專利名稱：道路交通狀態(tài)判斷方法及系統(tǒng)的制作方法
技術(shù)領域：
本發(fā)明涉及一種交通管理方法與系統(tǒng)，特別是涉及一種道路交通狀態(tài)判斷 方法與系統(tǒng)。
背景技術(shù)：
隨著城市經(jīng)濟的快速發(fā)展和汽車保有量的急劇增加，城市道路交通需求大 幅增長，導致道路交通擁擠和交通堵塞現(xiàn)象普遍發(fā)生。為此，如何基于視頻、 線圈或微波等檢測器檢測到的交通數(shù)據(jù)，統(tǒng)計分析得到準確的交通狀態(tài)信息已 成為廣大交通參與者或管理者普遍關(guān)心的問題。因為準確的交通狀態(tài)信息通過 交通廣播或交通誘導屏等方式實時的提供給出行者后，可誘導其選擇合理的出 行方式、出行途徑等，同時為交通決策分析提供支持，如此便可提高交通管理 的科技水平和運行效率，為出行者提供高效、安全、舒適的交通運輸服務，提 高交通資源的利用效率，降低能耗，從而促進城市經(jīng)濟更快更穩(wěn)地發(fā)展。
目前城市道路交通運行狀態(tài)的判斷多采用人工判斷的方法，包括市民報 告、專職人員報告、民用無線電、閉路電視監(jiān)視、航空監(jiān)視等，這是城市間斷 流路段交通狀態(tài)的主要判斷方法。從整體上看，這種非自動判斷方法的主要優(yōu) 點是方便、直接；缺點是要求當時當?shù)赜心繐粽撸倚枰B續(xù)觀察，需要專 門人員對報告進行篩選確認，人員工作量和強度都比較大。
另外比較常用的方法是利用交通檢測器得到的交通流參數(shù)來判斷交通狀態(tài) 的方法。目前普遍使用的是利用路段一段時間內(nèi)的車流平均速度來進行判斷， 如果平均速度大于或等于40千米/小時，則為綠色；如果平均速度小于20千米/ 小時，為紅色；否則為黃色，有時兩個閾值也是可以修改的。但是這種方法選 擇平均速度這一直觀的交通參數(shù)來進行判斷有不盡合理之處
首先，道路交通的狀態(tài)很難用確切的數(shù)字來劃分，假設20千米/小時的速度 作為劃分暢通和擁擠的標準，而19千米/小時和21千米/小時應該對應不同的交通狀態(tài)，但實際上這兩種情況下的交通狀態(tài)沒有明顯的區(qū)別。
另外，統(tǒng)計周期、城市路段狀況、檢測器布點等也對狀態(tài)判斷存在著影響。 例如，隨著交通檢測器布點位置的不同，針對同一路段的判斷會存在很大的差 異，如果布點在路段下游即下游交叉口的進口，由于受到信號控制的影響，車 速較路段上游或中間處的檢測值會下降很多，同時在路段上游即上游檢測器的 出口處，無論高峰還是低峰時，車流都在綠燈相位消散導致平均車速變化不大， 這些都是城市交通所呈現(xiàn)的間斷流的特征，應該將它與連續(xù)流分別對待。再如 交通參數(shù)采集周期的大小影響著交通狀態(tài)判斷的結(jié)果，統(tǒng)計周期太短則受信號
控制綠燈或紅燈相位影響大，尤其高峰時會出現(xiàn)時高時低的現(xiàn)象；統(tǒng)計周期太 長則會不能反映實時的交通狀態(tài)的變化，使信息滯后從而失效。
城市道路各條路段交通情況各不相同，各條路段的檢測器布點位置也存在 差異，按以上方法得到的交通狀態(tài)信息缺乏準確性。
發(fā)明內(nèi)容
本發(fā)明提供 一 種道路交通狀態(tài)判斷方法，以提高交通狀態(tài)判斷的準確性以 及決策的科學性。
本發(fā)明另提供一種道路交通狀態(tài)判斷系統(tǒng)，以提高交通狀態(tài)判斷的準確性 以及決策的科學性。
為此，本發(fā)明4是供一種道路交通狀態(tài)判斷方法，其于前期考察需要進行狀 態(tài)判斷的路段狀況后將交通狀態(tài)，即交通擁擠程度，劃分為多個等級，并于各 個等級之間設定擁擠度系數(shù)閾值，該方法包括(l)選取多個交通參數(shù)；(2) 通過對該路段交通參數(shù)的采樣分析，設定該路段的上述多個交通參數(shù)與其所對 應的擁擠度系數(shù)之間的函數(shù)關(guān)系并設定該多個交通參數(shù)于該路段擁擠程度判斷 中所占的權(quán)重值；(3)于每一狀態(tài)判斷周期末，實時采集該路段的上述多個交 通參數(shù)并根據(jù)所設定的函數(shù)，計算各個交通參數(shù)所對應的擁擠度系數(shù)；(4)將 各個交通參數(shù)的權(quán)重值與其所對應的擁擠度系數(shù)做加權(quán)平均運算，得到平均擁 擠度系數(shù)；(5)比較平均擁擠度系數(shù)與所設定的擁擠度系數(shù)閾值，從而判斷道 路交通狀態(tài)。
