專(zhuān)利名稱(chēng)：：一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路交通狀態(tài)的方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及智能交通監(jiān)控領(lǐng)域,具體涉及一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路交通狀態(tài)的方法。
背景技術(shù)：
：我國(guó)城市的信號(hào)燈系統(tǒng)目前仍大多采用的是以環(huán)形線(xiàn)圈檢測(cè)器為信息采集源的智能控制系統(tǒng)，環(huán)形線(xiàn)圈的安裝位置一般為交叉路口的距停車(chē)線(xiàn)20米處。為信號(hào)燈系統(tǒng)服務(wù)的環(huán)形線(xiàn)圈布設(shè)如圖1所示。線(xiàn)圈采集的交通特征參數(shù)包括流量、速度和占有率。因?yàn)榻煌顟B(tài)的改變會(huì)引起交通流基本特征參數(shù)的改變,如擁擠狀態(tài)下速度明顯降低、占有率增大等。不斷改變的交通流基本參數(shù)由環(huán)形線(xiàn)圈采集獲得，然后對(duì)這些參數(shù)運(yùn)用一定的算法進(jìn)行處理之后，便可實(shí)現(xiàn)對(duì)道路交通狀態(tài)的判別。目前常用的線(xiàn)圈數(shù)據(jù)處理算法有加州算法、McMaster算法、指數(shù)平滑法和標(biāo)準(zhǔn)偏差法。加州算法利用上游檢測(cè)截面占有率增加,下游檢測(cè)截面占有率下降來(lái)判別擁擠，但該算法無(wú)法應(yīng)用于城市道路且誤報(bào)率較高。McMaster算法將流量枸加新適荼硎駒詼占瀋希13.髁緹占有率二維圖形劃分為四個(gè)區(qū)域,每個(gè)區(qū)域代表一種交通狀態(tài)，該算法規(guī)定在三個(gè)連續(xù)的采樣周期內(nèi)，車(chē)速降至閾值以下,或占有率超過(guò)閾值,或流量與占有率都在非擁擠區(qū)域之外，則判定擁擠；在連續(xù)兩個(gè)采樣周期內(nèi)，車(chē)速、流量和占有率任意兩個(gè)超過(guò)各自的閾值,則判定擁擠,該算法的缺點(diǎn)在于閾值的確定很困難，一旦確定不當(dāng)，將會(huì)造成較大的誤報(bào)率。指數(shù)平滑法是先對(duì)原始交通數(shù)據(jù)進(jìn)行平滑,去除短期的交通干擾，然后將處理過(guò)的數(shù)據(jù)與預(yù)先設(shè)定的閾值進(jìn)行比較,判斷擁擠，該算法使用簡(jiǎn)便,但指數(shù)平滑的降噪效果有限，仍有較高的誤報(bào)率。標(biāo)準(zhǔn)偏差法利用時(shí)刻t之前η個(gè)采樣周期的交通參數(shù)數(shù)據(jù)的算術(shù)平均值作為交通參數(shù)在時(shí)刻t的預(yù)測(cè)值,再用標(biāo)準(zhǔn)正態(tài)偏差來(lái)度量交通參數(shù)相對(duì)于其以前平均值的改變程度，當(dāng)偏差超過(guò)預(yù)先設(shè)定的閾值,則認(rèn)為發(fā)生了偶發(fā)性交通擁擠,該算法使用也較簡(jiǎn)便，但看不出交通變量的變化趨勢(shì),誤差很大。上述基于線(xiàn)圈采集的參數(shù)進(jìn)行交通狀態(tài)判別的算法大部分屬于時(shí)空透視法范疇。這些交通狀態(tài)判別算法中，分別應(yīng)用了不同的交通狀態(tài)分類(lèi)結(jié)果作為算法的比較標(biāo)準(zhǔn)。這些算法共同的缺陷就在于交通狀態(tài)分類(lèi)標(biāo)準(zhǔn)是確定的,無(wú)法根據(jù)采集到的海量交通流基本特征參數(shù)的變化而變化。城市道路的交通特性是隨時(shí)間不斷變化而變化的，交通流的基本特征不僅每時(shí)每刻都在發(fā)生著量變，而且在一個(gè)相當(dāng)長(zhǎng)的時(shí)期內(nèi)，不斷積累的量變會(huì)帶來(lái)整個(gè)交通系統(tǒng)交通流特征一個(gè)整體的質(zhì)變。因此要想提高算法準(zhǔn)確率,需要對(duì)交通狀態(tài)分類(lèi)標(biāo)準(zhǔn)進(jìn)行定期的修訂，從而保證該狀態(tài)分類(lèi)標(biāo)準(zhǔn)與實(shí)際情況的吻合,為交通狀態(tài)的判斷提供可靠的比較依據(jù)。且城市道路受信號(hào)燈影響，線(xiàn)圈檢測(cè)數(shù)據(jù)有著明顯的周期性變化，交通狀態(tài)的判斷還必須考慮到信號(hào)燈系統(tǒng)信號(hào)周期的影響,現(xiàn)存算法中尚缺乏這方面研究。
