一种混合交通流动态能耗测算方法、装置及可读存储介质与流程

本技术属于公路交通能耗测算，具体涉及一种混合交通流动态能耗测算方法、装置及可读存储介质。

背景技术：

1、在公路交通绿色转型与交能融合设施规划的背景下，对含燃油和纯电动小客车的混合交通流进行分路段动态能耗精准测算，是识别路网用能热点、优化补能设施布局的基础。高速公路环线汇集了本地通勤与跨区域过境复合车流，尤其在节假日呈现显著的潮汐特征，其能耗分布的精准掌握直接决定了分布式光储等补能设施规划的合理性与经济性。

2、在现有技术中，对于混合交通流的能耗测算，通常将该过程拆分为车型结构预测、单位能耗获取和路段流量获取三个环节分别处理。然而，现有技术在应用于冬季节假日潮汐车流场景时，存在以下方面的不足：

3、第一，在车型结构预测层面，由于单一统计模型仅能刻画具有长期完整演化规律的车流群体，对于节假日期间短时大量涌入的异质车流，其在数量与构成上均超出了既有模型的适用范围，使得预测输出的车型结构与实际情况之间产生系统性偏差，该偏差直接向下传导至能耗测算环节。

4、第二，在单位能耗获取层面，对于不同工况类型的能耗修正因子，通常以相乘方式叠加作用效果，其背后隐含各工况影响相互独立的假设。但在实际物理过程中，特定工况组合下存在因某一工况延长了另一工况高能耗阶段持续时间而形成的耦合放大效应，该效应在当前处理方式中未被识别和量化。

5、第三，在路段流量获取层面，在仅具备离散点式采集条件的数据环境中，点状采集数据与路网中连续路段所需的线状、面状流量信息之间存在空间断层，现有技术难以利用路网自身的拓扑结构和交通流的多源时空规律，对这一空间断层进行系统性的推断与填补。

6、第四，在测算体系架构层面，面向远期宏观趋势推演和面向近期特定时段峰值测算的技术手段在底层模型、数据输入和输出形式上彼此独立，缺乏可统一调用的计算内核，造成系统实现复杂、结果一致性无法保证。

技术实现思路

1、本技术的目的是提供一种混合交通流动态能耗测算方法、装置及可读存储介质，能够解决上述核心技术问题。

2、本技术提供了一种混合交通流动态能耗测算方法，所述方法包括：

3、获取目标区域在目标时段内通行的第一类车辆的第一车型结构占比，以及第二类车辆的第二车型结构占比；

4、以所述第一类车辆和所述第二类车辆的交通流量为权重，融合所述第一车型结构占比和所述第二车型结构占比，得到所述目标区域在所述目标时段的混合车型结构占比；

5、根据环境温度、交通状态参数和车辆在目标路段的特定行驶行程参量，对基准能耗因子进行修正，得到所述目标路段的校正能耗因子；其中，所述修正包括基于所述环境温度和所述交通状态参数的独立修正，以及基于所述环境温度、所述交通状态参数和所述特定行驶行程参量三者耦合关系的耦合修正；

6、根据路网拓扑结构，识别所述目标区域中的第一类路段，所述第一类路段不具有直接交通观测数据；

7、对于所述第一类路段，基于时间维先验信息、空间维先验信息以及物理守恒约束，通过统计推断模型确定所述第一类路段的交通流量；

8、基于所述第一类路段的交通流量、所述混合车型结构占比以及所述校正能耗因子，计算所述目标区域的能耗。

9、在本技术的一种可选实施例中，获取第二类车辆的第二车型结构占比，包括：

10、从历史通行记录中提取第二类车辆在多个历史目标时段的通行数据，每条通行数据至少包括车辆的归属地、进入目标路网的卡口位置、通过当前卡口的时间以及行驶方向；

11、根据所述归属地，确定车辆的来源地分类；

12、根据车辆最初进入目标路网时被捕获的卡口位置与当前卡口位置的里程差，估算该车辆的已行驶距离，并依据所述已行驶距离和行驶方向推算总出行距离，将所述总出行距离划分至预设的出行距离区间；

13、根据所述通过当前卡口的时间，确定当前通行所属的通行时段类型；

14、将所述来源地分类、所述出行距离区间、所述通行时段类型和所述行驶方向作为交叉分类的维度，构建多个交叉分类类别；

15、对于每一个交叉分类类别，统计属于该类别的车辆总数以及其中使用特定能源类型的车辆数量，将所述使用特定能源类型的车辆数量与所述车辆总数的比值作为该类别的能源类型占比；

