[发明专利]基于流量和饱和度分析的SCATS线圈检测器自动诊断方法

权利要求书

1.一种SCATS线圈检测器自动诊断方法，其特征在于：所述方法包括第一部分是构造标注的样本数据，为机器学习提供训练集；第二部分是基于机器学习方法对线圈工况及数据质量进行判断；

第一部分中，构造训练集的步骤如下：

步骤1.1：给定日期，查询所有数据并按线圈分组；

步骤1.2：绘制每个线圈流量、饱和度的时间分布图V-t，DS-t，流量饱和度的关系图DS-V和流量与饱和度比值的直方图Freq(DS/V)；

步骤1.3：计算V-t、DS-t、DS-V、Freq(DS/V)的一系列统计量特征，包括最大/最小值/均值/峰度/偏度和/或/5％/10％/50％/90％/95％累积概率分位数，并对线圈工况及数据质量进行标定；

步骤1.4：将以上计算的统计量和标注结果输出作为后续方法的训练集；

第二部分，基于机器学习的线圈诊断的步骤如下：

步骤2.1：将上述训练集传入决策树分类器，对模型进行训练；

步骤2.2：选定需要进行线圈数据诊断的日期，检索目标数据；

步骤2.3：计算目标数据的统计特征，对目标数据进行描述；

步骤2.4：对目标数据对应的线圈工况和数据质量进行分类。

2.如权利要求1所述的SCATS线圈检测器自动诊断方法，其特征在于：所述饱和度是指SCATS系统内部，基于历史流量和当前流量，计算出的当前相位相通行的车辆数相对于饱和状态下最大通行量的比率，单位为％；所述相位是指交叉口一次绿灯信号启闭的时间长度，绿灯启亮为相位开始时间，该相位对应的若干车道的车辆放行，相位结束信号灯绿变红，系统进入下一相位，放行另一组车道。

3.如权利要求1或2所述的SCATS线圈检测器自动诊断方法，其特征在于：所述步骤2.4中，利用时间序列方法，检查流量V的连续性，即在车流量较大的时段中，流量V是否多个周期明显低于正常值，以判断线圈通信故障。

4.如权利要求1或2所述的SCATS线圈检测器自动诊断方法，其特征在于：所述步骤2.4中，利用饱和度DS和流量V的近似线型关系，对由饱和度-流量两个维度构成的数据点分布形态进行判断，判断线圈的数据质量。

5.如权利要求1或2所述的SCATS线圈检测器自动诊断方法，其特征在于：所述步骤2.4中，利用饱和度与流量的比值DS/V的概率分布形态，判断线圈的数据质量。

6.如权利要求1或2所述的SCATS线圈检测器自动诊断方法，其特征在于：所述步骤1.2中，绘制V-t，DS-t，DS-V和Freq(DS/V)分布图的过程如下：

从流量关于时间的分布上，可以清晰的看到一个路口的流量正常情况下在一天内的波动起伏状况，还计算饱和度数据DS，得到DS-t图与V-t关系图；以饱和度为纵坐标，流量为横坐标，得到DS-V关系图，正常情况下，饱和度与流量呈现近似线性的关系，数据基本上汇聚成近似的斜线；如果流量很小而饱和度很高，流量与饱和度的近似线性关系显著不成立，在现实中不可能发生这种情况，因此推测为数据异常；

饱和度与流量比值的直方图Freq(DS/V)，横坐标表示DS/V的值，纵坐标表示比值出现的频率，观察到饱和度与流量比值的频率分布：在正常情况下，DS/V的分布会有一个峰值，拟合曲线呈右偏分布；线圈工况不正常下的DS/V分布则没有明显峰值，说明该线圈数据异常。