發(fā)明內(nèi)容本發(fā)明提出一種兼顧精確性和實(shí)時(shí)性的自動(dòng)交通狀態(tài)判定方法,其具體為一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路交通狀態(tài)的方法,包括A、通過(guò)環(huán)形線(xiàn)圈檢測(cè)器獲取車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和車(chē)道平均速度；B、將車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和車(chē)道平均速度分別換算為斷面平均速度、斷面平均占有率和單車(chē)平均占有率，再經(jīng)過(guò)錯(cuò)誤數(shù)據(jù)修復(fù)和數(shù)據(jù)平滑處理后,將斷面平均速度、斷面平均占有率和單車(chē)平均占有率作為歷史數(shù)據(jù)存入數(shù)據(jù)庫(kù)；C、當(dāng)積累預(yù)定周期內(nèi)的歷史數(shù)據(jù)后，首先對(duì)預(yù)定周期的數(shù)據(jù)標(biāo)準(zhǔn)化，將三種不同的原始數(shù)據(jù)轉(zhuǎn)化為無(wú)單位的且數(shù)量級(jí)相同的數(shù)據(jù)，再基于標(biāo)準(zhǔn)化后的數(shù)據(jù)將求解聚類(lèi)中心，以使每個(gè)樣本到三個(gè)聚類(lèi)中心的加權(quán)距離平方和達(dá)到最小，三個(gè)聚類(lèi)中心分別對(duì)應(yīng)暢通、擁擠、擁堵三類(lèi)交通狀態(tài)，根據(jù)變量標(biāo)準(zhǔn)化公式對(duì)聚類(lèi)中心進(jìn)行反向運(yùn)算，得到三種交通狀態(tài)的由斷面平均速度、斷面平均占有率、單車(chē)平均占有率組成的聚類(lèi)中心向量，并基于向量判定各向量分別對(duì)應(yīng)哪種交通狀態(tài)；D、對(duì)當(dāng)前實(shí)時(shí)交通數(shù)據(jù)進(jìn)行預(yù)處理之后,分別計(jì)算與所述三個(gè)聚類(lèi)中心的歐氏距離，得到與當(dāng)前實(shí)時(shí)交通數(shù)據(jù)歐氏距離最小的聚類(lèi)中心，判定當(dāng)前交通狀態(tài)為該歐氏距離最小的聚類(lèi)中心對(duì)應(yīng)的交通狀態(tài)；E、將判定的當(dāng)前交通狀態(tài)以直觀的顏色標(biāo)識(shí)反映到電子地圖上。其中，步驟C中求解聚類(lèi)中心包括如下步驟C11、初始化，根據(jù)參數(shù)確定的結(jié)果給定指數(shù)因子m，給定迭代截止誤差ε>0、算法最大迭代次數(shù)Tmax及初始聚類(lèi)中心VO=Iv1,0,V2,0,V3,0}；C12、計(jì)算Ut=[uik,t],其中，Uik是第k個(gè)樣本對(duì)第i個(gè)聚類(lèi)中心的隸屬度；令Ut=[uik,t],其中，dik為第k個(gè)樣本與第i個(gè)聚類(lèi)中心的距離；如果dik=0,則uik,t=1,且對(duì)j乒i，uikjt=0，1彡i彡3，1彡k彡η；如果dik.t>0，貝^(3/,/V1"V":■Iki,_8]um=L·；、i/㈣~nι…？),…。；^^^^^^^^JlV-IlJIj\f\r=l\ajki)JC13、計(jì)算Vt+1=[v丨.t+1，v2’t+:l，v3,t+1],ηΣ(μ擬)xkV“+1=-，1彡i彡3;Σ(uii、t)t=l3C14、判斷，如果—Vt=^Vu+1—V^<ε或t達(dá)到最大，迭代次數(shù)Tmax,則終止迭代；否則,令t=t+Ι,回到Cll；C15、當(dāng)?shù)K止時(shí)的V即為所求聚類(lèi)中心。更進(jìn)一步，步驟Cl1中確定m值包括如下步驟C111、根據(jù)檢測(cè)器采集到的歷史數(shù)據(jù)樣本X計(jì)算Xmax[Cx]；1C112如果XmaJCJ<0.5，則1<_<Γ^"如果丄“v^inoxL“.JfJAmax[CJSs0.5’則me[1.5,2.5]C113以步長(zhǎng)為0.1對(duì)狄印2中1^萬(wàn)在區(qū)間進(jìn)行漸進(jìn)尋優(yōu),計(jì)算不同!11值對(duì)應(yīng)的各類(lèi)聚類(lèi)中心間的距離，尋找使分類(lèi)的各類(lèi)聚類(lèi)中心間距離最大的m值。其中，步驟D中實(shí)時(shí)交通特征參數(shù)與聚類(lèi)巾心歐式距離的計(jì)算公式為Π^V—V7=Jy^t.(χ飛—V7)VJ=1其中x表示經(jīng)過(guò)預(yù)處理后的實(shí)時(shí)交通參數(shù)向量；Vi表示第i個(gè)聚類(lèi)中心向量；Xj、Vij分別表示實(shí)時(shí)交通參數(shù)向量和聚類(lèi)中心向量中的第j個(gè)參數(shù)，j=1、2、3，分別表示斷面平均速度、斷面平均占有率和單車(chē)平均占有率。同時(shí)，步驟D還包括只有連續(xù)兩個(gè)周期的交通狀態(tài)都與原先交通狀態(tài)不一致，且該兩個(gè)周期交通狀態(tài)一致，才更改輸出的交通狀態(tài)。