專利名稱：：一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于交通信息融合
技術(shù)領(lǐng)域：
，尤其涉及一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法。
背景技術(shù)：
：近年來，我國(guó)在智能交通系統(tǒng)領(lǐng)域已開展了大量的研究工作，交通管理系統(tǒng)已獲取了豐富的交通基礎(chǔ)數(shù)據(jù)，但是這些基礎(chǔ)數(shù)據(jù)并沒有發(fā)揮應(yīng)有的效用，利用率較低。隨著交通量的不斷增加，一些城市的高速公路或者城市之間的高速公路，如京津塘高速、廣深高速、滬寧高速等，交通量基本達(dá)到飽和，每天有相當(dāng)長(zhǎng)一段時(shí)間的交通速度已經(jīng)低于設(shè)計(jì)的最低速度，并在收費(fèi)口等地形成排隊(duì)，高速公路路段擁堵嚴(yán)重。因此需要研究出一種能夠充分利用現(xiàn)有高速公路監(jiān)測(cè)數(shù)據(jù)的方法，實(shí)現(xiàn)對(duì)交通狀態(tài)的準(zhǔn)確識(shí)別，以實(shí)現(xiàn)及時(shí)發(fā)現(xiàn)、及時(shí)誘導(dǎo)、及時(shí)指揮的目標(biāo)，減少擁堵帶來的損失。
發(fā)明內(nèi)容本發(fā)明的目的在于，提出一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，用以準(zhǔn)確識(shí)別交通狀態(tài)。技術(shù)方案是，一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述方法包括下列步驟步驟1:選擇交通參數(shù)，建立狀態(tài)識(shí)別的評(píng)價(jià)指標(biāo)體系，確定各個(gè)指標(biāo)值的取值范圍對(duì)交通狀態(tài)的影響；依據(jù)決策樹算法，建立交通狀態(tài)識(shí)別的二叉樹結(jié)構(gòu)；確定所述二叉樹結(jié)構(gòu)的融合層次K，K>2，令i=1;根據(jù)第i層樣本格式要求，對(duì)第i層數(shù)據(jù)進(jìn)行預(yù)處理；確定第i層的輸入樣本；利用支持向量機(jī)機(jī)器學(xué)習(xí)方法，對(duì)第i層的輸入樣本進(jìn)行訓(xùn)練，獲得支持對(duì)支持向量機(jī)進(jìn)行數(shù)據(jù)融合，獲得融合結(jié)果并根據(jù)融合結(jié)果判斷下一級(jí)融合時(shí)的支持向量機(jī)；步驟8:i=i+l;判斷i《K是否成立，如果成立，則返回步驟4，執(zhí)行下一層的數(shù)據(jù)融合；否則，結(jié)束流程。所述交通參數(shù)包括平均運(yùn)行速度、平均密度、負(fù)荷度、平均時(shí)間占有率、平均延誤。所述步驟6包括下列步驟步驟601:根據(jù)指標(biāo)體系，確定第i層輸入數(shù)據(jù)樣本=,>V),(x2'，力'),...,(<，;其中，x:eiT，y)e{-U}，7=1,2"."/，i為訓(xùn)練樣本個(gè)數(shù)；步驟2:步驟3:步驟4:步驟5:步驟6:向量機(jī)；步驟7:步驟602:選定核函數(shù)和損失函數(shù)；步驟603:設(shè)定核函數(shù)的參數(shù)和損失函數(shù)的參數(shù)；步驟604:訓(xùn)練輸入數(shù)據(jù)樣本，并通過支持向量機(jī)評(píng)價(jià)指標(biāo)來確定訓(xùn)練效果；步驟605:判斷是否達(dá)到最終的訓(xùn)練效果，如果達(dá)到，則執(zhí)行步驟607;否則，執(zhí)行步驟606;步驟606;修正核函數(shù)的參數(shù)和損失函數(shù)的參數(shù)，返回步驟603;步驟607:測(cè)試訓(xùn)練好的支持向量機(jī)。所述核函數(shù)為高斯函數(shù):《(x,x,)=exp(—iix:x;ii)2o"。所述損失函數(shù)為不敏感損失函數(shù)^^)^max(kl-e，0^其中，e為泛化參數(shù)，l為松弛變量。