[发明专利]一种基于信号灯系统环形线圈判别道路交通状态的方法

说明书

技术领域

本发明涉及智能交通监控领域，具体涉及一种基于信号灯系统环形线圈判别道路交通状态的方法。

背景技术

我国城市的信号灯系统目前仍大多采用的是以环形线圈检测器为信息采集源的智能控制系统，环形线圈的安装位置一般为交叉路口的距停车线20米处。为信号灯系统服务的环形线圈布设如图1所示。

线圈采集的交通特征参数包括流量、速度和占有率。因为交通状态的改变会引起交通流基本特征参数的改变，如拥挤状态下速度明显降低、占有率增大等。不断改变的交通流基本参数由环形线圈采集获得，然后对这些参数运用一定的算法进行处理之后，便可实现对道路交通状态的判别。

目前常用的线圈数据处理算法有加州算法、McMaster算法、指数平滑法和标准偏差法。加州算法利用上游检测截面占有率增加，下游检测截面占有率下降来判别拥挤，但该算法无法应用于城市道路且误报率较高。McMaster算法将流量栒加新适  荼硎驹诙  占渖希  13.

髁繓占有率二维图形划分为四个区域，每个区域代表一种交通状态，该算法规定在三个连续的采样周期内，车速降至阈值以下，或占有率超过阈值，或流量与占有率都在非拥挤区域之外，则判定拥挤；在连续两个采样周期内，车速、流量和占有率任意两个超过各自的阈值，则判定拥挤，该算法的缺点在于阈值的确定很困难，一旦确定不当，将会造成较大的误报率。指数平滑法是先对原始交通数据进行平滑，去除短期的交通干扰，然后将处理过的数据与预先设定的阈值进行比较，判断拥挤，该算法使用简便，但指数平滑的降噪效果有限，仍有较高的误报率。标准偏差法利用时刻t之前n个采样周期的交通参数数据的算术平均值作为交通参数在时刻t的预测值，再用标准正态偏差来度量交通参数相对于其以前平均值的改变程度，当偏差超过预先设定的阈值，则认为发生了偶发性交通拥挤，该算法使用也较简便，但看不出交通变量的变化趋势，误差很大。

上述基于线圈采集的参数进行交通状态判别的算法大部分属于时空透视法范畴。这些交通状态判别算法中，分别应用了不同的交通状态分类结果作为算法的比较标准。这些算法共同的缺陷就在于交通状态分类标准是确定的，无法根据采集到的海量交通流基本特征参数的变化而变化。

城市道路的交通特性是随时间不断变化而变化的，交通流的基本特征不仅每时每刻都在发生着量变，而且在一个相当长的时期内，不断积累的量变会带来整个交通系统交通流特征一个整体的质变。因此要想提高算法准确率，需要对交通状态分类标准进行定期的修订，从而保证该状态分类标准与实际情况的吻合，为交通状态的判断提供可靠的比较依据。

且城市道路受信号灯影响，线圈检测数据有着明显的周期性变化，交通状态的判断还必须考虑到信号灯系统信号周期的影响，现存算法中尚缺乏这方面研究。

发明内容

本发明提出一种兼顾精确性和实时性的自动交通状态判定方法，其具体为一种基于信号灯系统环形线圈判别道路交通状态的方法，包括：

A、通过环形线圈检测器获取车道周期内流量、车道周期内占有率和车道平均速度；

B、将车道周期内流量、车道周期内占有率和车道平均速度分别换算为断面平均速度、断面平均占有率和单车平均占有率，再经过错误数据修复和数据平滑处理后，将断面平均速度、断面平均占有率和单车平均占有率作为历史数据存入数据库；

C、当积累预定周期内的历史数据后，首先对预定周期的数据标准化，将三种不同的原始数据转化为无单位的且数量级相同的数据，再基于标准化后的数据将求解聚类中心，以使每个样本到三个聚类中心的加权距离平方和达到最小，三个聚类中心分别对应畅通、拥挤、拥堵三类交通状态，根据变量标准化公式对聚类中心进行反向运算，得到三种交通状态的由断面平均速度、断面平均占有率、单车平均占有率组成的聚类中心向量，并基于向量判定各向量分别对应哪种交通状态；

D、对当前实时交通数据进行预处理之后，分别计算与所述三个聚类中心的欧氏距离，得到与当前实时交通数据欧氏距离最小的聚类中心，判定当前交通状态为该欧氏距离最小的聚类中心对应的交通状态；

E、将判定的当前交通状态以直观的颜色标识反映到电子地图上。

其中，步骤C中求解聚类中心包括如下步骤：

C11、初始化，根据参数确定的结果给定指数因子m，给定迭代截止误差ε＞0、算法最大迭代次数T_max及初始聚类中心V0＝{v_1，0，v_2，0，v_3，0}；