[发明专利]一种交通运行状态感知方法

说明书

技术领域

本发明属于智能交通系统范围，特别涉及一种交通运行状态感知方法。

背景技术

目前国内外关于交通运行状态感知的方法层出不穷，交通运行状态感知在智能交 通系统中也是一个热门的研究问题。已有的交通运行状态感知算法可以大致分成四类：

(1)直接比较算法，其中McMaster算法和指数平滑算法最具有代表性。

(2)时空预测算法，如基于状态空间模型的Celltransmissionmodel以及 GaussianMixtureHiddenMarkovModel。

(3)模式识别算法，模式识别算法是采用了在模式识别中常用的算法如贝叶斯线 性判别、支持向量机等对交通运行状态进行分类的方法。

(4)人工智能算法，人工智能算法一般是基于交通数据进行非监督学习从而对交 通运行状态进行分类的算法。

现有的交通状态感知的方法，大部分都是通过对已有的交通数据进行聚类，然后 根据得到的类别模型对新来的数据进行分类，判断出交通运行状态。这类方法只是单纯地 从数据的角度对交通状态进行分类，没有考虑路段和交通状态的关系，也没有考虑交通流 的实际物理特性。除此之外，这类方法只能单纯地对交通状态进行分类，无法根据训练模型 实现进一步的交通流量预测等功能，适用范围不广。

发明内容

本发明的目的是提出一种交通运行状态感知方法，其特征在于，包括：

1)交通状态模型建模

对于具体的路段，其交通状态分布在一天的不同时段是不一样的，早高峰和午夜 的交通状态分布特征显然有很大的区别，因此在研究交通状态分布的时候需要把不同的时 段分开对待，由此对交通状态分布进行建模；对交通状态分布进行建模的步骤如下：

(1)对于某个路段，若按照2小时划分不同时间段，那么这条路段就可以分为12个 研究对象，其中每个时间段都有其独特的交通状态分布数据，将这一最基本的研究单元定 义为时间路段；同时，定义数据点为交通检测器检测到的某个具体的交通数据，定义了模型 中需要用到的各种参数，如表1所示，

表1模型中需要用到的各种参数

(2)模拟正向的交通数据的生成，假设每个时间路段共有K种交通状态可以选择， 对于一个数据点w，应该首先确定其交通状态；然后根据该数据点的交通状态确定交通数 据；那么，该数据点w的交通数据为t的概率就为：

其中，∑kp(w＝t|z＝k)为一个多项分布，是从交通状态为z＝k中选择数据点时 的分布，p(z＝k)是该数据点的交通状态为k的概率；

假设时间路段m上的交通状态z的分布p(z|d＝m)＝θm，首先根据超参数α确定具体的交通状态分布θm，然后从分布θm中采样就可以得到每个数据点的交通状态zm,n；假设对于交通状态zm,n，其交通数据t分布为p(t|z＝k)＝φk；同样地，需要首先根据超参数β确定每个交通状态对应的交通数据分布φ，然后从φk随机采样得到该数据点的交通数据；从分布θm中采样得到所有数据点的交通状态，以此构成一个路段的交通数据的集合和该模型中，数据点的交通状态分布是多项分布；同样，交通数据的在交通数据点中的分布也是多项分布；

(3)根据上面描述的模型，得到整个数据集生成的概率，表示为给出的所有超参数 和需估计参数组成的联合分布：

式(1)

式中，p(Φ|β)是每个交通状态对应的交通数据分布，这个分布对于一个时间路段 来说是唯一的；p(wm,n|φzm,n)p(zm,n|θm)·p(θm|α)是对从时间路段上获得每个数据点 对应的交通状态，然后再采样得到每个数据点的交通数据的过程；所有数据点出现概率之 和就是整个数据集出现的概率；而对于某一个特定的数据点，其交通数据wm,n＝t的概率 为：

式(2)

上面的式(1)、式(2)即为建立的交通状态感知模型，描述了各种类型的交通数据 出现的概率；

2)交通状态模型表达式求解