基于多斷面視覺(jué)傳感聚類(lèi)分析的交通流狀態(tài)判別方法
【專(zhuān)利摘要】基于多斷面視覺(jué)傳感聚類(lèi)分析的交通流狀態(tài)判別方法，通過(guò)道路邊設(shè)置的PTZ視頻攝像機(jī)獲取交通流數(shù)據(jù)，根據(jù)獲得的交通流數(shù)據(jù)，采用聚類(lèi)分析的方法判斷高速公路道路交通流狀態(tài)。本發(fā)明利用易于獲取的交通流數(shù)據(jù)：速度和流量，結(jié)合上下游交通流數(shù)據(jù)進(jìn)行聚類(lèi)分析，獲得的聚類(lèi)結(jié)果較為清晰，具有一定的容錯(cuò)性。在實(shí)際應(yīng)用中，可以根據(jù)具體情況修改聚類(lèi)數(shù)目，獲得簡(jiǎn)化聚類(lèi)結(jié)果。本發(fā)明給出適合當(dāng)前高速公路特點(diǎn)的交通狀況劃分方法和關(guān)鍵數(shù)據(jù)，比較準(zhǔn)確和全面地反映交通流的運(yùn)行情況。
【專(zhuān)利說(shuō)明】基于多斷面視覺(jué)傳感聚類(lèi)分析的交通流狀態(tài)判別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于數(shù)據(jù)挖掘【技術(shù)領(lǐng)域】，涉及對(duì)交通數(shù)據(jù)進(jìn)行交通狀態(tài)的自動(dòng)判別，為一種基于聚類(lèi)分析的交通流狀態(tài)判別方法。
【背景技術(shù)】
[0002]近年來(lái)，交通擁擠嚴(yán)重影響了城市的可持續(xù)發(fā)展和人們的日常工作與生活，如何緩解擁擠已成為世界各國(guó)共同關(guān)注的焦點(diǎn)和亟需解決的重要問(wèn)題。實(shí)際上，路網(wǎng)并不是在所有時(shí)間和地點(diǎn)上都是滿(mǎn)負(fù)荷運(yùn)行的，若能夠及時(shí)獲得路網(wǎng)上的交通信息、準(zhǔn)確地掌握路網(wǎng)的交通狀態(tài)，并依此進(jìn)行科學(xué)的交通管理和控制決策，充分利用道路交通系統(tǒng)的時(shí)空資源，則可在不增加道路設(shè)施的情況下，提高路網(wǎng)的運(yùn)行效率和安全性。由上述分析可見(jiàn)，如何準(zhǔn)確的把握路網(wǎng)交通運(yùn)行狀態(tài)以便制定高效的交通管理控制方案以及合理的出行方案是提聞路網(wǎng)運(yùn)行效率的關(guān)鍵所在。
[0003]交通運(yùn)行狀態(tài)判別主要是通過(guò)描述交通流特性的交通流數(shù)據(jù)和數(shù)據(jù)的變化規(guī)律來(lái)反映交通流的運(yùn)行情況。用于描述交通狀態(tài)的交通流數(shù)據(jù)可以分為宏觀數(shù)據(jù)和微觀數(shù)據(jù)。其中宏觀數(shù)據(jù)用于描述交通流作為一個(gè)整體表現(xiàn)出來(lái)的運(yùn)行狀態(tài)特性，主要包括交通量、速度、交通密度和占有率。
[0004]到目前為止，各國(guó)尚無(wú)統(tǒng)一的關(guān)于交通運(yùn)行狀態(tài)劃分的量化定義，已有的研究成果多現(xiàn)于各種工程應(yīng)用規(guī)范中，運(yùn)用不同的交通數(shù)據(jù)從定量的角度對(duì)交通狀態(tài)進(jìn)行描述。
[0005]美國(guó)在道路交通服務(wù)水平(L0S)的研究中，通過(guò)車(chē)速度、行程時(shí)間、行駛自由度、安全性指標(biāo)來(lái)綜合評(píng)判道路的服務(wù)水平，根據(jù)平均運(yùn)行速度、道路負(fù)荷系數(shù)等指標(biāo)，將交通服務(wù)水平劃分為A-F六個(gè)等級(jí)[1]，如表I所示。
[0006]另外，在美國(guó)的各大城市也有著各自的狀態(tài)劃分標(biāo)準(zhǔn)。華盛頓州交通運(yùn)輸部對(duì)擁堵程度的定義[2]為:在高速公路上平均行駛速度不足40英里/小時(shí)即為擁堵?tīng)顟B(tài)，不足35英里/小時(shí)即為嚴(yán)重?fù)矶聽(tīng)顟B(tài)。而聯(lián)邦公路局采用的評(píng)價(jià)標(biāo)準(zhǔn)[3]為:不足45英里/小時(shí)的平均行駛速度為擁堵?tīng)顟B(tài)，不足30英里/小時(shí)為嚴(yán)重?fù)矶聽(tīng)顟B(tài)。
[0007]日本對(duì)城市高速公路的交通擁堵定義[4]為:車(chē)輛行駛速度在40公里/小時(shí)以下或者頻繁停車(chē)、啟動(dòng)的車(chē)列長(zhǎng)度在I公里以上且持續(xù)時(shí)間在15分鐘以上的一種交通狀態(tài)。