進一步的，上述多個交通參數(shù)包括交通流量、速度和交通占有率。進一步的，上述步驟(2)包括'.(21)選:f又一統(tǒng)計時間；(22)收集統(tǒng)計時 間內(nèi)該路段的交通參數(shù)樣本值；(23)預處理收集到的交通參數(shù)樣本值；(24)
個交通參數(shù)與其所對應的擁擠度系數(shù)之間的函數(shù)關(guān)系并設定該多個交通參數(shù)于 該路段擁擠程度判斷中所占的權(quán)重值。
進一步的，上述步驟(23)包括用一次指數(shù)預測數(shù)據(jù)補充或替換交通參 數(shù)樣本值中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)；對所得交通參數(shù)樣本值進行一次指數(shù)平滑 濾波。
進一步的，上述統(tǒng)計時間大于或等于7天。 進一步的，上述統(tǒng)計時間為7到10天。 進一步的，上述多個交通參數(shù)的權(quán)重值之和為1。
進一步的，上述步驟(3)包括(31)選取一狀態(tài)判斷周期；(32)于每一 狀態(tài)判斷周期末，實時采集該^各段的上述多個交通參數(shù);(33)預處理采集到的 交通參數(shù)；(34)根據(jù)所設定的函數(shù)，計算各個交通參數(shù)所對應的擁擠度系數(shù)。
進一步的，上述步驟(33)包括用一次指數(shù)預測數(shù)據(jù)補充或替換交通參 數(shù)中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)；對所得交通參數(shù)進行一次指數(shù)平滑濾波。
進一步的，上述狀態(tài)判斷周期為2到IO分鐘。
進一步的，上述狀態(tài)判斷周期為5分鐘。
進一步的，所述的道路交通狀態(tài)判斷方法，還包括實時發(fā)布所得到的道 路交通狀態(tài)。
本發(fā)明另提供一種道路交通狀態(tài)判斷系統(tǒng)，用以判斷多個路段的交通狀態(tài)， 其中該交通狀態(tài)，即交通擁擠程度，被劃分為多個等級，并且各個等級之間設 有擁擠度系數(shù)閾值，該系統(tǒng)包括參數(shù)收集模塊，于上述每個路段的每一狀態(tài) 判斷周期末，實時采集每個路段的多個交通參數(shù)；狀態(tài)判斷模塊，接收并處理 參數(shù)收集模塊所采集的交通參數(shù)，該模塊包括狀態(tài)判斷數(shù)據(jù)庫，儲存有上述 每個路段的多個交通參數(shù)與其所對應的擁擠度系數(shù)之間的函數(shù)關(guān)系以及每個路 段的多個交通參數(shù)于該路段擁擠程度判斷中所占的權(quán)重值；閾值數(shù)據(jù)庫，儲存 有上述各個等級之間的擁擠度系數(shù)閾值；擁擠度系數(shù)計算模塊，根據(jù)狀態(tài)判斷 數(shù)據(jù)庫中的某個路段的函數(shù)關(guān)系計算該路段的各個交通參數(shù)所對應的擁擠度系數(shù)；平均擁擠度系數(shù)計算模塊，將擁擠度系數(shù)計算模塊所得的各個交通參數(shù)的
擁擠度系數(shù)與狀態(tài)判斷數(shù)據(jù)庫中對應路段的權(quán)重值做加權(quán)平均運算，得到平均
擁擠度系數(shù)；比較判斷模塊，比較上述平均擁擠度系數(shù)與閾值數(shù)據(jù)庫內(nèi)的擁擠 度系數(shù)閾值，從而判斷對應路段的交通狀態(tài)。
進一步的，上述多個交通參數(shù)包括交通流量、速度和交通占有率。
進一步的，上述狀態(tài)判斷周期為2到IO分鐘。
進一步的，上述狀態(tài)判斷周期為5分鐘。
進一步的，所述的交通狀態(tài)判斷系統(tǒng)還包括預處理模塊，對參數(shù)收集模 塊采集的交通參數(shù)進行預處理。
進一步的，上述預處理模塊包括完整與糾錯模塊，其用一次指數(shù)預測數(shù) 據(jù)補充或替換交通參數(shù)中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)；降噪濾波模塊，對所得的交 通參數(shù)進行一次指數(shù)平滑濾波。
進一步的，所述的交通狀態(tài)判斷系統(tǒng)還包括交通狀態(tài)發(fā)布模塊，實時發(fā) 布所得到的道路交通狀態(tài)。
本發(fā)明所揭露的道路交通狀態(tài)判斷方法與系統(tǒng)選擇多個交通參數(shù)聯(lián)合作為 交通狀態(tài)判斷的參數(shù)，例如交通流量、速度、交通占有率，避免了選擇一個 交通參數(shù)所帶來的誤差，同時針對間斷流的特征，對于不同的路段，分別建立 函數(shù)關(guān)系，給定權(quán)重，提高了交通狀態(tài)判斷的準確性與決策的科學性。.
