基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法，首先通過車檢器采集公路數(shù)據(jù)并采用ACI算法識別公路車檢器異常狀態(tài)數(shù)據(jù)；再通過公路收費數(shù)據(jù)獲取公路收費異常狀態(tài)數(shù)據(jù)；最后采用算法表決融合方法識別公路異常狀態(tài)數(shù)據(jù)；本發(fā)明采用基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法，克服了單一數(shù)據(jù)源算法可信度低、實際應(yīng)用效果差的異常交通狀態(tài)識別問題，適用于高速公路交通流在時間上和空間上的復(fù)雜性和隨機性的要求，綜合利用多種信息源，從多個方面對異常交通狀態(tài)進行識別，識別異常交通狀態(tài)更為準確。
【專利說明】基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法及系 統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及高速公路交通狀態(tài)識別領(lǐng)域，具體涉及一種基于車檢器和收費數(shù)據(jù)融 合的異常狀態(tài)識別方法。

【背景技術(shù)】
[0002] 異常狀態(tài)識別是高速公路運管部門進行運營管控、路況信息發(fā)布和交通誘導(dǎo)的基 礎(chǔ)，對減少交通事故造成的人身傷亡、財產(chǎn)損失和避免二次交通事故等方面具有重要的作 用。隨著智能交通技術(shù)的發(fā)展和交通信息檢測手段的增加，如何利用交通信息檢測手段進 行異常狀態(tài)自動識別引起了廣泛關(guān)注。因此，研究高速公路異常狀態(tài)自動識別的關(guān)鍵技術(shù) 對提升高速公路管理水平和服務(wù)水平具有重要的理論和實際意義。
[0003] 現(xiàn)有高速公路異常狀態(tài)識別主要以單一數(shù)據(jù)源（車檢器數(shù)據(jù)）為基礎(chǔ)，建立異常 狀態(tài)自動識別算法，自動識別異常交通狀態(tài)。由于高速公路交通流在時間上和空間上的復(fù) 雜性和隨機性，在很多情況下，基于單一數(shù)據(jù)源的ACI(自動識別）算法可能存在可信度低、 實際應(yīng)用效果差等問題，如果簡單地將一些判別效果不好的算法判別結(jié)果直接舍去，這明 顯是不合理的。相比之下，一種更為科學(xué)的做法是，將基于不同數(shù)據(jù)的ACI算法以某種方式 進行融合，綜合利用多種信息源，從多個方面對異常交通狀態(tài)進行識別，于是本專利采用車 檢器和收費數(shù)據(jù)融合識別異常交通狀態(tài)。


【發(fā)明內(nèi)容】

[0004] 有鑒于此，本發(fā)明所要解決的技術(shù)問題是提供一種基于車檢器和收費數(shù)據(jù)融合的 異常狀態(tài)識別方法及系統(tǒng)。
[0005] 本發(fā)明的目的之一是提出一種基于車檢器和收費數(shù)據(jù)融合的異常狀態(tài)識別方法； 本發(fā)明的目的之二是提出一種基于車檢器和收費數(shù)據(jù)融合的異常狀態(tài)識別系統(tǒng)。
[0006] 本發(fā)明的目的之一是通過以下技術(shù)方案來實現(xiàn)的：
[0007] 本發(fā)明提供的一種基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法，包括以 下步驟：
[0008] Sl :通過車檢器采集公路數(shù)據(jù)提取速度、流量和占有率交通狀態(tài)特征參數(shù)；
[0009] S2 :根據(jù)交通狀態(tài)特征參數(shù)采用ACI算法識別公路車檢器異常狀態(tài)數(shù)據(jù)；
