一種基于多源數據的路段交通狀態判別方法
【專利摘要】本發明公開了一種基于多源數據的路段交通狀態判別方法，以固定檢測器、浮動車兩類方式采集交通參數值為數據源；選取多個時段的歷史交通參數值和歷史交通狀態等級構建樣本數據庫，計算路段交通暢通時段的固定檢測器平均速度調整參數、各時段的路段歷史空間平均速度；再訓練得到支持向量機模型；并分別采用直接判斷法、K近鄰非參數回歸法和數據狀態關聯分析法得到當前時段的路段空間平均速度；采用直接判斷法以及支持向量機模型判別當前時段的路段交通狀態等級。本發明以固定檢測器和浮動車為數據源，在充分考慮數據特點和適用性的前提下，進行充分挖掘和互補利用，進一步提高路段交通狀態判別精度。
【專利說明】一種基于多源數據的路段交通狀態判別方法
【技術領域】
[0001] 本發明涉及一種基于固定檢測器和浮動車兩類數據源的路段交通狀態判別方法， 尤其涉及一種基于多源數據的路段交通狀態判別方法，屬于道路實時交通信息處理與應用
【技術領域】。
【背景技術】
[0002] 快速、準確識別路段交通狀態有助于制定合理的路網交通控制和誘導策略；目前， 主要通過各類檢測器采集交通流參數，在此基礎上計算路段交通狀態。
[0003] 發明專利CN103021176A提出一種基于斷面檢測器的城市道路交通狀態判別方 法，采用路段上某一個檢測斷面的交通流參數計算擁堵指數，并通過與閾值的比較得到交 通狀態；該發明僅采用了固定檢測器數據，但是，在一般情況下，布設在路段上的固定檢測 器數量有限（通常為1-2組），據此計算的結果只能反映路段有限范圍內的交通狀態，很難 準確判斷出全路段的交通狀態。
[0004] 發明專利CN102087789A、CN103942953A提出基于浮動車數據判別交通狀態的方 法；該發明中僅采用了浮動車數據，由于浮動車在路網上的分布具有不均衡性，當路段上的 浮動車樣本數較低或衛星信號受到路側高大建筑物、隧道等基礎設施遮擋時，則很難通過 浮動車數據判別路段的交通狀態。
[0005] 固定檢測器和浮動車采集到的數據有其各自不同的特點和適用性，文獻《基于影 響因素分類的路段行程時間融合研宄》（公路交通科技，2010年第27卷第4期）中指出，在 路段暢通的情況下，利用固定檢測器數據計算的結果能較好的表征路段交通狀態，而在路 段擁堵的情況下，利用浮動車數據計算的結果能較好的表征路段交通狀態。
[0006] 目前，隨著智能交通系統的廣泛部署與深入應用，同一路段往往存在固定檢測器 和浮動車兩種采集手段，若能在充分考慮數據特點和適用性的前提下，對不同數據源進行 充分挖掘和互補利用，將有助于進一步提高路段交通狀態判別精度。
【發明內容】
[0007] 為解決現有技術的不足，本發明提供一種基于多源數據的路段交通狀態判別方 法。
[0008] 本發明所采用的技術方案為：
[0009] 一種基于多源數據的路段交通狀態判別方法，其特征在于，包括以下步驟：
[0010] (1)以固定檢測器、浮動車兩類方式分別采集的交通參數值為數據源，選取多個時 段的歷史交通參數值和歷史交通狀態等級構建樣本數據庫，所述的歷史交通參數值包括： 固定檢測器采集的車輛平均速度A、大車數量比例、大車平均速度、小車數量比例、小車平 均速度、浮動車采集的平均速度W和浮動車樣本量n，將交通狀態等級定義為c，且所述的 歷史交通狀態等級包括：完全暢通c= 1、基本暢通c= 2、基本擁堵c= 3、完全擁堵c= 4,最后計算樣本數據庫中各時段的浮動車樣本量是否滿足最小樣本量要求，用參數r表示 浮動車樣本量的可靠度，當η滿足最小樣本量要求時，r= 1，表示浮動車樣本量可靠，當η 不能滿足最小樣本量要求時，r= 0,表示浮動車樣本量不可靠；
