本發(fā)明屬于城市交通大數(shù)據(jù)挖掘
技術(shù)領(lǐng)域：
，具體涉及一種基于動態(tài)交通信息的道路交通分級預(yù)警方法。
背景技術(shù)：
：隨著城市的不斷發(fā)展，城市交通的矛盾主要表現(xiàn)為城市交通供給不能滿足日益增長的交通需求，城市道路的交通擁堵問題越來越嚴重，甚至開始逐漸成為制約城市和諧發(fā)展的一個全球性社會問題。城市干道是城市交通的動脈，對城市干道交通擁堵狀況進行及時、準確的提前預(yù)測和識別，有針對性地對擁堵點采取交通控制和誘導(dǎo)等措施，可緩解干道交通瓶頸的擁堵程度，減少交通擁堵帶來的負面效應(yīng)。就目前國內(nèi)外環(huán)境而言，對交通擁堵的預(yù)測研究更多的停留在理論層面，在實際工程運用過程中使用的技術(shù)較少，目前國內(nèi)外使用最多的仍舊是通過視頻監(jiān)控等方法來適時的判斷城市道路交通擁堵狀況，存在著預(yù)警效率低、準確度差甚至是無法預(yù)警等諸多缺點。如何尋求一種操作便捷而可操作度高的道路交通預(yù)警方式，從而當(dāng)交通擁堵有可能發(fā)生或者已經(jīng)發(fā)生，甚至有可能進一步擴散的時候，可進行交通運行預(yù)警；并根據(jù)不同預(yù)警的級別采取不同的應(yīng)急措施，以保證交通系統(tǒng)在日常運營中的可靠運行，為本領(lǐng)域近年來所亟待解決的技術(shù)難題。技術(shù)實現(xiàn)要素：本發(fā)明的目的為克服上述現(xiàn)有技術(shù)的不足，提供一種基于動態(tài)交通信息的道路交通分級預(yù)警方法；通過本發(fā)明的交通預(yù)警分析，不僅方便用戶能自主選擇和適時變更更為合適的出行路線，同時交通管理者也可以通過本發(fā)明的相關(guān)信息進行一些中觀和宏觀層面的交通規(guī)律性研究，以制定一些有針對性的政策方針。本發(fā)明的計算過程簡潔，客觀性強，計算靈活多變而適用面廣，預(yù)測交通狀態(tài)判別準確度高，對當(dāng)?shù)亟煌ㄍㄐ行实奶嵘兄己么龠M作用。為實現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案：一種基于動態(tài)交通信息的道路交通分級預(yù)警方法，其特征在于包括以下步驟：1)、獲取路段平均速度；根據(jù)需預(yù)警路段的編號，分別從浮動車數(shù)據(jù)庫和微波檢測器數(shù)據(jù)庫中提取對應(yīng)該路段編號的交通平均速度值；2)、路段平均速度的融合；將同一路段編號上浮動車獲取的平均速度與微波檢測器獲取的平均速度，以如下融合計算公式進行融合：v＝ωfva+ωwvw式中：v是融合以后的路段平均速度；va是通過浮動車獲取的路段平均速度；vw是通過微波檢測器獲取的路段平均速度；ωf、ωw分別是浮動車、微波檢測器獲取的路段平均速度占的權(quán)重,ωf+ωw＝1；3)、按照采樣周期的時間戳，將2)步驟中得出的融合以后的路段平均速度v進行編號排序并儲存；4)、基于時間序列預(yù)測預(yù)測下一個采樣周期的路段平均速度，包含以下子步驟：a、計算基于時間序列的預(yù)測的路段平均行程車速；式中：其中：v'j是用時間序列方法預(yù)測得到的第j個采樣周期的路段平均行程車速；v是2)步驟中的融合以后的路段平均速度；t是采樣周期的編號；vj-1是第j-1個采樣周期的路段平均行程車速；vj-2是第j-2個采樣周期的路段平均行程車速；vj-3是第j-3個采樣周期的路段平均行程車速；tj-1是第j-1個采樣周期的編號；tj-2是第j-2個采樣周期的編號；tj-3是第j-3個采樣周期的編號；b、以如下公式，計算第j個采樣周期路段平均行程車速的歷史數(shù)據(jù)平均值：v"j＝∑vjh/m其中：v"j是下一個采樣周期路段平均行程車速的歷史數(shù)據(jù)平均值；vjh是一年之內(nèi)所有第j個采樣周期的路段平均行程車速的歷史值；m是一年之內(nèi)的所有第j個采樣周期的路段平均行程車速歷史數(shù)據(jù)的總數(shù)量；c、將所述的vj-1、vj-2、vj-3、v'j作為樣本集合X1