[0010] S3 :獲取公路收費數(shù)據(jù)和相應(yīng)路段交通狀態(tài)參數(shù)；
[0011] S4 :根據(jù)公路收費數(shù)據(jù)和相應(yīng)路段交通狀態(tài)參數(shù)計算路段平均行程速度；
[0012] S5:根據(jù)路段平均行程速度與預(yù)定平均行程車速的比較獲取公路收費異常狀態(tài)數(shù) 據(jù)；
[0013] S6:采用算法表決融合方法根據(jù)公路車檢器異常狀態(tài)數(shù)據(jù)和公路收費異常狀態(tài)數(shù) 據(jù)識別公路異常狀態(tài)數(shù)據(jù)。
[0014] 進一步，所述步驟Sl中的交通狀態(tài)特征參數(shù)采用加州算法，具體實施步驟如下：
[0015] Sll :獲取上下游車輛檢測器數(shù)據(jù)，計算占有率差值（絕對差）：
[0016] OCCD = OCC (i，t)-OCC (i+1，t) (I)
[0017] 式中，OCCD表示相鄰兩車檢器的占有率絕對差值；OCC (i，t)表示上游車檢器占有 率；OCC (i+1，t)表示下游車檢器占有率；
[0018] S12 :當上下游差值OCXD < K1時，可判定為此時非擁堵，為正常交通狀態(tài)；如果 OCCD彡K1時，繼續(xù)下一步驟S13 ;
[0019] 其中，K1為通過經(jīng)驗標定的參數(shù)值；
[0020] S13 :根據(jù)上下游站點之間的占有率差值，計算其與上游站點占有率之比：
[0021]

【權(quán)利要求】
1. 基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法，其特征在于：包括以下步 驟： 51 :通過車檢器采集公路數(shù)據(jù)提取速度、流量和占有率交通狀態(tài)特征參數(shù)； 52 :根據(jù)交通狀態(tài)特征參數(shù)采用ACI算法識別公路車檢器異常狀態(tài)數(shù)據(jù)； 53 :獲取公路收費數(shù)據(jù)和相應(yīng)路段交通狀態(tài)參數(shù)； 54 :根據(jù)公路收費數(shù)據(jù)和相應(yīng)路段交通狀態(tài)參數(shù)計算路段平均行程速度； 55 :根據(jù)路段平均行程速度與預(yù)定平均行程車速的比較獲取公路收費異常狀態(tài)數(shù)據(jù)； 56 :采用算法表決融合方法根據(jù)公路車檢器異常狀態(tài)數(shù)據(jù)和公路收費異常狀態(tài)數(shù)據(jù)識 別公路異常狀態(tài)數(shù)據(jù)。
2. 根據(jù)權(quán)利要求1所述的基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法，其特 征在于：所述步驟Sl中的交通狀態(tài)特征參數(shù)采用加州算法，具體實施步驟如下： 511 :獲取上下游車輛檢測器數(shù)據(jù)，計算占有率差值即絕對差： OCCD = OCC (i，t) -OCC (i+1，t) (I) 式中，OCCD表示相鄰兩車檢器的占有率絕對差值；OCC(i，t)表示上游車檢器占有率； OCC (i+1，t)表示下游車檢器占有率； 512 :當上下游差值OCCD < K1時，可判定為此時非擁堵，為正常交通狀態(tài)；如果 OCCD彡K1時，繼續(xù)下一步驟S13 ; 其中，K1為通過經(jīng)驗標定的參數(shù)值； 513 :根據(jù)上下游站點之間的占有率差值，計算其與上游站點占有率之比：
513 :當OCXDF < K2時，可判定為此時非擁堵，為正常交通狀態(tài)；如果OCXDF彡K2時，繼 續(xù)Step4 ;其中，K2為通過經(jīng)驗標定的參數(shù)值； 514 :根據(jù)上下游站點之間的占有率差值，計算其與下游站點占有率之比：