圖l為本發(fā)明一實施例所提供的道路交通狀態(tài)判斷方法的流程示意圖； 圖2為本發(fā)明一實施例中交通參數(shù)與其所對應的擁擠度系數(shù)之間的函數(shù)關(guān)
系以及其于路段擁擠程度判斷中所占的權(quán)重值的設定過程的流程示意圖3為本發(fā)明一實施例中各個交通參數(shù)所對應的擁l齊度系數(shù)的計算過程的
流程示意圖4為本發(fā)明一實施例所提供的道路交通狀態(tài)判斷系統(tǒng)的方塊圖； 圖5為本發(fā)明一實施例中狀態(tài)判斷模塊的實現(xiàn)方法流程圖。
具體實施方式
為了解決現(xiàn)有技術(shù)中判斷交通狀態(tài)缺乏準確性的問題，本發(fā)明提出擁擠度 系數(shù)的概念，其是通過整合多個交通參數(shù)而獲得，并據(jù)其劃分交通狀態(tài)等級， 具體如何實施將在以下實施例中詳細描述。
請參考圖1，其為本發(fā)明一實施例所提供的道路交通狀態(tài)判斷方法的流程示 意圖。該方法于前期考察一路段后將交通狀態(tài)，即交通擁擠程度，劃分為多個
等級，并于各個等級之間設定閾值，如圖所示，該方法包括如下步驟 步驟S10:選取多個交通參數(shù)，聯(lián)合作為交通狀態(tài)判斷的依據(jù)； 步驟S20:通過對該路段交通參數(shù)的采樣分析，設定該路段的上述多個交通
參數(shù)與其所對應的擁橋度系數(shù)之間的函數(shù)關(guān)系并設定該多個交通參數(shù)于該路段
擁擠程度判斷中所占的權(quán)重值；
步驟S30:于每一狀態(tài)判斷周期末，實時采集該路段的上述多個交通參數(shù)并 根據(jù)所設定的函數(shù)，計算各個交通參數(shù)所對應的擁擠度系數(shù)；
步驟S40:將各個交通參數(shù)的權(quán)重值與其所對應的擁擠度系數(shù)做加權(quán)平均運 算，得到平均擁擠度系數(shù)；
步驟S50:比較平均擁擠度系數(shù)與所設定的閾值，從而判斷道路交通狀態(tài)。
以下將參考圖2與圖3,分別對步驟S20與S30加以詳細說明。
其中S20包括以下步驟
S201:選取一統(tǒng)計時間；
S203:收集統(tǒng)計時間內(nèi)該路段的交通參數(shù)樣本值； S205:預處理收集到的交通參數(shù)樣本值；
S207:通過統(tǒng)計分析預處理后的交通參K樣本值結(jié)合人工判斷，設定該路 段的上述多個交通參數(shù)與其所對應的擁擠度系數(shù)之間的函數(shù)關(guān)系并設定該多個 交通參數(shù)于該路段擁擠程度判斷中所占的權(quán)重值。
其中上述預處理收集到的交通參數(shù)樣本值的過程包括用 一次指數(shù)預測數(shù) 據(jù)補充或替換交通參數(shù)樣本值中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)，從而使得交通參數(shù)樣 本數(shù)據(jù)更加完整與準確；對所得交通參數(shù)樣本值進行一次指數(shù)平滑濾波，以減 少交通參數(shù)樣本數(shù)據(jù)的隨機誤差。
如圖3,步驟S30的詳細實施方法如下
S301:選取一狀態(tài)判斷周期；S303:于每一狀態(tài)判斷周期末，實時采集該路段的多個交通參數(shù)； S305:預處理采集到的交通參數(shù)；
S307:根據(jù)所設定的函數(shù)，計算各個交通參數(shù)所對應的擁擠度系數(shù)。 其中上述預處理采集到的交通參數(shù)的過程包括用 一次指數(shù)預測數(shù)據(jù)補充 或替換交通參數(shù)中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)，從而使得交通參數(shù)更加完整與準確； 對所得交通參數(shù)進行一次指數(shù)平滑濾波，以減少交通參數(shù)的隨機誤差。