，獲得樣本集合X1的均值和標準差σ'，計算公式如下：d、將所述的vj-1、vj-2、vj-3、v"j作為樣本集合X2，獲得樣本集合X2的均值和標準差σ"，計算公式如下：e、由c子步驟和d子步驟得出的數(shù)據(jù)，以如下公式獲得第j個采樣周期周期路段平均行程車速的預(yù)測值vj：若σ'<σ"，則vj＝vj'；若σ'≥σ"，則vj＝v"j；5)、建立如下的下一個采樣周期的路段交通擁堵指數(shù)TCI模型，獲得下一個采樣周期的路段交通擁堵指數(shù)p：p＝10*(1-vj/vf)式中：p為下一個采樣周期的路段交通擁堵指數(shù)；v為路段的平均行程車速；vf為路段的最大暢行速度，vf為常量；6)、以5)步驟獲得的下一個采樣周期的路段交通擁堵指數(shù)p,與交通擁堵指數(shù)表所劃分的擁堵程度判別區(qū)間進行比對，獲知需預(yù)警路段在下一個采樣周期的交通擁堵程度，提醒管理者執(zhí)行相應(yīng)的預(yù)警措施。步驟6)中，根據(jù)交通擁堵指數(shù)表所劃分的擁堵程度判別區(qū)間，可將擁堵預(yù)警分為三級：黃色預(yù)警、橙色預(yù)警和紅色預(yù)警，分別如下：黃色預(yù)警：當(dāng)預(yù)測的路段交通擁堵指數(shù)p≥4進行黃色預(yù)警，提醒管理者采取相應(yīng)的誘導(dǎo)措施，進行分流；橙色預(yù)警：當(dāng)預(yù)測的路段交通擁堵指數(shù)p≥6進行橙色預(yù)警，提醒管理者采取相應(yīng)的控制措施，進行限流；紅色預(yù)警：當(dāng)預(yù)測的路段交通擁堵指數(shù)p≥8時，進行紅色預(yù)警，提醒管理者采取相應(yīng)的管制措施，進行截流。本發(fā)明的有益效果在于：1)、通過上述方案，拋棄了傳統(tǒng)的視頻適時監(jiān)控等方式所導(dǎo)致的交通預(yù)警困難甚至無法預(yù)警的狀況。本發(fā)明首次提出了按照樣本波動幅度來確定交通平均速度預(yù)測模型的方法，通過充分利用移動源(浮動車)和固定源(微波檢測器)兩類交通平均速度，先采用時間序列法進行交通平均速度的預(yù)測，然后利用平均速度歷史數(shù)據(jù)，通過將實時數(shù)據(jù)與歷史數(shù)據(jù)作為樣本集合，判斷標準差與置信度之間的關(guān)系確定實時數(shù)據(jù)與歷史數(shù)據(jù)是否存在波動，然后再進行交通平均速度預(yù)測值的計算，最終精準而科學(xué)的達到對需預(yù)警路段的“未來路況”的預(yù)警目的。顧名思義，“未來路況”，也即需預(yù)警路段在很近的未來將發(fā)生的路面交通狀況。本發(fā)明一方面依據(jù)和利用了現(xiàn)有的數(shù)據(jù)庫資料，無需額外數(shù)據(jù)來源，適用性更高，使用成本也能得到保證。另一方面，結(jié)合了高精確的數(shù)據(jù)計算過程，通過數(shù)學(xué)模型對需預(yù)警路段進行預(yù)先預(yù)警，從而預(yù)測出可能將在哪兒發(fā)生堵塞，司機甚至可以提前40分鐘就知曉哪個路段將難以前行，這樣，他們就將有足夠的時間轉(zhuǎn)換路線和及時改道。此外的，通過本發(fā)明對需預(yù)警路段的“未來路況”的預(yù)先交通預(yù)警分析，不僅方便用戶能自主選擇和適時變更更為合適的出行路線，同時交通管理者也可以通過本發(fā)明的相關(guān)信息進行一些中觀和宏觀層面的交通規(guī)律性研究，以制定一些有針對性的政策方針。本發(fā)明的計算過程簡潔，客觀性強，計算靈活多變而適用面廣，預(yù)測交通狀態(tài)判別準確度高，對當(dāng)?shù)亟煌ㄍㄐ行实奶嵘兄己么龠M作用。附圖說明圖1為本發(fā)明的方法流程圖；圖2為需預(yù)警路段的路段行程速度分布統(tǒng)計圖。具體實施方式為便于理解，此處結(jié)合附圖1對本發(fā)明的具體實施步驟作以下描述：如圖1所示，本發(fā)明所包含的步驟為：1)、獲取路段平均速度；2)、路段平均速度的融合；3)、按照采樣周期的時間戳，將融合以后的路段平均速度進行編號排序并儲存；4)、基于時間序列預(yù)測預(yù)測下一個采樣周期的路段平均速度；5)、獲得下一個采樣周期的路段交通擁堵指數(shù)；6)、交通運行分級預(yù)警。