基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法
【專利摘要】本發(fā)明屬于交通狀態(tài)分析領(lǐng)域，具體涉及一種高速公路地點交通狀態(tài)偏離度獲取方法；獲取地點交通流表征參數(shù)；對獲取的交通流表征參數(shù)進(jìn)行預(yù)處理；確定交通流基模式；獲得交通狀態(tài)的特征向量基；獲得地點交通狀態(tài)偏離度；本發(fā)明基于不同的時空條件，以交通流周趨勢性為基礎(chǔ)，通過小波分析得到交通流基模式，并基于Z分?jǐn)?shù)理論，將實時交通流參數(shù)與交通流基模式進(jìn)行比較，得到交通流參數(shù)的偏離度，進(jìn)而通過變異系數(shù)法得到地點交通狀態(tài)偏離度。通過該方法可實時辨識地點交通狀態(tài)的偏離度，特別是具有較大偏離度的異常交通狀態(tài)的有效識別，可作為地點交通狀態(tài)異常的提醒，進(jìn)而為交通參與者提供及時有效的信息服務(wù)和誘導(dǎo)控制。
【專利說明】基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于交通狀態(tài)分析領(lǐng)域，具體涉及一種高速公路地點交通狀態(tài)偏離度獲取 方法。

【背景技術(shù)】
[0002] 交通狀態(tài)的實時監(jiān)控是保障交通安全、保證出行效率的根本手段。為實時掌控交 通流信息，了解交通運行狀況，高速公路上安裝了各種用于車輛檢測的設(shè)備，如微波檢測 器、視頻檢測器、浮動車等。但是，由于移動型檢測器易受覆蓋率影響，且在隧道中信號較 弱，而在某些城市（如重慶）的高速公路上又有較多隧道通行路段，使得基于固定型檢測器 的地點交通狀態(tài)估計方法在實際應(yīng)用中占有重要作用。
[0003] 以往針對交通狀態(tài)估計方法的研究主要基于閾值比較或以絕對指標(biāo)為基準(zhǔn)，如 基于固定閾值估計交通狀態(tài)的加利福尼亞（California)算法、標(biāo)準(zhǔn)正態(tài)偏差（Standard NormalDeviation,SND)算法；基于絕對指標(biāo)的美國《道路通行能力手冊》、我國《城市交通 管理評價指標(biāo)體系》，均以平均行程速度為標(biāo)準(zhǔn)，分別將交通狀態(tài)分為A-F六個等級和"暢 通"、"輕度擁擠"、"擁擠"、"嚴(yán)重?fù)頂D"四類。但是，由于受到道路條件、交通條件、地區(qū)經(jīng)濟(jì) 發(fā)展情況等因素的影響，在不同的空間位置，高速公路的交通需求呈現(xiàn)不同的特征，在同一 空間位置的不同時間，其交通狀態(tài)也具有不同的變化規(guī)律。并且，在日常生活中，人們對大 多數(shù)事物（如天氣、價格等）進(jìn)行評判時，并無具體的絕對概念，更多的時候是通過比較的 方式來評價其優(yōu)劣，如天氣的好壞、價格的高低等。
[0004] 因此，為了從交通參與者的切身感受出發(fā)，如實掌控高速公路交通流信息，研究高 速公路基本路段的交通狀況，有必要基于交通流的時空分布特性，研究基于相對指標(biāo)的交 通狀態(tài)估計方法，為交通出行者提供優(yōu)質(zhì)的信息服務(wù)，為交通管理者提供及時準(zhǔn)確的誘導(dǎo) 信息，進(jìn)而實現(xiàn)準(zhǔn)確及時的交通管理和控制。


