[发明专利]基于宏观基本图的路网状态转换点判别方法

权利要求书

1.基于宏观基本图的网络状态转换点判别方法，其特征包括以下步骤，

S1、基于断面流量数据，得到选定路网的MFD时间序列图；

S2、基于动态时间弯矩算法的时间序列宏观基本图中网络交通状态演化模式的分析：在一定状态序列长度下，对平均占有率与流量组成的二维序列进行标准化处理，并以当前长度为基准提取每个状态点前后的二维序列，计算标准化后每个状态点前后序列的动态时间弯矩距离表征其交通流模式变化程度；

S3、基于布伦特法的路网交通状态转换点的判别：基于步骤S2提取的每个状态点的DTW距离，建立距离的时间序列，基于LOESS拟合距离序列并分段，采用布伦特方法对拟合的序列分段进行分析，从而求得局部极值点提取距离极大值，有效提取状态转换点，最后以路网平均速度变化程度验证转换点获取的合理性；

S4、考虑不确定性的路网状态转换点模式分析：基于高斯混合模型(GMM)的转换点分布聚类及不确定性分析，并提出实时判别当前路网状态与历史数据获得的路网转换状态模式关系的方法框架，以弥补步骤S3因不同日期下交通流演化差异造成转换点出现在不同平均占有率及不同平均流量下，存在较大不确定的问题；

S5、基于高斯混合模型的路网转换状态判别：通过计算实时输入的当前状态点来自各分布的概率，基于概率的判别分析方法对路网当前状态是否处于转换状态及属于某种转换状态的概率进行判断。

2.如权利要求1所述的基于宏观基本图的网络状态转换点判别方法，其特征在于所述步骤S2进一步包括以下步骤：

S21、采用平均变化率对不同时间间隔下的序列长度所对应的DTW距离进行了分析，基于不同时间间隔下的ACR变化图，确定时间序列的“长度”；

S22、运用动态时间弯矩(DTW)算法，基于DTW的状态点变化强度进行分析；

S23、定义—状态点序列相似程度的量化。

3.如权利要求1所述的基于宏观基本图的网络状态转换点判别方法，其特征在于所述步骤S3进一步包括以下步骤：

S31、拟合--基于局部加权回归法(LOESS)拟合步骤S2中计算所得的DTW距离序列；

S32、分段--将拟合后的函数y离散为n个间隔；

S33、求分段端点数值--计算给定间隔下端点处的DTW距离值；

S34、确定极值点所处区域的边界--根据端点处的DTW距离值一阶差分后的符号确定极值点所在区域；

S35、求每个边界内局部极值--基于布伦特方法确定区间局部极大值，即为路网状态转换点。

4.如权利要求3所述的基于宏观基本图的网络状态转换点判别方法，其特征在于所述步骤S4中高斯混合模型(GMM)的转换点分布聚类算法，其中GMM模型的具体过程如下：

S41、提取步骤S35中计算所得的路网状态转换点(CTSs)；

S42、基于高斯混合模型(GMM)计算每个CTS属于每个簇的概率；

S43、基于最大似然法估计模型参数；

S44、基于期望最大法求解模型参数。

5.如权利要求4所述的基于宏观基本图的网络状态转换点判别方法，其特征在于所述步骤S5中基于GMM模型以S44中获得的类别标签为训练数据，实时判别当前路网状态，其中计算每个状态点所属类别的概率的过程如下：

其中，s_t为t时刻的状态点,p_r为每个状态点所属类别的概率,pi为第pi个高斯分布,pn为高斯分布线性组合个数,f_pi是高斯分布中第pi个组分的概率密度函数,τ_pi是状态点s_t来自第pi个高斯分布的比例。