[发明专利]一种基于时间窗口的实时交通状况判别方法

说明书

技术领域

本发明涉及智能交通应用领域，特别是一种基于时间窗口的实时交通状况判别方法。

背景技术

实时、准确的交通状态判别是建立城市道路交通状况综合监测系统和交通信息实时发布和诱导系统的关键技术之一，是实现交通状况实时监测和交通信息实时发布，引导出行者路线选择，辅助交通管理者制定拥堵疏导方案，评价道路交通性能的重要基础，对提高道路运行效率，优化交通流在路网空间上的分布，减少出行时间，降低尾气排放有着重要的意义。

交通状态的识别与交通状态判别算法构成了交通状态判别的技术体系。交通状态的识别经历了从最初基于交通流理论对交通状态的定义，到基于历史数据的交通状态识别，从单交通流运行参数到为多参数(流量、密度、占有率)融合的演变发展过程。目前对于交通状态的划分标准，国际上尚未形成统一的规范。使用最多的量化标准源自美国道路通行能力手册，该手册用道路交通服务水平描述车辆在道路运行的状况，将服务水平分为A-F六个级别；国内具有代表性的划分标准为公安部交通管理局和住房与城乡建设部建设司推出的《城市道路交通管理评价指标体系》，以平均行程速度作为划分指标：畅通——城市主干路上机动车的平均行程速度不低于30km/h；轻度拥挤——城市主干路上机动车的平均行程速度低于30km/h，但高于20km/h；拥挤——城市主干路上机动车的平均行程速度低于20km/h，但高于10km/h；严重拥挤——城市主干路上机动车的平均行程速度低于10km/h。在交通状态识别的基础上，国内外相关研究领域相继涌现出了大量的交通状态判别算法，如基于阈值法的交通状态判别算法、交通拥堵自动判别算法、基于模糊推理的交通状态判别算法、基于聚类分析原理的交通状态判别算法等。这些方法的基本思想可概括为通过挖掘交通流基础数据内在和外在的相关特性与联系，由此建立相应的判别规则，从而实现交通状态的判别。总体上，多数方法还存在判别规则普遍适用性不强、包含经验化的成分较多、实时性和可靠性不足等缺陷，因此，在实际工程应用领域，还是较多采用简单的阈值法判别不同的交通状态。总结目前国内外在交通状况判别的研究和实践，还存在着如下几个问题：

1.交通状态多使用固定阈值进行划分，无法根据实际情况进行调整，对不同类型、不同功能等级道路的交通状态识别存在一刀切的问题；

2.未综合考虑交通流运行参数(流量、速度、占有率)间的关系，基于单一参数的判别结果存在片面性，准确性不高，可靠性不足；

3.交通状态判别算法包含较多的经验化成分，判别规则相对固定，无法根据实时数据以数据驱动的方式动态调整，交通状态判别不够全面，当道路交通流受到行人、非机动车、天气等因素影响时，算法的误判率较高；

4.运用聚类方法进行交通状态判别的实时性不高，随着时间的推移，聚类数据集将不断增加，不仅降低了聚类算法的运算效率，而且聚类数目和聚类中心趋于稳定，削弱了对交通状态时变特性的响应能力。

发明内容

发明目的

本发明的目的在于，基于历史交通流基础数据，采用两步聚类算法对不同类型道路的交通流基础数据进行分析，形成与相应路段交通运行特点相适应的最优交通状态分类；综合考虑交通流运行参数(流量、速度、占有率)之间的关系，将交通流基础数据作为整体进行聚类分析；采用时间窗口的储存结构，动态更新数据，获取当前时间间隔的交通流基础数据；基于数据驱动的模式，更新两步聚类算法参数和聚类中心，重新确定交通状态的最优分类，并判别当前时间间隔的实时交通状态。

技术方案

本发明的目的是通过如下步骤实现的：

一种基于时间窗口的实时交通状态判别方法，其特征是包括如下步骤：

1)数据预处理：

1-1)以固定长度的时间窗口储存原始数据采集时间间隔的分车道交通流基础数据，将时间窗口内的数据通过时间和空间汇集得到时间间隔T的单个车辆行驶方向断面交通流基础数据，并对其属性变量进行无量纲化处理；

2)通过两步聚类算法进行交通状态聚类初始化：

2-1)采用凝聚聚类算法，首先将每一条交通流基础数据都看成一类，计算不同类别聚类中心间的欧式距离矩阵，将距离最近的两类合并成为一类，并计算该类的聚类中心；重复上述过程，直到所有的交通流基础数据都汇集成为一个类别，则聚类终止；