[0008]我國(guó)公安部在2002年的《城市交通管理評(píng)價(jià)指標(biāo)體系》中，將擁堵程度劃分為四個(gè)等級(jí)M:城市主干路上機(jī)動(dòng)車(chē)的平均行駛速度不低于30km/h定義為暢通狀態(tài)；城市主干路上機(jī)動(dòng)車(chē)的平均行駛速度低于30km/h，但高于20km/h定義為輕度擁堵?tīng)顟B(tài)；城市主干路上機(jī)動(dòng)車(chē)的平均行駛速度低于20km/h，但高于10km/h定義為擁堵?tīng)顟B(tài)；城市主干路上機(jī)動(dòng)車(chē)的平均行駛速度低于10km/h定義為嚴(yán)重?fù)矶聽(tīng)顟B(tài)。
[0009]表I美國(guó)高速公路服務(wù)水平劃分
[0010]
【權(quán)利要求】
1.基于多斷面視覺(jué)傳感聚類(lèi)分析的交通流狀態(tài)判別方法，其特征是在道路上設(shè)置視頻檢測(cè)點(diǎn)，每個(gè)視頻檢測(cè)點(diǎn)作為一個(gè)斷面，通過(guò)視頻檢測(cè)獲取各斷面的交通流數(shù)據(jù)，采用聚類(lèi)分析的方法判斷高速公路道路交通流狀態(tài)，包括以下步驟: 1)模型訓(xùn)練:以視頻檢測(cè)點(diǎn)獲取的歷史交通流數(shù)據(jù)為基礎(chǔ)，每個(gè)斷面及其上下游相鄰斷面的交通流數(shù)據(jù)構(gòu)成一個(gè)特征數(shù)據(jù)組，對(duì)特征數(shù)據(jù)組進(jìn)行聚類(lèi)；其中，聚類(lèi)時(shí)首先根據(jù)交通流狀態(tài)的劃分需求設(shè)定聚類(lèi)的個(gè)數(shù)，不同類(lèi)交通流狀態(tài)具有各自的特點(diǎn)，特征數(shù)據(jù)組按聚類(lèi)個(gè)數(shù)進(jìn)行聚類(lèi)，采用的聚類(lèi)算法包括K均值聚類(lèi)算法和模糊C均值算法，聚類(lèi)完成后依據(jù)所述特點(diǎn)將聚類(lèi)結(jié)果對(duì)應(yīng)到不同的交通流狀態(tài)，得到判斷模型； 2)判斷所屬交通運(yùn)行狀態(tài):根據(jù)道路斷面的實(shí)時(shí)交通流數(shù)據(jù)和判斷模型，通過(guò)當(dāng)前斷面及其上下游斷面的交通流數(shù)據(jù)，利用模式識(shí)別的方法，通過(guò)隸屬度矩陣進(jìn)行運(yùn)算，判別相應(yīng)時(shí)刻當(dāng)前斷面所屬的交通流狀態(tài)。
2.根據(jù)權(quán)利要求1所述的基于多斷面視覺(jué)傳感聚類(lèi)分析的交通流狀態(tài)判別方法，其特征是視頻檢測(cè)點(diǎn)通過(guò)PTZ視頻攝像機(jī)獲取交通流數(shù)據(jù)。
3.根據(jù)權(quán)利要求2所述的基于多斷面視覺(jué)傳感聚類(lèi)分析的交通流狀態(tài)判別方法，其特征是視頻檢測(cè)點(diǎn)還設(shè)有紅外攝像機(jī)和激光輪廓儀。
4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的基于多斷面視覺(jué)傳感聚類(lèi)分析的交通流狀態(tài)判別方法，其特征是斷面的交通流數(shù)據(jù)為車(chē)輛的速度和流量，將當(dāng)前斷面及其上下游的車(chē)輛速度和流量構(gòu)成的向量用于聚類(lèi)分析以及模式識(shí)別，考慮交調(diào)數(shù)據(jù)以及上下游斷面與當(dāng)前斷面的距離確定影響系數(shù)ku和kd，當(dāng)前斷面及其上下游的車(chē)輛速度和流量構(gòu)成向量為:
X= [Kuvu, Kufu, vc, fc, Kdvd, Kdfd]，(-1 ≤ Ku ≤ 1，-1 ≤ Kd ≤ 1) (1) 式中，Vu和fu分別表示上游斷面的車(chē)輛速度和流量，vc和f。分別表示當(dāng)前斷面的車(chē)輛速度和流量，vd和fd分別表示下游斷面的車(chē)輛速度和流量，Ku為上游斷面的影響系數(shù)，Kd為下游斷面的影響系數(shù)，其中影響系數(shù)隨上下游斷面與當(dāng)前斷面的距離增大而減小，如果當(dāng)前斷面的上游或下游沒(méi)有攝像頭，對(duì)應(yīng)的影響系數(shù)置O，在模型訓(xùn)練步驟中，根據(jù)聚類(lèi)效果確定影響系數(shù)的值。
【文檔編號(hào)】G08G1/01GK103839409SQ201410069892
【公開(kāi)日】2014年6月4日 申請(qǐng)日期:2014年2月27日 優(yōu)先權(quán)日:2014年2月27日
【發(fā)明者】許榕, 蔣士正, 吳聰, 繆李囡, 王雙, 阮雅端, 陳啟美 申請(qǐng)人:南京大學(xué)