[发明专利]支持向量回归机融合的高速公路路段平均速度估计方法

说明书

本发明公开了一种支持向量回归机融合的高速公路路段平均速度估计方法，包括步骤：1)选定研究的高速公路，获取基础数据资料；2)根据收费数据，采用基于轨迹法的修正算法求取路段平均速度；3)将“两客一危”车辆作为浮动车，采用速度‑时间积分模型和加权平均法获得路段平均速度；4)使用支持向量回归机融合算法对两类路段平均速度的结果进行融合，得到基于支持向量回归机融合的高速公路路段平均速度。本发明将高速公路收费数据和“两客一危”北斗卫星定位系统数据结合起来，通过支持向量回归机的方法得到融合的路段平均速度估计值，提高了速度估计的准确度，有利于高速公路管理者的日常监测和应急处理，从而有效提高高速公路的运行效率。

技术领域

本发明涉及高速公路管理的技术领域，尤其是指一种支持向量回归机融合的高速公路路段平均速度估计方法。

背景技术

高速公路路段平均速度指单位时间段内，指定方向通过高速公路某一路段的交通车辆平均行程速度。路段平均速度能直观反映高速公路路段的实际运行状况，对高速公路的出行者和管理部门都具有重要的意义。目前，我国高速公路路段平均速度的获取方法主要为固定采集法，即采用布设在高速公路上的车辆检测器、高清摄像头等设备直接获取通过该断面的车辆平均速度，然而，由于布设和维护成本高等问题，车辆检测器、高清卡口等设备的布设密度较低，导致所采集的数据覆盖范围小，且存在损坏率高、维护不及时的问题，无法真实反映高速公路系统的运行状态。因此，国内外专家学者开始研究使用检测器数据以外的其他数据源估计高速公路路段平均速度的方法，例如收费数据、浮动车数据等。采用不同于车辆检测器的数据源，虽然有效避免了车检器覆盖范围小的问题，但是由于每种单一数据源都有其自身的缺陷，例如收费数据具有滞后性、受匝道长度影响的缺陷而浮动车数据具有检测目标随机性的缺陷，并不能够完全准确地反映实际的交通状态。

随着计算机技术的发展，多源数据的融合方法受到越来越多的研究者关注。与单一数据源相比，通过多源数据融合获得的结果将具有更高的准确性和可靠性。但是，前人的融合算法依然较多地在检测器数据的基础上进行优化，而检测器密度稀疏且损坏率较高是当前高速公路数据采集的硬伤，有必要研究避开检测器数据而能通过其他数据融合获取平均速度的方法。通过对高速公路收费数据和浮动车数据进行比较发现：收费数据具有车辆信息全面可靠、辐射路网范围广的优点，却存在滞后性、受道路匝道影响较大的缺陷，而浮动车数据则具有实时性好，路网分布相对均匀分散的优点，却存在检测目标随机性、对象不全面的缺陷，可见它们之间能够很好地优势互补，互相佐证。

因此，本发明提出一种基于支持向量回归机融合的高速公路路段平均速度估计方法，对收费数据和浮动车数据获取的路段平均速度进行融合修正，融合后的路段平均速度更接近真实值，可更好地反映高速公路系统运行状态，为管理者和出行者提供决策依据。

发明内容

本发明的目的在于弥补现有高速公路车辆检测器密度稀疏、损坏率高导致所估计的路段平均速度准确率不高这一缺陷，提出了一种支持向量回归机融合的高速公路路段平均速度估计方法。该方法利用支持向量回归机原理，对高速公路收费数据和“两客一危”卫星定位数据所获取的路段平均速度进行融合处理，得到估计效果更好的路段平均速度，具有实际推广价值。

为实现上述目的，本发明所提供的技术方案为：支持向量回归机融合的高速公路路段平均速度估计方法，包括以下步骤：

1)选定研究的高速公路，获取基础数据资料，包括：高速公路收费数据、高速公路“两客一危”北斗卫星定位数据；

2)根据收费数据，采用基于轨迹法的修正算法求取路段平均速度；

3)将“两客一危”车辆作为浮动车，以其北斗卫星定位系统数据为基础，采用速度-时间积分模型对单车行程速度进行估计，再对单一浮动车作加权平均获得路段平均速度；

4)使用支持向量回归机融合算法对两类单一数据源处理出来的结果进行融合，得到基于支持向量回归机融合的高速公路路段平均速度。