上述步驟中：獲取路段平均速度，是指通過數(shù)據(jù)抽取從浮動車數(shù)據(jù)庫、微波檢測器數(shù)據(jù)庫中提取交通平均速度值，并通過相應(yīng)的路段編號將兩類速度數(shù)據(jù)進行關(guān)聯(lián)。路段平均速度的融合，是將同一路段上浮動車獲取的平均速度與微波檢測器獲取的平均速度進行融合，融合計算公式下：v＝ωfva+ωwvw式中：v是融合以后的路段平均速度；va是通過浮動車獲取的路段平均速度；vw是通過微波檢測器獲取的路段平均速度；ωf、ωw分別是浮動車、微波檢測器獲取的路段平均速度占的權(quán)重，存在關(guān)系ωf+ωw＝1，具體取值需要根據(jù)浮動車和微波檢測器獲取的路段平均速度的精度確定。其中浮動車獲取的路段平均速度的精度和浮動車樣本有關(guān)，而微波檢測器獲取的路段平均速度的精度與外界環(huán)境和設(shè)備狀態(tài)有關(guān)。在目前已有的交通信息采集系統(tǒng)中，相應(yīng)的數(shù)據(jù)精度通常都由采集系統(tǒng)直接給予。舉個例子，假如一個路段上浮動車獲取的路段平均速度是根據(jù)6輛裝有GPS終端的在線的出租車作為樣本得到。根據(jù)浮動車樣本最優(yōu)的原則，此時浮動車獲取的路段平均速度精度為98％以上，則權(quán)重應(yīng)該為0.9以上。而微波檢測器在車流擁堵以及大型車較多、車型分布不均勻的路段，由于遮擋，測量精度會受到比較大的影響。當(dāng)流量過大的時候，微波檢測器精度較低，權(quán)重取值在0.1以下。將上述路段平均速度按照時間序列進行存儲，是將融合過后的路段平均速度按照采樣周期的時間戳進行編號排序保存，便于計算。而預(yù)測下一個采樣周期的路段平均速度，則包含以下子步驟：a、計算基于時間序列的預(yù)測的路段平均行程車速；式中：其中：v'j是用時間序列方法預(yù)測得到的第j個采樣周期的路段平均行程車速；v是2)步驟中的融合以后的路段平均速度；t是采樣周期的編號；vj-1是第j-1個采樣周期的路段平均行程車速；vj-2是第j-2個采樣周期的路段平均行程車速；vj-3是第j-3個采樣周期的路段平均行程車速；tj-1是第j-1個采樣周期的編號；tj-2是第j-2個采樣周期的編號；tj-3是第j-3個采樣周期的編號；b、以如下公式，計算第j個采樣周期路段平均行程車速的歷史數(shù)據(jù)平均值：v"j＝∑vjh/m其中：v"j是下一個采樣周期路段平均行程車速的歷史數(shù)據(jù)平均值；vjh是一年之內(nèi)所有第j個采樣周期的路段平均行程車速的歷史值；m是一年之內(nèi)的所有第j個采樣周期的路段平均行程車速歷史數(shù)據(jù)的總數(shù)量。c、將所述的vj-1、vj-2、vj-3、v'j作為樣本集合X1，獲得樣本集合X1均值和標準差σ'，計算公式如下：d、將所述的vj-1、vj-2、vj-3、v"j作為樣本集合X2，獲得樣本集合X2均值和標準差σ"，計算公式如下：e、由c子步驟和d子步驟得出的數(shù)據(jù)，以如下公式獲得第j個采樣周期周期路段平均行程車速的預(yù)測值vj：若σ'<σ"，則vj＝vj'，反之σ'≥σ"，則vj＝v"j；5)、建立如下的下一個采樣周期的路段交通擁堵指數(shù)TCI模型，獲得下一個采樣周期的路段交通擁堵指數(shù)p：p＝10*(1-vj/vf)式中：p為下一個采樣周期的路段交通擁堵指數(shù)；v為路段的平均行程車速；vf為路段的最大暢行速度，vf為常量。路段的最大暢行速度是指當(dāng)車流密度趨近于零時，車輛暢行無阻的平均速度。暢行速度值大小與道路本身屬性及車輛相關(guān)，在此通過對視頻檢測器的速度數(shù)據(jù)進行頻率統(tǒng)計分析，并添加數(shù)據(jù)趨勢線，分析可得出。舉個例子，如圖2所示，是需預(yù)警路段的路段行程速度分布統(tǒng)計圖，橫坐標是路段行程速度值，縱坐標是樣本數(shù)量，從圖中添加趨勢線可知，該路段的最大暢行速度是64km/h。