為讓以上方法更明顯易懂，將交通狀態(tài)等級以及交通參數(shù)實例化后加以描 述。在此提出擁擠度系數(shù)的概念，用M表示，設定其取值范圍為[O， 100]。其 中0表示非常暢通，IOO表示嚴重堵塞。如果將交通狀態(tài)分成三個等級，則設定 閾值為33和67，則當0《M《33時，交通狀態(tài)為暢通；當33〈M《67時，交 通狀態(tài)為擁擠；當67〈M《100表示堵塞；其它四級、五級、六級等分級情況類 似，在此不再贅述。同時選取交通流量Q、速度V、交通占有率OC等交通參數(shù) 來進行狀態(tài)判斷，而后針對該路段分別建立擁擠度系數(shù)M與各交通參數(shù)不同的 函數(shù)關(guān)系Mq=f(Q), Mv=f(V)， Moc=f(OC),同時根據(jù)道路情況、檢測器布點位 置等分別給定交通流量Q、速度V和交通占有率OC于該路段擁擠程度判斷中 所占的權(quán)重值，即其所對應的擁擠度系數(shù)Mq、 Mv、 Moc的權(quán)重值a、 b、 c,而 后將擁擠度系數(shù)Mq、 Mv、 Moc做加權(quán)平均運算，即a*Mq+b*Mv+c*Moc,得 到平均擁擠度系數(shù)M，將平均擁擠度系數(shù)M與臨界值33、 67對比得到該路段的 交通狀態(tài)。
其中交通流量Q為單位時間內(nèi)通過某路段的車輛數(shù)，為整數(shù)型數(shù)據(jù)，例如 2384輛/小時；速度V為該路段的平均車速，為實數(shù)型數(shù)據(jù)，例如8Km/h;而交 通占有率OC為一段時間內(nèi)車輛經(jīng)過交通檢測器的時間總和占總的統(tǒng)計時間的 比例，為實數(shù)型數(shù)據(jù)，在0 100%之間，其中0表示沒有車輛通過，100%表示 一直有車輛通過檢測器且沒有空隙。而權(quán)重值a、 b、 c均為實數(shù)，其和為l，即 a+b+c=1.0。
而對于不同的路段來講，以上三個交通參數(shù)與其所對應的擁擠度系數(shù)之間 的函數(shù)關(guān)系將視路段狀況而有所不同，同時由于不同路段的道路狀況不同，各 個交通參數(shù)在每個路段擁擠程度判斷中的重要性也將有所不同，故以上三個交 通參數(shù)的權(quán)重值也將一見路段狀況而有所不同。其取決于前期對路段狀況的考察。即首先考察需要進行狀態(tài)判斷的道路狀況，交通流狀況，以及高峰和非高 峰時交叉口的信號配時情況等，選擇合適的統(tǒng)計時間作為收集樣本數(shù)據(jù)的時間， 同時選擇合適的時間作為狀態(tài)判斷并發(fā)布的周期，即狀態(tài)判斷周期。例如統(tǒng)計
時間大于或等于7天；狀態(tài)判斷周期為2到IO分鐘，通常選用5分鐘。
而后收集統(tǒng)計時間(例如7到10天)內(nèi)的交通流量Q、速度V和交通占有 率OC數(shù)據(jù)作為樣本數(shù)據(jù)并對其進行預處理，而后結(jié)合數(shù)據(jù)統(tǒng)計分析方法、人工 判斷，標定得到交通流量Q、速度V和交通占有率OC與其所對應的擁擠度系 數(shù)Mq、 Mv和Moc之間的函數(shù)關(guān)系Mq-f(Q)， Mv=f(V)， Moc=f(OC),并標定 三個參數(shù)的權(quán)重a、 b、 c。其中Mq-f(Q), Mv=f(V), Moc^f(OC)是基于對城市 原始交通數(shù)據(jù)的調(diào)查結(jié)合人工判斷、專家經(jīng)驗法，通過最小二乘方法分析得到 的擁擠度系數(shù)與交通參數(shù)之間的函數(shù)關(guān)系，也就是通過采集數(shù)據(jù)以及分析得到 的，之所以要建立這3個函數(shù)，是為了把3個交通參數(shù)統(tǒng)一到一起，得到最終 的擁擠度系數(shù)，從而避免選擇一個交通參數(shù)所帶來的誤差，提供判斷的準確性。 而a、 b、 c分別是交通3個參數(shù)對于擁擠度判斷的重要程度，用專家評價法確定， 選擇駕駛員群體調(diào)查和專家訪問，對返回的評議表，統(tǒng)計得到3個參數(shù)的權(quán)重 值。
