考慮氣象因素、道路線形因素的高速公路事件檢測方法
【專利摘要】本發(fā)明屬于交通監(jiān)測【技術(shù)領(lǐng)域】，公開了一種考慮氣象因素、道路線形因素的高速公路事件檢測方法，包括如下步驟：1)采集高速公路天氣信息、路段線形信息和交通數(shù)據(jù)，獲得氣象參數(shù)、路段線形參數(shù)和交通參數(shù)；2)對氣象參數(shù)、路段線形參數(shù)和交通參數(shù)進(jìn)行預(yù)處理；3)將預(yù)處理后的氣象參數(shù)、路段線形參數(shù)和交通參數(shù)輸入BP神經(jīng)網(wǎng)絡(luò)，判斷是否有事件發(fā)生。本發(fā)明采用模糊評估的方法，得到不同天氣條件下、道路線形特征對交通流的影響因子，可以明顯提高高速公路事件檢測精度。
【專利說明】考慮氣象因素、道路線形因素的高速公路事件檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于交通監(jiān)測【技術(shù)領(lǐng)域】，具體涉及一種高速公路事件檢測方法。

【背景技術(shù)】
[0002] 高速公路事件是指高速公路上的偶發(fā)性事件，主要包括車輛交通事故、故障車停 車或緩行、貨物散落和突發(fā)的自然災(zāi)害等。這樣的事件發(fā)生會嚴(yán)重影響道路的暢通和安全， 如果不及時處理，就會中斷交通流，阻塞交通、造成經(jīng)濟(jì)損失甚至引起二次事故造成人員傷 亡等更嚴(yán)重的后果。目前為了減少交通事件所造成的影響最主要的方法就是利用自動交通 事件檢測算法來分析高速公路的實時交通信息，來盡快的判斷出路段上是否有事件發(fā)生， 以便交通管理者可以及時的處理，從而減少二次事故的發(fā)生，并在一定程度上降低事件所 造成的影響。
[0003] 現(xiàn)有關(guān)于高速公路交通事件檢測算法的文獻(xiàn)中，大多數(shù)只是利用固定車檢器提供 的交通參數(shù)，少數(shù)文獻(xiàn)中利用浮動車參數(shù)對高速公路事件檢測的過程進(jìn)行建模分析。事實 上，在不同的氣象環(huán)境下、不同的路段線形特征下交通流的規(guī)律有著明顯的不同，僅僅利用 交通參數(shù)對交通流規(guī)律進(jìn)行建模的方法并不能完全表征交通流規(guī)律的全部特性。因此，如 何利用高速公路的氣象信息和路段線形特征對交通流規(guī)律進(jìn)行完整的建模，對于高速公路 更有效、準(zhǔn)確的進(jìn)行交通事件檢測有著重要的意義。


【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明提供一種考慮氣象因素、道路線形因素的高速公路事件檢測方 法，可以明顯提速公路事件檢測精度。
[0005] 本發(fā)明通過以下技術(shù)手段解決上述技術(shù)問題：
[0006] 考慮氣象因素、道路線形因素的高速公路事件檢測方法，包括如下步驟：
[0007] 1)采集高速公路天氣信息、路段線形信息和交通數(shù)據(jù)，獲得氣象參數(shù)、路段線形參 數(shù)和交通參數(shù)；
[0008] 2)對氣象參數(shù)、路段線形參數(shù)和交通參數(shù)進(jìn)行預(yù)處理；
[0009] 3)將預(yù)處理后的氣象參數(shù)、路段線形參數(shù)和交通參數(shù)輸入BP神經(jīng)網(wǎng)絡(luò)，判斷是否 有事件發(fā)生。
[0010] 進(jìn)一步，所述步驟1)中獲取的氣象參數(shù)包括降雨量J和能見度N;路段線形參數(shù) 包括當(dāng)前檢測路段的坡度P和曲率半徑R;交通參數(shù)包括采集周期內(nèi)的平均車速，采集周期 內(nèi)車流量，以及采集周期內(nèi)的平均占有率。
[0011] 進(jìn)一步，所述步驟2)中，對氣象參數(shù)進(jìn)行如下預(yù)處理，獲得氣象因素對交通流的 影響因子a:
[0012] 設(shè)定降雨量J的論域是U1 = [0, 60]，根據(jù)降雨量J對交通流的影響分為三個模糊 標(biāo)記：Sj = {小，中，大};
