一種交通影響范圍的預測方法和裝置制造方法
【專利摘要】本發明涉及交通智能管理與控制【技術領域】，公開了一種交通影響范圍的預測方法和裝置。其中，所述交通影響范圍的預測方法包括：獲取交通狀態信息；判斷交通狀態是否發生突變，若是，提取交通狀態突變的當前判定屬性數據；對交通狀態突變的歷史樣本集合按照交通影響范圍進行分類，確定每一類中交通影響范圍數據對應的判定屬性數據的中心值；根據確定的每一類中交通影響范圍數據對應的判定屬性數據的中心值得到當前判定屬性數據對應的交通影響范圍數據，根據交通影響范圍數據預測當前交通影響范圍。采用本發明的交通影響范圍的預測方法，可以提高交通影響范圍預測的準確性。
【專利說明】一種交通影響范圍的預測方法和裝置
【技術領域】
[0001]本發明涉及交通智能管理與控制【技術領域】，尤其涉及一種交通影響范圍的預測方法和裝置。
【背景技術】
[0002]隨著我國機動車保有量的快速增長與基礎設施建設的趨于飽和，城市交通的供需矛盾日益突出，交通流運行的穩定性降低。特別是在早晚高峰時段，交通狀態發生突變會干擾正常交通、引起道路擁擠和延誤、降低道路通行能力。交通狀態突變就是交通流中的某個或某些參數(如交通流量、交通流速度或交通流密度)發生突然變化，具體表現為上游車輛因交通受阻而減速，下游車輛因車輛稀疏而加速；事發車道交通流量減少，相鄰車道因交通流合并而交通流量增多；上游道路時間占有率增多，下游道路的時間占有率減小等等。這種變化往往與交通事件相聯系，反映交通狀態某種質的變化，如車輛故障、交通事故等交通事件引起的車流合并或交通阻塞等。當這種異常現象發生時，在地點上游、下游的一定范圍內將出現交通流的反常狀態，嚴重的甚至會給上游路段帶來大范圍的交通擁堵。交通狀態突變對周邊道路交通的時空影響分析是交通交通管理中非常重要的方面。因此，實時、可靠的交通影響范圍確定，有利于有關部門采取必要的交通管理控制措施，誘導駕駛員選擇行駛路徑，有效降低這一突發情況所造成的影響，是交通控制系統、交通誘導系統、出行者信息服務必不可少的有機組成部分。
[0003]目前，對交通影響范圍的預測方法多基于交通事件，具體的方法包括:首先收集歷史交通事件信息(包括事件類型、時間發生時的天氣狀況、事件影響車道數、是否需要拖掛車輛、是否需要救援車輛、是否涉及大型車輛、事件所處地點背景交通狀態、時間空間影響范圍)，分析歷史交通事件信息，并對歷史交通事件的影響結果進行分類；然后實時檢測交通事件、判斷交通事件的嚴重程度；最后預測交通事件的持續時間、確定交通事件對交通產生的影響。
[0004]由上述現有技術可以看出，現有的交通狀態突變影響分析技術存在以下缺點:交通狀態突變影響分析基于已經發生的交通事件進行檢測，如果交通事件檢測有誤或不及時，分析結果將不可靠。
【發明內容】
[0005]本發明實施例提供一種交通影響范圍的預測方法和裝置，用以提高交通影響范圍預測的準確性。
[0006]本發明所指的交通影響范圍是指交通影響的時間和交通影響的空間。
[0007]本發明實施例提供一種交通影響范圍的預測方法，所述預測方法包括:
[0008]對交通狀態突變的歷史樣本按照交通影響范圍進行分類，確定每一類中交通影響范圍數據對應的判定屬性數據；所述交通狀態突變的歷史樣本中包括判定屬性數據和交通影響范圍數據；[0009]獲取交通狀態信息；
[0010]當交通狀態發生突變時，提取交通狀態突變的當前判定屬性數據；
[0011]對交通狀態突變的歷史樣本集合按照交通影響范圍進行分類，確定每一類中交通影響范圍數據對應的判定屬性數據的中心值；
[0012]根據確定的每一類中交通影響范圍數據對應的判定屬性數據的中心值得到當前判定屬性數據對應的交通影響范圍數據，根據交通影響范圍數據預測當前交通影響范圍。
[0013]在本發明技術方案中，不需要基于已經發生的交通事件即已知事件而預測交通影響范圍，而是根據交通狀態突變的歷史數據，對歷史交通狀態突變的影響范圍進行分類，利用分類模型判定實時交通狀態突變數據的影響結果。因此，可以在未知事件時對交通影響范圍進行預測，避免了交通事件檢測有誤或不及時，提高了預測結果的準確性，并且為短時預測提供了參考。
[0014]所述判定屬性數據包括交通狀態發生突變的時刻，交通狀態發生突變時的交通狀態，交通狀態突變等級，道路等級，車道數和/或天氣狀況。
