本發(fā)明屬于道路交通應用領域，具體涉及一種道路交通警情預測方法。
背景技術：
隨著科技進步和經(jīng)濟發(fā)展，城市車輛也在迅猛增長，城市交通供給不能滿足日益增長的交通需求，城市道路的交通擁堵問題越來越嚴重。城市干道是城市交通的動脈，對城市干道交通擁堵狀態(tài)進行及時、準確的提前預測和識別，減少交通擁堵帶來的負面效應。
技術實現(xiàn)要素：
本發(fā)明的目的是基于現(xiàn)代城市道路交通需要，提供一種道路交通警情預測方法，以達到交通警情實時預警。
為實現(xiàn)上述目的，本發(fā)明采用如下技術方案：
一種道路交通警情預測方法，該方法包括以下步驟：
步驟a：通過供應設備實時采集交通指標特征，獲取當前區(qū)域內的車流量、車速及時間占有率；
步驟b：將當前獲取到的每組交通指標特征與其供應設備所在的道路位置一一對應；
步驟c：構建特征向量，將當前獲取的實時交通指標特征值與數(shù)條歷史交通指標特征值組成一組特征向量：
v(t)=[f(t)s(t)o(t)]
v(t-1)=[f(t-1)s(t-1)o(t-1)]
……
v(t-n)=[f(t-n)s(t-n)o(t-n)]
f(t)表示當前時刻車流量、s(t)表示當前時刻車速、o(t)表示當前時刻時間占有率、v(t-n)表示n分鐘前特征v的值，n的取值根據(jù)應用場景調整；
步驟d：根據(jù)特征向量融合計算出描述該道路位置交通狀態(tài)的預警值：
特征變化量矩陣：
計算預警值：
步驟e：通過歷史預警值與警情數(shù)據(jù)匹配，記錄匹配警情的預警值數(shù)組a[m]，m表示警情數(shù)，數(shù)組a[m]記錄警情時刻對應的預警值，遍歷a[m]尋找閾值t；
步驟f：將預警值w(t)與閾值t對比，若w(t)>t則預警，否則不預警。
進一步地，所述步驟e中a[m]中的預警值大于閾值t的個數(shù)大于m*80%。
本發(fā)明的有益效果在于：本發(fā)明的計算過程簡潔明了，客觀性強，能及時、準確的提前預測和識別出警與不出警的決定,減少交通擁堵帶來的負面效應，以及造成不必要的警力讓費。
附圖說明
圖1為本發(fā)明一種道路交通警情預測方法的流程圖。
具體實施方式
為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面將結合附圖以及具體實施方式，對本發(fā)明做進一步描述：
如圖1所示，本發(fā)明包含的步驟為：
步驟a：通過在城市交通區(qū)域內放置供應設備，用于實時采集交通指標特征；所述供應設備可以為電子警察、地磁檢測器、交通視頻檢測設備traficon以及射頻檢測器rfid；所述交通指標特征包括車流量、車速以及時間占有率。
步驟b：將當前獲取到的每組交通指標特征與其供應設備所在的道路位置一一對應。
步驟c：構建特征向量，將當前獲取的實時交通指標特征值與數(shù)條歷史交通指標特征值組成一組特征向量：
v(t)=[f(t)s(t)o(t)]
v(t-1)=[f(t-1)s(t-1)o(t-1)]
……
v(t-n)=[f(t-n)s(t-n)o(t-n)]
f(t)表示當前時刻車流量、s(t)表示當前時刻車速、o(t)表示當前時刻時間占有率、v(t-n)表示n分鐘前特征v的值，本實施例中n以3為例；
步驟d：根據(jù)特征向量融合計算出描述該道路位置交通狀態(tài)的預警值：
特征變化量矩陣：
計算預警值：
步驟e：通過歷史預警值與警情數(shù)據(jù)匹配，記錄匹配警情的預警值數(shù)組a[m]，m表示警情數(shù)，數(shù)組a[m]記錄警情時刻對應的預警值，遍歷a[m]尋找閾值t，使得a[m]中的預警值大于閾值t的個數(shù)大于m*80%。
步驟f：將預警值w(t)與閾值t對比，若w(t)>t則預警，否則不預警。
本發(fā)明提供了一種道路交通警情預測方法，本方法適用于道路擁擠的時段，協(xié)助交警快速處理交通事故，通過將預警值w(t)與閾值t對比，確定出該道路的擁擠程度是否需要出警，避免了因事故發(fā)生不能快速處理以及事故不足以達到擁堵狀態(tài)而交警卻出警造成警力資源浪費的問題。
最后應說明的是：以上實施例僅用以說明本發(fā)明的技術方案，而非對其限制；對于本技術領域的普通技術人員來說，其依然可以對前述實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發(fā)明的保護范圍。