交通狀況自動(dòng)分析預(yù)測(cè)方法
【專利摘要】本發(fā)明公開一種交通狀況自動(dòng)分析預(yù)測(cè)方法，包括基于模糊控制實(shí)現(xiàn)的當(dāng)前交通狀況的評(píng)估，還包括基于未來交通參數(shù)預(yù)測(cè)和模糊控制相結(jié)合的未來交通狀況預(yù)。模糊控制的方法是以車流量和速度為輸入，以交通狀態(tài)為輸出，通過在輸入和輸出之間建立一系列的判定關(guān)系，確定每個(gè)路段的交通狀況。未來交通參數(shù)預(yù)測(cè)是以k-最近鄰法預(yù)測(cè)。本發(fā)明基于模糊控制的當(dāng)前交通狀況模糊評(píng)估分析模塊，可以根據(jù)當(dāng)前車流量和速度自動(dòng)分析當(dāng)前監(jiān)測(cè)路段的交通狀況；基于k-最近鄰法的交通參數(shù)預(yù)測(cè)模塊，可以預(yù)測(cè)未來一段時(shí)間的交通狀況。實(shí)時(shí)評(píng)估的準(zhǔn)確率為85％，預(yù)測(cè)評(píng)估的準(zhǔn)確率為75％，可以有效緩解交警的工作壓力、幫助他們更有效地指揮決策。
【專利說明】交通狀況自動(dòng)分析預(yù)測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及交通控制技術(shù)，特別是基于信息智能處理技術(shù)的交通狀況的自動(dòng)分析 預(yù)測(cè)方法。

【背景技術(shù)】
[0002] 交通綜合指揮平臺(tái)的發(fā)展經(jīng)歷了以下幾個(gè)階段：（1)信息展示階段、（2)表面功能 階段、（3)實(shí)際功能階段、（4)數(shù)據(jù)挖掘階段、（5)綜合指揮調(diào)度階段、（6)智能交通控制階 段。我國(guó)交通綜合指揮平臺(tái)現(xiàn)在大多還主要停留在第三和第四發(fā)展階段。其中信息分析主 要還是依靠人工處理。面對(duì)海量的交通數(shù)據(jù)，監(jiān)控人員很難及時(shí)、準(zhǔn)確地做出判斷。
[0003] 交通狀態(tài)辨識(shí)是實(shí)現(xiàn)智能交通管理的一個(gè)重要前提，也是目前智能交通廣泛開展 的研究課題。隨著城市規(guī)模越來越大，交通量迅速增加，道路交通擁擠愈加突出，表現(xiàn)為行 車速度的下降和到達(dá)目的地時(shí)間的增加，嚴(yán)重影響城市的整體功能。而且若不能及時(shí)發(fā)現(xiàn) 和處理交通擁堵，它會(huì)隨著時(shí)間的推移越演越烈。因此，及時(shí)準(zhǔn)確識(shí)別城市道路交通運(yùn)行狀 態(tài)是亟待解決的問題。而目前大多數(shù)的交通狀況分析還需人工完成，工作量非常大，長(zhǎng)時(shí)間 疲勞工作會(huì)降低對(duì)交通狀況判斷的準(zhǔn)確率。
[0004] 一些研究人員利用交通流的基本參數(shù)（即流量、速度等）對(duì)交通流狀態(tài)進(jìn)行分類， 確定每種狀態(tài)的臨界值。但是每個(gè)交通流參數(shù)影響交通流狀態(tài)分類的程度不同，精度會(huì)受 到很大的影響。而且道路交通狀況很難用確切的數(shù)字來說明，具有很強(qiáng)的模糊性和隱藏性。 因此，如何將道路的交通狀況通過科學(xué)的數(shù)據(jù)信息方法真實(shí)的表達(dá)出來，是交通狀態(tài)判別 的關(guān)鍵。道路交通信息除了具有一般數(shù)據(jù)信息的特點(diǎn)外，還具有很強(qiáng)的實(shí)時(shí)性。如果判別 結(jié)果在時(shí)間上不能滿足用戶的需求，判別的準(zhǔn)確性也就失去了其實(shí)際的意義。為此，在選擇 信息處理技術(shù)時(shí)，既要考慮交通信息自身的特點(diǎn)，還要考慮交通狀態(tài)判別的整體效果。如果 能準(zhǔn)確辨識(shí)未來短時(shí)交通狀態(tài)，則可以更加有效地實(shí)施合理的交通控制和誘導(dǎo)措施，緩解 堵塞，使交通運(yùn)行平穩(wěn)、順暢，為道路使用者提供良好的道路運(yùn)行環(huán)境。


