一種自適應的交通狀態(tài)估計方法
【專利摘要】一種自適應的交通狀態(tài)估計方法，具體步驟包括：(1)在融合參數(shù)訓練中，根據(jù)各數(shù)據(jù)源的交通信息計算各源的基本概率分配表。(2)在多源融合的交通狀態(tài)估計中，把訓練好的各源概率分配表融合成決策表；根據(jù)各源實時的交通信息從決策表中獲得交通狀態(tài)估計結果。(3)在自適應調整中，對各源概率分配表周期性地進行自適應調整；將自適應調整后的各源概率分配表融合成新的決策表并用于下一周期的實時交通狀態(tài)估計。本發(fā)明中的各數(shù)據(jù)源的概率分配表可周期性地自適應調整，不僅減少了前期融合參數(shù)訓練的數(shù)據(jù)量和工作量，而且自適應調整后的概率分配表能適應實時的城市道路交通狀態(tài)變化模式，可提高交通狀態(tài)估計的準確性。
【專利說明】
【技術領域】
[0001] 本發(fā)明涉及一種自適應的交通狀態(tài)估計方法，屬于智能交通研究領域。 一種自適應的交通狀態(tài)估計方法

【背景技術】
[0002] 我國社會和經(jīng)濟的快速發(fā)展帶來了城市交通流量的迅速增長，交通堵塞問題也日 益嚴重。利用智能交通系統(tǒng)來緩解交通擁堵，提高交通運輸效率成為一種新的趨勢，也成為 綜合解決交通問題的轉機。其中，通過對交通數(shù)據(jù)的有效處理和分析，實現(xiàn)對交通狀態(tài)的實 時估計獲得了廣泛的關注。
[0003] 由于D-S證據(jù)理論在不確定性的表示、測量和組合方面具有優(yōu)勢，不少智能交通 的研究者提出了利用D-S證據(jù)理論來融合多源交通數(shù)據(jù)并進行交通狀態(tài)估計。但在傳統(tǒng) 的基于D-S證據(jù)理論的交通狀態(tài)估計方法中，各數(shù)據(jù)源的基本概率分配表在訓練時已計算 好，是固定不變的，因此由其融合成的并用于交通狀態(tài)估計的決策表也是固定不變的，從而 導致的缺陷有：一、在前期融合參數(shù)訓練階段時，需要大量的道路交通數(shù)據(jù)并進行人工視頻 標注所有道路交通狀態(tài)，工作量巨大；二、在實際應用中，城市道路交通狀態(tài)變化模式并非 一成不變，固定的基本概率分配表不能適應長期（一般指3個月以上）的道路環(huán)境，進而導 致用于交通狀態(tài)估計的決策表與道路環(huán)境不能適應，降低了交通狀態(tài)估計的準確率。因此， 需要一種各數(shù)據(jù)源基本概率分配表能適應實時城市道路交通狀態(tài)變化模式的交通狀態(tài)估 計方法。
[0004] 自適應是指在處理或分析過程中，數(shù)據(jù)能定期調整或更新，以適應實時的情況，從 而達到最佳的處理效果。憑借其優(yōu)點，自適應已被應用在某些領域，如：論文《基于D-S證 據(jù)理論的區(qū)域交通自適應協(xié)調控制》提出了在區(qū)域交通的信號控制系統(tǒng)上采用自適應協(xié)調 控制的方法，即根據(jù)檢測的交通量數(shù)據(jù)，定期更新系統(tǒng)存儲的交通模式及其對應的最優(yōu)配 時方案，以克服傳統(tǒng)方法定時控制的缺陷。雖然自適應已被應用于不少領域，但目前還未應 用于交通估計中。將自適應應用于交通估計中，即能滿足各數(shù)據(jù)源基本概率分配表適應實 時城市道路交通狀態(tài)變化模式的需求了。


