本發(fā)明涉及高速公路交通事件檢測領域，具體涉及一種交通事件檢測california算法模型改進方法。

背景技術：

目前，高速公路為人們提供了一個舒適快捷的生活方式，產生了巨大的社會效益和經濟效益。然而日益增長的交通需求量和相對較低的道路通行能力產生了矛盾，導致平均車速下降、交通流量減少，進而導致的交通事件頻發(fā)使高速公路效率降低，運行時間無法估計，嚴重的影響人們的出行，造成了不良的社會影響，日益成為高速公路運營的重要問題，因此為保證高速公路的運行安全和社會公眾出行暢通，需要對高速公路的運行狀態(tài)進行交通事件檢測和應急管理。

由于道路上發(fā)生的交通事故、車輛拋錨、貨物散落等偶然事件引起路段通行能力下降的交通事件存在難預測性，因此需要通過交通事件檢測方法來進行判別。交通事件檢測方法主要包括非自動事件檢測和自動事件檢測。非自動事件檢測就是人通過通訊手段報警或通過攝像頭監(jiān)測到事故發(fā)生，這樣消耗的人力非常大，而且具有滯后性。自動事件檢測是利用圖像處理技術等來檢測交通狀態(tài)的發(fā)生狀況或者利用交通流參數的異常變化來對交通狀態(tài)進行檢測，該種算法快捷方便，及時可靠并且適應性強。因此采用自動事件檢測方法及時、準確地發(fā)現事件，對減少交通延誤，保障道路安全，避免二次事故的發(fā)生具有十分重要的意義。

基于現有的技術，現階段國內外研究的算法主要包括模式識別算法、統計算法、突變理論和人工智能事件檢測算法，模式識別算法大都是在對所選定交通變量之間的關系以及變化規(guī)律進行推導、假設的基礎上構建模型并利用仿真或實際數據進行檢測，此類算法能在一定程度上較好地描述交通流實際運行狀態(tài)，并已成功應用到實際工程中。其中california算法是一種經典的模式識別算法，它作為最早出現的高速公路事件檢測算法用于洛杉磯公路管理控制中心，因該算法具有原理簡單，過程直觀的優(yōu)勢，已經成熟地應用于國內外各種工程實踐中。然而在實際應用中還存在一些問題影響著檢測效果，從算法模型看，檢測過程過于簡單，實際情況復雜時算法的誤報率會上升，影響交通管理者的判斷。

技術實現要素：

有鑒于此，本發(fā)明的目的是提供一種交通事件檢測california算法模型改進方法，該方法針對多種流量環(huán)境和多種路段等復雜情況，采用固定型車檢器收集的交通數據，利用california算法的改進模型對交通事件進行檢測。

本發(fā)明的目的是通過以下技術方案來實現的，一種交通事件檢測california算法模型改進方法，包括

步驟s1.獲取檢測路段上下游檢測器的交通數據，進行數據預處理；

步驟s2.將上下游檢測器占有率之差與閾值k1進行比較，如果所述上下游檢測器占有率之差大于k1繼續(xù)步驟s3，否則轉到步驟s6；

步驟s3.將上下游檢測器占有率之比與閾值k2進行比較，如果所述上下游檢測器占有率之比大于k2繼續(xù)步驟s4，否則轉到步驟s6；

步驟s4.將上下游檢測器占有率之差與下游檢測器占有率之比與閾值k3進行比較，如果所述上下游檢測器占有率之差與下游檢測器占有率之比大于k3繼續(xù)步驟s5，否則轉到步驟s6；

步驟s5.將上游檢測器占有率與流量之比和下游占檢測器有率與流量之比的差值與閾值k4進行比較，如果所述上游檢測器占有率與流量之比和下游占檢測器有率與流量之比的差值小于等于閾值k4轉到步驟s6，否則轉到步驟s7；

步驟s6.將上游車速與閾值kv進行比較，如果所述上游車速大于閾值kv則判別該檢測路段處于非擁堵狀態(tài)，否則繼續(xù)步驟s7；

步驟s7.判斷上一周期該檢測路段的交通狀態(tài)是否為擁堵，是則判別該檢測路段處于擁堵狀態(tài)，否則為非擁堵狀態(tài)。

進一步，所述步驟s1中，對數據進行預處理包括：對原始數據進行故障的分析與判斷，判定其是否為故障數據，并對故障數據進行剔除與修復。

進一步，采用當前路段的實測數據與歷史數據的加權方式得出的值來對所述故障數據進行剔除與修復；

其中，為t時段的數據修復值；x(t-1)為t-1時段的實際檢測值；x'‘(t)為同一時刻前n天的采集數據的歷史均值；α為遺忘因子，α∈[0,1]。

由于采用了上述技術方案，本發(fā)明具有如下的優(yōu)點：

本發(fā)明通過固定檢測器所得到的交通信息，對交通事件檢測california算法模型進行改進，提高了算法檢測率，降低誤報率。

附圖說明

為了使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結合附圖對本發(fā)明作進一步的詳細描述，其中：

