[发明专利]一种多源数据融合的城市快速路交通状态估计方法

说明书

本发明公开了一种多源数据融合的城市快速路交通状态估计方法，属于交通控制与管理领域，首先采集快速路检测器检测到的流量和速度数据，并进行预处理，用ArcGIS平台，对多源数据进行时空融合匹配；然后，根据流量数据建立行程车速估计模型；其次，将数据标准化处理，通过确定流量和速度权重，对数据进行加权聚类分析；再次，建立拥堵概率模型；最后，采集到的实时数据根据加权聚类和拥堵概率预测交通状态。

技术领域

本发明属于交通控制与管理领域，更具体地说，涉及一种多源数据融合的城市快速路交通状态估计方法。

背景技术

如何能实现对交通状态的准确估计，是进行有效交通组织管控的前提，成为交通管理研究的重要方向和研究热点。在城市道路中，城市快速路分担城市大量的交通出行，为了对城市快速路进行交通状态估计，交通管理部门通常会通过交通数据调查设备获取城市快速路的交通数据。设备根据类型可以分为两大类：一类属于固定设备，如固定检测器、视频采集器、交通调查站等，一类属于移动设备，主要有浮动车检测器等。考虑到设备成本问题，目前视频采集器、浮动车检测器多用于科研实验中交通调查，日常情况下大多在快速路部分路段安装固定检测器获取交通数据。如何通过固定检测器监测的数据对快速路的交通状态进行估计，是本发明研究的重点问题。

目前针对快速路交通流状态估计主要存在两个问题，①数据处理方面：由于监测的数据不可避免会出现缺失或异常值，如何通过较为简单、可操作性强的方法对数据进行处理，多源数据在时间或空间上存在不匹配的问题，需要通过数据融合方法将其同一化处理；②考虑到监测器的成本，一条快速路上布设的检测器数量不会太多，主要布设在快速路路段上和进出匝道附近，获得时间间隔如5s内的断面交通量和车速，如何利用有限的断面历史数据和实测数据对整条快速路当前的交通状态进行估计；

针对上述问题，本发明通过对检测器获取的历史数据进行数据预处理，根据断面流量数据对路段行程车速进行估计，对数据标准化处理后确定速度和流量的权重系数，建立加权聚类分析模型和拥堵概率模型对交通状态进行估计。

经对现有技术的文献检索发现，已有针对交通状态估计多面向高速公路和城市交叉口，但由于高速公路更注重安全，城市交叉口车流复杂，针对快速路多源数据融合的状态估计方法相对较少。

发明内容

技术问题：针对城市快速路多源数据融合的问题，本发明提供一种基于数据融合快速路交通状态估计方法。

技术方案：为解决上述技术问题，本发明提出一种多源数据融合的城市快速路交通状态估计方法，包括如下步骤：

步骤1：获取检测器采集到的历史数据，包括：快速路匝道进出口的交通量数据、路段断面的车辆速度数据及流量数据。

步骤2：通过分析历史数据，获得流量数据的阈值范围、车速的阈值范围，判断历史数据是否存在异常值，将异常值修正，对数据进行平滑处理，用ArcGIS平台，对多源交通数据进行时空匹配。

步骤3：根据匝道出入口的流量数据、路段断面流量数据，对路段行程车速进行估计。

步骤4：将数据标准化处理，确定速度和流量的权重系数，对历史数据进行聚类分析。

步骤5：通过拥堵概率模型对路段拥堵进行估计，与步骤4中聚类分析共同估计快速路交通状态。

步骤6：获取实时交通流参数进行状态估计。

所述步骤2中，包括如下步骤：

步骤21：通过公式(1)确定流量数据和速度数据的异常值：

0≤Q_t≤C·t·f (1)

式中：Q_t为交通量，f表示流量的修正系数，C为道路通行能力，t为观测时间。