞；

(3)从集合Q中选取值最小对应的点作为参考点，将起点与其相连；

(4)从参考点开始，遍历它的邻接点；将起点到参考点的距离与参考点到其邻接点的距离分别求和得到求和值；将最小求和值与起点到参考点的邻接点的距离进行比较；如果前者较小，则将参考点放入数prev并作为起点，如果后者较小，起点不变；然后将最小求和值对应的邻接点作为参考点，重复步骤(4)，直至到达终点end；

(5)返回数组prev，遍历求和其可得最优路径。

与现有技术相比，本发明的有益效果为：

(1)数据处理上融合了道路环境因素，使环境与道路信息归一化、可视化；

(2)重要的交通路口在地图显示上作出重点标识，综合实际城市地图进行数学模型的建立；

(3)通过神经网络对未来环境数据、道路选择结果进行预测并验证，寻找到临近最佳参数为后期最短路径算法提供准确的计算数据来源；

(4)利用最短路径算法计算后可以直观的显示出本系统诱导路径与最短路径之间的区别，并在路径规划与地图上显示；

(5)云端平台可以实时和发布收集交通与环境信息，给与用户参考与选择。

附图说明

图1是本发明基于空气指数的城市交通诱导系统的示意图；

图2是本发明中云端平台公布出的地图与诱导路径包含的信息示意图。

图3为本发明中加入交通枢纽路口点的地图的示意图。

图4为基于图3通过Python建立的地图示意图。

图5为本发明中诱导路径最优选择云平台公布的包含诱导路径的地图示意图。

具体实施方式

下面结合附图和实施例对本发明进行进一步说明。

如图1所示，一种基于空气指数的城市交通诱导系统，包括数据库、城市数学模型地图模块、REI数据融合模块、天气结果预测模块、诱导路径最优选择云平台；REI为道路环保指数；

所述数据库用于保存当前和历史空气质量数据和实况交通道路信息；所述空气质量数据包括PM2.5、PM10以及空气中SO2、CO、NO2和O3含量数据，实况交通道路信息包括车流量、车流量密度、车道占有率等车流量信息；

所述城市数学模型地图模块是以城市真实地图作为背景，加入交通枢纽路口点、空气环境监测点、诱导路径起始点和诱导路径终止点建立而成的城市数学模型地图；以城市真实地图作为背景，通过API技术将地图上的交通枢纽路口点、干道以及城市的交通枢纽入口从经纬坐标转换，例如：在广角范围内(若需要精细范围也可自定义所需的范围)，将省道、国道和高速的交叉口等重要交通路口处用红色浮点进行标记，标注城市环城的四个入口与模拟目的地。给予每个岔路口标记编号，为下面在道路地图上的计算提供数学模型基础。道路地图如图3所示；利用实际路径长度测量功能在Python中构建出基本地图的数学模型骨架地图。例如：根据城市周围大量交通要塞与人口居住的密集度划分出8个区域。各区域内近十年环境指数采集节点报告数据与实际道路地图结合。添加经过神经网路预测后的空气质量指数为数据变量，再与实际路径长度常量进行融合得到道路环保指数；给定每条道路的中间节点为静态道路点(绿点)。例如23节点至24节点的中间节点为静态道路点。通过Python进行数学模型建立，8个环境指数采集节点(红点)的影响因子像水滴一样进行波纹式扩散。波及范围设置为5个等级，离中心测试点越近的影响因素越高。Python实验结果图如图4所示；

所述天气结果预测模块利用神经网络预测空气质量指数，从数据库中统计的城市空气环境监测点附近过去十年内历史空气质量数据和实况交通道路信息选出交通拥堵情况下的空气质量数据，然后进行神经网络预测处理，得到空气环境监测点区域内的空气质量指数的预测值；

所述REI数据融合模块将预测的空气质量指数与实际路径长度常量进行融合得到道路环保指数，融合的公式如下，

其中，第i条路的道路环保指数简称R

所述诱导路径最优选择云平台通过最短路径算法计算路径权值进行比较，最终系统生成包含最优诱导路径与最短路径的地图，地图通过所述平台公布，最优诱导路径为道路环保指数最高路径。

通过最短路径算法计算路径权值进行比较具体为：

(1)根据权重s构建一张无向图Graph，设定起点start和终点end；

(2)构建一个集合Q，用来存放起点start到其余各点的距离，如果某个点和start之间不直接相连，则距离为∞；

(3)从集合Q中选取值最小对应的点作为参考点，将起点与其相连；

(4)从参考点开始，遍历它的邻接点；将起点到参考点的距离与参考点到其邻接点的距离分别求和得到求和值；将最小求和值与起点到参考点的邻接点的距离进行比较；如果前者较小，则将参考点放入数prev并作为起点，如果后者较小，起点不变；然后将最小求和值对应的邻接点作为参考点，重复步骤(4)，直至到达终点end；

(5)返回数组prev，遍历求和其可得最优路径。

最终生成包含最优诱导(道路环保指数最高)路径与最短(路径最短)路径的地图，地图通过云平台发布给用户可提供用户自行选择。

如图2是本发明中通过云端平台公布出的诱导路径包含的各类信息。为了使城市交通框架能够在系统中展现出来，让本发明可以让广大用户实际感受到，使用到。本发明在云端平台直接公布出的计算后的路径选择路径，其中包括最短路径路径和REI(道路环保指数)最高的路径路径。路线直接在地图中显示出来。且从地图中可以明显看出本系统提供的REI(道路环保指数)最高的诱导路径避免了空气污染严重地区与易拥堵路口。

实施例

用户通过基于空气质量指数的诱导路径规划系统输入起点与终点，可以获得计算后的两种路径方案，并且在地图中可以直观浏览到两条路径的行车规划。在输入不同的起点与终点都会有相对应的路径方案在云平台上公布，为用户的行车选择提供方便简洁的通道。

根据用户键入的起点与终点，得到不同的路径，其中包含两种，一种是最短路径，一种是诱导路径。例如键入起点34至终点39，得到两种不同的路径推荐方案，用户选择了诱导路径，如图5所示；诱导路径避开了空气监测站所在的空气污染严重区域，诱导车辆从其他道路通过以到达行车终点。