[0015]優選的，所述對交通狀態突變的歷史樣本集合按照交通影響范圍進行分類，確定每一類中交通影響范圍數據對應的判定屬性數據的中心值，具體包括:
[0016]提取交通狀態突變的歷史樣本集合中的交通影響范圍數據；
[0017]通過聚類分析法對交通影響范圍數據進行聚類，根據交通影響范圍數據所在的歷史樣本將歷史樣本集合分為多類；
[0018]將每一類中的歷史樣本的判定屬性數據進行平均，得到判定屬性數據的中心值。
[0019]優選的，所述交通影響范圍數據包括交通影響時長和交通影響空間；所述提取交通狀態突變的歷史樣本集合中的交通影響范圍數據具體包括:
[0020]根據以下函數關系式確定交通影響時長，所述函數關系式為:
【權利要求】
1.一種交通影響范圍的預測方法，其特征在于，包括: 獲取交通狀態信息； 判斷交通狀態是否發生突變，若是，提取交通狀態突變的當前判定屬性數據； 對交通狀態突變的歷史樣本集合按照交通影響范圍進行分類，確定每一類中交通影響范圍數據對應的判定屬性數據的中心值； 根據確定的每一類中交通影響范圍數據對應的判定屬性數據的中心值得到當前判定屬性數據對應的交通影響范圍數據，根據交通影響范圍數據預測當前交通影響范圍。
2.如權利要求1所述的預測方法，其特征在于，所述判定屬性數據包括交通狀態發生突變的時刻，交通狀態發生突變時的交通狀態，交通狀態突變等級，道路等級，車道數和/或天氣狀況。
3.如權利要求1所述的預測方法，其特征在于，所述對交通狀態突變的歷史樣本集合按照交通影響范圍進行分類，確定每一類中交通影響范圍數據對應的判定屬性數據的中心值，具體包括: 提取交通狀態突變的歷史樣本集合中的交通影響范圍數據； 通過聚類分析法對交通影響范圍數據進行聚類，根據交通影響范圍數據所在的歷史樣本將歷史樣本集合分為多類； 將每一類中的歷史樣本的判定屬性數據進行平均，得到判定屬性數據的中心值。
4.如權利要求3所述的預測方法，其特征在于，所述交通影響范圍數據包括交通影響時長和交通影響空間；所述提取交通狀態突變的歷史樣本集合中的交通影響范圍數據具體包括: 根據以下函數關系式確定交通影響時長，所述函數關系式為: [K^i, <4 I h.丨 1|.,了 ~ X, I >A' /-1 0...n 1 n >4 "t/| ,I — I,，1_卜 ItfIl 其中，t時刻為交通狀態發生突變的時刻，T為時間段，Xt為t時刻的交通流參數，Xt_T為(t-T)時刻的交通流參數，Xt+iT為(t+iT)時刻的交通流參數，Xt+nT為(t+nT)時刻的交通流參數，S:為設定的百分比，nT為交通影響時長； 當交通狀態突變的位點路段的交通流參數與上游路段的交通流參數的相關系數大于設定值時，確定交通影響空間。
5.如權利要求1~4任一項所述的預測方法，其特征在于，還包括: 將所述當前交通影響范圍發布至顯示終端。
6.一種交通影響范圍的預測裝置，其特征在于，包括: 接收模塊，用于接收交通狀態信息； 判斷模塊，用于判斷交通狀態是否發生突變，若是，提取交通狀態突變的當前判定屬性數據；分類模塊，用于對交通狀態突變的歷史樣本集合按照交通影響范圍進行分類，確定每一類中交通影響范圍數據對應的判定屬性數據的中心值； 預測模塊，用于根據確定的每一類中交通影響范圍數據對應的判定屬性數據的中心值得到當前判定屬性數據對應的交通影響范圍數據，根據交通影響范圍數據預測當前交通影響范圍。
7.如權利要求6所述的預測裝置，其特征在于，所述分類模塊包括: 提取模塊，用于提取交通狀態突變的歷史樣本集合中的交通影響范圍數據； 聚類模塊，通過聚類分析法對交通影響范圍數據進行聚類，根據交通影響范圍數據所在的歷史樣本將歷史樣本集合分為多類； 求平均模塊，用于將每一類中所有歷史樣本的判定屬性數據進行平均，得到判定屬性數據的中心值。
8.如權利要求6所述的預測裝置，其特征在于，所述提取模塊包括: 第一確定模塊，用于根據以下函數關系式確定交通影響時長，所述函數關系式為:
9.如權利要求6~8任一項所述的預測裝置，其特征在于，還包括: 發布模塊，用于將所述當前交通影響范圍發布至顯示終端。
【文檔編號】G08G1/01GK103646542SQ201310722987
【公開日】2014年3月19日 申請日期:2013年12月24日 優先權日:2013年12月24日
【發明者】關積珍, 熊娟, 劉靜, 侯曉宇, 吳萌 申請人:北京四通智能交通系統集成有限公司