[0013] 設(shè)定能見度N的論域是Un = [0, 30]，根據(jù)N對車流特性的影響有三個模糊標(biāo)記： Sn = {低，適中，高};
[0014] 設(shè)定輸出的氣象因素的影響因子a的論域是Ua = [0, 1];根據(jù)氣象因素對事件 檢測的影響，又分為三個模糊標(biāo)記：Sa = {弱，一般，強(qiáng)};
[0015] 確定J=j和N=n條件下所被激活的模糊控制規(guī)則：：
[0016] IfJisSjandNissn，thenaisSa ;
[0017] 其中SjGSj,SnGSN，SaGSa ;
[0018] 通過規(guī)則中條件J下的隸屬度h和條件N下的隸屬度來獲取的規(guī)則的隸屬 度大?。?br> [0019]uA =min(uj,uN)；
[0020] 其中，A為任意被激活的規(guī)則；
[0021] 在得到被激活的模糊規(guī)則隸屬度后，選擇結(jié)論相同的規(guī)則，利用最大值推理法確 定在此結(jié)論下的隸屬度，即
[0022] Uai=max(UA,UB. . . )i=I,2, 3 ；
[0023] 其中Ual，Ua2,Ua3分另Ij表示a的模糊標(biāo)記：弱、適中和強(qiáng)，即 yA,yB...表不相同結(jié)論下規(guī)則A，B...隸屬度的大?。?br> [0024] 最后，進(jìn)行去模糊化，得到氣象因素對交通流的影響因子：
[0025]

【權(quán)利要求】
1. 考慮氣象因素、道路線形因素的高速公路事件檢測方法，其特征在于：包括如下步 驟： 1) 采集高速公路天氣信息、路段線形信息和交通數(shù)據(jù)，獲得氣象參數(shù)、路段線形參數(shù)和 交通參數(shù)； 2) 對氣象參數(shù)、路段線形參數(shù)和交通參數(shù)進(jìn)行預(yù)處理； 3) 將預(yù)處理后的氣象參數(shù)、路段線形參數(shù)和交通參數(shù)輸入BP神經(jīng)網(wǎng)絡(luò)，判斷是否有事 件發(fā)生。
2. 如權(quán)利要求1所述的考慮氣象因素、道路線形因素的高速公路事件檢測方法，其特 征在于：所述步驟1)中獲取的氣象參數(shù)包括降雨量J和能見度N;路段線形參數(shù)包括當(dāng)前 檢測路段的坡度P和曲率半徑R;交通參數(shù)包括采集周期內(nèi)的平均車速，采集周期內(nèi)車流 量，以及采集周期內(nèi)的平均占有率。
3. 如權(quán)利要求2所述的考慮氣象因素、道路線形因素的高速公路事件檢測方法，其特 征在于：所述步驟2)中，對氣象參數(shù)進(jìn)行如下預(yù)處理，獲得氣象因素對交通流的影響因子 α： 設(shè)定降雨量J的論域是Ut = [0, 60]，根據(jù)降雨量J對交通流的影響分為三個模糊標(biāo) 記：Sj = {小，中，大}; 設(shè)定能見度N的論域是Un = [0, 30]，根據(jù)N對車流特性的影響有三個模糊標(biāo)記：SN = {:低，適中，高}; 設(shè)定輸出的氣象因素的影響因子α的論域是仏=[0，1];根據(jù)氣象因素對事件檢測 的影響，又分為三個模糊標(biāo)記：Sa = {弱，一般，強(qiáng)}; 確定J=j和N=η條件下所被激活的模糊控制規(guī)則： IfJisSjandNissn，thenaissa ; 其中SjeSj,SneSN，SaeSa ; 通過規(guī)則中條件J下的隸屬度μ和條件N下的隸屬度μN(yùn)來獲取的規(guī)則的隸屬度大 ?。? μA =min(μμΝ)； 其中，A為任意被激活的規(guī)則； 在得到被激活的模糊規(guī)則隸屬度后，選擇結(jié)論相同的規(guī)則，利用最大值推理法確定在 此結(jié)論下的隸屬度，即 Uai =max(μΑ,μB. . . )i=I, 2, 3 ； 其中μα1，μα2,μ。3分別表示α的模糊標(biāo)記：弱、適中和強(qiáng)，即μ5α ={μσ1，μα2,μα3}。 μΑ,μΒ...表不相同結(jié)論下規(guī)則A,Β...隸屬度的大?。? 最后，進(jìn)行去模糊化，得到氣象因素對交通流的影響因子： α=μ-Χ〇+μ-Χ〇·5 +μ-Χ? μ,Η+μ?2 +μ?3 。