16、根据目标时段所匹配的一个或多个交叉分类类别对应的所述能源类型占比，确定所述第二车型结构占比。

17、在本技术的一种可选实施例中，对基准能耗因子进行修正，得到所述目标路段的校正能耗因子，包括：

18、获取车辆在第一预设环境温度和第二预设环境温度下，以基准交通状态行驶时的第一单位里程能耗和第二单位里程能耗；所述第一预设环境温度为常温，所述第二预设环境温度为低温；

19、计算所述第二单位里程能耗与所述第一单位里程能耗的比值，作为低温单一工况修正因子；

20、获取车辆在第一预设交通状态和第二预设交通状态下，在所述第一预设环境温度下行驶时的第三单位里程能耗和第四单位里程能耗；所述第二预设交通状态的通行效率低于所述第一预设交通状态；

21、计算所述第四单位里程能耗与所述第三单位里程能耗的比值，作为拥堵单一工况修正因子；

22、获取车辆在所述第二预设环境温度和所述第二预设交通状态下，在不同行程长度下的多组实测能耗数据；

23、将每组所述实测能耗数据，除以所述基准能耗因子、所述低温单一工况修正因子和所述拥堵单一工况修正因子的乘积，将所得比值中超出1的部分，确定为该行程长度下的耦合效应贡献值；

24、建立所述耦合效应贡献值与环境温度、交通状态参数和行程长度的函数关系，其中，所述耦合效应贡献值随所述行程长度的增大而减小；

25、获取当前目标路段的环境温度、交通状态参数和行程长度，并利用所述函数关系确定当前的耦合效应贡献值，将1与当前的所述耦合效应贡献值相加得到耦合放大倍率；

26、将所述基准能耗因子、所述低温单一工况修正因子、所述拥堵单一工况修正因子和所述耦合放大倍率相乘，得到所述目标路段的校正能耗因子。

27、在本技术的一种可选实施例中，对于燃油车辆，所述第一预设环境温度为常温，所述第二预设环境温度为低温；所述基准交通状态为高速匀速行驶状态；

28、对于电动车辆，所述第一预设环境温度为常温，所述第二预设环境温度为低温；所述基准交通状态为高速匀速行驶状态。

29、在本技术的一种可选实施例中，对于所述第一类路段，基于时间维先验信息、空间维先验信息以及物理守恒约束，通过统计推断模型确定所述第一类路段的交通流量，包括：

30、选取与目标日期和所述目标时段具有相同通行特征的历史日期和时段，所述相同通行特征至少包括相同或相近的节假日类型和星期属性；

31、获取所述第一类路段在选取的各个所述历史日期和历史时段下的交通流量，构成历史流量样本集；

32、计算所述历史流量样本集中各样本的加权平均值，作为所述时间维先验信息的均值，其中，时间距离所述目标日期越近的样本，被赋予越大的权重；

33、计算所述历史流量样本集中各样本的加权方差，作为所述时间维先验信息的方差；

34、确定在路网拓扑结构中紧邻所述第一类路段的上游路段中，具有直接交通观测数据的目标上游路段；

35、获取所述目标上游路段在当前目标时段的实测交通流量；

36、根据预先基于历史数据建立的、从所述目标上游路段到所述第一类路段的流量传递关系，计算所述空间维先验信息的均值；

37、获取所述流量传递关系的历史拟合误差，作为所述空间维先验信息的方差；

38、获取所述历史流量样本集的样本数量，并根据所述样本数量确定融合权重，其中，所述融合权重随所述样本数量的增加而单调递增，且取值范围为0到1；

39、将所述融合权重乘以所述时间维先验信息的均值，得到第一中间值；

40、将1与所述融合权重的差值乘以所述空间维先验信息的均值，得到第二中间值；

41、将所述第一中间值与所述第二中间值相加，得到联合先验分布的均值；

42、将所述融合权重的平方乘以所述时间维先验信息的方差，得到第三中间值；

43、将所述1与所述融合权重的差值的平方乘以所述空间维先验信息的方差，得到第四中间值；

44、将所述第三中间值与所述第四中间值相加，得到联合先验分布的方差；

45、将所述第一类路段与相邻路段之间的路网拓扑的车辆物理守恒关系，作为所述统计推断模型的似然约束；

46、基于所述联合先验分布的均值和方差，以及所述似然约束，通过贝叶斯推断模型确定所述第一类路段流量的后验分布，并将所述后验分布的均值确定为所述第一类路段的交通流量。