本發(fā)明還提出一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路交通狀態(tài)的裝置，其特征在于包括數(shù)據(jù)采集模塊，用于通過(guò)環(huán)形線(xiàn)圈檢測(cè)器獲取車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和車(chē)道平均速度；數(shù)據(jù)預(yù)處理模塊,用于將車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和車(chē)道平均速度分別換算為斷面平均速度、斷面平均占有率和單車(chē)平均占有率,再經(jīng)過(guò)錯(cuò)誤數(shù)據(jù)修復(fù)和數(shù)據(jù)平滑處理后，將斷面平均速度、斷面平均占有率和單車(chē)平均占有率作為歷史數(shù)據(jù)存入數(shù)據(jù)庫(kù)；歷史數(shù)據(jù)聚類(lèi)分析模塊，用于當(dāng)積累預(yù)定周期內(nèi)的歷史數(shù)據(jù)后，首先對(duì)預(yù)定周期的數(shù)據(jù)標(biāo)準(zhǔn)化,將三種不同的原始數(shù)據(jù)轉(zhuǎn)化為無(wú)單位的且數(shù)量級(jí)相同的數(shù)據(jù),再基于標(biāo)準(zhǔn)化后的數(shù)據(jù)將求解聚類(lèi)中心，以使每個(gè)樣本到三個(gè)聚類(lèi)中心的加權(quán)距離平方和達(dá)到最小，三個(gè)聚類(lèi)中心分別對(duì)應(yīng)暢通、擁擠、擁堵三類(lèi)交通狀態(tài),根據(jù)變量標(biāo)準(zhǔn)化公式對(duì)聚類(lèi)中心進(jìn)行反向運(yùn)算,得到三種交通狀態(tài)的由斷面平均速度、斷面平均占有率、單車(chē)平均占有率組成的聚類(lèi)中心向量,并基于向量判定各向量分別對(duì)應(yīng)哪種交通狀態(tài)；道路交通狀態(tài)判別模塊，用于對(duì)當(dāng)前實(shí)時(shí)交通數(shù)據(jù)進(jìn)行預(yù)處理之后，分別計(jì)算與所述三個(gè)聚類(lèi)中心的歐氏距離，得到與當(dāng)前實(shí)時(shí)交通數(shù)據(jù)歐氏距離最小的聚類(lèi)中心,判定當(dāng)前交通狀態(tài)為該歐氏距離最小的聚類(lèi)中心對(duì)應(yīng)的交通狀態(tài)；道路交通狀態(tài)顯示模塊,用于將判定的當(dāng)前交通狀態(tài)以直觀的顏色標(biāo)識(shí)反映到電子地圖上。本發(fā)明從現(xiàn)有的信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈數(shù)據(jù)出發(fā),甄選最能反映交通狀態(tài)的特征參數(shù)，考慮信號(hào)燈周期，在對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理之后，在綠燈周期內(nèi)分析線(xiàn)圈采集數(shù)據(jù)的自相關(guān)模式，實(shí)現(xiàn)交通狀態(tài)判別標(biāo)準(zhǔn)的自動(dòng)修訂，從而較為準(zhǔn)確的判別出道路交通狀態(tài)。本發(fā)明的上述以及其它的目的、特征以及優(yōu)點(diǎn)將在結(jié)合顯示和描述本發(fā)明的具體實(shí)施例的附圖閱讀了以下的詳細(xì)說(shuō)明后對(duì)于本領(lǐng)域的技術(shù)人員變得明確。圖1是信號(hào)燈系統(tǒng)服務(wù)的環(huán)形線(xiàn)圈布設(shè)示意圖；圖2是自動(dòng)交通狀態(tài)判別系統(tǒng)框圖；圖3是歷史數(shù)據(jù)聚類(lèi)分析流程圖；圖4是道路交通狀態(tài)判別流程圖。具體實(shí)施例方式本發(fā)明實(shí)施例的實(shí)施需要一定時(shí)間的歷史數(shù)據(jù)累積，以歷史數(shù)據(jù)為基礎(chǔ)聚類(lèi)出合理的判別標(biāo)準(zhǔn)。以時(shí)間為橫坐標(biāo)(時(shí)間軸需包含擁擠時(shí)段)，以信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈采集的各交通特征參數(shù)的歷史數(shù)據(jù)為縱坐標(biāo)作圖，可以比較出，在擁擠發(fā)生、持續(xù)及消散過(guò)程中，信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈檢測(cè)器采集到的速度和占有率參數(shù)對(duì)擁擠的時(shí)間敏感性和程度敏感性均較強(qiáng),而流量的敏感性則明顯較弱。但占有率除以流量，即單車(chē)平均占有率則變化較為明顯。因此速度、占有率、單車(chē)平均占有率是最為合適的交通特征參數(shù)。因此,本發(fā)明選取這些參數(shù)來(lái)作為判斷交通狀況的依據(jù)。