以下給出一個例子，然其并非用以限定本發(fā)明，對于不同路段需收集樣本 數(shù)據(jù)后進行統(tǒng)計分析與人工判斷，由于道路狀況不同，該函數(shù)關(guān)系不同，權(quán)重 值也不同。
.100 * ^/0.11582 —0.11563* (g/gc)+34.033 F 2 44Xw // 或OC S 36
M《=
乾
100 * V0.48458 — 0.483 */ ge) + 30.386 其它
—1.36*F + 100.0 F^37^>j//2 273.84*exp(—0.0415*7) —9.9 F > 37Km //z
_ j 15.0 *exp(0.0322 *OC)-15.0 (9C "5.5 。c — i -1.52 (9C > 45.5
其中Qc為路段通行能力，Q、 Qc的單位為輛/小時，注意一個周期的流量 要進行換算；a、 b、 c分別0.33, 0.26, 0.41。
那么于每個狀態(tài)判斷周期末，實時采集交通流量Q、速度V和交通占有率 OC并將收集到的數(shù)據(jù)進行數(shù)據(jù)預處理，而后代入所設定的函數(shù)，計算得到所對應的擁擠度系凄欠Mq、 Mv和Moc;而后做加權(quán)平均a*Mq+b*Mv+c*Moc,計算 得到平均擁擠度系數(shù)M。
最后將平均擁擠度系數(shù)M與所設定的閾值做比較，從而判斷道路交通狀態(tài)。
例如，該路段第i個狀態(tài)判斷周期末的Qi, Vi， OCi分別檢測到是2384輛/ 小時，8千米/小時，45%, Qc-2500輛/小時；對其進4亍預處理后，代入所設定 的函數(shù)關(guān)系Mqi=f(Qi)， Mvi=f(Vi)， Moci=f(OCi)，得到值分別是73.13, 64.49， 73.83,則該路段擁擠度系數(shù)Mi=ai*Mqi+bi*Mvi+ci*Moci為71.17,由于71.17> 67，則該路段的交通狀態(tài)為堵塞。當然，可以為每個狀態(tài)設定對應顏色，例如 暢通為綠色，擁擠為黃色，堵塞為紅色，從而在得到交通狀態(tài)后，實時的將交 通路況信息通過全彩誘導屏、LED文字誘導屏或廣播電臺等發(fā)送出去，引導駕 駛員選擇合適路徑。
本發(fā)明一實施例還提供一種道路交通狀態(tài)判斷系統(tǒng)，用以判斷多個路段的 交通狀態(tài)，其中交通狀態(tài)，即交通擁擠程度，被劃分為多個等級，并且各個等 級之間設有閾值。請參考圖4，其為該系統(tǒng)的方塊圖。
該系統(tǒng)包括參數(shù)收集模塊100與狀態(tài)判斷模塊200,其中參數(shù)收集才莫塊100 于每個路段的每一狀態(tài)判斷周期末，實時采集每個路段的多個交通參數(shù)；狀態(tài) 判斷模塊200接收并處理參數(shù)收集模塊100所采集的交通參數(shù)。狀態(tài)判斷模塊 200包括狀態(tài)判斷數(shù)據(jù)庫Dl與閾值數(shù)據(jù)庫D2以及與之相連的擁擠度系數(shù)計算 模塊210、平均擁擠度系數(shù)計算模塊220以及比較判斷模塊230。其中狀態(tài)判斷
