[发明专利]一种高效的交通状态标注方法

说明书

技术领域

本发明涉及智能交通领域，尤其涉及一种基于微波传感器数据快速构建路况识别分类器的交通状态标注方法。

背景技术

随着社会经济的快速发展，城市交通出现锐增的趋势。如何有效调控交通流量，优化道路的使用效率，成为城市智能交通领域研究的重点。智能交通系统作为科学技术快速发展的产物应运而生，其中对交通状态进行划分是城市交通公共信息服务的主要内容，也是交通管理部门部署警力，疏导道路交通的有效途径。交通状态的划分有很多方法，可基于不同类型的传感器数据实现，例如：微波、线圈、地磁、卡口、浮动车等。其中，微波数据是断面采集的数据，用其判断线装路段的交通状态，具有一定的挑战性，主要表现在：采集的速度值是点速度，不能表达区间平均速度；车道占有率可能受到外界环境干扰而导致误判等。因此，任何基于微波单指标分析交通状态的方法均具有片面性和较大误差。采用基于多指标的带监督的机器学习方法是最有希望的方法。基于机器学习的交通状态划分技术运用训练样本和标注信息来训练分类器，进一步，得到的分类器可以将新的微波监测指标当作输入，输出交通状态。存在的分类算法有很多，然而任何分类器是否具有较高的精度，其关键在于训练样本的状态标注。交通状态标注主要是对由微波等交通监测设备检测到的流量、速度、车道占有率等交通运行指标的状态标注，状态一般标注为拥堵、繁忙、畅通等级别。

现有的研究中对交通状态的标注主要是依靠经验对获取的状态衡量指标直接进行状态标注，没有考虑实际的路段状态信息；另一方面，现有的标注方法需要为每条路段训练一个分类器，这就要求对每条路段进行视频标注，工作量大，需要投入大量的人力和时间。再者，微波监测路段经常与视频监测路段不一致，难以对照进行状态标注。因此，为了真实有效反映路段状态和降低标注的复杂度，本发明提出了一种高效的交通状态标注方法。

发明内容

本发明为克服上述的不足之处，目的在于提供一种高效的交通状态标注方法，该方法通过将归一化并聚类后的微波采集的交通状态指标数据与视频监测得到的路段状态信息综合得到路段的交通状态并作状态标注；该方法可以使标注的结果更加真实可靠，具有降低每条路段都需要标注的复杂性，同时达到真实反映路段状态的效果。

本发明是通过以下技术方案达到上述目的：一种高效的交通状态标注方法，包括如下步骤：

(1)采集所有微波监测路段连续一周时间内的交通状态指标数据；

(2)将采集到的交通状态指标数据归一化处理，映射成图像的像元；

(3)对所有微波监测路段用谱聚类算法进行聚类；

(4)在每个聚类中抽取典型时间段且视频监测位置记录的视频能够实时清晰反映路段交通状态的路段观看视频；

(5)根据所观看视频反映的路段状态结果与交通状态指标综合得到路段的交通状态并作状态标注。

作为优选，所述步骤(1)中的交通状态指标数据包括交通流量、速度、车道占有量三个指标数据。

作为优选，所述步骤(2)归一化处理方法如下式所示：

Xi=Xi-XminXmax-Xmin]]>

其中，X_i是所有微波数据中第i个数据，X_min是微波数据中最小的数据值，X_max是微波数据中最大的数据值。

作为优选，所述步骤(3)中聚类采用图像谱聚类方法将所有微波监测路段聚为k类，谱聚类算法步骤如下：

(1)构造邻接矩阵，根据N个微波监测路段构造一个Graph，Graph的每个节点V_i对应于一个微波监测路段，将节点连接起来，连线的权重E_i表示两个节点的相似度，将Graph用邻接矩阵的形式记为W；

(2)求拉普拉斯矩阵，将W的每一列元素相加得到N个数，将其变换为N×N的对角矩阵D，并令L＝D-W，L即为图拉普拉斯矩阵；