[发明专利]一种城市区域路网运行状态特征信息提取方法

说明书

技术领域

本发明涉及智能交通领域，尤其是涉及一种自适应邻域选择的区域路网运行状态特征信息提取方法。

背景技术

区域路网运行状态的客观分析是对其进行科学管控的基础，但由于路网运行数据具有明显的混杂性、复杂性、模糊性和隐藏性，导致路网的交通状态难于进行合理量化。因此，能否将路网的运行状态准确、客观地进行表征，提取演化过程中的本质因素成为亟需解决的问题。

同时，随着交通信息采集手段的不断丰富，获取的数据类型日趋复杂，数据采样的时间间隔不断缩短，数据规模呈几何级数增长，导致数据存储难以承担重负。交通管理部门通常采取将数据暂存后周期性删除的方法，导致数据价值无法挖掘，造成数据资源浪费。因此，需要通过特征信息的提取方法实现交通数据的约简，降低系统运行负担，提高数据的处理效率和使用价值。

目前，关于路网运行状态特征信息提取的方法的专利中，主要集中于对路网状态的评价或划分方法，对于路网运行过程的特征信息获取方法涉及不多。申请号为：200910081852.7，专利《区域交通服务水平微观指标及评价方法》中提出的基于速度、流量、占有率等参量的交通服务水平评价方法，侧重表达交通的微观服务层面，未对宏观路网状态进行综合分析，不能全面地表达路网运行状态；申请号为：201210084221.2，专利《一种区域交通状态评价方法》中提出了一种基于路段平均行程时间的区域交通状态评价方法，该方法只应用平均行程时间一种参量，在表达路网状态的时候有一定的局限性；申请号为：201210325652.3，专利《基于曲率预测的流形学习自适应邻域选择算法》中提出了一种适用范围比较广的基于曲率的自适应邻域选择方法，能够有效地降低流形学习算法的复杂度和找到优化的邻域大小，但是并未指出该方法针对交通数据特征提取的优越性；申请号为：201410057898.6，专利《一种基于半监督机器学习的交通状态划分方法》中提出了一种基于半监督学习的交通状态划分方法，该方法主要利用速度、流量、该条道路最大限速等信息进行计算流量最大带宽以及速度最大带宽，联合比较进行状态分类，其中道路最大限速与流量、速度不是来自同一数据来源，数据获取方面复杂，交通数据都是有类别标签的数据，用有监督的方法比半监督的方法更合适。

发明内容

为了解决上述问题，本发明提出一种自适应邻域选择的流形学习的区域路网运行状态特征信息提取方法，通过对城市路网运行状态流量、速度、密度三个参数数据进行特征提取，得到表征路网宏观状态的路网状态特征信息，来实时表达城市区域路网宏观运行状态。

一种城市区域路网运行状态特征信息提取方法，具体包括以下几个步骤：

步骤一、采集路网数据；

步骤二、构建路网数据输入矩阵；

步骤三、自适应邻域选择；

步骤四、提取特征信息；

本发明的优点在于：

(1)本方法适用于城市区域路网特征信息提取与路网运行状态表达方面，基于路网中流量、速度、密度数据，运用自适应邻域选择的流形学习方法提取路网运行特征信息，该特征信息具有宏观性、准确性、敏感性和实用性的特点，可以实时表达路网宏观运行状态，为交通管理者提供分析与决策依据；

(2)本方法可以从大样本、多参量的交通数据中发现一些主要特征参量，寻找原始数据之间的相互关系，并用特征信息代替原有参量，一方面可以消除重叠的信息，另一方面还可以起到降维的作用。这就使交通管理者可从繁杂的交通数据中得到有用信息，对路网状态表达中起到至关重要的作用。

(3)本方法根据交通数据非线性、敏感性、有类别的特点，实现了非均匀流形数据特征提取过程中邻域的自适应选择，根据输入矩阵子邻域数据流形的线性程度选择每个样本对应的最优邻域数，能够有效地实现最佳的低维嵌入，提高了特征提取的效果。

(4)本发明克服了现有城市路网状态表达领域中综合性差、模型复杂等缺点和不足，提供了一种城市区域路网交通状态特征提取方法，该方法仅需要速度、流量、密度等数据，无需增加新的设备实现，成本低，可靠性高。

附图说明

图1为本发明的方法流程图；

图2为路网状态信息输入数据图；

图3为路网运行状态特征信息图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。