如圖2所示，系統(tǒng)由靜態(tài)數(shù)據(jù)管理和維護(hù)模塊、動(dòng)態(tài)數(shù)據(jù)采集模塊、動(dòng)態(tài)數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)標(biāo)準(zhǔn)化模塊、歷史數(shù)據(jù)更新模塊、歷史數(shù)據(jù)聚類(lèi)分析模塊、道路交通狀態(tài)判別模塊、道口交通狀態(tài)顯示模塊、數(shù)據(jù)存儲(chǔ)模塊構(gòu)成。其中靜態(tài)數(shù)據(jù)是指道路網(wǎng)絡(luò)幾何形狀、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)等長(zhǎng)期變化不大的數(shù)據(jù)，以及路段車(chē)道數(shù)、等級(jí)等相對(duì)比較穩(wěn)定的屬性數(shù)據(jù)。這些數(shù)據(jù)在初始化的時(shí)候需要花比較大的功夫，必要時(shí)需要進(jìn)行交通調(diào)查。需要維護(hù)的路段數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)如下<table>tableseeoriginaldocumentpage8</column></row><table>相鄰兩個(gè)交叉口之間的路段除單行線(xiàn)為單一路段外，不同走向的路段編號(hào)不同，起止節(jié)點(diǎn)相反。系統(tǒng)在采集到信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈檢測(cè)器的實(shí)時(shí)綠燈周期參數(shù)數(shù)據(jù)之后經(jīng)過(guò)動(dòng)態(tài)數(shù)據(jù)預(yù)處理模塊的參數(shù)換算、錯(cuò)誤數(shù)據(jù)修復(fù)、平滑處理之后存儲(chǔ)到數(shù)據(jù)庫(kù)。數(shù)據(jù)預(yù)處理的具體流程如下。A、有效數(shù)據(jù)時(shí)間設(shè)定考慮到信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈的布設(shè)地點(diǎn)和城市道路交通的周期性特性,認(rèn)為綠燈時(shí)間內(nèi)的數(shù)據(jù)方為有效數(shù)據(jù)，因?yàn)樾盘?hào)燈系統(tǒng)和環(huán)形線(xiàn)圈是聯(lián)動(dòng)的，因此可直接在系統(tǒng)上進(jìn)行設(shè)定，只讓環(huán)形線(xiàn)圈回傳綠燈時(shí)間內(nèi)的檢測(cè)數(shù)據(jù)。B、輸入?yún)?shù)換算信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈檢測(cè)器給出的是車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和車(chē)道平均速度，所以需要進(jìn)一步換算為斷面平均速度、斷面平均占有率和單車(chē)平均占有率。斷面流量為<formula>formulaseeoriginaldocumentpage8</formula>斷面平均速度為<formula>formulaseeoriginaldocumentpage9</formula>斷面平均占有率為<formula>formulaseeoriginaldocumentpage9</formula>單車(chē)平均占有率為<formula>formulaseeoriginaldocumentpage9</formula>式中qi,Oi,Vi分別代表每個(gè)車(chē)道檢測(cè)周期內(nèi)的交通流量、時(shí)間占有率和平均速度；η表示車(chē)道數(shù)。C、錯(cuò)誤數(shù)據(jù)修復(fù)城市道路中隨機(jī)干擾較多,通過(guò)環(huán)形線(xiàn)圈檢測(cè)器直接采集到的原始數(shù)據(jù)有可能會(huì)出現(xiàn)錯(cuò)誤數(shù)據(jù)，這些數(shù)據(jù)如果直接用于交通狀態(tài)的判別，會(huì)大大影響交通狀態(tài)的結(jié)果。因此可根據(jù)每條道路的實(shí)際情況，確定斷面流量、斷面平均占有率和單車(chē)平均占有率的上下閾值，從而確定出一個(gè)有效區(qū)間，一旦超出該區(qū)間，則認(rèn)為是錯(cuò)誤數(shù)據(jù)。