[发明专利]考虑气象因素、道路线形因素的高速公路事件检测方法

说明书

技术领域

本发明属于交通监测技术领域，具体涉及一种高速公路事件检测方法。

背景技术

高速公路事件是指高速公路上的偶发性事件，主要包括车辆交通事故、故障车停车或缓行、货物散落和突发的自然灾害等。这样的事件发生会严重影响道路的畅通和安全，如果不及时处理，就会中断交通流，阻塞交通、造成经济损失甚至引起二次事故造成人员伤亡等更严重的后果。目前为了减少交通事件所造成的影响最主要的方法就是利用自动交通事件检测算法来分析高速公路的实时交通信息，来尽快的判断出路段上是否有事件发生，以便交通管理者可以及时的处理，从而减少二次事故的发生，并在一定程度上降低事件所造成的影响。

现有关于高速公路交通事件检测算法的文献中，大多数只是利用固定车检器提供的交通参数，少数文献中利用浮动车参数对高速公路事件检测的过程进行建模分析。事实上，在不同的气象环境下、不同的路段线形特征下交通流的规律有着明显的不同，仅仅利用交通参数对交通流规律进行建模的方法并不能完全表征交通流规律的全部特性。因此，如何利用高速公路的气象信息和路段线形特征对交通流规律进行完整的建模，对于高速公路更有效、准确的进行交通事件检测有着重要的意义。

发明内容

有鉴于此，本发明提供一种考虑气象因素、道路线形因素的高速公路事件检测方法，可以明显提高高速公路事件检测精度。

本发明通过以下技术手段解决上述技术问题：

考虑气象因素、道路线形因素的高速公路事件检测方法，包括如下步骤：

1)采集高速公路天气信息、路段线形信息和交通数据，获得气象参数、路段线形参数和交通参数；

2)对气象参数、路段线形参数和交通参数进行预处理；

3)将预处理后的气象参数、路段线形参数和交通参数输入BP神经网络，判断是否有事件发生。

进一步，所述步骤1)中获取的气象参数包括降雨量J和能见度N；路段线形参数包括当前检测路段的坡度P和曲率半径R；交通参数包括采集周期内的平均车速，采集周期内车流量，以及采集周期内的平均占有率。

进一步，所述步骤2)中，对气象参数进行如下预处理，获得气象因素对交通流的影响因子α：

设定降雨量J的论域是U_J＝[0,60]，根据降雨量J对交通流的影响分为三个模糊标记:S_J＝{小，中，大}；

设定能见度N的论域是U_N＝[0,30]，根据N对车流特性的影响有三个模糊标记：S_N＝{低，适中，高}；

设定输出的气象因素的影响因子α的论域是U_α＝[0,1]；根据气象因素对事件检测的影响，又分为三个模糊标记：S_α＝{弱，一般，强}；

确定J＝j和N＝n条件下所被激活的模糊控制规则：：

If J is s_j and N is s_n,then α is s_α；

其中s_j∈S_J，s_n∈S_N，s_α∈S_α；

通过规则中条件J下的隶属度μ_J和条件N下的隶属度μ_N来获取的规则的隶属度大小:

μ_A＝min(μ_J,μ_N)；

其中，A为任意被激活的规则；

在得到被激活的模糊规则隶属度后，选择结论相同的规则，利用最大值推理法确定在此结论下的隶属度，即

μ_αi＝max(μ_A,μ_B...)i＝1,2,3；

其中μ_α1,μ_α2,μ_α3分别表示α的模糊标记：弱、适中和强，即μ_A,μ_B...表示相同结论下规则A，B...隶属度的大小；

最后，进行去模糊化，得到气象因素对交通流的影响因子：