[发明专利]一种交通异常路段概率识别方法

说明书

技术领域

本发明属于智能交通领域，具体涉及一种基于微波数据的实时道路交通异常状况的评估方法，用于引导交通管理者通过视频监控等手段主动核查异常路段的真实交通状况。

背景技术

随着我国经济的快速增长和城镇化进程的不断推进，机动车保有量迅速增长，出行需求不断增加，导致基础设施建设跟不上交通需求量的增加，给交通管理者造成很大的困扰。交管部门针对常发性交通瓶颈会酌情考虑配置警力疏导交通，针对道路施工、恶劣天气、交通事故等不可控原因造成的偶发性道路拥堵情况，需通过人工巡查各个路口的视频监控点确定道路交通状况，以进一步决定是否增派警力消除拥堵因素保持道路畅通，人工视频巡查工作量大，且需要耗费交管部门大量精力。从偶发因素导致道路拥堵开始到交通管理者发现警情并派遣警力疏导交通需经历一段不确定的时间，因偶发性拥堵所带来的损失已无法避免。微波传感器可实时、全天候检测所在路段信息，但目前以微波传感器为数据源的道路异常状况主动识别方法较少，不利于提高交管部门指挥效率。

本方法相比专利201410282898.6提出的“一种基于微波数据的异常拥堵点判别方法”具有明显的技术优势，该专利通过选取固定阈值将交通拥堵状况直接离散化为拥堵和不拥堵两种类型，然后根据当前拥堵情况和历史拥堵概率之间的差异评估异常程度。该专利的离散化过程对问题的刻画过于绝对，例如：若15km/小时以下的流速意味着拥堵，那么15.2km/小时的流速实际上并不意味着畅通。本专利不采用离散化过程，而是基于每条路段的微波数据分别建立车速和流量概率密度模型，通过定义道路的车速异常指数和流量异常指数反应当前路段的路况，最终依据道路异常指数进行排序，其实际运行效果更佳；专利201210438795.5提出“基于基本交通流参数的道路拥堵状态自动判别方法”将车速、流量、占有率作为交通状态判定的依据，最终将交通状态分为畅通、拥挤和堵塞三种状态，本方法重点关注道路异常情况而非拥堵情况，虽然使用的数据相同，但解决的问题不同。

发明内容

为了克服已有道路异常路段识别方法的可靠性较差、自适应性较低的不足,本发明提供了一种可靠性良好、自适应性较高的交通异常路段概率识别方法。

本发明解决其技术问题所采用的技术方案是：

一种交通异常路段概率识别方法，包括以下步骤：

步骤1：清洗车速、流量数据后融合抽样数据构成样本空间

预设流量的先验阈值和车速的先验阈值，清洗、过滤掉阈值范围以外的错误数据，将全天24小时划分为设定时间段的时间槽，以当前实时数据所在的时间槽为依据，从数据库中抽样选取邻近天数的同一时间槽内的车速和流量数据，同时抽样选取邻近天数的相邻设定时间段时间槽内的车速和流量数据，组成各个微波点的样本空间；

步骤2：车速、流量数据源正态性检验

先验证数据源是否符合正态分布，偏度系数描述一个分布偏离正态分布的程度，峰度系数反映了分布曲线相比正态分布在顶端高耸或扁平程度的不同，分别计算微波点在各自样本空间内的偏度系数和峰度系数，根据系数大小判定当前微波点数据是否符合正态分布；

步骤3：计算各微波点车速、流量的均值和方差

经过数据清洗后的(X₁,X₂,…,X_n)构成微波点X关于车速或流量的一个样本空间，由n个样本点组成，其中计算出样本均值，为样本方差，令总体期望总体方差σ²＝S²；

步骤4：将数据源线性变换为关于车速、流量的标准正态分布

x₁、x₂分别为微波点实时车速和流量，μ₁、σ₁为根据相应微波点近期车速数据计算出的期望和方差，μ₂、σ₂为根据相应微波点近期流量数据计算出的期望和方差，则该微波点的近期车速数据X₁服从μ₁、的正态分布，即该微波点的近期流量数据X₂服从μ₂、的正态分布，即通过的线性变换，可以分别将车速和流量的一般正态分布变换为标准正态分布，即车速符合y₁是标准正态分布下的车速，流量符合y₂是标准正态分布下的流量；各个微波点由符合各自的正态分布线性变换为符合标准正态分布，线性变换后各个微波点的概率密度函数相同，均被统一在同一尺度空间下；

步骤5：车速异常指数和流量异常指数计算，