對(duì)錯(cuò)誤數(shù)據(jù)需利用歷史數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)的加權(quán)估計(jì)值進(jìn)行修復(fù),其計(jì)算公式為<formula>formulaseeoriginaldocumentpage9</formula>式中X(t)·是t時(shí)刻復(fù)后的數(shù)據(jù)；X(t_1}是t-l時(shí)刻的實(shí)測(cè)數(shù)據(jù)；x(t)°ld是t時(shí)刻的歷史數(shù)據(jù)，即前一天t時(shí)刻的數(shù)據(jù)；α是加權(quán)系數(shù)，反應(yīng)了時(shí)刻的實(shí)測(cè)數(shù)據(jù)和t時(shí)刻的歷史數(shù)據(jù)在數(shù)據(jù)修復(fù)中所起的作用，α越大,實(shí)測(cè)數(shù)據(jù)對(duì)修復(fù)后的數(shù)據(jù)影響越大,反之亦然。α可根據(jù)實(shí)測(cè)確定合適值。D、數(shù)據(jù)平滑處理平滑處理采用移動(dòng)平均法，其目的是為了去除短期的交通干擾，具體公式如下I⑴二―(I⑴+Ay-.0++Ah,-⑴)m式中X'(t)足第t時(shí)段的一次移動(dòng)平均值。ra是計(jì)算移動(dòng)平均值所取的數(shù)據(jù)個(gè)數(shù)；m的大小對(duì)平滑效果影響很大，m取得小,平滑曲線(xiàn)靈敏度高,但抗隨機(jī)干擾的性能差；m取得很大，抗隨機(jī)千擾得性能好，但靈敏度低，對(duì)新的變化趨勢(shì)不靈敏。所以m的選擇是移動(dòng)平均法的關(guān)鍵。針對(duì)具體的問(wèn)題，選擇m時(shí)，應(yīng)考慮對(duì)象時(shí)間序列數(shù)據(jù)的多少及數(shù)據(jù)采集周期的長(zhǎng)短。一般來(lái)說(shuō)，m取3。當(dāng)數(shù)據(jù)積累到一定天數(shù),便可啟動(dòng)算法。歷史數(shù)據(jù)的聚類(lèi)分析模塊的整個(gè)算法流程如圖3所示。首先對(duì)歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，由于速度、占有率、單車(chē)平均占有率三個(gè)參數(shù)自身的單位和數(shù)量級(jí)都不相同,所以需要對(duì)原始的三種不同數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化運(yùn)算,將其都轉(zhuǎn)化為無(wú)單位的且數(shù)量級(jí)相同的數(shù)據(jù)作為變量進(jìn)行輸入,這樣才能更好的利用聚類(lèi)分析的數(shù)據(jù)挖掘方法進(jìn)行研究。數(shù)據(jù)標(biāo)準(zhǔn)化利用的是平均差原理。對(duì)于一組數(shù)據(jù)(X1,X2,…，Xn),其標(biāo)準(zhǔn)化公式如下；？yχ.一ιηJ~~τ1j—IJ^j=—/---X.η=1η1<formula>formulaseeoriginaldocumentpage11</formula>式中忑為平均差值；Ε,·為Xi相對(duì)于算術(shù)平均值的差值；yi為Xi標(biāo)準(zhǔn)化后的度量值。標(biāo)準(zhǔn)化完成后，由歷史數(shù)據(jù)聚類(lèi)分析模塊進(jìn)行數(shù)據(jù)聚類(lèi)分析。模糊聚類(lèi)分析采用前N(N可根據(jù)實(shí)際情況取值,一般可取15)天內(nèi)的歷史數(shù)據(jù)作為聚類(lèi)分析的基礎(chǔ)，當(dāng)然這些數(shù)據(jù)均是經(jīng)過(guò)數(shù)據(jù)預(yù)處理后存入歷史數(shù)據(jù)庫(kù)的。只需從歷史數(shù)據(jù)庫(kù)中調(diào)取即可。算法的目標(biāo)是將歷史數(shù)據(jù)自動(dòng)劃分為三個(gè)組，以使每個(gè)樣本到三個(gè)聚類(lèi)中心的加權(quán)距離平方和達(dá)到最小。A、模型構(gòu)筑以X=Ix1,X2,…，xj表示信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈前N天的歷史數(shù)據(jù)集合，η表示歷史數(shù)據(jù)集合中的樣本個(gè)數(shù)?，F(xiàn)要將這些歷史數(shù)據(jù)自動(dòng)劃分為三組,即有三個(gè)聚類(lèi)中心，分別對(duì)應(yīng)暢通、擁擠、擁堵三類(lèi)交通狀態(tài)。設(shè)這三個(gè)聚類(lèi)中心向量為V={V1,V2,V3}。Uik是第k個(gè)樣本對(duì)第i個(gè)聚類(lèi)中心的隸屬度，U=[uik]是一3Xn矩陣。則模糊聚類(lèi)算法的目標(biāo)函數(shù)為3wITll1^m(:[,，^,^)-^^^^(f'^ik)X~j(ι)約束條件為<formula>formulaseeoriginaldocumentpage12</formula>Jm是類(lèi)內(nèi)誤差的加權(quán)平方和目標(biāo)函數(shù)，m是一個(gè)可以控制聚類(lèi)結(jié)果的模糊指數(shù)，me(1，-)，模糊指數(shù)越大,聚類(lèi)的模糊程度就越大。！