本發(fā)明涉及交通監(jiān)測，具體涉及一種基于群體互動模型的交通狀態(tài)監(jiān)測及動態(tài)預(yù)警方法。

背景技術(shù)：

1、綜合交通樞紐是各類交通方式的交匯點，它在交通系統(tǒng)中具有舉足輕重的地位。作為綜合交通體系的關(guān)鍵環(huán)節(jié)與城市主要客流集散換乘的場所，擔(dān)負(fù)著城市對外交通與城市內(nèi)部交通間的快速轉(zhuǎn)換，以及城市公共交通各種方式之間的快速銜接功能。針對綜合交通樞紐范圍內(nèi)復(fù)雜的客流、車流狀況，通過分析群體出行信息和評估交通樞紐的態(tài)勢情況，可以幫助城市交通管理部門更好地應(yīng)對交通事件和緊急情況。

2、現(xiàn)有的綜合交通樞紐監(jiān)測方法存在監(jiān)測信息分散、針對性強，缺乏對數(shù)據(jù)的綜合處理及分析能力的問題，不能及時對道路網(wǎng)絡(luò)和樞紐范圍內(nèi)的交通狀態(tài)進行分析和有效評估，并對交通動態(tài)進行預(yù)警。由于交通流量與容量不匹配導(dǎo)致的道路網(wǎng)絡(luò)擁擠問題越來越嚴(yán)重，如果未對道路網(wǎng)絡(luò)擁擠態(tài)勢進行有效評估與處理，會造成路段交通擁擠，甚至出現(xiàn)大范圍的旅客滯留等不良現(xiàn)象，將對社會造成極大的影響并造成財產(chǎn)損失。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種基于群體互動模型的交通狀態(tài)監(jiān)測及動態(tài)預(yù)警方法，通過對采集的數(shù)據(jù)進行融合分析，并構(gòu)建群體互動模型、綜合交通指標(biāo)監(jiān)測體系，實現(xiàn)數(shù)據(jù)的綜合處理及分析，解決了現(xiàn)有的綜合交通樞紐監(jiān)測信息分散、針對性強，缺乏對數(shù)據(jù)的綜合處理及分析能力，不能及時對道路網(wǎng)絡(luò)和樞紐范圍內(nèi)的交通狀態(tài)進行分析和有效評估，并對交通動態(tài)進行預(yù)警的技術(shù)問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、本發(fā)明提供了一種基于群體互動模型的交通狀態(tài)監(jiān)測及動態(tài)預(yù)警方法，包括如下步驟：

4、獲取交通樞紐范圍內(nèi)的綜合交通信息，并對所述綜合交通信息進行預(yù)處理，并提取對應(yīng)的出行數(shù)據(jù)特征；

5、根據(jù)提取的出行數(shù)據(jù)特征提取個體出行數(shù)據(jù)，構(gòu)建群體互動模型，通過所述群體互動模型將個體出行數(shù)據(jù)拓展至群體出行數(shù)據(jù)，得到樞紐運行數(shù)據(jù)；

6、構(gòu)建應(yīng)急事件模糊評估模型、運力運行態(tài)勢評估模型和樞紐交通運行態(tài)勢評估模型；

7、將提取的樞紐運行數(shù)據(jù)輸入各評估模型進行評估，并根據(jù)各評估結(jié)果判斷是否達到對應(yīng)的預(yù)警等級，基于判斷結(jié)果匹配預(yù)警方式進行報警，輸出輔助交通調(diào)度方案。

8、進一步地，所述獲取交通樞紐范圍內(nèi)的綜合交通信息，并對所述綜合交通信息進行預(yù)處理包括：所述交通樞紐范圍內(nèi)的綜合交通信息包括實時交通數(shù)據(jù)及客流數(shù)據(jù)、歷史交通數(shù)據(jù)及客流數(shù)據(jù)；所述預(yù)處理包括對數(shù)據(jù)進行清洗存儲，去除異常值和錯誤數(shù)據(jù)；

9、進一步地，所述提取對應(yīng)的出行數(shù)據(jù)特征包括：根據(jù)獲取的綜合交通信息利用apriori算法、圖聚類算法挖掘頻繁項集并進行樞紐關(guān)聯(lián)性分析，歸納綜合交通信息中各類數(shù)據(jù)間的關(guān)聯(lián)規(guī)則，并根據(jù)關(guān)聯(lián)規(guī)則對綜合交通信息中各類數(shù)據(jù)進行數(shù)據(jù)集融合，對融合處理后的數(shù)據(jù)集進行出行數(shù)據(jù)特征提取，所述出行數(shù)據(jù)特征包括各類出行模式、出行時段、出行人群、換乘行為、活動類型的特征。

10、進一步地，所述根據(jù)提取的出行數(shù)據(jù)特征提取個體出行數(shù)據(jù)包括：

11、建立時空閾值滑動窗口機制，對出行數(shù)據(jù)特征進行切片，并根據(jù)活動組合模式聚類；

12、對不同聚類類別的出行數(shù)據(jù)特征切片，提取得到換乘客流識別的關(guān)鍵要素，采用各聚類類別對應(yīng)的關(guān)鍵要素增強出行數(shù)據(jù)特征切片；所述換乘客流識別的關(guān)鍵要素包括個體或群體的出行起終點、換乘節(jié)點、換乘時段及耗時和換乘路徑；

13、將增強后的出行數(shù)據(jù)特征切片作為輸入，通過圖卷積神經(jīng)網(wǎng)絡(luò)識別多變量框定和非線性時間序列的人車軌跡，得到基于多模式出行條件下人車軌跡的節(jié)點特征矩陣，所述人車軌跡的節(jié)點特征矩陣由軌跡上各節(jié)點的節(jié)點特征表示組成，并通過聚合鄰近節(jié)點信息更新節(jié)點特征矩陣中各節(jié)點特征表示，得到樞紐范圍內(nèi)人車軌跡的監(jiān)測結(jié)果；