在獲得上述的下一個采樣周期的路段交通擁堵指數(shù)p后，即可根據(jù)《城市道路交通擁堵評價指標體系》的規(guī)定，進行需預(yù)警路段的交通運行分級預(yù)警。由于《城市道路交通擁堵評價指標體系》中，路段交通運行指數(shù)等級劃分共分為5個等級，分別是非常暢通、暢通、輕度擁堵、中度擁堵、嚴重擁堵，分別對應(yīng)[0，2)、[2，4)、[4，6)、[6，8)、[8，10]五個區(qū)間；因此，對于本發(fā)明而言,當(dāng)上述p值達到上述指定區(qū)域時，進而即可執(zhí)行相應(yīng)的預(yù)警操作。在此可將擁堵預(yù)警分為三級：黃色預(yù)警、橙色預(yù)警和紅色預(yù)警，交通運行分級預(yù)警規(guī)則如下：黃色預(yù)警：當(dāng)預(yù)測的路段交通擁堵指數(shù)p≥4進行黃色預(yù)警，提醒管理者采取相應(yīng)的誘導(dǎo)措施，進行分流；橙色預(yù)警：當(dāng)預(yù)測的路段交通擁堵指數(shù)p≥6進行橙色預(yù)警，提醒管理者采取相應(yīng)的控制措施，進行限流；紅色預(yù)警：當(dāng)預(yù)測的路段交通擁堵指數(shù)p≥8時，進行紅色預(yù)警，提醒管理者采取相應(yīng)的管制措施，進行截流。實施例1：地點：選取合肥市南北一號高架路段進行實施案例驗證。該路段在南向北的方向布設(shè)了微波檢測器，該路段南向北有4個車道，同時也有裝在GPS的出租車從該路段經(jīng)過。通過微波檢測器的后臺數(shù)據(jù)庫可以獲取該路段單個采樣周期的路段平均速度以及可信度。通過浮動車的后臺數(shù)據(jù)庫也可以獲取該路段的單個采樣周期的路段平均速度以及可信度。由于該路段的微波檢測器精度較好，浮動車覆蓋率比較低，獲取的數(shù)據(jù)精度較差。以2016年7月4日00：00-00：05這個采樣周期的數(shù)據(jù)作為例子進行路段平均速度的融合計算。00：00-00：05這個采樣周期微波獲取的路段平均速度是82km/h,浮動車獲取的路段平均速度是90k/h，沒有浮動車樣本也就是浮動車獲取路段平均速度是精度極差，故設(shè)置權(quán)重為ωf＝0，ωw＝1。獲得v＝ωfva+ωwvw＝0*90+1*82＝82km/h依此類推，通過數(shù)據(jù)庫的存儲過程的編寫每更新一個周期，會自動計算一次并儲存到融合表內(nèi)并按照采樣周期的先后順序編號排序。為了方便計算在此截取了如下表所示的部分數(shù)據(jù)：編號路段平均速度1852823824855836907858779831075此時，進行基于時間序列預(yù)測預(yù)測第11個采樣周期的路段平均速度的計算：a、計算基于時間序列的預(yù)測的路段平均行程車速；b、計算第11個采樣周期路段平均行程車速的歷史數(shù)據(jù)平均值；通常情況下現(xiàn)有的信息采集系統(tǒng)都有歷史補充的功能，也就是歷史數(shù)據(jù)會在數(shù)據(jù)庫歷史表可以直接獲取，如果沒有的話可以取同一個工作日同一時刻的數(shù)據(jù)，也就是過去一年之內(nèi)所有周一(7月4日是周一)的第11個周期的路段平均速度求平均，具體如下：v"11＝∑v11h/m＝79.12km/hc、作為樣本集合X1＝{77，83，75，76.42}，獲得樣本集合X1均值和標準差σ'：d、作為樣本集合X2＝{77，83，75，79.12}，獲得樣本集合X2均值和標準差σ"：e、由c子步驟和d子步驟得出的數(shù)據(jù)，以如下公式獲得第11個采樣周期周期路段平均行程車速的預(yù)測值vj：由于σ'≥σ"，則vj＝v"j＝79.12km/h；5)、由下一個采樣周期的路段交通擁堵指數(shù)TCI模型，獲得下一個采樣周期的路段交通擁堵指數(shù)p：p＝10*(1-v11/vf)＝10*(1-79.12/80)＝1.1式中：p為下一個采樣周期的路段交通擁堵指數(shù)；v為路段的平均行程車速；vf為路段的最大暢行速度，vf為80km/h。由于p甚至都小于4，表明該路段交通暢通，無需預(yù)警。當(dāng)前第1頁1 2 3