圖1為模型改進方法的整體流程圖；

圖2為單一流量下道路處于異常狀態(tài)時上下游交通占有率變化圖；

圖3為單一流量下道路處于異常狀態(tài)時上下游車速變化圖；

圖4為單一流量下道路處于異常狀態(tài)時上下游交通流量變化圖；

圖5為不同流量下道路處于異常狀態(tài)時上下游交通占有率變化圖；

圖6為不同流量下道路處于異常狀態(tài)時上下游車速變化圖；

圖7為不同流量下道路處于異常狀態(tài)時上下游交通流量變化圖。

具體實施方式

以下將結合附圖，對本發(fā)明的優(yōu)選實施例進行詳細的描述；應當理解，優(yōu)選實施例僅為了說明本發(fā)明，而不是為了限制本發(fā)明的保護范圍。

交通事件檢測california算法模型改進方法的流程圖如圖1所示。以下是實施的具體過程：

步驟一、原始數據獲取

(1)獲取檢測路段上下游固定車檢器的交通數據，進行數據預處理?？梢酝ㄟ^高速集團提供的車檢器數據，直接得到檢測斷面在5min內車輛的平均車速、車檢器編碼、行車方向等。高速公路交通數據字段定義如表1所示：

表1：高速公路交通數據字段定義表

(2)獲取固定車檢器數據后需對數據進行一定的預處理，主要是對原始數據進行故障的分析與判斷，判定其是否為故障數據，并對故障數據進行剔除與修復。主要有：

1)對于原始數據進行故障的分析與判斷，判定其是否為故障數據。由于檢測器或傳輸線路出現故障會產生數據失真或數據丟失，車速和占有率同時很高時判斷為失真，流量車速占有率均為0時判斷為丟失。

2)對于故障數據的剔除與補充修復，采用當前路段的實測數據與歷史數據的加權方式得出的值來對故障數據進行補充修復，公式如下：

其中，為t時段的數據修復值；

x(t-1)為t-1時段的實際檢測值；

x′(t)為同一時刻前n天的采集數據的歷史均值；

α為遺忘因子，α∈[0,1]，α取值的大小決定對于歷史的數據依賴程度。

步驟二、上下游檢測器占有率的絕對差判斷

計算上下游檢測器占有率的絕對差，和閾值k1比較，如果超過k1繼續(xù)步驟三，否則轉到步驟六，公式如下：

occdf＝occ(i,t)-occ(i+1,t)≥k1

其中，occ(i,t)為t時刻上游檢測器的占有率；

occ(i+1,t)為t時刻下游檢測器的占有率。

步驟三、上下游占有率之比判斷

計算上下游占有率之比，和閾值k2比較，如果超過k2繼續(xù)步驟四，否則轉到步驟六。

由圖2-4采樣的交通流參數可知，當道路交通狀態(tài)發(fā)生異常時，上下游占有率之差，上下游占有率之差/下游占有率的值會產生明顯的突變，但是由于異常狀態(tài)發(fā)生時上游占有率和上下游占有率之差都會增大，因此此時上下游占有率之差/上游占有率的值不會發(fā)生明顯的變化。當道路交通狀態(tài)發(fā)生異常時，上游占有率會顯著的提高，而下游占有率的變化不是特別的明顯，因此我們可以將原始加州算法對上下游占有率之差/下游占有率的判定規(guī)則修改為如下公式：

其中，occ(i,t)為t時刻上游檢測器的占有率；

occ(i+1,t)為t時刻下游檢測器的占有率。

步驟四、上下游占有率之差與下游占有率之比判斷

計算上下游占有率之差與下游占有率之比，和閾值k3進行比較，如果超過k3繼續(xù)步驟五，否則轉到步驟六，公式如下：

其中，occ(i,t)為t時刻上游檢測器的占有率；

occ(i+1,t)為t時刻下游檢測器的占有率。

步驟五、上游占有率與流量之比和下游占有率與流量之比的差值判斷

計算上游占有率與流量之比和下游占有率與流量之比的差值，和閾值k4進行比較，如果未超過k4轉到步驟六，否則轉到步驟七。

由圖5-7可知，由于交通狀態(tài)發(fā)生異常時，占有率的變化受到流量變化的影響，因此不能單純地從占有率的變化去判斷。為了提高檢測精度，將在判斷規(guī)則中加入占有量與流量的比值進行判斷，具體公式如下：

其中，flow(i,t)為t時刻的上游檢測器的車流量；

flow(i+1,t)為t時刻的下游檢測器的車流量。

步驟六、上游車速判斷

比較上游車速與閾值kv，如果超過kv則判別該檢測路段處于非擁堵狀態(tài)，否則繼續(xù)步驟七。

當道路交通狀態(tài)發(fā)生異常時，上游車速存在明顯的下降趨勢，異常消散時上游車速大副度回升。因此在模型中加入上游車速的判斷環(huán)節(jié)，閾值設置為kv，公式如下：

speed(i,t)≤kv

其中，speed(i,t)為t時刻的上游檢測器的車速

步驟七、重復性檢驗

判斷上一周期該檢測路段的交通狀態(tài)是否為擁堵，是則判別該檢測路段處于擁堵狀態(tài)，否則為非擁堵狀態(tài)。

以上所述僅為本發(fā)明的優(yōu)選實施例，并不用于限制本發(fā)明，顯然，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內，則本發(fā)明也意圖包含這些改動和變型在內。