專利名稱：基于數(shù)據(jù)融合技術(shù)的交通狀況估計方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種交通狀況估計方法，特別是涉及克服單個數(shù)據(jù)源造成的狀態(tài)估計
不夠準確，誤差較大這些缺點的一種基于數(shù)據(jù)融合技術(shù)的交通狀況估計方法。
背景技術(shù)：
世界汽車產(chǎn)業(yè)的發(fā)展和家用轎車的日益普及，道路交通的擁堵問題成為了城市交 通的重要問題；另一方面信息技術(shù)的飛速進步為綜合解決交通問題帶來了機遇。就是在 這種背景下，先進的交通信息管理系統(tǒng)先于智能交通系統(tǒng)的其他系統(tǒng)受到了廣泛的關(guān)注， 在世界各國都得到了飛速的發(fā)展，被應(yīng)用于動態(tài)路徑規(guī)劃、動態(tài)導(dǎo)航、路網(wǎng)調(diào)協(xié)交通信號系 統(tǒng)、動態(tài)交通調(diào)度等各個方面。其中，實時路網(wǎng)交通狀態(tài)的估計是交通信息管理系統(tǒng)的關(guān)鍵 組成部分。 對路網(wǎng)交通狀態(tài)進行實時估計和所采用的交通信息相關(guān)，不同的交通信息決定 了估計的方法和精度。目前，國際上已經(jīng)有許多相關(guān)研究，其中，具有代表性的是Martin L Hazclton( "Estimating Vehicle Speed from Count andOccupancy data, Journal of Data Science 2 (2004) ， 231-244") 。 MartinL. Hazclton有效地考慮并且建模處理了道路 檢測環(huán)數(shù)據(jù)錯誤率大，可靠性低的問題，并且結(jié)果喜人，但是他是在高速路上進行的研究， 只適用于交通流是連續(xù)流的情況，而城市的交通流是間斷流，不適用于城市路網(wǎng)的交通流 狀態(tài)估計。利用檢測環(huán)數(shù)據(jù)對城市路網(wǎng)進行交通流估計對城市基礎(chǔ)設(shè)施要求較高，在很多 城市往往取不到足夠的所需數(shù)據(jù)，并且錯誤率高的問題得不到有效地解決。
在專利文獻"城市路網(wǎng)交通流狀態(tài)估計方法，申請?zhí)?00510026214. 7"中，申請 人提出了一種基于GPS數(shù)據(jù)和自適應(yīng)交通控制系統(tǒng)(SCATS)的交通控制信息的狀態(tài)估計方 法。但是單純使用GPS數(shù)據(jù)，會有很多出錯情況，容易造成誤判。比如，GPS數(shù)據(jù)顯示車輛 行駛速度為O，系統(tǒng)一般判斷為交通擁堵，但是當(dāng)前車輛也可能是因為上下客，或者因為紅 燈而造成的車輛GPS數(shù)據(jù)而顯示車輛行駛速度為0，并不是真正的交通擁堵，這樣容易造成 的交通狀態(tài)的估計錯誤。而且交通控制系統(tǒng)的信息并不方便取得。

發(fā)明內(nèi)容
針對上述問題，本發(fā)明的主要目的在于針對現(xiàn)有技術(shù)的不足，提出一種新的基于 數(shù)據(jù)融合的用于城市路網(wǎng)的交通流狀態(tài)估計方法，克服單個數(shù)據(jù)源造成的狀態(tài)估計不夠準 確，誤差較大的缺點。 本發(fā)明是通過下述技術(shù)方案來解決上述技術(shù)問題的為了實現(xiàn)這樣的目的，本發(fā) 明的技術(shù)方案的數(shù)據(jù)源來自于， 一類來自與傳感器數(shù)據(jù)，包括環(huán)形車輛檢測器和車輛上裝 載的GPS接收機。環(huán)形車輛檢測器可以獲得當(dāng)前道路車輛行駛的平均速度信息；車輛上裝 載的GPS接收機也可以獲得當(dāng)前道路上行駛的車輛速度信息，如果同時接收到同一路段上 的多輛車發(fā)送過來的GPS信息，就可以求出該路段上車輛的平均速度信息。
另一類信息是與交通狀況密切相關(guān)的非傳感器信息，包括當(dāng)前天氣狀況，當(dāng)前的時間信息。這些信息也對一條道路是否擁堵有非常重要的影響。 最后一類信息是傳感器歷史信息，包括離現(xiàn)在短時間內(nèi)的過去GPS接收機獲得的
車輛平均速度信息和環(huán)形車輛檢測器獲取的道路車輛平均速度信息。
本方法主要包括以下幾個步驟 (1).通過傳感器采集路面的交通狀況信息； (2).對步驟(1)中傳感器采集的傳感器數(shù)據(jù)進行預(yù)處理； (3).將采集的傳感器數(shù)據(jù)和當(dāng)前天氣、時間采用貝葉斯網(wǎng)絡(luò)方法，對數(shù)據(jù)進行融 合處理； (4).通過融合處理后得到的數(shù)據(jù)估計交通狀況。 下面分別進行描述 1.對GPS數(shù)據(jù)進行預(yù)處理 把能夠提供包括距離、時間、速度信息的車載GPS接收機傳遞過來的當(dāng)前實時GPS 數(shù)據(jù)視為各個有向路段上車流的采樣點。GPS數(shù)據(jù)的預(yù)處理，主要包括首先根據(jù)GPS數(shù)據(jù)中 的經(jīng)緯度信息，進行道路匹配，確定GPS數(shù)據(jù)來自于那條路段上的車輛；然后將根據(jù)該路段 上的所有GPS數(shù)據(jù)中的車輛速度信息，求得該路段車輛的平均速度。