間的函數(shù)關(guān)系以及每個路段的上述多個交通參數(shù)于該路段擁擠程度判斷中所占 的權(quán)重值，閾值數(shù)據(jù)庫D2內(nèi)儲存有每個路段的各個等級之間的擁擠度系數(shù)閾 值。而擁擠度系數(shù)計算模塊210根據(jù)狀態(tài)判斷數(shù)據(jù)庫D1中的函數(shù)關(guān)系計算某路 段的上述多個交通參數(shù)所對應的擁擠度系數(shù)；平均擁擠度系數(shù)計算模塊220將 所得的各個交通參數(shù)的擁擠度系數(shù)與狀態(tài)判斷數(shù)據(jù)庫Dl中對應路段的權(quán)重值 做加權(quán)平均運算，得到平均擁擠度系數(shù)；比較判斷模塊230比較上述平均擁擠 度系數(shù)與閾值數(shù)據(jù)庫D2內(nèi)的擁擠度系數(shù)閾值，從而判斷對應路段的交通狀態(tài)。 上述交通參數(shù)例如為交通流量Q、速度V和交通占有率OC，則狀態(tài)判斷數(shù) 據(jù)庫Dl儲存有交通流量Q、速度V和交通占有率OC與其所對應的擁擠度系數(shù)Mq、 Mv和Moc之間的函數(shù)關(guān)系Mq=f(Q), Mv-f(V)， Moc-f(OC)以及三個參數(shù)的權(quán)重值a、 b、 c。請再參考圖5,其為此例中狀態(tài)判斷模塊200的實現(xiàn)方法流程圖。如圖，首先計算第i個路段的各個交通參數(shù)值所對應的擁擠度系數(shù)，即計算Mqi-f(Qi)， MvHf(Vi), Moci二f(OCi),其對應于擁沖齊度系數(shù)計算才莫塊210;而后計算平均擁擠度系數(shù)，即Mi=ai*Mqi+bi*Mvi+ci*Moci,其對應于平均擁擠度系數(shù)計算模塊220;最后，比較平均擁擠度系數(shù)Mi與擁擠度系數(shù)閾值的大小而得到交通狀態(tài)，其對應于比較判斷模塊230。
另外該系統(tǒng)還包括預處理模塊300,以對參數(shù)收集模塊IOO收集的交通參數(shù)進行預處理。而處理模塊300還可以包括完整與糾錯處理模塊310,其用一次指數(shù)預測數(shù)據(jù)補充或替換交通參數(shù)中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)；以及降噪濾波處理模塊320,對所得的交通參數(shù)進行一次指數(shù)平滑濾波。
為了更好的利用所得到的交通狀態(tài)，該系統(tǒng)還設置了交通狀態(tài)發(fā)布模塊400以實時發(fā)布所得到的道路交通狀態(tài)。例如為每個狀態(tài)設定對應顏色，暢通為綠色，擁《齊為黃色，堵塞為紅色，從而在得到交通狀態(tài)后，在城市道路GIS界面上發(fā)布各個路段的交通狀態(tài)，為駕駛員提供直觀的道路狀態(tài)信息；還可以通過全彩誘導屏、LED文字誘導屏或廣播電臺等發(fā)送出去，引導駕駛員選擇合適路徑。本發(fā)明實施例中提供了交通狀態(tài)判斷方法與系統(tǒng)，基于交通檢測器采集的數(shù)據(jù)對道路交通狀態(tài)實現(xiàn)自動判別，并及時發(fā)布，節(jié)省了大量人工判斷工作量；選擇交通流量、速度、交通占有率聯(lián)合作為交通狀態(tài)判斷的參數(shù)，避免了選擇一個交通參數(shù)所帶來的誤差，同時針對間斷流的特征，對于不同的路段以及4企測器布點位置，分別建立函數(shù)關(guān)系，給定權(quán)重，提高了交通狀態(tài)判斷的準確性，提高了決策的科學性；擁擠度系數(shù)還可以直觀地反映當時交通狀態(tài)的擁擠程度及其各周期的變化情況，方便設置交通誘導時況鐘；針對城市道路的任一條路
段，分別進行閾值標定，即使檢測器在路段的不同位置布設，也能根據(jù)樣本數(shù)據(jù)進行標定和修正，從而削弱了由于工程原因在不用位置布設檢測器帶來的誤差。
以上僅為舉例，并非用以限定本發(fā)明，本發(fā)明的保護范圍應當以權(quán)利要求書所涵蓋的范圍為準。
權(quán)利要求