所述支持向量機(jī)評(píng)價(jià)指標(biāo)采用評(píng)價(jià)交通狀態(tài)識(shí)別方法效率的指標(biāo)，包括識(shí)別率和平均識(shí)別時(shí)間。所述識(shí)別率的計(jì)算公式為"=:^xl(K)%.其中，IN是正確識(shí)別狀態(tài)次數(shù)，AN是總檢測(cè)狀態(tài)次數(shù)。所述平均識(shí)別時(shí)間的計(jì)算公式為^7=^^77(0其中，T1(i)為算法識(shí)別第iW,二l個(gè)狀態(tài)所用的時(shí)間，n為算法識(shí)別的狀態(tài)數(shù)。所述判斷是否達(dá)到最終的訓(xùn)練效果的方法是，當(dāng)所述識(shí)別率大于預(yù)先設(shè)定的第一閾值并且所述平均識(shí)別時(shí)間小于預(yù)先設(shè)定的第二閾值時(shí)，達(dá)到最終的訓(xùn)練效果；否則，未達(dá)到最終訓(xùn)練效果。本發(fā)明的有益效果在于，繼承了傳統(tǒng)SVM(支持向量機(jī))信息融合方法的優(yōu)勢(shì)，解決了高速公路交通狀態(tài)識(shí)別準(zhǔn)確率低的問題，從而使得高速公路交通控制、交通指揮、交通規(guī)劃有了更可靠地決策支持，提高了管理效率，為更好的提供高速公路交通服務(wù)打下了基礎(chǔ)。圖1是基于信息融合的高速公路交通狀態(tài)識(shí)別方法模型示意圖；圖2是交通狀態(tài)識(shí)別的二叉樹結(jié)構(gòu)示意圖；圖3是一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法流程圖；圖4是利用支持向量機(jī)機(jī)器學(xué)習(xí)方法對(duì)輸入樣本進(jìn)行訓(xùn)練的流程圖。具體實(shí)施例方式下面結(jié)合附圖，對(duì)優(yōu)選實(shí)施例作詳細(xì)說明。應(yīng)該強(qiáng)調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。本發(fā)明提出的基于信息融合的高速公路交通狀態(tài)識(shí)別方法，應(yīng)用交通信息融合技術(shù)，充分利用了高速公路交通監(jiān)測(cè)信息，對(duì)交通狀態(tài)進(jìn)行識(shí)別、估計(jì)，為交通控制、交通指揮、交通規(guī)劃提供決策支持。該方法是繼承了支持向量機(jī)機(jī)器學(xué)習(xí)方法(SupportVectorMachines,SVM)的計(jì)算思想，同時(shí)分析了將傳統(tǒng)的SVM方法應(yīng)用于解決高速公路交通狀態(tài)識(shí)別時(shí)存在的局限性，針對(duì)該應(yīng)用不足之處，提出了改進(jìn)方案，得到?jīng)Q策樹-支持向量機(jī)(DTM-SVM)模型。圖1是基于信息融合的高速公路交通狀態(tài)識(shí)別方法模型示意圖。圖1中，該模型具有如下特點(diǎn)(1)具有層次結(jié)構(gòu)，根據(jù)所研究問題要求的分類精度，確定融合層次K。每一級(jí)融合計(jì)算對(duì)應(yīng)于二叉樹中的一層。(2)數(shù)據(jù)源中的數(shù)據(jù)數(shù)據(jù)l，數(shù)據(jù)2，......，數(shù)據(jù)p，來自多個(gè)系統(tǒng)或者多個(gè)傳感器，是針對(duì)同一個(gè)問題提取出來的支持?jǐn)?shù)據(jù)。(3)每一級(jí)融合中的數(shù)據(jù)預(yù)處理階段是要根據(jù)融合級(jí)別要求、解決問題的評(píng)判指標(biāo)以及樣本要求格式等將數(shù)據(jù)進(jìn)行處理。(4)不同融合層次上的支持向量機(jī)的訓(xùn)練樣本不同，S卩在訓(xùn)練樣本D={(Xl，y》，...，(Xl，y》}，XiGRn，yG{-1，1}中，不同層次上Xi對(duì)應(yīng)的yi不同，根據(jù)評(píng)價(jià)指標(biāo)體系中Xi，來確定yi，從而確定每一層SVM的輸入數(shù)據(jù)樣本。(5)經(jīng)過一級(jí)融合后，輸出結(jié)果yl，l=1，2，...，k，根據(jù)yl的值來判斷下一級(jí)融合時(shí)的支持向量機(jī)，即圖2的結(jié)構(gòu)中，上一層SVM決定下一層調(diào)用左邊的還是右邊的SVM，直到得到需要的結(jié)果。