[0011] (2)基于數據一狀態關聯性，計算樣本數據庫中路段交通暢通時段的固定檢測器 平均速度調整參數；
[0012] (3)采用數據一狀態關聯分析法，計算樣本數據庫中各時段的路段的歷史空間平 均速度:
[0013] (4)以各時段歷史空間平均速度7為輸入，對應時段的交通狀態等級為輸出，訓 練得到支持向量機模型；
[0014] (5)基于當前時段所述固定檢測器、浮動車兩類方式采集的實時數據，并根據數據 取值特點分別采用直接判斷法、K近鄰非參數回歸法和數據狀態關聯分析法得到當前時段 的路段空間平均速度；
[0015] (6)根據步驟（5)得到的當前時段的路段空間平均速度以及步驟（4)得到的支 持向量機模型，采用直接判斷法或所述的支持向量機模型判別當前時段的路段交通狀態等 級。
[0016] 進一步，步驟（1)所述的固定檢測器為微波檢測器、視頻檢測器、線圈檢測器中的 任一種。
[0017] 所述的浮動車為GPS浮動車、北斗浮動車、車載移動通信終端中的任一種。
[0018] 更進一步，步驟（2)所述的固定檢測器平均速度調整參數的具體計算方法為：根 據樣本數據庫中的大車數量比例、小車數量比例以及大車平均速度和小車平均速度的分 布，計算暢通時段的浮動車平均速度調整值，并與對應時段內固定檢測器采集的車輛平均 速度進行曲線擬合計算得出固定檢測器平均速度調整參數。
[0019] 而步驟（3)所述的數據一狀態關聯分析法是通過計算樣本數據庫中r= 1且交通 狀態等級c多3的時段的浮動車平均速度最大值巧(_x)，在此基礎上計算得出所述樣本數 據庫中處于各時段的路段歷史空間平均速度V。
[0020] 此外，獲取當前時段的固定檢測器采集的車輛平均速度和浮動車采集的平均速 度^ ,若巧=G，?ν=Q，則結合固定檢測器采集的占有率〇,采用直接判斷法得到步驟（5) 所述的當前時段的路段空間平均速度，具體步驟為：
[0021] ①若O= 0,則取當前時段的路段空間平均速度為限速值；
[0022] ②若〇辛0,則取當前時段的路段空間平均速度為0。
[0023] 或者，獲取當前時段的固定檢測器采集的車輛平均速度17、和浮動車采集的平均速 度I，若巧#0，心=0,則采用K近鄰非參數回歸法得到步驟（5)所述的當前時段的路段 空間平均速度，具體步驟為：
[0024] ①選取當前時段的固定檢測器采集的車輛平均速度與前一時段的空間平均速度 組成狀態向量；
[0025] ②計算狀態向量的歐氏距離，選擇k個歐氏距離最小的近鄰的空間平均速度；
[0026] ③通過加權計算方法得到當前時段的路段空間平均速度。
[0027] 又或者，獲取當前時段的固定檢測器采集的車輛平均速度R和浮動車采集的平均 速度1，若巧#〇; 士#〇7則采用數據一狀態關聯分析法得到步驟（5)所述的當前時段 的路段空間平均速度。
[0028] 而獲取當前時段的固定檢測器采集的車輛平均速度1Λ和浮動車采集的平均速度 若K=0，，則采用直接判斷法得到步驟（6)所述的交通狀態等級，具體步驟 為：
[0029] ①若路段空間平均速度為限速值，則交通狀態等級為c= 1，路段完全暢通；
[0030] ②若路段空間平均速度為0,則交通狀態等級為c= 4,路段完全擁堵；
[0031] 若17、矣()，&=()，或?;/Μ，則采用支持向量機模型得到步驟（6)所述的 交通狀態等級，具體步驟為：將路段空間平均速度輸入步驟（4)中得到的支持向量機模型， 直接輸出路段交通狀態等級。