4. 如權(quán)利要求2所述的考慮氣象因素、道路線形因素的高速公路事件檢測方法，其特 征在于：所述步驟2)中，對路段線形參數(shù)進(jìn)行如下預(yù)處理，得到路段線形因素對交通流的 影響影子β: 設(shè)定坡度P的論域是Up= [0, 6 % ]，根據(jù)坡度P對交通流流特性的影響分為三個模糊 標(biāo)記：Sp= {低，適中，高}; 設(shè)定曲率半徑R的論域是Uk = [0, 3000]，根據(jù)曲率半徑R對車流特性的影響有三個模 糊標(biāo)記：SK = [小，中，大}; 設(shè)定路段線形因素對交通流的影響因子β的論域是Ue = [0，1];根據(jù)線形因素對事 件檢測的影響，分為三個模糊標(biāo)記：se = {弱，一般，強(qiáng)}; 確定P=P和R=r條件下所被激活的模糊控制規(guī)則： IfPisspandRissr,thenβiss0 ； 其中sresR,spesp,S0eS0 ; 確定P=P和R=r條件下所激活規(guī)則的隸屬度，即μA =min(μΡ,μΕ)； 其中，A為任意被激活的規(guī)則，μρ和μκ分別為激活規(guī)則中條件P和R下的隸屬度； 確定在此結(jié)論下的隸屬度，即： μ0i=max(μΑ,μB. . . )i=I, 2, 3 ； 其中μM，μ02,μ03分別表示β的模糊標(biāo)記：弱、適中和強(qiáng)，即％ =?μρι，μβ2，μβ3}。 μΑ,μΒ...表不相同結(jié)論下規(guī)則Α，Β...隸屬度的大?。? 進(jìn)行去模糊化，得到線形因素的影響因子β，即 P_μβ1χ〇+μβ2χ〇·5+μβ3χ! Μ-ρι + M-p2 + Μ·β3 〇
5. 如權(quán)利要求2所述的考慮氣象因素、道路線形因素的高速公路事件檢測方法，其特 征在于：所述步驟2)中，對交通參數(shù)進(jìn)行如下預(yù)處理： 對平均車速預(yù)處理采用以下公式： Vmax 式中，Ov表示歸一化后的速度參數(shù)，νΤ表示當(dāng)前時刻T的檢測器檢測到的速度，Vmax表 不尚速公路中，此路段的最尚限速； 對車流量預(yù)處理采用以下公式： Oii 9q· 式中，〇,表示歸一化后的流量參數(shù)，qT表示在T至T-ι周期內(nèi)通過檢測器的流量，qmax 表示一個周期內(nèi)最大的通行流量。
6. 如權(quán)利要求2-5中任一項所述的考慮氣象因素、道路線形因素的高速公路事件檢測 方法，其特征在于：所述步驟3)中，輸入向量為 Pk - (vT,oT,qT,vT,oT,qτ,ντ_1；Ot-J,Qx-ι，ντ_1；οτ_1；qτ_1；α,β)； 其中，ντ，〇τ，qT分別表示T周期路段上游車檢器所采集到的速度、流量和占有率。ν'T，o'T，q' 1分別表示T周期路段下游車檢器所采集到的速度、流量和占有率。 vT，〇T，qT分別表示T-I周期路段上游車檢器所采集到的速度、流量和占有率。 Vh，〇' η分別表示T-I周期時路段下游車檢器所采集到的速度、流量和占 有率。 α，β分別表示該氣象條件的影響因子和路段線形的影響因子； BP神經(jīng)網(wǎng)絡(luò)最終輸出為二維向量， =(^kl^k2) 其中3kl，穴2的取值范圍均在O到1之間。 根據(jù)確定的輸出以及事件檢測的性質(zhì)，將網(wǎng)絡(luò)的目標(biāo)樣本定義為以下兩種樣本：(〇, 1) 有事件發(fā)生；（1，〇)沒有事件發(fā)生。
7.如權(quán)利要求6所述的考慮氣象因素、道路線形因素的高速公路事件檢測方法，其特 征在于：所述步驟3)中，BP神經(jīng)網(wǎng)絡(luò)輸入層的神經(jīng)元為14個，隱含層神經(jīng)元為32個。
【文檔編號】G08G1/048GK104318780SQ201410603948
【公開日】2015年1月28日 申請日期:2014年10月31日 優(yōu)先權(quán)日:2014年10月31日
【發(fā)明者】孫棣華, 趙敏, 劉衛(wèi)寧, 鄭林江, 陳曦 申請人:重慶大學(xué)