一種基于區(qū)間聚類的城市道路交叉口運(yùn)行狀態(tài)判別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及城市道路交通精細(xì)化管理與控制領(lǐng)域，具體涉及一種基于區(qū)間聚類的 城市道路交叉口運(yùn)行狀態(tài)判別方法。
【背景技術(shù)】
[0002] 智能化的交通管理與控制已經(jīng)成為緩解城市道路交通擁堵的重要手段，信號(hào)交叉 口作為城市路網(wǎng)的重要節(jié)點(diǎn)，對(duì)其進(jìn)行合理的交通信號(hào)控制是提高城市道路交通管理水 平、提升路網(wǎng)運(yùn)行效率的重要技術(shù)措施。城市道路信號(hào)交叉口交通流運(yùn)行狀態(tài)識(shí)別旨在基 于交通流數(shù)據(jù)分析，真實(shí)、全面地反映信號(hào)交叉口交通流的實(shí)時(shí)運(yùn)行狀態(tài)，從而及時(shí)、準(zhǔn)確 地發(fā)現(xiàn)擁堵交叉口。準(zhǔn)確可靠的交叉口運(yùn)行狀態(tài)識(shí)別為信號(hào)控制配時(shí)策略的制定和配時(shí)參 數(shù)優(yōu)化提供了有效依據(jù)，對(duì)于提升交通信號(hào)控制系統(tǒng)有效性具有重要意義。
[0003] 目前城市道路信號(hào)交叉口交通流運(yùn)行狀態(tài)識(shí)別方法主要是定參數(shù)法和模糊評(píng)價(jià) 法。定參數(shù)法選取一個(gè)或幾個(gè)固定交通流參數(shù)作為評(píng)價(jià)指標(biāo)，基于制定的量化標(biāo)準(zhǔn)來(lái)判別 交叉口運(yùn)行狀態(tài);模糊評(píng)價(jià)法是依據(jù)交叉口交通流運(yùn)行狀態(tài)參數(shù)建立評(píng)判對(duì)象因素集，并 確定交通狀態(tài)對(duì)評(píng)價(jià)集中各狀態(tài)參數(shù)的隸屬度;在此基礎(chǔ)上，結(jié)合各狀態(tài)參數(shù)的權(quán)重，通過(guò) 合理的模糊變換，得出綜合評(píng)判集從而確定信號(hào)交叉口交通狀態(tài)。
[0004] 定參數(shù)法在實(shí)際工程實(shí)際應(yīng)用中，如城市道路交通信號(hào)控制系統(tǒng)（如SC00T、 SCATS、0PAC等)在信號(hào)控制配時(shí)參數(shù)優(yōu)化前通過(guò)檢測(cè)的實(shí)時(shí)數(shù)據(jù)對(duì)交叉口交通流運(yùn)行狀態(tài) 進(jìn)行識(shí)別分析。其中，SCATS系統(tǒng)直接利用飽和度(DS，Degree of Saturation)來(lái)評(píng)價(jià)信號(hào) 交叉口交通飽和狀態(tài)；S⑶0T利用上游交叉口停車線的交通量和"線上飽和占有率"（由 SCOOT系統(tǒng)估算的能通過(guò)交叉口停車線的排隊(duì)車輛的比例）來(lái)估計(jì)交叉口的飽和程度。然 而，使用平均延誤和飽和度閾值判斷城市道路信號(hào)交叉口交通運(yùn)行狀態(tài)具有一定的局限 性，平均延誤雖然能夠較好地反映車輛在信號(hào)控制交叉口受到阻滯的程度，卻無(wú)法同時(shí)反 映車輛在城市道路的空間分布特征;飽和度僅能夠表征信號(hào)交叉口交通供需關(guān)系，無(wú)法確 切衡量道路使用者對(duì)于信號(hào)交叉口交通狀態(tài)的主觀感受，且良好的信號(hào)協(xié)調(diào)控制也會(huì)形成 高飽和度的效果，但這并不意味著交叉口交通擁堵。
[0005] 模糊理論通過(guò)構(gòu)建信號(hào)交叉口交通識(shí)別模型來(lái)更深入地研究城市道路信號(hào)交叉 口交通流運(yùn)行狀態(tài)與狀態(tài)參數(shù)之間的表征關(guān)系。