Xk-ViI表示所采集的樣本Xk與聚類(lèi)中心向量Vi的歐式距離。<formula>formulaseeoriginaldocumentpage12</formula>其中j=1、2、3，分別表示樣本和聚類(lèi)中心向量中的3個(gè)指標(biāo)斷面流量、斷面平均占有率和斷面平均速度。該算法的目標(biāo)即為在條件(2)約束下求式(1)的極小值，當(dāng)求得最小值時(shí),就能得<formula>formulaseeoriginaldocumentpage12</formula>B、參數(shù)確定模糊指數(shù)m的取值對(duì)聚類(lèi)結(jié)果有較大影響，其選擇依賴(lài)于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈檢測(cè)器的歷史數(shù)據(jù)樣本X的一個(gè)統(tǒng)計(jì)量λfflax[Cx]。<formula>formulaseeoriginaldocumentpage12</formula>其中λi為矩陣Cx的特征根，當(dāng)λmax[Cx]<0.5時(shí)，則1^HI^----2AiaxKV]不如此取值的話(huà),則模糊聚類(lèi)算法的聚類(lèi)結(jié)果不夠理想。當(dāng)Amax[Cx]》0.5時(shí),則m>1。根據(jù)大量實(shí)驗(yàn)數(shù)據(jù)分析，m值的最佳選擇區(qū)間[1.5,2.5]。由此可見(jiàn)，確定m值的步驟如下Stepl根據(jù)檢測(cè)器采集到的歷史數(shù)據(jù)樣本X計(jì)算λmax[Cj；<formula>formulaseeoriginaldocumentpage13</formula>；如果Amax[cj)0.5則me[1.5,2.5]；St印3采用啟發(fā)式方法，以步長(zhǎng)為0.1對(duì)st印2中m所在區(qū)間進(jìn)行漸進(jìn)尋優(yōu)，計(jì)算不同m值對(duì)應(yīng)的各類(lèi)聚類(lèi)中心間的距離,尋找使分類(lèi)的各類(lèi)聚類(lèi)中心間距離最大的m值。C、求解聚類(lèi)中心令Jm對(duì)Vi和Uik的偏導(dǎo)數(shù)為0，則可以根據(jù)模糊聚類(lèi)的目標(biāo)函數(shù)推出聚類(lèi)中心和隸屬度的計(jì)算公式。聚類(lèi)中心計(jì)算公式為<formula>formulaseeoriginaldocumentpage13</formula>隸屬度計(jì)算公式為<formula>formulaseeoriginaldocumentpage14</formula>則蛋類(lèi)中心的求解步驟如下所示Stepl初始化，根據(jù)參數(shù)確定的結(jié)果給定指數(shù)因子m，給定迭代截止誤差ε>0、算法最大迭代次數(shù)Tmax及初始聚類(lèi)中心VO=Iv1,。，V2,ο,ν3,。}，其中V1,。，V2,0,V3,。對(duì)應(yīng)于暢通、擁擠、擁堵三類(lèi)交通狀態(tài)的聚類(lèi)中心初值。St印2:計(jì)算Ut=[uik,J,令dik,t=iIxkIiII2,如果dik=0,則uik,t=1,且對(duì)j乒i，uik,t=0，1彡i彡3，1彡k彡η；如果dik,t>0，則<formula>formulaseeoriginaldocumentpage14</formula>Step4:判斷，如果<formula>formulaseeoriginaldocumentpage14</formula>達(dá)到最大迭代次數(shù)Tmax，則終止迭代；否則,令t=t+Ι，回到第一步。當(dāng)?shù)K止時(shí)的V即為所求聚類(lèi)中心。因?yàn)檩斎霐?shù)據(jù)是經(jīng)過(guò)數(shù)據(jù)標(biāo)準(zhǔn)化后的數(shù)據(jù)，因此迭代結(jié)束后的聚類(lèi)中心也是無(wú)量綱數(shù)據(jù)?？筛鶕?jù)變量標(biāo)準(zhǔn)化公式對(duì)聚類(lèi)中心進(jìn)行反向運(yùn)算，得到三種交通狀態(tài)的由斷面平均速度、斷面平均占有率、單車(chē)平均占有率組成的聚類(lèi)中心向量。以前N天的歷史數(shù)據(jù)自動(dòng)迭代出聚類(lèi)中心之后,便可以此聚類(lèi)中心為標(biāo)準(zhǔn)判別當(dāng)前天的道路交通狀態(tài)。道路交通狀態(tài)判別流程如圖4所示。每天只需聚類(lèi)一次，判別時(shí)只需將實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)處理之后，分別計(jì)算與三個(gè)聚類(lèi)中心的歐式距離。