515 :當DOCXDT > K3時，可判定為此時非擁堵，為正常交通狀態(tài)；如果DOCXDT彡K3時， 繼續(xù)S16 ;其中，K3為通過經(jīng)驗標定的參數(shù)值； 516 :讀取上一識別周期異常交通狀態(tài)，如果擁堵，則判別該識別周期為交通狀態(tài)異常， 否則為正常交通狀態(tài)，該識別周期結(jié)束。
3. 根據(jù)權(quán)利要求1所述的基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法，其特 征在于：所述步驟S5中的公路收費異常狀態(tài)數(shù)據(jù)的計算，具體實施步驟如下： S51 :根據(jù)收費數(shù)據(jù)計算平均行程車速P(Z); S52:根據(jù)不同路段特征，確定判別參數(shù)K' p K' 2, K' 3的值； 553 :根據(jù)平均行程車速和判別參數(shù)來確定交通狀態(tài)，根據(jù)以下方式來確定： 554 :判斷「⑴2心'是否成立，如果成立，則表明此路段交通暢通；如果不成立，進入判 別步驟S55 ; 555 :判斷「(/)> A是否成立，如果成立，則表明此路段緩行，即行程車速比暢通狀態(tài) 下低，但比交通擁擠狀態(tài)下高；如果不成立，進入判別步驟S56 ; 556 :判斷廠(/)-廠(/ - A) 2 f是否成立，如果成立，則表明此時的擁擠性質(zhì)為偶發(fā)性擁 擠，如果不成立，則表明此時為常發(fā)性擁擠。
4. 根據(jù)權(quán)利要求1所述的基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別方法，其特 征在于：所述步驟S6中的算法表決融合方法，具體實施步驟如下： 561 :確定算法組成，所述算法組成包括第一算法和第二算法，所述第一算法為基于車 檢器數(shù)據(jù)的ACI算法；所述第二算法為基于收費數(shù)據(jù)的ACI算法； 562 :確定算法的信任級別，采用持續(xù)性測試來定義算法信任級別，所述持續(xù)性測試分 為三個等級：PT = 1，2, 3,每種算法都采用3級信任等級，在持續(xù)測試中，當PT = 1時，表示 經(jīng)過一個識別周期，ACI算法給出異常交通狀態(tài)識別結(jié)果；當PT = 2時，表示經(jīng)過二個識別 周期，ACI算法給出異常交通狀態(tài)識別結(jié)果；當PT = 3時，表示連續(xù)3個或更多的持續(xù)時間 識別出異常交通狀態(tài)，PT = 3為最高級信任級別； 563 :確定識別單元，所述識別單元的定義如下： 確定第一算法的信任級別分別為第一信任級別A1、第二信任級別A2、第二信任級別A3 ; 確定第二算法的任級別分別為第一信任級別B1、第二信任級別B2、第二信任級別B3 ; 確定第一識別單元A1B1、第二識別單元A2B2、第三識別單元A 3B3 ; 所述第一識別單元A1B1表示第一算法為第一信任級別A1和第二算法為第一信任級別 B1時確定的識別單元； 所述第二識別單元A2B2表示第一算法為第二信任級別A2和第二算法為第二信任級別 B2時確定的識別單元； 所述第二識別單兀A3B3表不第一算法為第二/[目任級別A3和第二算法為第二 /[目任級別 B3時確定的識別單元； S64:確定第一算法和第二算法識別結(jié)果的識別時間匹配，確定系統(tǒng)時鐘同步，所述系 統(tǒng)時鐘同步包括基于收費數(shù)據(jù)的ACI算法模塊的系統(tǒng)時鐘、基于車檢器數(shù)據(jù)的ACI算法模 塊的系統(tǒng)時鐘和融合模塊的系統(tǒng)時鐘；具體匹配原則如下： 設(shè)定車檢器的數(shù)據(jù)采集周期和收費數(shù)據(jù)采集周期相同； 當基于收費數(shù)據(jù)的ACI算法和基于車檢器數(shù)據(jù)的ACI算法識別時間一致時，設(shè)定基于 收費數(shù)據(jù)的ACI算法識別時間和基于車檢器數(shù)據(jù)的ACI算法識別時間相同； 當基于收費數(shù)據(jù)的ACI算法和基于車檢器數(shù)據(jù)的ACI算法識別時間不一致時，延遲識 別在前的一種算法的識別時間。