楊兆升等具體公開了構(gòu)建信號(hào)交叉口進(jìn)口 道最大相位飽和度、進(jìn)口道平均最大排隊(duì)長(zhǎng)度比和路段平均車速的隸屬度函數(shù)實(shí)現(xiàn)對(duì)信號(hào) 交叉口交通運(yùn)行狀態(tài)的模糊綜合判別;Li通過(guò)分析交通擁堵狀態(tài)的演變規(guī)律，針對(duì)間斷交 通流交通狀態(tài)識(shí)別問(wèn)題，并應(yīng)用模糊推理方法建立了阻塞度的量化模型；鑒于傳統(tǒng)定參數(shù) 法無(wú)法體現(xiàn)道路使用者對(duì)信號(hào)交叉口服務(wù)感受，Lee通過(guò)構(gòu)建認(rèn)知公式分析模型(Cultural Consensus Analysis)確定道路使用者感受，運(yùn)用模糊聚類方法判別信號(hào)交叉口的服務(wù)水 平;李妲提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的、考慮駕駛員感受的信號(hào)交叉口服務(wù)水平模型，實(shí) 現(xiàn)對(duì)混合交通流下信號(hào)交叉口的服務(wù)水平的評(píng)價(jià)。盡管基于模糊理論的信號(hào)交叉口交通運(yùn) 行狀態(tài)判別方法雖然能夠描述交通狀態(tài)的模糊信息，但其判定結(jié)果的準(zhǔn)確性很大程度上受 到隸屬函數(shù)及因素權(quán)重的影響，然而這些確定方法帶有很強(qiáng)的主觀和經(jīng)驗(yàn)性。
[0006] 聚類分析是數(shù)據(jù)挖掘的重要技術(shù)之一，其將樣本劃分為不同的類別，并捕捉不同 類別樣本的差異性。其中，K均值聚類分析作為目前最常用的劃分聚類分析方法，該方法計(jì) 算簡(jiǎn)單、適用性強(qiáng)，同時(shí)能夠在不斷迭代過(guò)程中糾正聚類錯(cuò)分，從而生成較為合理的聚類結(jié) 果，目前已廣泛應(yīng)用于高速公路、城市道路路段交通狀態(tài)識(shí)別方面，它能夠反映出交通狀態(tài) 參數(shù)在同一交通狀態(tài)下的相似特性以及不同狀態(tài)下交通狀態(tài)參數(shù)之間的轉(zhuǎn)換特征。但現(xiàn)有 采用研究時(shí)段(15分鐘）內(nèi)交通參數(shù)均值的方法無(wú)法表征交通流運(yùn)行狀態(tài)的不確定性。

【發(fā)明內(nèi)容】

[0007] 發(fā)明目的:針對(duì)城市道路信號(hào)交叉口交通流受到信號(hào)控制以及相交道路交通流干 擾，使得交通流運(yùn)行狀態(tài)表現(xiàn)出一定的不確定性，因此現(xiàn)有方法僅僅采用狀態(tài)參數(shù)均值無(wú) 法確切表征交叉口交通流運(yùn)行狀態(tài)。本發(fā)明提出了一種基于區(qū)間聚類的城市道路交叉口運(yùn) 行狀態(tài)判別方法。該方法以城市道路信號(hào)交叉口為研究對(duì)象，以飽和度、延誤和排隊(duì)長(zhǎng)度作 為信號(hào)交叉口狀態(tài)參數(shù)，以狀態(tài)參數(shù)均值和區(qū)間值作為輸入數(shù)據(jù)，在傳統(tǒng)K均值聚類方法的 基礎(chǔ)上，實(shí)現(xiàn)了區(qū)間數(shù)據(jù)的聚類分析，構(gòu)建了基于多狀態(tài)參數(shù)區(qū)間值的城市道路信號(hào)交叉 口交通流運(yùn)行狀態(tài)識(shí)別方法。
[0008] 技術(shù)方案:為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0009] -種基于區(qū)間聚類的城市道路交叉口運(yùn)行狀態(tài)判別方法，包括如下步驟：
[0010] 步驟1，根據(jù)交叉口交通流參數(shù)的不確定性，選取延誤、排隊(duì)長(zhǎng)度以及飽和度三參 數(shù)作為交叉口交通狀態(tài)判別指標(biāo)。
[0011] 步驟2,根據(jù)美國(guó)道路通行能力手冊(cè)中城市道路信號(hào)交叉口交通流運(yùn)行狀態(tài)參數(shù) 均值估計(jì)的解析方法對(duì)步驟1中選取的延誤、排隊(duì)長(zhǎng)度以及飽和度三參數(shù)進(jìn)行均值估計(jì)。
[0012] 步驟3,根據(jù)交叉口車輛的延誤和排隊(duì)長(zhǎng)度均服從正態(tài)分布的特點(diǎn)，對(duì)步驟2得到 的延誤和排隊(duì)長(zhǎng)度求其在l-α置信水平下的置信區(qū)間。
[0013] 步驟4,對(duì)步驟3得到的延誤和排隊(duì)長(zhǎng)度的置信區(qū)間進(jìn)行Κ均值聚類分析。
