[发明专利]一种基于混合高斯模型的非机动车道服务水平评价方法

权利要求书

1.一种基于混合高斯模型的非机动车道服务水平评价方法，其特征在于，包含以下步骤：

(1)采集路段非机动车交通流参数，包括流量、密度、速度、超车次率、电动自行车比例、男性比例参数；

(2)同时拍摄基于骑行者第一视角的视频，记录非机动车交通流运行状态，与所采集的交通流参数一一对应；

(3)将非机动车道服务水平人为划分为N个等级，每等级对应一个分值；采用骑行者打分的方式，收集不同骑行者对视频片段的等级评分，并取其平均值作为每个片段的得分；

(4)通过显著性分析对交通流参数的筛选，选择显著相关的交通流参数作为评价指标；

(5)采用混合高斯模型，考虑骑行者感受的波动性，每个交通流状态所对应的服务水平等级存在概率关系，建立服务水平评价模型。

2.根据权利要求1所述的基于混合高斯模型的非机动车道服务水平评价方法，其特征在于，步骤(1)具体为：采集具有物理隔离的非机动车道路段的宽度信息，统计一定时间段内的车流及各非机动车的速度，获得单位宽度的流量q和该时间段内非机动车的平均速度数据v，通过交通流三参数的关系q＝kv得到密度信息k；超车次率通过以下公式计算得

其中，

r：超车次率；

P：统计间隔内所发生的超车次数；

Q：统计间隔内所通过的车辆数；

电动自行车比例、男女比例均通过人工计数统计。

3.根据权利要求1所述的基于混合线性模型的非机动车道服务水平评价方法，其特征在于，步骤(4)具体为：以所有视频片段的得分作为因变量，步骤(1)采集的路段非机动车交通流参数作为自变量，使用spss软件进行显著性分析，选择显著相关的参数作为评价指标。

4.根据权利要求1所述的基于混合线性模型的非机动车道服务水平评价方法，其特征在于，步骤(5)具体为：

①、将评价指标样本数据进行归一化处理，公式如下

其中，

x：样本数据原始值；

x'：样本数据归一化后的值；

min：样本数据最小值；

max：样本数据最大值；

②、考虑骑行者感受的波动性，建立非机动车道服务水平评价模型：

多元高斯分布概率密度函数的形式为

其中，n为评价指标的个数，x＝(x₁,x₂,…,x_n)^T是n个评价指标所构成的向量，μ＝(μ₁,μ₂,…,μ_n)^T是多元高斯分布的均值向量，μ_n是第n个评价指标的均值，∑是协方差矩阵；

因为将服务水平分为N个等级，所以，建立的混合高斯模型为由N个多元高斯分布组合成的混合分布，概率密度函数可以表示为

其中，w_i为第i个多元高斯分布在混合模型中的权重，且有

通过EM算法进行模型的参数估计，获得非机动车道服务水平评价模型。