1.一種道路交通狀態(tài)判斷方法，其于前期考察一路段后將交通狀態(tài)，即交通擁擠程度，劃分為多個等級，并于各個等級之間設定擁擠度系數(shù)閾值，其特征是，包括(1)選取多個交通參數(shù)；(2)通過對該路段交通參數(shù)的采樣分析，設定該路段的上述多個交通參數(shù)與其所對應的擁擠度系數(shù)之間的函數(shù)關(guān)系并設定該多個交通參數(shù)于該路段擁擠程度判斷中所占的權(quán)重值；(3)于每一狀態(tài)判斷周期末，實時采集該路段的上述多個交通參數(shù)并根據(jù)所設定的函數(shù)，計算各個交通參數(shù)所對應的擁擠度系數(shù)；(4)將各個交通參數(shù)的權(quán)重值與其所對應的擁擠度系數(shù)做加權(quán)平均運算，得到平均擁擠度系數(shù)；(5)比較平均擁擠度系數(shù)與所設定的擁擠度系數(shù)閾值，從而判斷道路交通狀態(tài)。
2. 根據(jù)權(quán)利要求1所述的道路交通狀態(tài)判斷方法，其特征是，其中上述多 個交通參數(shù)包括交通流量、速度和交通占有率。
3. 根據(jù)權(quán)利要求1所述的道路交通狀態(tài)判斷方法，其特征是，其中上述步 驟(2 )包括(21 )選取一統(tǒng)計時間；(22)收集統(tǒng)計時間內(nèi)該路段的交通參數(shù)樣本值； (23 )預處理收集到的交通參數(shù)樣本值；(24)通過統(tǒng)計分析預處理后的交通參數(shù)樣本值結(jié)合人工判斷，設定該路 段的上述多個交通參數(shù)與其所對應的擁擠度系數(shù)之間的函數(shù)關(guān)系并設定該多個 交通參數(shù)于該路段擁擠程度判斷中所占的權(quán)重值。
4. 根據(jù)權(quán)利要求3所述的道路交通狀態(tài)判斷方法，其特征是，其中上述步 驟(23 )包括用 一次指數(shù)預測數(shù)據(jù)補充或替換交通參數(shù)樣本值中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)；對所得交通參數(shù)樣本值進行一次指數(shù)平滑濾波。
5. 根據(jù)權(quán)利要求3所述的道路交通事件檢測方法，其特征是，其中上述統(tǒng) 計時間大于或等于7天。
6. 根據(jù)權(quán)利要求5所述的道路交通事件檢測方法，其特征是，其中上述統(tǒng) 計時間為7到10天。
7. 根據(jù)權(quán)利要求1所述的道路交通狀態(tài)判斷方法，其特征是，其中上述多 個交通參數(shù)的權(quán)重值之和為1。
8. 根據(jù)權(quán)利要求1所述的道路交通狀態(tài)判斷方法，其特征是，其中上述步 驟(3 )包括(31) 選取一狀態(tài)判斷周期；(32) 于每一狀態(tài)判斷周期末，實時采集該路段的上述多個交通參數(shù)； (33 )預處理采集到的交通參數(shù)；(34)根據(jù)所設定的函數(shù)，計算各個交通參數(shù)所對應的擁擠度系數(shù)。
9. 根據(jù)權(quán)利要求8所述的道路交通狀態(tài)判斷方法，其特征是，其中上述步 驟(33 )包括用 一次指數(shù)預測數(shù)據(jù)補充或替換交通參數(shù)中的丟失數(shù)據(jù)及錯誤數(shù)據(jù)； 對所得交通參數(shù)進行一次指數(shù)平滑濾波。
10. 根據(jù)權(quán)利要求8所述的道路交通狀態(tài)判斷方法，其特征是，其中上述狀 態(tài)判斷周期為2到IO分鐘。
11. 根據(jù)權(quán)利要求10所述的道路交通狀態(tài)判斷方法，其特征是，其中上述 狀態(tài)判斷周期為5分鐘。
12. 根據(jù)權(quán)利要求1所述的道路交通狀態(tài)判斷方法，其特征是，還包括 實時發(fā)布所得到的道路交通狀態(tài)。