[0032] 本發明的有益效果在于：針對單一數據源無法有效識別路段交通狀態的缺陷，以 固定檢測器和浮動車采集的數據為數據源，在充分考慮數據特點和適用性的前提下，對不 同數據源進行充分挖掘和互補利用，從而進一步提高路段交通狀態判別精度。
【專利附圖】
【附圖說明】：
[0033] 圖1為本發明的總體實施流程圖；
[0034] 圖2為本發明固定檢測器速度調整參數計算流程圖；
[0035] 圖3為本發明樣本數據庫路段空間平均速度估計流程圖；
【具體實施方式】：
[0036] 下面結合附圖對本發明做具體的介紹。
[0037] 一種基于多源數據的路段交通狀態判別方法，包括以下步驟：
[0038] (1)以固定檢測器、浮動車兩類方式分別采集的交通參數值為數據源，選取多個時 段的歷史交通參數值和歷史交通狀態等級構建樣本數據庫，所述的歷史交通參數值包括： 固定檢測器采集的車輛平均速度^、大車數量比例、大車平均速度、小車數量比例、小車平 均速度、浮動車采集的平均速度士和浮動車樣本量n，將交通狀態等級定義為c，且所述的 歷史交通狀態等級包括：完全暢通c= 1、基本暢通c= 2、基本擁堵c= 3、完全擁堵c= 4,最后計算樣本數據庫中各時段的浮動車樣本量是否滿足最小樣本量要求，用參數r表示 浮動車樣本量的可靠度，當η滿足最小樣本量要求時，r= 1，表示浮動車樣本量可靠，當η 不能滿足最小樣本量要求時，r= 0,表示浮動車樣本量不可靠；
[0039] (2)基于數據一狀態關聯性，計算樣本數據庫中路段交通暢通時段的固定檢測器 平均速度調整參數；
[0040] (3)采用數據一狀態關聯分析法，計算樣本數據庫中各時段的路段的歷史空間平 均速度;
[0041] (4)以各時段歷史空間平均速度為輸入，對應時段的交通狀態等級為輸出，訓練 得到支持向量機模型；
[0042] (5)基于當前時段所述固定檢測器、浮動車兩類方式采集的實時數據，并根據數據 取值特點分別采用直接判斷法、K近鄰非參數回歸法和數據狀態關聯分析法得到當前時段 的路段空間平均速度；
[0043] (6)根據步驟（5)得到的當前時段的路段空間平均速度以及步驟（4)得到的支 持向量機模型，采用直接判斷法或所述的支持向量機模型判別當前時段的路段交通狀態等 級。
[0044]一、上述步驟（1)中，為充分挖掘和互補利用不同數據源，首先采用數據一狀態關 聯分析法分析固定檢測器和浮動車采集到的平均速度在不同交通狀態下與路段空間平均 速度的關系：
[0045] (1)記固定檢測器、浮動車未采集到數據時的檢測值為0,則在設備和數據傳輸均 正常的情況下，路段在一個時段內采集到的數據分為三種情況：①固定檢測器和浮動車的 檢測值均為〇,②固定檢測器的檢測值為非〇,而浮動車的檢測值為〇,③固定檢測器和浮動 車的檢測值均為非0 ;第一種情況意味著路段上或者沒有車輛，或者完全堵塞；后兩種情況 則無法直接判斷道路擁堵情況；
[0046] (2)固定檢測器采集的是全樣本的路段斷面速度平均值，只能反應其周邊有限范 圍內的道路交通狀態，當交通擁堵時，固定檢測器采集的車輛平均速度「、與路段空間平均 速度V會產生較大差異，差異程度與擁堵大小有關，因而▽不易估計；而當交通暢通時，Fs 與7仍會有一定差異，這種差異主要受路段上固定點（如分合流處和交叉口處）的車輛交 織或交通管控影響而產生，差異程度可以估計，此時需要通過數據擬合方法計算R的調整 參數，進而對I進行調整；