5. 基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別系統(tǒng)，其特征在于：包括基于收費 數(shù)據(jù)的ACI算法模塊、基于車檢器數(shù)據(jù)的ACI算法模塊和融合模塊； 所述基于收費數(shù)據(jù)的ACI算法模塊用于根據(jù)收費數(shù)據(jù)交通狀態(tài)參數(shù)來計算平均行程 速度并與預(yù)定的平均行程車速相比較，從而判斷出公路收費異常狀態(tài)數(shù)據(jù)； 所述基于車檢器數(shù)據(jù)的ACI算法模塊用于根據(jù)車檢器數(shù)據(jù)采集的交通狀態(tài)參數(shù)來確 定公路車檢器異常狀態(tài)數(shù)據(jù)； 所述融合模塊用于將基于收費數(shù)據(jù)的ACI算法模塊得到的公路收費異常狀態(tài)數(shù)據(jù)和 基于車檢器數(shù)據(jù)的ACI算法模塊得到的公路車檢器異常狀態(tài)數(shù)據(jù)采用算法表決融合方法 來計算出公路的異常交通狀態(tài)識別信號。
6. 根據(jù)權(quán)利要求5所述的基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別系統(tǒng)，其特 征在于：所述融合模塊包括確定算法組成單元、確定算法信任級別單元、確定識別單元和識 別時間匹配單元； 所述確定算法組成單元用于確定需要融合的算法組成部分，所述算法組成包括第一算 法和第二算法，所述第一算法為基于車檢器數(shù)據(jù)的ACI算法；所述第二算法為基于收費數(shù) 據(jù)的ACI算法； 所述確定算法信任級別單元用于確定算法組成部分的信任級別，所述算法信任級別采 用持續(xù)性測試來定義算法信任級別，所述持續(xù)性測試分為三個等級：PT = 1，2, 3,每種算法 都采用3級信任等級，在持續(xù)測試中，當PT = 1時，表示經(jīng)過一個識別周期，ACI算法給出 異常交通狀態(tài)識別結(jié)果；當PT = 2時，表示經(jīng)過二個識別周期，ACI算法給出異常交通狀態(tài) 識別結(jié)果；當PT = 3時，表示連續(xù)3個或更多的持續(xù)時間識別出異常交通狀態(tài)，PT = 3為 最1?級信任級別； 所述確定識別單元用于根據(jù)算法信任級別和算法組成部分來確定算法組成的識別結(jié) 果，所述識別單元的定義如下： 確定第一算法的信任級別分別為第一信任級別A1、第二信任級別A2、第二信任級別A3 ; 確定第二算法的任級別分別為第一信任級別B1、第二信任級別B2、第二信任級別B3 ; 確定第一識別單元A1B1、第二識別單元A2B2、第三識別單元A 3B3 ; 所述第一識別單元A1B1表示第一算法為第一信任級別A1和第二算法為第一信任級別 B1時確定的識別單元； 所述第二識別單元A2B2表示第一算法為第二信任級別A2和第二算法為第二信任級別 B2時確定的識別單元； 所述第二識別單兀A3B3表不第一算法為第二/[目任級別A3和第二算法為第二 /[目任級別 B3時確定的識別單元； 所述識別時間匹配單元用于統(tǒng)一不同算法組成的識別時間，用于確定第一算法和第二 算法識別結(jié)果的識別時間匹配，確定系統(tǒng)時鐘同步，所述系統(tǒng)時鐘同步包括基于收費數(shù)據(jù) 