實(shí)時(shí)交通特征參數(shù)與聚類(lèi)中心歐式距離的計(jì)算公式為Ik—”Il=^t(xZ-1V)其中x表示經(jīng)過(guò)預(yù)處理后的實(shí)時(shí)交通參數(shù)向量；Vi表示第i個(gè)聚類(lèi)中心向量；Xj，Vij分別表示實(shí)時(shí)交通參數(shù)向量和聚類(lèi)中心向量中的第j個(gè)參數(shù)，j=1、2、3，分別表示斷面平均速度、斷面平均占有率和單車(chē)平均占有率。距離最小的即為當(dāng)前交通狀態(tài)。此判別方法計(jì)算極為簡(jiǎn)便,運(yùn)算時(shí)間極短,保證了算法的實(shí)時(shí)性。但為了保證交通狀態(tài)變化不致過(guò)于頻繁，認(rèn)為只有連續(xù)兩個(gè)周期的交通狀態(tài)都與原先交通狀態(tài)不一致，且該兩個(gè)周期交通狀態(tài)一致，方才更改輸出的交通狀態(tài)。道路交通狀態(tài)顯示模塊負(fù)責(zé)將道路交通狀態(tài)判別模塊最終輸出的交通狀態(tài)以直觀的顏色標(biāo)識(shí)反映到電子地圖上，紅色表示擁堵,黃色表示擁擠，綠色表示暢通。本發(fā)明實(shí)施例提出的交通狀態(tài)判別算法更加適用于城市道路，能夠?qū)崿F(xiàn)交通狀態(tài)判別標(biāo)準(zhǔn)的自動(dòng)修訂。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用于限制本發(fā)明，凡在本發(fā)明精神和原則之內(nèi)所做的任何修改、等同替換和改進(jìn)等,均包含于本發(fā)明的保護(hù)范圍之內(nèi)。權(quán)利要求一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路交通狀態(tài)的方法，其特征在于包括A、通過(guò)環(huán)形線(xiàn)圈檢測(cè)器獲取車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和車(chē)道平均速度；B、將車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和車(chē)道平均速度分別換算為斷面平均速度、斷面平均占有率和單車(chē)平均占有率，再經(jīng)過(guò)錯(cuò)誤數(shù)據(jù)修復(fù)和數(shù)據(jù)平滑處理后，將斷面平均速度、斷面平均占有率和單車(chē)平均占有率作為歷史數(shù)據(jù)存入數(shù)據(jù)庫(kù)；C、當(dāng)積累預(yù)定周期內(nèi)的歷史數(shù)據(jù)后，首先對(duì)預(yù)定周期的數(shù)據(jù)標(biāo)準(zhǔn)化，將三種不同的原始數(shù)據(jù)轉(zhuǎn)化為無(wú)單位的且數(shù)量級(jí)相同的數(shù)據(jù)，再基于標(biāo)準(zhǔn)化后的數(shù)據(jù)將求解聚類(lèi)中心，以使每個(gè)樣本到三個(gè)聚類(lèi)中心的加權(quán)距離平方和達(dá)到最小，三個(gè)聚類(lèi)中心分別對(duì)應(yīng)暢通、擁擠、擁堵三類(lèi)交通狀態(tài)，根據(jù)變量標(biāo)準(zhǔn)化公式對(duì)聚類(lèi)中心進(jìn)行反向運(yùn)算，得到三種交通狀態(tài)的由斷面平均速度、斷面平均占有率、單車(chē)平均占有率組成的聚類(lèi)中心向量；D、對(duì)當(dāng)前實(shí)時(shí)交通數(shù)據(jù)進(jìn)行預(yù)處理之后，分別計(jì)算與所述三個(gè)聚類(lèi)中心的歐氏距離，得到與當(dāng)前實(shí)時(shí)交通數(shù)據(jù)歐氏距離最小的聚類(lèi)中心，判定當(dāng)前交通狀態(tài)為該歐氏距離最小的聚類(lèi)中心對(duì)應(yīng)的交通狀態(tài)；E、將判定的當(dāng)前交通狀態(tài)以直觀的顏色標(biāo)識(shí)反映到電子地圖上。2.如權(quán)利要求1所述的方法，其特征在于步驟C中求解聚類(lèi)中心包括如F步驟C11、初始化,根據(jù)參數(shù)確定的結(jié)果給定指數(shù)因子m，給定迭代截止誤差e>0、算法最大迭代次數(shù)Tmax及初始聚類(lèi)中心V0=(vl,0,v2,0,v8,0j；C12、計(jì)算Ut=[uik.t],其中,uik是第k個(gè)樣本對(duì)第i個(gè)聚類(lèi)中心的隸屬度；令dik.t=Xk-Vi||2，其中，dik為第k個(gè)樣本與第i個(gè)聚類(lèi)中心的距離；如果dik=0，則uik，t=1,且對(duì)j乒i，uik,t=0，1≤i≤3，1≤k≤n；如果dik,t>0’則C13計(jì)算Vt+1=[v1,t+1,v2,t+1,v3,t+1],<formula>formulaseeoriginaldocumentpage2</formula>C14、判斷，如果<formula>formulaseeoriginaldocumentpage2</formula>或t達(dá)到最大迭代次數(shù)Tmax，則終止迭代；否則,令t=t+1，回到C11；C15、當(dāng)?shù)K止時(shí)的V即為所求聚類(lèi)中心。