2.對環(huán)形車輛檢測器數(shù)據(jù)進行預(yù)處理 因為環(huán)形車輛檢測器可以直接提供路段上的車輛行駛的平均速度，所以不再需要 另外的處理。 3.由平均速度劃定道路擁堵狀態(tài) 以t。時刻城市路網(wǎng)中各個有向路段道路方向的平均速度為指標進行道路擁堵狀
態(tài)的劃定。將城市路網(wǎng)中路段的平均速度分為五個速度等級，分別對應(yīng)暢通、較暢通、不通
暢、擁堵、嚴重擁堵五種道路擁堵狀態(tài)。根據(jù)各個有向路段對應(yīng)的平均速度所處的速度等級
來判斷各個有向路段的擁堵狀態(tài)。 4.用于數(shù)據(jù)融合的貝葉斯網(wǎng)絡(luò)構(gòu)建 根據(jù)數(shù)據(jù)之間的因果關(guān)系，構(gòu)建貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)中的每一個節(jié)點代表一 個隨機變量，箭頭由原因指向結(jié)果。每個節(jié)點所代表的隨機變量的概率分布表則經(jīng)過觀察 統(tǒng)計和實驗得到。 5.基于變量消元法的數(shù)據(jù)融合 變量消元發(fā)是一種常用的貝葉斯網(wǎng)絡(luò)推理方法。逐步消去不屬于查詢變量，也就 是交通狀況變量的其他變量，最終得到在已知證據(jù)變量的基礎(chǔ)之上的，查詢變量也就是交 通狀況的概率分布情況。估計得到融合之后的交通狀況。 本發(fā)明的積極進步效果在于本發(fā)明提供的基于數(shù)據(jù)融合技術(shù)的交通狀況估計方 法有以下優(yōu)點 1.該方法除了當(dāng)前傳感器數(shù)據(jù)，還考慮了多個影響交通狀況的其他因素，并進行 融合處理，克服了單個數(shù)據(jù)源造成的狀態(tài)估計不夠準確，誤差較大的缺點。


圖1為城市路網(wǎng)交通狀況估計方法的流程框圖；
圖2為用于數(shù)據(jù)融合的貝葉斯網(wǎng)絡(luò)示意圖。
具體實施例方式
下面結(jié)合附圖給出本發(fā)明較佳實施例，以詳細說明本發(fā)明的技術(shù)方案。圖1城市 路網(wǎng)交通狀況估計方法的流程框圖，如圖l所示，本發(fā)明提供的基于數(shù)據(jù)融合技術(shù)的交通 狀況估計方法包括如下幾步 (1).通過傳感器采集路面的交通狀況信息； (2).對步驟(1)中傳感器采集的傳感器數(shù)據(jù)進行預(yù)處理； (3).將采集的傳感器數(shù)據(jù)和當(dāng)前天氣、時間采用貝葉斯網(wǎng)絡(luò)方法，對數(shù)據(jù)進行融 合處理； (4).通過融合處理后得到的數(shù)據(jù)估計交通狀況。
下面分別進行描述
1.數(shù)據(jù)預(yù)處理 本發(fā)明所要求的輸入數(shù)據(jù)如圖2所示，包括GPS測量當(dāng)前平均速度、上一個時刻 GPS測量的平均速度、環(huán)形車輛檢測器測量車輛平均速度和上一個時刻環(huán)形車輛檢測器測 量車輛平均速度，以及天氣和時間段數(shù)據(jù)。平均速度v根據(jù)實際交通狀態(tài)可分為5個速度 等級，交通狀態(tài)嚴重擁堵對應(yīng)于v《10公里/小時，擁堵對應(yīng)于10 < v《20，不暢通對應(yīng) 于20 < v《30，較暢通對應(yīng)于30 < v《50，通暢對應(yīng)于v > 50。天氣數(shù)據(jù)根據(jù)對交通的 影響程度，分成惡劣、較差、一般和較好。時間段根據(jù)對交通影響程度，分成高峰時段、擁擠 時段、一般時段和暢通時段。
2.貝葉斯網(wǎng)絡(luò)構(gòu)建 構(gòu)建的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，箭頭表示兩者之間有因果關(guān)系如果要提高數(shù) 據(jù)融合精度，可以增加更多的數(shù)據(jù)，比如增加更多的歷史傳感器數(shù)據(jù)，或者增加更多的傳感 器數(shù)據(jù)類型，例如，視頻數(shù)據(jù)等等。對于貝葉斯網(wǎng)絡(luò)中每個節(jié)點的概率分布的確定，采用實 際測量和專家審定的方法。通過對某一路段長期的觀察，可以確定，在不同的天氣狀況下， 交通狀況的情況，從而可以確定從天氣到交通狀況的條件概率分布。
