该数据集合基于历史数据和神经网络不间断地对未来2小时内每5分钟、15分钟、30分钟等时间粒度车流量数据进行滚动预测，包含未来15分钟预测、30分钟预测、1小时预测和2小时预测等4种时间颗粒度的车流量预测、流量峰值预测数据表，数据集合每15分钟产生一个新的版本，每个路段收费单元都会产生对应的预测数值。 主要适用于交通行业主管部门和高速公路路段业主，可应用于制定交通管控方案、预防高速交通拥堵、评估未来高速区间的安全等级、制定救援物资分配预案、管控加救援人员分配预案和高速监控视频轮播方案等方面。

通过感知设备实时采集高速公路路段多源数据，保存在云数据库中。基于神经网络，构建LSTM、SVR、KNN、XGBoost、Random Forests五种人工智能算法对高速行程时间进行了预测，并采用贝叶斯回归算法对五种模型的预测效果进行综合寻优，提出了一种融合预测模型，并部署到算法训练平台的运行环境中。数据采集上来之后实时进行数据清洗、治理和数据分层等一系列加工，横向分为STG原始层、ODS贴原层、DWD数据明细层3层，纵向按照业务逻辑分为公共域、车辆域、通行域、用户域等。处理完的数据每5分钟通过定时任务同步到算法训练平台。多种人工智能模型的输入包括空间特征（与预测对象相关联的收费站入口、门架的流量历史数据）、时间特征（星期数、小时数等）和自相关特征（预测对象自身的流量历史数据），上述多种模型在对应时间点的输出则作为融合模型的输入，进而得到基于贝叶斯回归的融合模型的流量预测结果，通过多种先进算法构造群智预测机制，从而提升算法的精度和可靠性。可实时输出未来2小时内每5分钟、15分钟、30分钟等时间粒度车流量滚动预测数据。

高速公路路段多源数据每日实时更新，准实时采集治理，基于历史数据和神经网络不间断地对未来2小时内每5分钟、15分钟、30分钟等时间粒度车流量数据进行滚动预测。该功能主要适用于交通行业主管部门和高速公路路段业主 （1）用户可根据预测数据，提前制定管控预案，事前进行交通流量干预，实现预防高速交通拥堵的目标。 （2）结合预测数据，用户通过车流量预测，可评估未来高速区间的安全等级，根据车流量和安全事故发生的关联关系，提前感知事故发生的可能性。从而制定救援物资分配预案、管控加救援人员分配预案和高速监控视频轮播方案。形成事前预防交通事故，事中快速救援，事后统计分析的一整套关于交通安全的解决方案。

门架id：G000444001005010 时间区间：202308092045 预测车流量：16 预测饱和度：9% 区间类型：主线收费单元

序号 列名 类型 长度 可空 主键 备注 字段示例 1 gid varchar 30 否 是 门架id “G008044003107010”，十六位 2 time varchar 30 否 是 统计数据所属时间段 “202109270000"：2021年9月27日 3 volume varchar 30 是 否 预测流量 "42000"：2000pcu 4 saturation varchar 30 是 否 统计时间段内的饱和度（车流量/通行能力） "0.52"：流量和通行能力的比值 5 mastset varchar 30 否 否 区分单元类型 “0”、“1”、“2”