一種交通異常路段概率識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于智能交通領(lǐng)域，具體涉及一種基于微波數(shù)據(jù)的實(shí)時(shí)道路交通異常狀況 的評(píng)估方法，用于引導(dǎo)交通管理者通過(guò)視頻監(jiān)控等手段主動(dòng)核查異常路段的真實(shí)交通狀 況。
【背景技術(shù)】
[0002] 隨著我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)和城鎮(zhèn)化進(jìn)程的不斷推進(jìn)，機(jī)動(dòng)車(chē)保有量迅速增長(zhǎng)，出 行需求不斷增加，導(dǎo)致基礎(chǔ)設(shè)施建設(shè)跟不上交通需求量的增加，給交通管理者造成很大的 困擾。交管部門(mén)針對(duì)常發(fā)性交通瓶頸會(huì)酌情考慮配置警力疏導(dǎo)交通，針對(duì)道路施工、惡劣天 氣、交通事故等不可控原因造成的偶發(fā)性道路擁堵情況，需通過(guò)人工巡查各個(gè)路口的視頻 監(jiān)控點(diǎn)確定道路交通狀況，以進(jìn)一步?jīng)Q定是否增派警力消除擁堵因素保持道路暢通，人工 視頻巡查工作量大，且需要耗費(fèi)交管部門(mén)大量精力。從偶發(fā)因素導(dǎo)致道路擁堵開(kāi)始到交通 管理者發(fā)現(xiàn)警情并派遣警力疏導(dǎo)交通需經(jīng)歷一段不確定的時(shí)間，因偶發(fā)性擁堵所帶來(lái)的損 失已無(wú)法避免。微波傳感器可實(shí)時(shí)、全天候檢測(cè)所在路段信息，但目前以微波傳感器為數(shù)據(jù) 源的道路異常狀況主動(dòng)識(shí)別方法較少，不利于提高交管部門(mén)指揮效率。
[0003] 本方法相比專(zhuān)利201410282898. 6提出的"一種基于微波數(shù)據(jù)的異常擁堵點(diǎn)判別 方法"具有明顯的技術(shù)優(yōu)勢(shì)，該專(zhuān)利通過(guò)選取固定閾值將交通擁堵?tīng)顩r直接離散化為擁堵 和不擁堵兩種類(lèi)型，然后根據(jù)當(dāng)前擁堵情況和歷史擁堵概率之間的差異評(píng)估異常程度。該 專(zhuān)利的離散化過(guò)程對(duì)問(wèn)題的刻畫(huà)過(guò)于絕對(duì)，例如：若15km/小時(shí)以下的流速意味著擁堵，那 么15. 2km/小時(shí)的流速實(shí)際上并不意味著暢通。本專(zhuān)利不采用離散化過(guò)程，而是基于每條 路段的微波數(shù)據(jù)分別建立車(chē)速和流量概率密度模型，通過(guò)定義道路的車(chē)速異常指數(shù)和流量 異常指數(shù)反應(yīng)當(dāng)前路段的路況，最終依據(jù)道路異常指數(shù)進(jìn)行排序，其實(shí)際運(yùn)行效果更佳；專(zhuān) 利201210438795. 5提出"基于基本交通流參數(shù)的道路擁堵?tīng)顟B(tài)自動(dòng)判別方法"將車(chē)速、流 量、占有率作為交通狀態(tài)判定的依據(jù)，最終將交通狀態(tài)分為暢通、擁擠和堵塞三種狀態(tài)，本 方法重點(diǎn)關(guān)注道路異常情況而非擁堵情況，雖然使用的數(shù)據(jù)相同，但解決的問(wèn)題不同。

【發(fā)明內(nèi)容】

[0004] 為了克服已有道路異常路段識(shí)別方法的可靠性較差、自適應(yīng)性較低的不足，本發(fā) 明提供了一種可靠性良好、自適應(yīng)性較高的交通異常路段概率識(shí)別方法。
[0005] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：
[0006] 一種交通異常路段概率識(shí)別方法，包括以下步驟：
[0007] 步驟1 :清洗車(chē)速、流量數(shù)據(jù)后融合抽樣數(shù)據(jù)構(gòu)成樣本空間
[0008] 預(yù)設(shè)流量的先驗(yàn)閾值和車(chē)速的先驗(yàn)閾值，清洗、過(guò)濾掉閾值范圍以外的錯(cuò)誤數(shù)據(jù)， 將全天24小時(shí)劃分為設(shè)定時(shí)間段的時(shí)間槽，以當(dāng)前實(shí)時(shí)數(shù)據(jù)所在的時(shí)間槽為依據(jù)，從數(shù)據(jù) 庫(kù)中抽樣選取鄰近天數(shù)的同一時(shí)間槽內(nèi)的車(chē)速和流量數(shù)據(jù)，同時(shí)抽樣選取鄰近天數(shù)的相鄰 設(shè)定時(shí)間段時(shí)間槽內(nèi)的車(chē)速和流量數(shù)據(jù)，組成各個(gè)微波點(diǎn)的樣本空間；