的ACI算法模塊的系統(tǒng)時鐘、基于車檢器數(shù)據(jù)的ACI算法模塊的系統(tǒng)時鐘和融合模塊的系 統(tǒng)時鐘；具體匹配原則如下： 設(shè)定車檢器的數(shù)據(jù)采集周期和收費數(shù)據(jù)采集周期相同； 當基于收費數(shù)據(jù)的ACI算法和基于車檢器數(shù)據(jù)的ACI算法識別時間一致時，設(shè)定基于 收費數(shù)據(jù)的ACI算法識別時間和基于車檢器數(shù)據(jù)的ACI算法識別時間相同； 當基于收費數(shù)據(jù)的ACI算法和基于車檢器數(shù)據(jù)的ACI算法識別時間不一致時，延遲識 別在前的一種算法的識別時間。
7. 根據(jù)權(quán)利要求5所述的基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別系統(tǒng)，其特 征在于：所述基于車檢器數(shù)據(jù)的ACI算法模塊中的交通狀態(tài)特征參數(shù)獲取采用加州算法， 具體實施步驟如下： Sll :獲取上下游車輛檢測器數(shù)據(jù)，計算占有率差值（絕對差）： OCCD = OCC (i，t) -OCC (i+1，t) (I) 式中，OCCD表示相鄰兩車檢器的占有率絕對差值；OCC(i，t)表示上游車檢器占有率； OCC (i+1，t)表示下游車檢器占有率； 512 :當上下游差值OCCD < K1時，可判定為此時非擁堵，為正常交通狀態(tài)；如果 OCCD彡K1時，繼續(xù)下一步驟S13 ; 其中，K1, K2, K3為通過經(jīng)驗標定的參數(shù)值； 513 :根據(jù)上下游站點之間的占有率差值，計算其與上游站點占有率之比：
513 :當OCXDF < K2時，可判定為此時非擁堵，為正常交通狀態(tài)；如果OCXDF彡K2時，繼 續(xù)St印4 ;其中，K1, K2, K3為通過經(jīng)驗標定的參數(shù)值； 514 :根據(jù)上下游站點之間的占有率差值，計算其與下游站點占有率之比：
515 :當DOCXDT > K3時，可判定為此時非擁堵，為正常交通狀態(tài)；如果DOCXDT彡K3時， 繼續(xù)S16 ;其中，K3為通過經(jīng)驗標定的參數(shù)值； 516 :讀取上一識別周期異常交通狀態(tài)，如果擁堵，則判別該識別周期為交通狀態(tài)異常， 否則為正常交通狀態(tài)，該識別周期結(jié)束。
8.根據(jù)權(quán)利要求5所述的基于車檢器和收費數(shù)據(jù)融合的異常交通狀態(tài)識別系統(tǒng)，其特 征在于：所述基于收費數(shù)據(jù)的ACI算法模塊中的公路收費異常狀態(tài)數(shù)據(jù)的計算，具體實施 步驟如下： S51 :根據(jù)收費數(shù)據(jù)計算平均行程車速P(/); S52:根據(jù)不同路段特征，確定判別參數(shù)1(' pK' 2，r 3的值； 553 :根據(jù)平均行程車速和判別參數(shù)來確定交通狀態(tài)，根據(jù)以下方式來確定： 554 :判斷「⑴2/C1是否成立，如果成立，則表明此路段交通暢通；如果不成立，進入判 別步驟S55 ; 555 :判斷廠⑴> C是否成立，如果成立，則表明此路段緩行，即行程車速比暢通狀態(tài) 下低，但比交通擁擠狀態(tài)下高；如果不成立，進入判別步驟S56 ; 556 :判斷「(/)-「(/_幻> C是否成立，如果成立，則表明此時的擁擠性質(zhì)為偶發(fā)性擁 擠，如果不成立，則表明此時為常發(fā)性擁擠。
【文檔編號】G08G1/01GK104361349SQ201410604146
【公開日】2015年2月18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】趙敏, 孫棣華, 劉衛(wèi)寧, 韓坤琳 申請人:重慶大學(xué)