圖3是一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法流程圖。圖3中，本發(fā)明的實(shí)施步驟包括步驟1:選擇交通參數(shù)，建立狀態(tài)識(shí)別的評(píng)價(jià)指標(biāo)體系，確定各個(gè)指標(biāo)值的取值范圍對(duì)交通狀態(tài)的影響?，F(xiàn)場(chǎng)采集的數(shù)據(jù)不一定能夠完全對(duì)應(yīng)于評(píng)價(jià)指標(biāo)參數(shù)，因此需要通過檢測(cè)到得參數(shù)進(jìn)行轉(zhuǎn)換計(jì)算，得到更能夠反映交通狀態(tài)的指標(biāo)值。指標(biāo)體系如下表所示<table>tableseeoriginaldocumentpage7</column></row><table>平均延誤通過單位長(zhǎng)度路段的所有車輛的延誤值總和?！贰糾in/knDe—路段平均延誤時(shí)間；^e—路段上每輛車的延誤時(shí)間；觀察路段長(zhǎng)度。表1交通狀況指標(biāo)體系參考0046]如上表，交通參數(shù)包括平均運(yùn)行速度、平均密度、負(fù)荷度、平均時(shí)間占有率、平均延誤。平均運(yùn)行速度是指行駛在某一特定長(zhǎng)度路段內(nèi)全部車輛的車速分布的平均值，即區(qū)間平均速度，單位是km/h。路段平均速度值的大小是出行者對(duì)交通運(yùn)行狀態(tài)的最直觀的感受之一，直接反映了路段的擁堵狀態(tài)。在表2給出了路段平均運(yùn)行速度與其交通運(yùn)行狀態(tài)之間的關(guān)系，根據(jù)速度值的大小將其分為5個(gè)等級(jí)，不同取值對(duì)應(yīng)不同等級(jí)，不同等級(jí)的平均速度代表了不同的交通運(yùn)行狀態(tài)。<table>tableseeoriginaldocumentpage8</column></row><table>表2高速公路平均運(yùn)行速度評(píng)價(jià)等級(jí)參考標(biāo)準(zhǔn)平均密度是高速公路某路段單位車道上單位里程機(jī)動(dòng)車的數(shù)量。單位輛/公里/車道。通常情況下，該參數(shù)與交通擁堵程度呈反比關(guān)系，當(dāng)密度很大的時(shí)候，反映處于排隊(duì)中的車輛數(shù)多，可以反映出道路擁堵程度。表3給出了高速公路路段平均交通密度評(píng)價(jià)指標(biāo)參考值。<table>tableseeoriginaldocumentpage8</column></row><table>表3平均交通密度評(píng)價(jià)指標(biāo)參考值負(fù)荷度是指路段實(shí)際交通量與路段通行能力的比值。負(fù)荷度是交通需求與交通供應(yīng)關(guān)系的體現(xiàn)，反映了路段服務(wù)水平。負(fù)荷度越大，其服務(wù)水平越低，負(fù)荷度越小，其服務(wù)水平越高。為了方便對(duì)平均負(fù)荷度的理解，將其取值范圍定義為(O，l]，并且分為五個(gè)等級(jí)，不同取值對(duì)應(yīng)不同等級(jí)，不同等級(jí)的負(fù)荷度代表了不同的交通運(yùn)行狀態(tài)。表4給出了高速公路路段平均負(fù)荷度的評(píng)價(jià)指標(biāo)參考標(biāo)準(zhǔn)。<table>tableseeoriginaldocumentpage9</column></row><table>圖4是利用支持向量機(jī)機(jī)器學(xué)習(xí)方法對(duì)輸入樣本進(jìn)行訓(xùn)練的流程圖。圖4中，利用支持向量機(jī)機(jī)器學(xué)習(xí)方法對(duì)輸入樣本進(jìn)行訓(xùn)的過程包括下列步驟步驟601:根據(jù)指標(biāo)體系，確定第i層輸入數(shù)據(jù)樣本D爿(x/,jV),(X2',3V),…,(x/，3V";其中，^ei"，X"-1,1〉，y'-l,U，1為訓(xùn)練樣本個(gè)數(shù)。步驟602:選定核函數(shù)和損失函數(shù)。其中，核函數(shù)選定高斯函數(shù)^(;c,x,)=exp(-fc^L)2cr。