[0009] 步驟2 :車(chē)速、流量數(shù)據(jù)源正態(tài)性檢驗(yàn)
[0010] 先驗(yàn)證數(shù)據(jù)源是否符合正態(tài)分布，偏度系數(shù)描述一個(gè)分布偏離正態(tài)分布的程度， 峰度系數(shù)反映了分布曲線相比正態(tài)分布在頂端高聳或扁平程度的不同，分別計(jì)算微波點(diǎn)在 各自樣本空間內(nèi)的偏度系數(shù)和峰度系數(shù)，根據(jù)系數(shù)大小判定當(dāng)前微波點(diǎn)數(shù)據(jù)是否符合正態(tài) 分布；
[0011] 步驟3 :計(jì)算各微波點(diǎn)車(chē)速、流量的均值和方差
[0012] 經(jīng)過(guò)數(shù)據(jù)清洗后的（X1, X2，…，Xn)構(gòu)成微波點(diǎn)X關(guān)于車(chē)速或流量的一個(gè)樣本空間， 由η個(gè)樣本點(diǎn)組成，其中
【主權(quán)項(xiàng)】
1. 一種交通異常路段概率識(shí)別方法，其特征在于：包括以下步驟： 步驟1 :清洗車(chē)速、流量數(shù)據(jù)后融合抽樣數(shù)據(jù)構(gòu)成樣本空間 預(yù)設(shè)流量的先驗(yàn)閾值和車(chē)速的先驗(yàn)閾值，清洗、過(guò)濾掉閾值范圍以外的錯(cuò)誤數(shù)據(jù)，將全 天24小時(shí)劃分為設(shè)定時(shí)間段的時(shí)間槽，以當(dāng)前實(shí)時(shí)數(shù)據(jù)所在的時(shí)間槽為依據(jù)，從數(shù)據(jù)庫(kù)中 抽樣選取鄰近天數(shù)的同一時(shí)間槽內(nèi)的車(chē)速和流量數(shù)據(jù)，同時(shí)抽樣選取鄰近天數(shù)的相鄰設(shè)定 時(shí)間段時(shí)間槽內(nèi)的車(chē)速和流量數(shù)據(jù)，組成各個(gè)微波點(diǎn)的樣本空間； 步驟2 :車(chē)速、流量數(shù)據(jù)源正態(tài)性檢驗(yàn) 先驗(yàn)證數(shù)據(jù)源是否符合正態(tài)分布，偏度系數(shù)描述一個(gè)分布偏離正態(tài)分布的程度，峰度 系數(shù)反映了分布曲線相比正態(tài)分布在頂端高聳或扁平程度的不同，分別計(jì)算微波點(diǎn)在各自 樣本空間內(nèi)的偏度系數(shù)和峰度系數(shù)，根據(jù)系數(shù)大小判定當(dāng)前微波點(diǎn)數(shù)據(jù)是否符合正態(tài)分 布； 步驟3 :計(jì)算各微波點(diǎn)車(chē)速、流量的均值和方差 經(jīng)過(guò)數(shù)據(jù)清洗后的（X1, X2, ...，Xn)構(gòu)成微波點(diǎn)X關(guān)于車(chē)速或流量的一個(gè)樣本空間，由 η個(gè)樣本點(diǎn)組成，其中F =丄Σ二牟計(jì)算出樣本均值，& 無(wú))2為樣本方差， η η-? 令總體期望A =無(wú)，總體方差σ 2= S 2; 步驟4 :將數(shù)據(jù)源線性變換為關(guān)于車(chē)速、流量的標(biāo)準(zhǔn)正態(tài)分布 Xl、X2分別為微波點(diǎn)實(shí)時(shí)車(chē)速和流量，μ i、O1為根據(jù)相應(yīng)微波點(diǎn)近期車(chē)速數(shù)據(jù)計(jì)算出 的期望和方差，μ2、σ2為根據(jù)相應(yīng)微波點(diǎn)近期流量數(shù)據(jù)計(jì)算出的期望和方差，則該微波點(diǎn) 的近期車(chē)速數(shù)據(jù)X1服從μ i、<的正態(tài)分布，即；,該微波點(diǎn)的近期流量數(shù)據(jù)X2 服從μ 2、<的正態(tài)分布，即％ 通過(guò)h = 的線性變換，可以分別將車(chē)速和 流量的一般正態(tài)分布變換為標(biāo)準(zhǔn)正態(tài)分布，即車(chē)速符合Λ = ~ ，此時(shí)Y1是標(biāo)準(zhǔn) uI 正態(tài)分布下的車(chē)速，流量符合K = ~ /V(()，D，此時(shí)y2是標(biāo)準(zhǔn)正態(tài)分布下的流量，各個(gè) 