[0014] 步驟5,根據(jù)步驟2得到飽和度和步驟4對(duì)延誤和排隊(duì)長(zhǎng)度的置信區(qū)間進(jìn)行Κ均值聚 類分析的結(jié)果判別交叉口運(yùn)行狀態(tài)。
[0015] 所述步驟1)中，
[0016] 飽和度是車道組交通需求和通行能力之間的比值；
[0017] 延誤包括均勻延誤和增量延誤兩個(gè)分量，其中均勻延誤為延誤的期望值，增量延 誤可基于飽和度的不同取值表征不同的意義；
[0018] 步驟2中延誤的均值是均勻延誤分量乘以信號(hào)協(xié)調(diào)修正系數(shù)與增量延誤分量之 和，延誤的方差是為均勾延誤分量和增量延誤分量?jī)深惙至糠讲钪停?br>[0019] 平均排隊(duì)長(zhǎng)度包括第一類排隊(duì)長(zhǎng)度和第二類排隊(duì)長(zhǎng)度兩個(gè)分量，其中，第一類排 隊(duì)長(zhǎng)度表示在車輛均勻到達(dá)假設(shè)下，紅燈結(jié)束時(shí)刻車輛的平均排隊(duì)長(zhǎng)度;第二類排隊(duì)長(zhǎng)度 亦可基于飽和度的不同取值表征不同的意義，在飽和度小于1時(shí)，其表示為由于部分周期過(guò) 飽和產(chǎn)生的過(guò)飽和排隊(duì)的期望，在飽和度大于1時(shí)，其表示為確定的過(guò)飽和排隊(duì)和隨機(jī)排隊(duì) 之和的期望;排隊(duì)長(zhǎng)度的均值是第一類排隊(duì)長(zhǎng)度乘以信號(hào)協(xié)調(diào)修正系數(shù)與第二類排隊(duì)長(zhǎng)度 之和，排隊(duì)長(zhǎng)度的方差可以表示為兩類排隊(duì)長(zhǎng)度方差之和。
[0020]所述步驟3中交叉口車輛的延誤和排隊(duì)長(zhǎng)度服從正態(tài)分布：
[0023] 其中，d表示車輛延誤，N表示正態(tài)分布，3表示車輛延誤均值估計(jì)值，Var(d)表示 延誤的方差，Q表示車輛排隊(duì)長(zhǎng)度，&表示車輛排隊(duì)的均值估計(jì)值，Var(Q)表示排隊(duì)長(zhǎng)度的 方差；
[0024]所述步驟3中延誤和排隊(duì)長(zhǎng)度求其在l-α置信水平下的置信區(qū)間：
[0027]其中，Ζα/2為正態(tài)分布分位點(diǎn)。
[0028]所述步驟4中對(duì)延誤和排隊(duì)長(zhǎng)度的置信區(qū)間進(jìn)行Κ均值聚類分析的方法：
[0029]步驟41，進(jìn)行區(qū)間數(shù)據(jù)標(biāo)準(zhǔn)化，采用Hausdorff距離分別對(duì)延誤和排隊(duì)長(zhǎng)度的置信 區(qū)間數(shù)據(jù)距離度量，根據(jù)中心化法對(duì)這兩個(gè)數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化。
[0030]步驟42,根據(jù)聚類類別數(shù)目，在標(biāo)準(zhǔn)化后的數(shù)據(jù)中隨機(jī)選取K個(gè)初始聚類中心Ck (=1，2,…，K)〇
[0031 ]步驟43，計(jì)算區(qū)間數(shù)據(jù)對(duì)象Mj ( = 1，2，…，Κ)與各聚類中心Ck( = 1，2，…，Κ)之間的 距離，若對(duì)象吣與聚類中心匕之間的距離最小，那么將該對(duì)象歸為聚類Pi類。
[0032]步驟44,根據(jù)步驟43得到的歸類結(jié)果計(jì)算目標(biāo)函數(shù)J，若J值收斂則聚類結(jié)束，當(dāng)前 類別即為最終的分類類別，轉(zhuǎn)入步驟5);否則，重新計(jì)算聚類中心，轉(zhuǎn)入步驟43)。
[0033] 所述步驟41中的Hausdorff距離度量公式為：
[0035] U= (ui，U2,…，un)T= ([ai，bi]，[a2，b2]，…，[an，bn] )τ;
[0036] V= (vi，V2, ···，Vn)T= ([αι,βι]，[α2，β2]，…，[αη，βη] )τ，
[0037] 其中，dH表示Hausdorff距離，U和V分別表示兩個(gè)η維區(qū)間向量，c(m)、c(Vi)分別表 示區(qū)間數(shù)據(jù)udPVl的中點(diǎn)，描述了區(qū)間數(shù)據(jù)的集中位置;r(m)、r(Vl)分別表示區(qū)間數(shù)據(jù)m和 Vl的半徑，主要反