[发明专利]基于多断面视觉传感聚类分析的交通流状态判别方法

权利要求书

1.基于多断面视觉传感聚类分析的交通流状态判别方法，其特征是在道路上设置视频检测点，每个视频检测点作为一个断面，通过视频检测获取各断面的交通流数据，采用聚类分析的方法判断高速公路道路交通流状态，包括以下步骤：

1）模型训练：以视频检测点获取的历史交通流数据为基础，每个断面及其上下游相邻断面的交通流数据构成一个特征数据组，对特征数据组进行聚类；其中，聚类时首先根据交通流状态的划分需求设定聚类的个数，不同类交通流状态具有各自的特点，特征数据组按聚类个数进行聚类，采用的聚类算法包括K均值聚类算法和模糊C均值算法，聚类完成后依据所述特点将聚类结果对应到不同的交通流状态，得到判断模型；

2）判断所属交通运行状态：根据道路断面的实时交通流数据和判断模型，通过当前断面及其上下游断面的交通流数据，利用模式识别的方法，通过隶属度矩阵进行运算，判别相应时刻当前断面所属的交通流状态。

2.根据权利要求1所述的基于多断面视觉传感聚类分析的交通流状态判别方法，其特征是视频检测点通过PTZ视频摄像机获取交通流数据。

3.根据权利要求2所述的基于多断面视觉传感聚类分析的交通流状态判别方法，其特征是视频检测点还设有红外摄像机和激光轮廓仪。

4.根据权利要求1-3任一项所述的基于多断面视觉传感聚类分析的交通流状态判别方法，其特征是断面的交通流数据为车辆的速度和流量，将当前断面及其上下游的车辆速度和流量构成的向量用于聚类分析以及模式识别，考虑交调数据以及上下游断面与当前断面的距离确定影响系数k_u和k_d，当前断面及其上下游的车辆速度和流量构成向量为：

X=[K_uv_u,K_uf_u,v_c,f_c,K_dv_d,K_df_d],(-1≤K_u≤1,-1≤K_d≤1)  (1)

式中，v_u和f_u分别表示上游断面的车辆速度和流量，v_c和f_c分别表示当前断面的车辆速度和流量，v_d和f_d分别表示下游断面的车辆速度和流量，K_u为上游断面的影响系数，K_d为下游断面的影响系数，其中影响系数随上下游断面与当前断面的距离增大而减小，如果当前断面的上游或下游没有摄像头，对应的影响系数置0，在模型训练步骤中，根据聚类效果确定影响系数的值。