47、在本技术的一种可选实施例中，所述方法还包括：

48、根据所述路网拓扑结构，识别所述目标区域中的第二类路段，所述第二类路段距离具有直接交通观测数据的路段的拓扑跳数大于所述第一类路段；

49、针对所述第二类路段，根据其流量的后验分布，计算后验分布的上分位数作为所述第二类路段的保守估计流量；

50、以所述保守估计流量作为所述第二类路段的交通流量，并生成针对所述第二类路段的风险标识。

51、在本技术的一种可选实施例中，基于所述第一类路段的交通流量、所述混合车型结构占比以及所述校正能耗因子，计算所述目标区域的能耗，包括：

52、接收针对长周期预测场景或短周期测算场景的测算指令；

53、为所述长周期预测场景配置第一输入参数集，所述第一输入参数集中的环境温度取历史统计平均值，交通状态参数取表征畅通状态的参数值，车型结构占比取所述第一车型结构占比；

54、为所述短周期测算场景配置第二输入参数集，所述第二输入参数集中的环境温度取历史统计极值，交通状态参数取表征拥堵状态的参数值，车型结构占比取所述混合车型结构占比；

55、调用统一的底层计算内核，根据输入的所述第一类路段的交通流量、所述校正能耗因子以及对应场景的车型结构占比，分别计算得到所述目标区域在长周期预测场景下的第一能耗结果和在短周期测算场景下的第二能耗结果；

56、将所述第一能耗结果按年度趋势格式输出，将所述第二能耗结果按逐小时分布格式输出。

57、第二方面，本技术提供了一种混合交通流动态能耗测算装置，所述装置包括：

58、车型结构融合模块，其用于获取目标区域在目标时段内通行的第一类车辆的第一车型结构占比，以及第二类车辆的第二车型结构占比；并以所述第一类车辆和所述第二类车辆的交通流量为权重，融合所述第一车型结构占比和所述第二车型结构占比，得到所述目标区域在所述目标时段的混合车型结构占比；

59、能耗因子修正模块，其用于根据环境温度、交通状态参数和车辆在目标路段的特定行驶行程参量，对基准能耗因子进行修正，得到所述目标路段的校正能耗因子；其中，所述修正包括基于所述环境温度和所述交通状态参数的独立修正，以及基于所述环境温度、所述交通状态参数和所述特定行驶行程参量三者耦合关系的耦合修正；

60、流量反演模块，其用于根据路网拓扑结构，识别所述目标区域中的第一类路段，所述第一类路段不具有直接交通观测数据；并对于所述第一类路段，基于时间维先验信息、空间维先验信息以及物理守恒约束，通过统计推断模型确定所述第一类路段的交通流量；

61、能耗计算模块，其用于基于所述第一类路段的交通流量、所述混合车型结构占比以及所述校正能耗因子，计算所述目标区域的能耗。

62、第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种混合交通流动态能耗测算方法。

63、第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种混合交通流动态能耗测算方法。

64、第五方面，本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种混合交通流动态能耗测算方法。

65、本技术的方案，将车型结构区分为本地稳态和外来潮汐两类不同数据生成机制的车辆群体，分别获取占比后以流量为权重进行融合，有效解决了传统车辆转移矩阵状态空间封闭、无法容纳外来车辆瞬时注入的问题，提升了节假日潮汐车流场景下的车型结构预测精度。在能耗修正环节，通过引入车辆在目标路段的特定行驶行程参量，将低温与拥堵的耦合效应显式建模为所述环境温度、所述交通状态参数和所述特定行驶行程参量三者的耦合修正项，打破了传统乘积修正框架中两者独立的假设，准确刻画了拥堵延长低温高能耗阶段持续时间这一物理机制，提高了复合工况下的能耗测算精度。在流量获取环节，针对无直接交通观测数据的第一类路段，同时利用时间维的历史周期性信息、空间维的路网拓扑传递关系以及严格的物理守恒约束，通过统计推断模型进行多源信息融合的最优估计，从而在不依赖实时路侧监测设备的条件下，实现了从稀疏卡口点观测到全路网面流量的反演。通过车型结构的分层融合、能耗因子的耦合修正、交通流量的反演推断，无需对全部路段连续布设交通监测设备，利用局部交通观测、历史交通数据和路网拓扑约束推算未观测路段流量。