13. —種道路交通狀態(tài)判斷系統(tǒng)，用以判斷多個路段的交通狀態(tài)，其中該交 通狀態(tài)，即交通擁擠程度，被劃分為多個等級，并且各個等級之間設有擁擠度 系數(shù)閾值，其特征是，包括參數(shù)收集模塊，于上述每個路段的每一狀態(tài)判斷周期末，實時采集每個路 段的多個交通參數(shù)；狀態(tài)判斷模塊，接收并處理參數(shù)收集模塊所采集的交通參數(shù)，該模塊包括狀態(tài)判斷數(shù)據(jù)庫，儲存有上述每個路段的多個交通參^t與其所對應的 擁擠度系數(shù)之間的函數(shù)關(guān)系以及每個路段的多個交通參數(shù)于該路段擁擠程度判斷中所占的4又重4直；閾值數(shù)據(jù)庫，儲存有上述各個等級之間的擁擠度系數(shù)閾值；擁擠度系數(shù)計算模塊，根據(jù)狀態(tài)判斷數(shù)據(jù)庫中的某個路段的函數(shù)關(guān)系 計算該路段的各個交通參數(shù)所對應的擁擠度系數(shù)；平均擁擠度系數(shù)計算模塊，將擁擠度系數(shù)計算模塊所得的各個交通參 數(shù)的擁擠度系數(shù)與狀態(tài)判斷數(shù)據(jù)庫中對應路段的權(quán)重值做加權(quán)平均運算， 得到平均擁擠度系數(shù)；比較判斷模塊，比較上述平均擁擠度系數(shù)與閾值數(shù)據(jù)庫內(nèi)的擁擠度系 數(shù)閾值，從而判斷對應路段的交通狀態(tài)。
14. 根據(jù)權(quán)利要求13所述的交通狀態(tài)判斷系統(tǒng)，其特征是，其中上述多個 交通參數(shù)包括交通流量、速度和交通占有率。
15. 根據(jù)權(quán)利要求13所述的交通狀態(tài)判斷系統(tǒng)，其特征是，其中上述狀態(tài) 判斷周期為2到IO分鐘。
16. 根據(jù)權(quán)利要求15所述的交通狀態(tài)判斷系統(tǒng)，其特征是，其中上述狀態(tài) 判斷周期為5分鐘。
17. 根據(jù)權(quán)利要求13所述的交通狀態(tài)判斷系統(tǒng)，其特征是，還包括 預處理模塊，對參數(shù)收集模塊采集的交通參^t進行預處理。
18. 根據(jù)權(quán)利要求17所述的交通狀態(tài)判斷系統(tǒng)，其特征是，上述預處理才莫 塊包括完整與糾錯模塊，其用一次指數(shù)預測數(shù)據(jù)補充或替換交通參數(shù)中的丟失數(shù) 據(jù)及錯誤數(shù)據(jù)；降噪濾波模塊，對所得的交通參數(shù)進行一次指數(shù)平滑濾波。
19. 根據(jù)權(quán)利要求13所述的交通狀態(tài)判斷系統(tǒng)，其特征是，還包括 交通狀態(tài)發(fā)布模塊，實時發(fā)布所得到的道路交通狀態(tài)。
全文摘要
本發(fā)明揭露了一種道路交通狀態(tài)判斷方法及系統(tǒng)，其以多個交通參數(shù)作為判斷依據(jù)，同時針對不同路段建立函數(shù)關(guān)系，給定權(quán)重，提高了交通狀態(tài)判斷的準確性。該方法包括(1)選取多個交通參數(shù)；(2)通過對該路段交通參數(shù)的采樣分析，設定該路段的上述多個交通參數(shù)與其所對應的擁擠度系數(shù)之間的函數(shù)關(guān)系并設定該多個交通參數(shù)于該路段擁擠程度判斷中所占的權(quán)重值；(3)于每一狀態(tài)判斷周期末，實時采集該路段的上述多個交通參數(shù)并根據(jù)所設定的函數(shù)，計算各個交通參數(shù)所對應的擁擠度系數(shù)；(4)將各個交通參數(shù)的權(quán)重值與其所對應的擁擠度系數(shù)做加權(quán)平均運算，得到平均擁擠度系數(shù)；(5)比較平均擁擠度系數(shù)與擁擠度系數(shù)閾值，從而判斷道路交通狀態(tài)。
文檔編號G08G1/01GK101540099SQ20081003471
公開日2009年9月23日 申請日期2008年3月17日 優(yōu)先權(quán)日2008年3月17日
發(fā)明者石征華, 胡健萌 申請人:上海寶康電子控制工程有限公司