損失函數(shù)選定不敏感損失函數(shù)c(l)=max(|《卜e，0);其中，e為泛化參數(shù)，l為松弛變量。步驟603:設(shè)定核函數(shù)的參數(shù)和損失函數(shù)的參數(shù)。步驟604:訓(xùn)練輸入數(shù)據(jù)樣本，并通過支持向量機(jī)評(píng)價(jià)指標(biāo)來確定訓(xùn)練效果。支持向量機(jī)評(píng)價(jià)指標(biāo)采用評(píng)價(jià)交通狀態(tài)識(shí)別方法效率的指標(biāo)，包括識(shí)別率和平均識(shí)別時(shí)間。其中，識(shí)別率的計(jì)算公式為/i=^xlOO%IN是正確識(shí)別狀態(tài)次數(shù)，AN是總檢爿iV。測(cè)狀態(tài)次數(shù)。平均識(shí)別時(shí)間的計(jì)算公式為M77:^t77(0Tl(i)為算法識(shí)別第i個(gè)狀態(tài)所用的時(shí)間，n為算法識(shí)別的狀態(tài)數(shù)。步驟605:判斷是否達(dá)到最終的訓(xùn)練效果，如果達(dá)到，則執(zhí)行步驟607;否則，執(zhí)行步驟606。判斷是否達(dá)到最終的訓(xùn)練效果的具體方法是，當(dāng)所述識(shí)別率大于預(yù)先設(shè)定的第一閾值并且所述平均識(shí)別時(shí)間小于預(yù)先設(shè)定的第二閾值時(shí)，達(dá)到最終的訓(xùn)練效果；否則，未達(dá)到最終訓(xùn)練效果。步驟606;修正核函數(shù)的參數(shù)和損失函數(shù)的參數(shù)，返回步驟603。步驟607:測(cè)試訓(xùn)練好的支持向量機(jī)。步驟7:對(duì)支持向量機(jī)進(jìn)行數(shù)據(jù)融合，獲得融合結(jié)果并根據(jù)融合結(jié)果判斷下一級(jí)融合時(shí)的支持向量機(jī)。步驟8:i=i+l;判斷i《K是否成立，如果成立，則返回步驟4，執(zhí)行下一層的數(shù)據(jù)融合；否則，結(jié)束流程。以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。權(quán)利要求一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述方法包括下列步驟步驟1選擇交通參數(shù)，建立狀態(tài)識(shí)別的評(píng)價(jià)指標(biāo)體系，確定各個(gè)指標(biāo)值的取值范圍對(duì)交通狀態(tài)的影響；步驟2依據(jù)決策樹算法，建立交通狀態(tài)識(shí)別的二叉樹結(jié)構(gòu)；步驟3確定所述二叉樹結(jié)構(gòu)的融合層次K，K≥2，令i＝1；步驟4根據(jù)第i層樣本格式要求，對(duì)第i層數(shù)據(jù)進(jìn)行預(yù)處理；步驟5確定第i層的輸入樣本；步驟6利用支持向量機(jī)機(jī)器學(xué)習(xí)方法，對(duì)第i層的輸入樣本進(jìn)行訓(xùn)練，獲得支持向量機(jī)；步驟7對(duì)支持向量機(jī)進(jìn)行數(shù)據(jù)融合，獲得融合結(jié)果并根據(jù)融合結(jié)果判斷下一級(jí)融合時(shí)的支持向量機(jī)；步驟8i＝i+1；判斷i≤K是否成立，如果成立，則返回步驟4，執(zhí)行下一層的數(shù)據(jù)融合；否則，結(jié)束流程。2.根據(jù)權(quán)利要求1所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述交通參數(shù)包括平均運(yùn)行速度、平均密度、負(fù)荷度、平均時(shí)間占有率、平均延誤。3.根據(jù)權(quán)利要求1所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述步驟6包括下列步驟步驟601:根據(jù)指標(biāo)體系，確定第i層輸入數(shù)據(jù)樣本D={(x/，y/)，(x/,y。，...，(x二y。