[发明专利]一种基于行程时间分布的交通异常检测方法

说明书

一种交通异常检测方法。利用浮动车的车载GNSS定位装置，可获取其不同时刻的空间位置信息，通过对海量浮动车轨迹信息的分析挖掘，可实现城市道路交通异常事件的智能化检测。该交通异常检测方法，采用行程时间的概率分布表征交通状态，采用概率分布差异衡量指标反映交通状态差异，与现有技术相比，具有原理明晰、实施简便、检测率高的特点。

技术领域

本发明属于交通检测技术领域。特别地，本发明涉及一种城市道路交通异常实时检测方法。通过浮动车的车载GNSS定位装置，可获取其不同时刻的空间位置信息，经过数据预处理、地图匹配和数据融合，获得特定时空范围的行程时间概率分布；根据行程时间分布的变化情况，可有效识别城市道路交通异常事件。

背景技术

交通异常事件检测是城市交通管理的重要组成部分，也是智能交通系统的核心功能之一。交通异常事件主要包括交通事故、车辆抛锚、货车落物、道路交通设施损坏或故障以及其他造成交通流紊乱的特殊事件。该类事件容易造成交通拥堵、路段通行能力降低，严重时影响整个道路交通系统的正常运行。通过交通异常事件检测，可使交通管理者及时了解交通异常信息，并采取适当的诱导和控制措施，降低交通异常事件的不良影响。

交通异常事件检测可分为人工方式和自动方式。人工方式包括巡逻车、紧急电话上报和视频监控等，由于消耗人力物力且实时性差，无法满足交通管理的需要。自动方式依靠自动事件检测(AID，Automated Incidence Detection)算法实现，基本原理是通过检测不同位置道路交通流的变化来识别交通异常事件。目前常用的AID算法包括模式识别类算法(如California算法、莫妮卡算法)、统计预测类算法(如指数平滑法、卡尔曼滤波算法)、交通流模型算法(如McMaster算法)以及智能识别算法(如人工神经网络、模糊逻辑算法)。

但是目前的检测方法存在对设施的要求高、计算复杂度高、无法对异常状况的态势做进一步判断等缺点。本发明利用出租车、公交车车载GNSS定位装置回传的轨迹数据，建立历史交通状态数据库和实时交通状态数据库，通过分析两者反映的交通流特征差异，识别交通异常事件。该方法具有实时性好、可并行处理、识别率高以及对检测设施要求低等特点，适用于有实时浮动车定位数据的数据环境下城市道路交通异常事件的检测。

目前，针对交通异常事件监测，有以下代表性技术：

一件美国专利申请，US 20160148512，披露了一种交通异常事件检测和上报系统的组成原理和实施方法。该系统由传感器、通信模块、移动处理模块和用户交互模块组成。传感器用于采集车辆周边的相关数据；通信模块用于发送本车辆数据和接收周边车辆的数据；移动处理模块用于处理和分析相关车辆在某一区域内的数据并生成交通事件报告；用户交互模块能够像用户提供交通事件报告。该方案是一种基于车车和车路通讯网络的交通异常事件检测技术，能够利用传感器采集的各类信息，判别异常事件。然而，由于传感器、通信单元需要单独安装调试，实施难度较大；移动处理单元处理能力受限；同时需要移动和固定的讯息接收端，系统本身存在故障概率，可靠性不佳。

一件中国专利申请，CN 104809878 A，披露了一种利用公交车GPS数据检测城市道路交通异常状态的方法。该方案根据GPS历史数据获得路段延误时间指数，根据GPS当前数据获得瞬时速度、周期平均速度、加权滑动平均速度和多车平均速度，利用规范变量分析算法检测异常。这一方案不需要新增检测设施，实施便利。但是对于交通态势的表征过于简化，无法分析交通异常状况的特点和成因；对交通场景的划分缺乏依据，未能考虑天气等因素对交通态势变化的影响。

发明内容

为了更清晰地阐述本发明的内容，首先将涉及到的专业术语解释如下：

浮动车：也称探测车。指安装了车载定位装置并行驶在城市道路上的公交汽车和出租车。

GNSS：全球导航卫星系统(Global Navigation Satellite System)。包括GPS、GLONASS、GALILEO以及北斗卫星导航系统等。