【發(fā)明內(nèi)容】

[0005] 為解決交通管理平臺(tái)的上述技術(shù)瓶頸，本發(fā)明提供一種交通狀況自動(dòng)分析預(yù)測(cè)方 法。該方法基于數(shù)據(jù)的分析，指導(dǎo)交通指揮平臺(tái)的工作人員分析交通狀況，緩解了人工勞動(dòng) 量和壓力、提高了指揮決策的準(zhǔn)確性。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種交通狀況自動(dòng)分析預(yù)測(cè)方法，包 括基于模糊控制實(shí)現(xiàn)的當(dāng)前交通狀況的評(píng)估，模糊控制的方法是以車流量和速度為輸入， 以交通狀態(tài)為輸出，通過在輸入和輸出之間建立一系列的判定關(guān)系，確定每個(gè)路段的交通 狀況。
[0007] 基于模糊控制的當(dāng)前交通狀況評(píng)估分析，具體方法是：
[0008] 1)分別建立車流量和速度的輸入隸屬度函數(shù)
[0009] ①分別對(duì)車流量和速度進(jìn)行歸一化：
[0010] t時(shí)刻車流量的歸一化數(shù)學(xué)描述為

【權(quán)利要求】
1. 一種交通狀況自動(dòng)分析預(yù)測(cè)方法，其特征在于：包括基于模糊控制實(shí)現(xiàn)的當(dāng)前交通 狀況的評(píng)估；模糊控制的方法是以車流量和速度為輸入，以交通狀態(tài)為輸出，通過在輸入和 輸出之間建立一系列的判定關(guān)系，確定每個(gè)路段的交通狀況。
2. 根據(jù)權(quán)利要求1所述的交通狀況自動(dòng)分析預(yù)測(cè)方法，其特征在于：基于模糊控制的 當(dāng)前交通狀況評(píng)估分析，具體方法如下： 1) 分別建立車流量和速度的輸入隸屬度函數(shù) ① 分別對(duì)車流量和速度進(jìn)行歸一化： t時(shí)刻車流量的歸一化數(shù)學(xué)描述為
t時(shí)刻速度的歸一化數(shù)學(xué)描述為
其中，P(t)為t時(shí)刻的流量值，Pmax為該條路流量的最大值，v(t)為t時(shí)刻的路面車速， 為該條路的車速最大值； ② 分別建立車流量和速度的隸屬度函數(shù)： 以橫坐標(biāo)為論域，縱坐標(biāo)為隸屬度建立隸屬度函數(shù)，量值區(qū)間都為0?1，利用隸屬度 函數(shù)將車流量劃分為5個(gè)模糊子集：很少、少、中、多、很多，分別對(duì)應(yīng)的論域區(qū)間為：0? 0. 25、0 ?0. 5、0. 25 ?0. 75、0. 5 ?1、0. 75 ?1 ; 利用隸屬度函數(shù)將速度劃分為5個(gè)模糊子集：很快、快、中、慢、很慢，分別對(duì)應(yīng)的論域 為 0 ?0· 25、0 ?0· 5、0· 25 ?0· 75、0· 5 ?1、0· 75 ?1 ; 2) 建立擁堵狀態(tài)判定規(guī)則表和交通狀態(tài)的隸屬度函數(shù) ① 根據(jù)輸入隸屬度函數(shù)，建立擁堵狀態(tài)判定規(guī)則表：
表中，車流量項(xiàng)NN、NS、0、PS、ΡΜ分別對(duì)應(yīng)車流量：很少、少、中、多、很多，車速項(xiàng)NN、NS、 0、PS、ΡΜ分別對(duì)應(yīng)車速：很快、快、中、慢、很慢，交通狀態(tài)項(xiàng)NN、NS、0、PS、ΡΜ分別對(duì)應(yīng)：很堵 車、堵車、輕微堵車、車較多、暢通； ② 建立交通狀態(tài)的隸屬度函數(shù)： 以橫坐標(biāo)為論域，縱坐標(biāo)為隸屬度建立交通狀態(tài)隸屬度函數(shù)，量值區(qū)間都為0?1，利 用隸屬度函數(shù)將交通狀態(tài)劃分為5個(gè)模糊子集：很堵車、堵車、輕微堵車、車較多、暢通，分 別對(duì)應(yīng)的論域?yàn)??0. 2、0?0. 5、0. 3?0. 7、0. 5?1、0. 8?1 ; 3)根據(jù)屬度函數(shù)確定當(dāng)前交通狀態(tài) ① 將車流量、速度帶入各自的隸屬度函數(shù)，確定它們的隸屬度； ② 以每一組車流量和速度的隸屬度組合，定義出一個(gè)子交通狀態(tài)隸屬度，定義方法為： 取該隸屬度組合中最小的那個(gè)隸屬度為子交通狀態(tài)的隸屬度； ③ 確定每個(gè)子交通狀態(tài)的論域的中心值：每條隸屬度曲線中心，若沒有曲線中心則為 每條隸屬度曲線最大值處對(duì)應(yīng)的橫坐標(biāo)值； ④ 以每個(gè)子交通狀態(tài)的隸屬度為權(quán)值，對(duì)它們各自的論域中心值進(jìn)行加權(quán)平均，獲得 交通狀態(tài)的最終論域值：
其中，Xi和μ i表示子交通狀態(tài)i的論域中心值和隸屬度，i e {NN，NS，0, PS，PM}; ⑤ 然后再將x帶回到交通狀態(tài)的隸屬度函數(shù)，確定當(dāng)前交通狀態(tài)，方法為：對(duì)于同一論 域值X所對(duì)應(yīng)的多個(gè)隸屬度，取其中最大的那個(gè)隸屬度所對(duì)應(yīng)的交通狀態(tài)，為當(dāng)前的交通 狀態(tài)。
3. 根據(jù)權(quán)利要求1所述的交通狀況自動(dòng)分析預(yù)測(cè)方法，其特征在于：還包括基于未來 交通參數(shù)預(yù)測(cè)和模糊控制相結(jié)合的未來交通狀況預(yù)測(cè)；其中所述未來交通參數(shù)預(yù)測(cè)是在一 定的預(yù)測(cè)準(zhǔn)則基礎(chǔ)上，以k-最近鄰法預(yù)測(cè)未來一段時(shí)間之后的車流量和速度參數(shù)。
4. 根據(jù)權(quán)利要求3所述的交通狀況自動(dòng)分析預(yù)測(cè)方法，其特征在于：所述基于未來交 通參數(shù)預(yù)測(cè)和模糊控制相結(jié)合的未來交通狀況預(yù)測(cè)的具體方法是： 1) 構(gòu)建交通參數(shù)狀態(tài)向量 每個(gè)交通狀態(tài)向量由4個(gè)交通參數(shù)構(gòu)成：某一時(shí)刻的流量p、車速v以及該時(shí)刻5分鐘 前的流量Pw和車速Vw，狀態(tài)向量表示為：a=化4。1(1，￥，￥。1(1)，隨著時(shí)間推移，不斷生成新 的交通狀態(tài)向量存入數(shù)據(jù)庫(kù)； 2) 定義預(yù)測(cè)準(zhǔn)則 使用歐幾里德距離中的平方差準(zhǔn)則，數(shù)學(xué)描述為：
式中，當(dāng)前時(shí)刻交通狀態(tài)向量為（Ρ,Ρ^ν,ν^)，歷史i時(shí)刻交通狀態(tài)向量為 (Pi，Pmm，Vi，Vmm)，當(dāng)Φ小于閾值時(shí)，該歷史時(shí)刻交通狀態(tài)向量被從數(shù)據(jù)庫(kù)中選中； 3) 以這一準(zhǔn)則為標(biāo)準(zhǔn)，使用K-最近鄰法搜索這些向量，在數(shù)據(jù)庫(kù)中尋找與當(dāng)前交通狀 態(tài)最接近的5對(duì)歷史向量； 4) 未來交通參數(shù)變化狀況預(yù)測(cè) 提取數(shù)據(jù)庫(kù)中這5對(duì)向量在下5分鐘所對(duì)應(yīng)的狀態(tài)進(jìn)行加權(quán)，數(shù)學(xué)描述為：