[0047] (3)浮動車采集的是部分樣本的路段行程速度平均值，當浮動車樣本可靠性較高 且交通擁堵時，車輛行駛自由度降低，道路上所有車輛行駛速度相當，浮動車采集的平均速 度^可以較好的表征路段空間平均速度h當浮動車樣本可靠性較高且交通暢通時，&與 i有一定的差異，這主要是由于浮動車車輛構成（在城市道路上通常為出租車，在公路網上 通常為"兩客一危"車輛）與全樣本車輛構成（正常情況下既包含大車，也包含小車）不同 引起的，差異程度可以估計，此時需要通過大小車輛的構成比例和車速分布對^進行調整； 而當浮動車可靠性較低時，I與V關聯性通常較差；
[0048] (4)綜上，若浮動車樣本可靠性較高且浮動車車速較低，則路段極有可能處于交通 擁堵狀態，&可較好地表征f;若浮動車樣本可靠性較高且浮動車車速較高，則路段極有可 能處于交通暢通狀態，可結合車輛構成及其速度分別情況計算％的調整值& ,用來表征< 并且此時可以計算&的調整參數；若浮動車樣本可靠性較低，則只需采用調整參數修正n， 并將修正后的5作為歹。
[0049] 二、上述步驟（1)中，選取多個時段的歷史交通參數值和歷史交通狀態等級構建 歷史樣本數據庫，并計算各時段的浮動車樣本量是否滿足最小樣本量要求，具體如下：
[0050] (1)記歷史樣本數據庫中固定檢測器采集的全部車輛平均速度為!^ (以下簡稱固 定檢測器平均速度）、大車比例為pb、大車平均速度為4、小車比例為P。、小車平均速度為A，浮動車采集的每一輛車的單車速度為V'i、浮動車樣本量為n、浮動車采集的平均速度 為％ (以下簡稱浮動車平均速度）；要求所選取的樣本中Sη乒0 ;
[0051] (2)歷史樣本數據庫中的交通狀態等級c分為4級：完全暢通（c= 1)、基本暢通 (c= 2)、基本擁堵（c= 3)、完全擁堵（c= 4)，交通狀態等級由道路的歷史交通視頻判斷 得到；
[0052] (3)計算各時段的浮動車樣本量η是否滿足下式規定的最小樣本量要求：
[0053]
【權利要求】
1. 一種基于多源數據的路段交通狀態判別方法，其特征在于，包括以下步驟： (1) 以固定檢測器、浮動車兩類方式分別采集的交通參數值為數據源，選取多個時段的 歷史交通參數值和歷史交通狀態等級構建樣本數據庫，所述的歷史交通參數值包括：固定 檢測器采集的車輛平均速度R、大車數量比例、大車平均速度、小車數量比例、小車平均速 度、浮動車采集的平均速度^和浮動車樣本量n，將交通狀態等級定義為c，且所述的歷史 交通狀態等級包括：完全暢通c= 1、基本暢通c= 2、基本擁堵c= 3、完全擁堵c= 4,最 后計算樣本數據庫中各時段的浮動車樣本量是否滿足最小樣本量要求，用參數r表示浮動 車樣本量的可靠度，當n滿足最小樣本量要求時，r= 1，表示浮動車樣本量可靠，當n不能 滿足最小樣本量要求時，r= 0,表示浮動車樣本量不可靠； (2) 基于數據一狀態關聯性，計算樣本數據庫中路段交通暢通時段的固定檢測器平均 速度調整參數； (3) 采用數據一狀態關聯分析法，計算樣本數據庫中各時段的路段的歷史空間平均速 度6 (4) 以各時段歷史空間平均速度7為輸入，對應時段的交通狀態等級為輸出，訓練得 到支持向量機模型； (5) 基于當前時段所述固定檢測器、浮動車兩類方式采集的實時數據，并根據數據取值 特點分別采用直接判斷法、K近鄰非參數回歸法和數據狀態關聯分析法得到當前時段的路 段空間平均速度； (6) 根據步驟（5)得到的當前時段的路段空間平均速度以及步驟（4)得到的支持向量 機模型，采用直接判斷法或所述的支持向量機模型判別當前時段的路段交通狀態等級。
2. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在于， 步驟（1)所述的固定檢測器為微波檢測器、視頻檢測器、線圈檢測器中的任一種。
3. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在于， 步驟（1)所述的浮動車為GPS浮動車、北斗浮動車、車載移動通信終端中的任一種。
4. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在于， 步驟（2)所述的固定檢測器平均速度調整參數的具體計算方法為：根據樣本數據庫中的大 車數量比例、小車數量比例以及大車平均速度和小車平均速度的分布，計算暢通時段的浮 動車平均速度調整值，并與對應時段內固定檢測器采集的車輛平均速度進行曲線擬合計算 得出固定檢測器平均速度調整參數。
5. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在于， 步驟（3)所述的數據一狀態關聯分析法是通過計算樣本數據庫中r= 1且交通狀態等級 c多3的時段的浮動車平均速度最大值，在此基礎上計算得出所述樣本數據庫中處 于各時段的路段歷史空間平均速度。
6. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在 于，獲取當前時段的固定檢測器采集的車輛平均速度K和浮動車采集的平均速度V/，若
則結合固定檢測器采集的占有率0,采用直接判斷法得到步驟（5)所述的 當前時段的路段空間平均速度，具體步驟為： ① 若〇 = 〇,則取當前時段的路段空間平均速度為限速值； ② 若〇辛0,則取當前時段的路段空間平均速度為0。
7. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在 于，獲取當前時段的固定檢測器采集的車輛平均速度&和浮動車采集的平均速度I,若
則采用K近鄰非參數回歸法得到步驟（5)所述的當前時段的路段空間平 均速度，具體步驟為： ① 選取當前時段的固定檢測器采集的車輛平均速度與前一時段的空間平均速度組成 狀態向量； ② 計算狀態向量的歐氏距離，選擇k個歐氏距離最小的近鄰的空間平均速度； ③ 通過加權計算方法得到當前時段的路段空間平均速度。
8. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在 于，獲取當前時段的固定檢測器采集的車輛平均速度r、和浮動車采集的平均速度，若
則采用數據一狀態關聯分析法得到步驟（5)所述的當前時段的路段空間 平均速度。
9. 根據權利要求1所述的一種基于多源數據的路段交通狀態判別方法，其特征在 于，獲取當前時段的固定檢測器采集的車輛平均速度&和浮動車采集的平均速度7/，若
則采用直接判斷法得到步驟（6)所述的交通狀態等級，具體步驟為： ① 若路段空間平均速度為限速值，則交通狀態等級為c= 1，路段完全暢通； ② 若路段空間平均速度為0,則交通狀態等級為c= 4,路段完全擁堵。 _
則采用支持向量機模型得到步驟（6)所述的交通 狀態等級，具體步驟為：將路段空間平均速度輸入步驟（4)中得到的支持向量機模型，直接 輸出路段交通狀態等級。
【文檔編號】G08G1/01GK104484996SQ201410790524
【公開日】2015年4月1日 申請日期:2014年12月18日 優先權日:2014年12月18日
【發明者】王維鋒, 楊根成, 季錦章, 丁閃閃, 萬劍, 黨倩 申請人:江蘇省交通規劃設計院股份有限公司