3.如權(quán)利要求2所述的方法,其特征在于步驟C11中確定m值包括如下步驟Clll、根據(jù)檢測(cè)器采集到-算Xmax[c]C112如果Xmax[Cx]<0.5，則」maxm值對(duì)應(yīng)的各類(lèi)聚如果入max[C]0.5，則mG[1.5,2.5]；C113以步長(zhǎng)為0.1對(duì)step2中m所在區(qū)間進(jìn)行漸進(jìn)尋優(yōu)，計(jì)算〕類(lèi)中心間的距離，尋找使分類(lèi)的各類(lèi)聚類(lèi)中心間距離最大的m值。4.如權(quán)利要求1所述的方法,其特征在于實(shí)時(shí)交通特征參數(shù)與聚類(lèi)中心歐式距離的計(jì)算公式為:X表示經(jīng)過(guò)預(yù)處理后的實(shí)時(shí)交通參數(shù)向量；vi表示第i個(gè)聚類(lèi)中心向量；xj.vij向量和聚類(lèi)中心向量中的第個(gè)參!_分別表示斷面平均速度、斷面平均占有率和單車(chē)平均占有率。5.如權(quán)利要求1所述的方法,其特征在于,步驟D還包括只有連續(xù)兩個(gè)周期的交通狀態(tài)都與原先交通狀態(tài)不一致，且該兩個(gè)周期交通狀態(tài)一致，才更改輸出的交通狀態(tài)。6.一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路數(shù)據(jù)采集模塊，用于通過(guò)環(huán)形線(xiàn)圈檢測(cè)器;車(chē)道平均速度；數(shù)據(jù)預(yù)處理模塊，用于將車(chē)道周期內(nèi)流量、藝通狀態(tài)的裝置E取車(chē)道周期內(nèi)流量、車(chē)道周期內(nèi)占有率和道J期內(nèi)占有率和車(chē)道平均速度分別換再經(jīng)過(guò)錯(cuò)誤數(shù)據(jù)修復(fù)和數(shù)據(jù)平滑t據(jù)存入數(shù)據(jù)庫(kù)；期內(nèi)的歷史數(shù)據(jù)后，首先對(duì)預(yù)定周期的數(shù)處理后,將斷面平均速違歷史數(shù)據(jù)聚類(lèi)分析模塊，用于當(dāng)積累預(yù)定J據(jù)標(biāo)準(zhǔn)化，將三種不同的原始數(shù)據(jù)轉(zhuǎn)化為無(wú)單位的且數(shù)量級(jí)相同的數(shù)據(jù)，再基于標(biāo)準(zhǔn)化后的數(shù)據(jù)將求解聚類(lèi)中心，以使每個(gè)樣本到三個(gè)聚類(lèi)中心的加權(quán)距離平方和達(dá)到最小,三個(gè)聚類(lèi)中心分別對(duì)應(yīng)暢通、擁擠、擁堵三類(lèi)交通狀態(tài),根據(jù)變量標(biāo)準(zhǔn)化公式對(duì)聚類(lèi)中心進(jìn)行反向運(yùn)算,得到三種交通狀態(tài)的由斷面平均速度、斷面平均占有率、單車(chē)平均占有率組成的聚類(lèi)中心向量，并基于向量判定各向量分別對(duì)應(yīng)哪種交通狀態(tài)；道路交通狀態(tài)判別模塊，用于對(duì)當(dāng)前實(shí)時(shí)交通數(shù)據(jù)進(jìn)行預(yù)處理之后，分別計(jì)算與所述三個(gè)聚類(lèi)中心的歐氏距離，得到與當(dāng)前實(shí)時(shí)交通數(shù)據(jù)歐氏距離最小的聚類(lèi)中心，判定當(dāng)前交通狀態(tài)為該歐氏距離最小的聚類(lèi)中心對(duì)應(yīng)的交通狀態(tài)；道路交通狀態(tài)顯示模塊，用于將判定的當(dāng)前交通狀態(tài)以直觀的顏色標(biāo)識(shí)反映到電子地圖上。全文摘要一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路交通狀態(tài)的方法，本發(fā)明涉及一種基于信號(hào)燈系統(tǒng)環(huán)形線(xiàn)圈判別道路交通狀態(tài)的方法，本發(fā)明通過(guò)環(huán)形線(xiàn)圈檢測(cè)器獲取交通歷史數(shù)據(jù)，對(duì)歷史數(shù)據(jù)進(jìn)行聚類(lèi)分析，求得不同交通狀態(tài)對(duì)應(yīng)的聚類(lèi)中心，在進(jìn)行實(shí)時(shí)交通狀態(tài)判別時(shí)，直接計(jì)算實(shí)時(shí)交通數(shù)據(jù)與各聚類(lèi)中心之間的歐氏距離，判定當(dāng)前交通狀態(tài)為所述歐氏距離最短的聚類(lèi)中心所對(duì)應(yīng)的交通狀態(tài)。文檔編號(hào)G08G1/052GK101833858SQ20091031164公開(kāi)日2010年9月15日申請(qǐng)日期2009年12月17日優(yōu)先權(quán)日2009年12月17日發(fā)明者儲(chǔ)浩,李建平申請(qǐng)人:南京城際在線(xiàn)信息技術(shù)有限公司