[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

说明书

一种基于流量和饱和度分析的SCATS线圈检测器自动诊断方法，构造训练集的步骤如下：1.1：给定日期，查询所有数据并按线圈分组；1.2：绘制每个线圈流量、饱和度的时间分布图，流量饱和度的关系图和流量与饱和度比值的直方图；1.3：计算统计量特征；1.4：将统计量和标注结果输出作为训练集；基于机器学习的线圈诊断的步骤如下：2.1：将训练集传入决策树分类器，对模型进行训练；2.2：选定需要进行线圈数据诊断的日期，检索目标数据；2.3：计算目标数据的统计特征，对目标数据进行描述；2.4：对目标数据对应的线圈工况和数据质量进行分类。本发明有效检测线圈检测器的工作状态和数据质量。

技术领域

本发明涉及一种悉尼自适应交通控制系统SCATS的诊断方法，尤其是一种SCATS线圈检测器自动诊断方法。

背景技术

悉尼自适应交通控制系统(Sydney Coordinated Adaptive Traffic System，简称SCATS，或简称SCATS系统)，由澳大利亚新南威尔士州道路交通局(RTA)研究开发，是目前世界上少有的几个先进的城市信号交通控制系统之一。

车辆环形线圈检测器是SCATS系统中重要的数据采集设施。当车辆通过埋设在路面下的环形线圈(以下简称线圈)时会引起线圈磁场的变化，检测器据此计算出车辆的流量、饱和度、周期开始时间和长度等交通参数，并上传给中央控制系统，以满足交通控制系统的需要。

线圈检测器通常埋设在交叉路口入口方向停车线前的路面下。

SCATS信控系统能够根据线圈检测器检测到的车流量和饱和度，动态调整控制参数，线圈检测器检测得到的流量和饱和度。

饱和度是SCATS系统根据流量和车头时距等线圈采集的基本数据进一步加工计算得到的数据，理论上与流量有正相关的关系，因此分别以饱和度和流量作为坐标轴绘制二者的二元关系图，正常情况下应呈现近似的线性关系。

关于线圈工况的检测一直以来都在是作为设备运维环节的一项例行工作通过人工执行，工作内容也仅是查看检测器有无信号传回并进行登记，而无法判断线圈是否传回正常、能够反映实际交通状况的可使用的数据。

线圈数据质量很少被作为一个科学问题或技术问题来研究，现有的研究多是采用线性归回的方法，设置饱和度与流量的关系边界以判断异常数据点。然而此类方法只能针对每个线圈的数据独立手工操作，难以自动化批量执行，更无法利用机器学习方法对更多细分的数据问题进行诊断。

发明内容

为了克服已有技术无法检测线圈检测器的工作状态和数据质量的不足,本发明提供了一种有效检测线圈检测器的工作状态和数据质量的基于流量和饱和度分析的SCATS线圈检测器自动诊断方法。

本发明解决其技术问题所采用的技术方案是：

一种基于流量和饱和度分析的SCATS线圈检测器自动诊断方法，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/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：