[发明专利]一种基于速度时空图的交通拥堵成因智能识别算法

权利要求书

1.一种基于速度时空图的交通拥堵成因智能识别算法，其特征在于，具体步骤：

Step1 数据预处理：通过车辆GPS数据获得路段速度；

Step2基于速度时空图拥堵分类：依托速度时空图，利用图像形态学获得交通拥堵子集，并且通过拥堵特征提取方法，采用层次分析法或Kmeans聚类算法实现交通拥堵子集的无监督分析结果；

Step3 常偶发拥堵判别：基于McMaster算法或加州算法实现交通拥堵的常偶发判别；

Step 4基于决策树的拥堵成因智能判别：基于拥堵子集分类与常偶发判别，结合数据实现拥堵成因的精细化判别；

所述Step4基于决策树的拥堵成因智能判别，具体为：

常发拥堵；

拥堵集类型为小扰动，成因为车辆经常急刹车、行人频繁过马路；

拥堵集类型为长条形, 结合其他数据特征：拥堵起源点距离信号交叉口50m以内, 成因为信号交口配时不合理；

拥堵集类型为长条形, 结合其他数据特征：拥堵起源点距离医院、停车场入口50m以内，成因为供需不平衡；

拥堵集类型为大面积, 结合其他数据特征：拥堵起源点距离交叉口与汇集点瓶颈点50m以内，成因为道路瓶颈点；

偶发拥堵；

拥堵集类型为小扰动，成因为不确定因素；

拥堵集类型为长条形, 结合其他数据特征：拥堵起源点距离积水预警点300m以内, 成因为道路积水；

拥堵集类型为长条形, 结合其他数据特征：拥堵起源点距离交叉口与汇集点瓶颈点50m以内，成因为突发交通量；

拥堵集类型为大面积, 结合其他数据特征：拥堵起源点距离积水预警点300m以内，成因为道路积水；

拥堵集类型为大面积, 结合其他数据特征：拥堵起源点距离交叉口与汇集点瓶颈点50m以内，成因为交通事故；

拥堵集类型为大面积, 结合其他数据特征：恶劣天气，成因为天气因素；

拥堵集类型为大面积, 结合其他数据特征：路段属于节假日拥堵路段，成因为节假日因素；

拥堵集类型为大面积, 结合其他数据特征：拥堵起源点距离活动地点1000m以内，成因为大型活动。

2.根据权利要求1所述的一种基于速度时空图的交通拥堵成因智能识别算法，其特征在于：所述Step2 基于速度时空图拥堵分类具体实现方法如下：

Step21构建交通速度时空模型；

利用路段速度构建速度时空图时，针对其中路段长度不均一、数据异常、数据缺失问题，构建双核函数考虑自由流与拥堵流的传播影响，基于ASM算法、中值过滤法或均值插值法实现速度时空图的速度平滑与填充，从而实现道路速度时空图构建；

Step22图像形态学；

通过一系列图像形态学处理提取速度时空图中的拥堵子集，包括二值化化处理、开运算、闭运算、分水岭算法；

Step23拥堵特征提取；

构建特征工程获取拥堵子集的特征向量，主要包括：拥堵形态特征、速度特征、边界特征；

Step24层次分析法；

基于拥堵子集之间的相似距离差，采用层次分析法实现拥堵子集的无监督分类。

3.根据权利要求2所述的一种基于速度时空图的交通拥堵成因智能识别算法，其特征在于：所述Step21中，ASM算法实现原理采用附近点的数据，基于双核函数线性叠加实现目标点数据的补全与修正，具体公式如下所示：

其中：x,t分别表示目标点的离散空间位置与时间，与分别表示拥堵状态与自由流状态的过滤器，具体计算分别如下：

其中：表示输入的临近点数据，归一化参数与计算公式分别如下：

其中：拥堵状态核函数与自由流状态核函数的计算公式分别如下：

其中：表示拥堵状态的传播速度；为自由流状态的传播速度；表示空间平滑的范围；为时间平滑的范围；表示过滤器的最大空间位置，表示时间搜索最小范围，表示时间搜索最大范围，表示目标点为的空间位置，表示目标点为的时间位置；

最后，拥堵状态与自由流状态之间的权重系数的计算公式如下：

其中：表示自由流状态与拥堵状态的切换速度；表示过渡区间的宽度。