微波點(diǎn)由符合各自的正態(tài)分布線性變換為符合標(biāo)準(zhǔn)正態(tài)分布，線性變換后各個(gè)微波點(diǎn)的概 率密度函數(shù)相同，均被統(tǒng)一在同一尺度空間下； 步驟5 :車(chē)速異常指數(shù)和流量異常指數(shù)的計(jì)算， 道路綜合異常指數(shù)為： D = Dv+Df 定義車(chē)速異常指數(shù)化為： Dv=-^il-(ZKyl)) av + af Dv的取值范圍為[0，1]，車(chē)速異常指數(shù)越大說(shuō)明當(dāng)前微波點(diǎn)的車(chē)速越異常，α v為車(chē)速 的偏度系數(shù)和峰度系數(shù)的絕對(duì)值之和，α {為流量的偏度系數(shù)和峰度系數(shù)的絕對(duì)值之和，其 中，Φ (Y1)為標(biāo)準(zhǔn)正態(tài)分布下車(chē)速71的異常概率，
Y1為標(biāo)準(zhǔn)正態(tài)分布下的牛遝，〖-00，y ^刀牛遝積，刀、121丨日」，h刀牛遝積，刀、父星，at i為車(chē) 速積分單元； 定義流量異常指數(shù)化為： ?/ = ^^Φ(ν2) av + af Df的取值范圍為[0, 1]，流量異常指數(shù)越大說(shuō)明當(dāng)前微波點(diǎn)的流量突增，有可能出現(xiàn)異 常事件，其中，Φ (y2)為標(biāo)準(zhǔn)正態(tài)分布下流量72的異常概率，
y2為標(biāo)準(zhǔn)正態(tài)分布下的流量，（-00，y 2)為流量積分區(qū)間，t2為流量積分變量，dt 2為流 量積分單元； 步驟6 :異常指數(shù)降序排列輸出預(yù)警 遍歷計(jì)算全路網(wǎng)中所有微波點(diǎn)當(dāng)前時(shí)間槽內(nèi)的道路異常指數(shù)D，對(duì)計(jì)算出的異常指數(shù) 結(jié)果按照從大到小排列，輸出前K個(gè)最異常的路段預(yù)警。
2.如權(quán)利要求1所述的一種交通異常路段概率識(shí)別方法，其特征在于：所述步驟5) 中，線性變換后的微波點(diǎn)車(chē)速Y1、流量y2數(shù)據(jù)均符合標(biāo)準(zhǔn)正態(tài)分布，線性變換后標(biāo)準(zhǔn)正態(tài) X _ U 分布下的車(chē)速A 反映當(dāng)前微波點(diǎn)車(chē)速X1與平均車(chē)速即期望μ i的偏離程度，線 uI 性變換后的概率密度函數(shù)相同，即為:;由標(biāo)準(zhǔn)正態(tài)分布的概率密度函數(shù) 可知，微波點(diǎn)車(chē)速Y1越小于均值μ i，微波點(diǎn)車(chē)速Y1的分布函數(shù)^Cvl) = 纟)斗越?。痪€ -OC 性變換后標(biāo)準(zhǔn)正態(tài)分布下的流量.反映當(dāng)前微波點(diǎn)流量X2與平均流量即期望 μ2的偏離程度，線性變換后的概率密度相同，即為= 由標(biāo)準(zhǔn)正態(tài)分布的 概率密度函數(shù)可知，微波點(diǎn)流量y2越大于均值μ 2，標(biāo)準(zhǔn)正態(tài)分布下流量^的分布函數(shù) 辦)·2) = f 越大。 -OO
【專(zhuān)利摘要】一種交通異常路段概率識(shí)別方法，包括以下步驟：步驟1：清洗車(chē)速、流量數(shù)據(jù)后融合抽樣數(shù)據(jù)構(gòu)成樣本空間；步驟2：車(chē)速、流量數(shù)據(jù)源正態(tài)性檢驗(yàn)；步驟3：計(jì)算各微波點(diǎn)車(chē)速、流量的均值和方差；步驟5：車(chē)速異常指數(shù)和流量異常指數(shù)計(jì)算，步驟6：異常指數(shù)降序排列輸出預(yù)警，遍歷計(jì)算全路網(wǎng)中所有微波點(diǎn)當(dāng)前時(shí)間槽內(nèi)的道路異常指數(shù)D，對(duì)計(jì)算出的異常指數(shù)結(jié)果按照從大到小排列，輸出前K個(gè)最異常的路段預(yù)警。本發(fā)明提供了一種可靠性良好、自適應(yīng)性較高的交通異常路段概率識(shí)別方法。
【IPC分類(lèi)】G08G1-01
【公開(kāi)號(hào)】CN104732762
【申請(qǐng)?zhí)枴緾N201510077183
【發(fā)明人】王浩, 李建元, 趙貝貝, 張麒, 李芳 , 顧超
【申請(qǐng)人】銀江股份有限公司
【公開(kāi)日】2015年6月24日
【申請(qǐng)日】2015年4月21日