【發(fā)明內容】

[0005] 為了克服傳統(tǒng)的基于D-S證據(jù)理論的交通狀態(tài)估計方法存在的缺陷，本發(fā)明提出 了一種自適應的交通狀態(tài)估計方法。本發(fā)明的技術構思是：在基于D-S證據(jù)理論的交通狀 態(tài)估計方法的基礎上，添加自適應調整步驟。該方法中各數(shù)據(jù)源的基本概率分配表不固定， 可周期性地進行自適應調整，然后將調整后的各源概率分配表融合成新的決策表并用于下 一周期的交通狀態(tài)估計。該方法不僅減少了前期融合參數(shù)訓練的交通數(shù)據(jù)量和工作量，而 且自適應調整后的概率分配表能適應實時的城市道路交通狀態(tài)變化模式，提高了交通狀態(tài) 估計的準確率。
[0006] 本發(fā)明提出的估計方法包括以下具體步驟：
[0007] (1)融合參數(shù)訓練：
[0008] 把估計得到的各源歷史交通狀態(tài)與相應的人工視頻標注結果統(tǒng)計成各源的交通 狀態(tài)信息表，將各源歷史交通狀態(tài)與相應的人工視頻標注結果的信息通過基本概率公式計 算得到各數(shù)據(jù)源的基本概率分配表?；靖怕视嬎愎蕉x為： _] m(Ck)x,y = P(Bx|Ay)
[0010] 式中：k為數(shù)據(jù)源的編號；Ck表示不同的數(shù)據(jù)源；x，y為道路交通狀態(tài)；8 !￡是某數(shù)據(jù) 源歷史的人工視頻標注結果為X的信息；Ay是某數(shù)據(jù)源歷史交通狀態(tài)為y的信息。
[0011] (2)多源融合的交通狀態(tài)估計：
[0012] 對訓練好的各數(shù)據(jù)源的概率分配表用下述算法融合成決策表。
[0013] 設Ω = {ω" ω2, . . .，ων}是一個識別框架，Ω的冪集為2Ω = & | J g Ω)?；?本概率分配函數(shù)定義為2Ω - [0，1]的映射，并且滿力

【權利要求】
1. 一種自適應的交通狀態(tài)估計方法，其特征在于：所述估計方法包括以下步驟： (1) 融合參數(shù)訓練： 把估計得到的各源歷史交通狀態(tài)與相應的人工視頻標注結果統(tǒng)計成各源的交通狀態(tài) 信息表，將各源歷史交通狀態(tài)與相應的人工視頻標注結果的信息通過基本概率公式計算得 到各數(shù)據(jù)源的基本概率分配表。 (2) 多源融合的交通狀態(tài)估計： 對訓練好的各數(shù)據(jù)源的概率分配表用D-S證據(jù)理論融合成決策表；將各數(shù)據(jù)源實時的 交通數(shù)據(jù)估計成道路交通狀態(tài)，并從融合成的決策表中用最大似然法則，即選取概率最大 對應的狀態(tài)作為交通狀態(tài)估計結果。 (3) 自適應調整： 對各數(shù)據(jù)源的概率分配表周期性地進行自適應調整，自適應調整包括初步調整和均和 調整。 每隔一個自適應周期T，根據(jù)該周期T內采集到的所有各源數(shù)據(jù)的狀態(tài)信息，包括各源 數(shù)據(jù)估計出的交通狀態(tài)，根據(jù)各源數(shù)據(jù)估計出的交通狀態(tài)從決策表中得到的估計結果和相 應的人工視頻標注結果，依次對各源的概率分配表進行調整。當從決策表中得到的估計結 果與相應的人工視頻標注結果一致時，即交通狀態(tài)估計準確，不調整其概率分配，否則依次 對各源的概率分配表進行如下的初步調整：
式中：k為數(shù)據(jù)源的編號；Ck表示不同的數(shù)據(jù)源；α和β是調整系數(shù)，且α = 0. 1，β =〇. 9 ;r為某數(shù)據(jù)源數(shù)據(jù)估計出的交通狀態(tài)；s為根據(jù)各源數(shù)據(jù)估計出的交通狀態(tài)從決策 表中得到的估計結果；u為相應的人工視頻標注結果；m(C k)M則表示在Ck數(shù)據(jù)源的概率分 配表中，該數(shù)據(jù)源數(shù)據(jù)估計的交通狀態(tài)為r且人工視頻標注結果為u的概率;m(C k)u則表 示在Ck數(shù)據(jù)源的概率分配表中，該數(shù)據(jù)源數(shù)據(jù)估計的交通狀態(tài)為r且人工視頻標注結果為 s的概率。 將該周期初步調整完的各源概率分配表與前幾個周期的各源概率分配表用均和算法 進行均和調整，從而得到自適應調整后的各源概率分配表。均和算法的公式如下：
式中：P表示參與調整的自適應周期個數(shù)，一般最大為4 ;當i = 0時，表示在 當前周期初步調整完的各源概率分配表中，Ck數(shù)據(jù)源數(shù)據(jù)估計出的交通狀態(tài)為y且相應的 人工視頻標注結果為X的概率；當i > 〇時，m(Ck)x, y,,表示在前i個周期的各源概率分配 表中，Ck數(shù)據(jù)源數(shù)據(jù)估計出的交通狀態(tài)為y且相應的人工視頻標注結果為X的概率； 〇 i表 示各個自適應周期中各源概率分配表的權重。 每一周期后，把自適應調整好的各數(shù)據(jù)源的概率分配表作為訓練好的概率分配表，再
【文檔編號】G08G1/07GK104103176SQ201310127487
【公開日】2014年10月15日 申請日期:2013年4月15日 優(yōu)先權日:2013年4月15日
【發(fā)明者】夏瑩杰, 單振宇, 王燕妮, 黃樂 申請人:杭州斯瑪特維科技有限公司, 杭州師范大學