14、基于樞紐范圍內(nèi)人車軌跡的監(jiān)測結(jié)果，結(jié)合所述綜合交通信息中的歷史交通數(shù)據(jù)并利用拓展馬爾可夫鏈模型預(yù)測未來樞紐范圍內(nèi)人車軌跡；樞紐范圍內(nèi)人車軌跡的預(yù)測結(jié)果與監(jiān)測結(jié)果結(jié)合即為個體出行數(shù)據(jù)。

15、進一步地，所述通過所述群體互動模型將個體出行數(shù)據(jù)拓展至群體出行數(shù)據(jù)包括：

16、將所述個體出行數(shù)據(jù)輸入群體互動模型中，所述群體互動模型將個體出行數(shù)據(jù)所代表的各出行個體抽象為基于自身狀態(tài)及鄰近個體狀態(tài)進行決策的實體，分析各出行個體間的相互作用，進而將個體出行數(shù)據(jù)拓展至群體出行數(shù)據(jù)，即得到樞紐運行數(shù)據(jù)。

17、進一步地，所述應(yīng)急事件模糊評估模型進行評估包括：

18、構(gòu)建針對應(yīng)急事件的一級監(jiān)測指標(biāo)和二級監(jiān)測指標(biāo)，所述一級監(jiān)測維度指標(biāo)包括應(yīng)急事件和設(shè)備報警，應(yīng)急事件下設(shè)的二級監(jiān)測維度指標(biāo)包括極端天氣、火災(zāi)事故、大客流事件，設(shè)備報警下設(shè)的二級監(jiān)測維度指標(biāo)包括溫感濕度煙感設(shè)備報警、視頻設(shè)備報警；采用層次熵分析方法計算各項指標(biāo)的權(quán)重；

19、根據(jù)樞紐運行數(shù)據(jù)，計算針對應(yīng)急事件的各項二級監(jiān)測指標(biāo)及其權(quán)重，加權(quán)求和得到應(yīng)急態(tài)勢綜合評分，以評價應(yīng)急事件發(fā)生的概率和嚴(yán)重性；

20、判斷應(yīng)急態(tài)勢綜合評分屬于的風(fēng)險狀態(tài)等級，所述風(fēng)險狀態(tài)等級包括特高、高、中、低四個等級；輸出風(fēng)險狀態(tài)等級判斷結(jié)果，作為應(yīng)急態(tài)勢綜合評分模型的評估結(jié)果。

21、進一步地，所述運力運行態(tài)勢評估模型進行評估包括：構(gòu)建包括客流擴散響應(yīng)時間、運力承載率、運力充盈系數(shù)和候車時長在內(nèi)的運力評價指標(biāo)，根據(jù)樞紐運行數(shù)據(jù)實時分析所述運力評價指標(biāo)，若其中一個運力評價指標(biāo)超出預(yù)設(shè)閾值，則判斷當(dāng)前運力運行態(tài)勢出現(xiàn)異常，若未超出則當(dāng)前運力運行態(tài)勢無異常。

22、進一步地，所述樞紐交通運行態(tài)勢評估模型進行評估包括：構(gòu)建平均客流密度和客流量信息兩個評價指標(biāo)，所述平均客流密度和客流量信息分別分為五級等級，根據(jù)樞紐運行數(shù)據(jù)判斷平均客流密度和客流量信息的當(dāng)前等級，綜合平均客流密度和客流量信息的當(dāng)前等級判斷區(qū)域擁堵程度，所述區(qū)域擁堵程度即為樞紐交通運行態(tài)勢評估結(jié)果。

23、進一步地，所述根據(jù)各評估結(jié)果判斷是否達到對應(yīng)的預(yù)警等級，基于判斷結(jié)果匹配預(yù)警方式進行報警，輸出輔助交通調(diào)度方案包括：

24、基于各評估結(jié)果得到的交通運行態(tài)勢、樞紐運力態(tài)勢及交通事件應(yīng)急態(tài)勢判斷是否達到對應(yīng)的預(yù)警等級，所述預(yù)警等級最大為三級，生成對應(yīng)的報警信號，根據(jù)生成的報警信號匹配預(yù)設(shè)的報警模式進行情況預(yù)警，若未達到最低預(yù)警等級則不報警；

25、根據(jù)原始的出行數(shù)據(jù)特征、樞紐運行數(shù)據(jù)和當(dāng)前預(yù)警等級，按照相似度匹配輸出相似度最高的對應(yīng)歷史調(diào)度應(yīng)對方案。

26、從上述的技術(shù)方案可以看出，本發(fā)明的優(yōu)點是：

27、1.本發(fā)明通過對采集的數(shù)據(jù)進行融合分析，構(gòu)建群體互動模型分析群體出行信息，進而對道路交通狀態(tài)進行判斷，并針對綜合交通樞紐內(nèi)復(fù)雜的客流、車流狀況，通過對應(yīng)的指標(biāo)參數(shù)實時評估交通樞紐的運行態(tài)勢、運力態(tài)勢和應(yīng)急事件態(tài)勢，并進行預(yù)警和輸出調(diào)度方案，便于城市交通管理部門更好地應(yīng)對交通事件和緊急情況。

28、2、本發(fā)明可及時對道路網(wǎng)絡(luò)和樞紐范圍內(nèi)的交通狀態(tài)進行分析和有效評估，并對交通動態(tài)進行預(yù)警處理，便于對旅客進行疏散和車流調(diào)度，提升旅客出行舒適度和安全，且提高了整個交通系統(tǒng)的魯棒性和應(yīng)變能力。