3.基于變量消元法的數(shù)據(jù)融合
輸入融合過程如下
①初始化 構(gòu)造一個初始的中間函數(shù)隊列，將貝葉斯網(wǎng)絡(luò)中的所有節(jié)點相對應(yīng)的函數(shù)放入其
中；然后對初始的函數(shù)隊列根據(jù)得到的傳感器數(shù)據(jù)、天氣等變量，設(shè)定其初始值；然后構(gòu)造
一個待消元變量序列，該序列不包括已知的預(yù)設(shè)值變量和待求的交通狀況變量。 ②如果待消元變量序列中還有待消元變量則重復(fù)執(zhí)行這一步驟 構(gòu)造一個新的函數(shù)隊列，將原有的函數(shù)隊列中的和待消元變量相關(guān)的函數(shù)全部移
入新的函數(shù)隊列；構(gòu)造一個新的函數(shù)，該函數(shù)為新的函數(shù)隊列的計算結(jié)果；對新的函數(shù)隊
列中所涉及到的所有變量依次賦值，即從(O，O，…，0) —直賦值到(m， n，…，z)(其中m，
n，….，z等是各個變量的最大取值分類號)，對每次賦值計算新函數(shù)隊列的連乘值，將該連
乘值按待消元變量的取值進行累加后所得的值就是新函數(shù)在當(dāng)前賦值條件下的函數(shù)值；將
計算完畢的新函數(shù)加入到原有的函數(shù)隊列中； ③將目前的函數(shù)隊列中的所有函數(shù)合并為一個函數(shù)并進行歸一化處理，最后所得到的函數(shù)就是在當(dāng)前已知條件下待求交通狀況的概率分布，即得到當(dāng)前的最大概率的交通 狀況估計。 以上顯示和描述了本發(fā)明的基本原理和主要特征和本發(fā)明的優(yōu)點。本行業(yè)的技術(shù) 人員應(yīng)該了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本 發(fā)明的原理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變 化和改進都落入要求保護的本發(fā)明范圍內(nèi)，本發(fā)明要求保護范圍由所附的權(quán)利要求書及其 等效物界定。
權(quán)利要求
一種基于數(shù)據(jù)融合技術(shù)的交通狀況估計方法，其特征在于所述方法包括如下步驟(1).通過傳感器采集路面的交通狀況信息；(2).對步驟(1)中傳感器采集的傳感器數(shù)據(jù)進行預(yù)處理；(3).將采集的傳感器數(shù)據(jù)和當(dāng)前天氣、時間采用貝葉斯網(wǎng)絡(luò)方法，對數(shù)據(jù)進行融合處理；(4).通過融合處理后得到的數(shù)據(jù)估計交通狀況。
2. 根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)融合技術(shù)的交通狀況估計方法，其特征在于所述 傳感器包括兩類一類是汽車上所安裝的全球定位系統(tǒng)(GPS)接收機，另一類是埋在道路 地下的環(huán)形車輛檢測器。
3. 根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)融合技術(shù)的交通狀況估計方法，其特征在于所述 傳感器數(shù)據(jù)，既包括當(dāng)前時刻的傳感器數(shù)據(jù)，也包括傳感器歷史數(shù)據(jù)。
4. 根據(jù)權(quán)利要求2所述的基于數(shù)據(jù)融合技術(shù)的交通狀況估計方法，其特征在于所述進行融合處理的數(shù)據(jù)包括全球定位系統(tǒng)(GPS)測量當(dāng)前平均速度、上一個時刻全球定位系 統(tǒng)(GPS)測量的平均速度、環(huán)形車輛檢測器測量車輛平均速度和上一個時刻環(huán)形車輛檢測器測量車輛平均速度，以及天氣和時間段數(shù)據(jù)。
全文摘要
本發(fā)明公開了一種基于數(shù)據(jù)融合技術(shù)的交通狀況估計方法。本發(fā)明根據(jù)“更多的信息有助于更準確的估計交通狀況”這一原則，利用全球定位系統(tǒng)(GPS)、環(huán)形車輛檢測器等傳感器獲得當(dāng)前的交通狀況信息，經(jīng)過預(yù)處理后，與天氣、時間段、不同時刻的傳感器數(shù)據(jù)一起采用貝葉斯網(wǎng)絡(luò)進行融合處理，得出當(dāng)前交通狀況的準確信息。該方法除了當(dāng)前傳感器數(shù)據(jù)，還考慮了多個影響交通狀況的其他因素，并進行融合處理，可以避免單個傳感器信息帶來的誤判問題。該交通狀況估計方法尤其適用于大城市的交通環(huán)境。
文檔編號G08G1/01GK101739824SQ20091019869
公開日2010年6月16日 申請日期2009年11月12日 優(yōu)先權(quán)日2009年11月12日
發(fā)明者石林祥, 陳林, 魏淑桃 申請人:上海第二工業(yè)大學(xué)