【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供一種基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方 法。該方法以相對標(biāo)準(zhǔn)為基礎(chǔ)，將不同時空背景下的交通流參數(shù)與其基模式進(jìn)行比較，得到 交通狀態(tài)偏離長期趨勢的實時狀況，提前預(yù)防可能出現(xiàn)的交通異常。
[0006] 本發(fā)明通過以下技術(shù)手段解決上述技術(shù)問題：
[0007] 基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，包括如下步驟：
[0008] 1)獲取地點交通流表征參數(shù)；
[0009] 2)對步驟1)獲取的交通流表征參數(shù)進(jìn)行預(yù)處理；
[0010]3)確定交通流基模式；
[0011] 4)獲得交通狀態(tài)的特征向量基；
[0012] 5)獲得地點交通狀態(tài)偏離度。
[0013] 進(jìn)一步，所述步驟1)中獲取的交通流表征參數(shù)包括流量、速度和占有率。
[0014] 進(jìn)一步，所述步驟2)，具體包括如下步驟：
[0015] 21)通過下式識別故障數(shù)據(jù)：
[0016] V? 0 >k；
[0017] 式中，V為速度，0為占有率，k為閾值，當(dāng)速度與占有率的積大于閾值k，即認(rèn)為數(shù) 據(jù)錯誤；
[0018] 22)通過下式對故障數(shù)據(jù)進(jìn)行修復(fù)：
[0019] x(t)=a?.v(r-l) + (l-a)-.v,(〇.
[0020] 其中，為t時段故障數(shù)據(jù)的修復(fù)值，x(t-l)為（t-1)時段實測數(shù)據(jù)值，x' (t) 為前N周同一日期同一時段的歷史均值，a為加權(quán)系數(shù)，ae[0，1]。
[0021] 進(jìn)一步，所述步驟3)中，交通流基模式為
[0022]

【權(quán)利要求】
1. 基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，其特征在于：包括如下步 驟： 1) 獲取地點交通流表征參數(shù)； 2) 對步驟1)獲取的交通流表征參數(shù)進(jìn)行預(yù)處理； 3) 確定交通流基模式； 4) 獲得交通狀態(tài)的特征向量基； 5) 獲得地點交通狀態(tài)偏離度。
2. 如權(quán)利要求1所述的基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，其特 征在于：所述步驟1)中獲取的交通流表征參數(shù)包括流量、速度和占有率。
3. 如權(quán)利要求2所述的基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，其特 征在于：所述步驟2)，具體包括如下步驟： 21) 通過下式識別故障數(shù)據(jù)： V· 0>k； 式中，V為速度，O為占有率，k為閾值，當(dāng)速度與占有率的積大于閾值k，即認(rèn)為數(shù)據(jù)錯 誤； 22) 通過下式對故障數(shù)據(jù)進(jìn)行修復(fù)： 均）=a.x(f-l)+ (l-α)..\*'(/) · 5 其中，對O為t時段故障數(shù)據(jù)的修復(fù)值，x(t-l)為（t-ι)時段實測數(shù)據(jù)值，X' (t)為 前N周同一日期同一時段的歷史均值，α為加權(quán)系數(shù)，ae[〇，1]。
4. 如權(quán)利要求3所述的基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，其特 征在于：所述步驟3)中，交通流基模式為
Xj為交通流參數(shù)時間序列，j表示當(dāng)前周期往前推的周期數(shù)，k表示全天交通流參數(shù)時 間序列的數(shù)據(jù)個數(shù)。
5. 如權(quán)利要求4所述的基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，其特 征在于：所述步驟3)中，還包括使用小波分析法對交通流參數(shù)時間序列乂」進(jìn)行光滑處理的 步驟。
6. 如權(quán)利要求5所述的基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，其特 征在于：所述步驟4)中，具體包括如下步驟： 41) 獲得交通流的長期變化趨勢樣本； 42) 通過移動平均法，對樣本數(shù)據(jù)和測試數(shù)據(jù)進(jìn)行實時濾波，j天t時刻的移動平均值 Xtj表不為： ~_xlj+x2j + --- + xmj Xtj- rn · 43)通過下式獲得偏離度估計表征參數(shù)的特征向量基： Xt={xn,xl2,-,~xJ . 其中，A為地點交通流表征參數(shù)的向量基，即：4 = 為）。
7.如權(quán)利要求6所述的基于時空分析的高速公路地點交通狀態(tài)偏離度獲取方法，其特 征在于：所述步驟5)中，通過下式獲得地點交通狀態(tài)偏離度： Z = WvZ!V+Wq (-Z!q) +W0 (-Z!0); 其中，wv、wq、w。分別表示速度、流量、占有率的實時權(quán)重，Z;q、v、。分別表示速 度、流量、占有率的實時Z'值。
【文檔編號】G08G1/09GK104318795SQ201410604032
【公開日】2015年1月28日 申請日期:2014年10月31日 優(yōu)先權(quán)日:2014年10月31日
【發(fā)明者】趙敏, 孫棣華, 劉衛(wèi)寧, 鄭林江, 徐靜 申請人:重慶大學(xué)