式中，pf_ast為流量的預(yù)測(cè)值，vf_ast為車速的預(yù)測(cè)值，第i個(gè)歷史狀態(tài)在歷史時(shí)刻5 分鐘后的交通參數(shù)為（Pi，new，'nJ，按照距離的遠(yuǎn)近分別賦予大小不同的權(quán)值，距離越近權(quán) 重越大，第i個(gè)歷史狀態(tài)的權(quán)重為
，加權(quán)平均的結(jié)果可以作為5分鐘之后的交通參數(shù) 預(yù)測(cè)值Pf orecast 矛口 Vforecast ? 5)未來交通狀況的預(yù)測(cè) 在預(yù)測(cè)到未來交通參數(shù)后，同樣使用基于模糊控制的當(dāng)前交通狀況模糊評(píng)估分析方 法，對(duì)5分鐘之后的交通狀態(tài)進(jìn)行評(píng)估預(yù)測(cè)。
【文檔編號(hào)】G08G1/01GK104050809SQ201410242472
【公開日】2014年9月17日 申請(qǐng)日期:2014年6月3日 優(yōu)先權(quán)日:2014年6月3日
【發(fā)明者】曹天揚(yáng), 申莉, 陳鋒 申請(qǐng)人:北京航天福道高技術(shù)股份有限公司