[发明专利]基于粗糙集理论的交通状态评估规则提取方法

说明书

技术领域

本发明属于智能交通技术领域，尤其是一种交通状态评估规则提取方法。

背景技术

在城市化高速运行的今天，城市道路拥挤，高峰时车辆拥堵不堪，严重影响了日常生活，并且带来了环境污染，资源浪费等不良影响。通过分析交通数据，评估交通状态变化规律，实现有效诱导，是缓解交通状况的主要手段。其中利用粗糙集理论对交通数据进行处理，已经成为进行交通状态评估和预测的有效处理方法之一。经对现有技术文献的检索发现，张元亮等于2009年在发表在《交通科技与经济》上的《基于粗糙集的都城市交通拥堵预警算法分析》中，以粗糙集为依据，提取交通拥堵的发生规则来分析和判断实际道路情况；刘浩等于2008年在《公路交通科技》上发表了《基于粗糙集交通信息提取计算的城市道路行程时间预测》。虽然基于粗糙集的方法已经取得很大成果，但是在规则提取时去除了部分不一致规则，从而导致了规则匹配率低等问题。如何提高交通状态评估规则匹配率和适用性成为了智能交通领域亟待解决的问题。

发明内容

为了克服已有交通状态评估规则提取方法的规则匹配率较低、适用性较差的不足，本发明提供一种提高规则匹配率、适用性良好的基于粗糙集理论的交通状态评估规则提取方法。

本发明解决其技术问题所采用的技术方案是：

一种基于粗糙集理论的交通状态评估规则提取方法，所述提取方法包括以下步骤：

(1)数据准备：实验数据来源于SCATS线圈采集到交通信息数据，对其做预处理后保留数据采集时间、道路位置、道路线圈饱和度和道路车辆速度；

(2)数据采样：根据实际交通峰期采低峰，中峰，高峰各一组时段的交通信息，其中，时间、道路位置、道路线圈饱和度作为决策表的条件属性，道路车辆速度作为决策表的决策属性；

(3)数据离散化；

(4)规则集提取：利用粗糙集的值约简方法对离散化后的决策表进行约简得到规则集，值约简的具体步骤：

4.1）把决策表去冗余化；

4.2）对每一个对象进行多余属性值的删除；

4.3）求出最小约简，得到规则集；

(5)规则集二次提取方法：二次提取方法以规则匹配准确率为标准，具体提取步骤为：

5.1）将对象集分成冲突与不冲突两个规则集；

5.2）不冲突的规则直接归入二次提取后的二次规则集；

5.3）冲突的规则计算其应用新数据源的匹配准确率，取最高的归入二次规则集；

5.4）合并一次和二次规则集得到最终集，即最终集=一次规则集+二次规则集。

本发明的有益效果主要表现在：二次提取方法应用于交通状态评估规则的提取，相比其他方法可以得到具有更高规则匹配率和适用性的交通状态评估规则。由于克服了这些现有技术在实际工程应用方面难以解决的困难，因此真正实现了对交通状态进行监控和评估。

本发明针对智能交通系统中交通状况实时监控的需要，利用粗糙集理论，引入覆盖度、置信度、规则匹配准确率的概念，提出了交通状态评估规则的二次提取方法，解决了现有方法在规则提取时准确度损失的问题，也消除了实现真正工程应用的主要障碍。本发明使用二次提取方法，得到匹配准确率、有效率高，适用性强的交通状态评估规则，最终为分析评估实时交通状况提供依据。

附图说明

图1是本发明方法流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1，一种基于粗糙集理论的交通状态评估规则提取方法，所述提取方法包括以下步骤：

(1)数据准备：

实验数据来源于SCATS线圈采集到的交通信息数据，对其做预处理后保留数据采集时间，数据来源线圈编号（即道路位置），道路线圈饱和度，道路车辆速度（即交通拥堵状况）等内容。

(2)数据采样：

源数据信息量庞大，实验根据实际交通峰期采样，低峰、中峰、高峰各取一组数据时段的交通信息。其中时间、道路位置、道路线圈饱和度作为决策表的条件属性，道路车辆速度作为决策表的决策属性。

(3)数据离散化：

采用经验分割法与等距离划分法综合处理数据，将数据采集时间，道路位置，道路线圈饱和度和道路车辆速度分别做离散化处理。

(4)规则集提取：

利用粗糙集的值约简方法对离散化后的决策表进行约简得到规则集。值约简的具体步骤：

4.1）把决策表去冗余化。将其中相同的对象删除，只保留不同的对象，经压缩后得到新的决策表；