};其中，<e"，乂e{-1,1}，j=1，2，，1，1為訓(xùn)練樣本個(gè)數(shù)；步驟602:選定核函數(shù)和損失函數(shù)；步驟603:設(shè)定核函數(shù)的參數(shù)和損失函數(shù)的參數(shù)；步驟604:訓(xùn)練輸入數(shù)據(jù)樣本，并通過支持向量機(jī)評(píng)價(jià)指標(biāo)來確定訓(xùn)練效果；步驟605:判斷是否達(dá)到最終的訓(xùn)練效果，如果達(dá)到，則執(zhí)行步驟607;否則，執(zhí)行步驟606;步驟606;修正核函數(shù)的參數(shù)和損失函數(shù)的參數(shù)，返回步驟603;步驟607:測(cè)試訓(xùn)練好的支持向量機(jī)。4.根據(jù)權(quán)利要求3所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述核函數(shù)為高斯函數(shù)^(x,x,)=eXp(-t^i)2cr。5.根據(jù)權(quán)利要求3所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述損失函數(shù)為不敏感損失函數(shù)c(l)=max(|《卜e，0);其中，e為泛化參數(shù)，《為松弛變量。6.根據(jù)權(quán)利要求3所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述支持向量機(jī)評(píng)價(jià)指標(biāo)采用評(píng)價(jià)交通狀態(tài)識(shí)別方法效率的指標(biāo)，包括識(shí)別率和平均識(shí)別時(shí)間。7.根據(jù)權(quán)利要求6所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述識(shí)別率的計(jì)算公式為^zi"M7。.其中，IN是正確識(shí)別狀態(tài)次數(shù)，AN是總檢測(cè)狀態(tài)次數(shù)。8.根據(jù)權(quán)利要求6所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述平均識(shí)別時(shí)間的計(jì)算公式為^^^^"t77(0其中，Tl(i)為算法識(shí)別第i個(gè)狀態(tài)所用的時(shí)間，n為算法識(shí)別的狀態(tài)數(shù)。9.根據(jù)權(quán)利要求3所述的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法，其特征是所述判斷是否達(dá)到最終的訓(xùn)練效果的方法是，當(dāng)所述識(shí)別率大于預(yù)先設(shè)定的第一閾值并且所述平均識(shí)別時(shí)間小于預(yù)先設(shè)定的第二閾值時(shí)，達(dá)到最終的訓(xùn)練效果；否則，未達(dá)到最終訓(xùn)練效果。全文摘要本發(fā)明公開了交通信息融合
技術(shù)領(lǐng)域：
中的一種基于信息融合的高速公路交通狀態(tài)識(shí)別方法。包括選擇交通參數(shù)，建立狀態(tài)識(shí)別的評(píng)價(jià)指標(biāo)體系；依據(jù)決策樹算法，建立交通狀態(tài)識(shí)別的二叉樹結(jié)構(gòu)；確定所述二叉樹結(jié)構(gòu)的融合層次K，K≥2，令i＝1；根據(jù)第i層樣本格式要求，對(duì)第i層數(shù)據(jù)進(jìn)行預(yù)處理；確定第i層的輸入樣本；利用支持向量機(jī)機(jī)器學(xué)習(xí)方法，對(duì)第i層的輸入樣本進(jìn)行訓(xùn)練，獲得支持向量機(jī)；對(duì)支持向量機(jī)進(jìn)行數(shù)據(jù)融合，獲得融合結(jié)果并根據(jù)融合結(jié)果判斷下一級(jí)融合時(shí)的支持向量機(jī)；i＝i+1；判斷i≤K是否成立，如果成立，則返回步驟4，執(zhí)行下一層的數(shù)據(jù)融合；否則，結(jié)束流程。本發(fā)明繼承了傳統(tǒng)支持向量機(jī)信息融合方法的優(yōu)勢(shì)，解決了高速公路交通狀態(tài)識(shí)別準(zhǔn)確率低的問題。文檔編號(hào)G08G1/01GK101706996SQ20091023728公開日2010年5月12日申請(qǐng)日期2009年11月12日優(yōu)先權(quán)日2009年11月12日發(fā)明者孫倩,張晨琛,王艷輝,羅俊,肖雪梅,郭曉妮申請(qǐng)人:北京交通大學(xué)