[发明专利]一种模型线性化迭代更新法的交通决策方法

说明书

一种模型线性化迭代更新法的交通决策方法，涉及交通信息化技术领域，具体步骤如下：步骤1、交通状态参数计算；步骤2、状态预测模型建立；步骤3、模型迭代更新；步骤4、智能决策：给出区域道路博弈算法，实施交通优化、区域调度、疏通交通拥堵，保证道路畅通。本发明不但具有较好的决策效果、较快的处理速度，而且还有较强的抗噪能力，仿真结果表明在密集目标环境下，决策的准确率也高达90％以上；在中等密度环境下，推理决策法的正确决策率为91.28％，处理速度为0.0936s，不足1s，为政府修建、城市规划、道路的长宽度设计等提供了理论思想和决策支持，也为使用视频流的场所与部门提供了目标检测与跟踪方法。

技术领域

本发明涉及交通信息化技术领域，具体涉及一种模型线性化迭代更新法的交通决策方法。

背景技术

随着经济、社会的高速发展，城市交通拥挤现象日益严重，尤其在一些特大城市道路拥挤、阻塞、交通事故更是频发，公路交通流模型的状态估计也是公路事件检测、交通分析及交通预报等工作的基础。

为了解决交通拥挤与阻塞的问题，从20世纪60年代开始，发达国家就开始进行交通控制研究，这些研究的主要方法是通过运用运筹学和最优控制论，建立交通流的数学模型来控制和优化整个交通系统。尽管这些研究已经得到广泛应用，但是目前的交通预测决策方法忽略了交通系统的随机性、复杂性以及交通流模型的局限性等因素，导致决策效果差、处理速度慢、抗噪能力差。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明提供一种模型线性化迭代更新法的交通决策方法，与现有技术相比拥有较好的决策效果、较快的处理速度，而且还有较强的抗噪能力。

本发明提供如下技术方案：步骤如下：

步骤1、交通状态参数计算：挖掘出有用数据进行实际交通状况分析，计算交通流量、车流密度、车流速度；

步骤2、状态预测模型建立：根据步骤1计算出的这些参数，建立交通流预测模型，包括拥挤程度、未来时段内对周边道路分支的影响状态估计建模；

步骤3、模型迭代更新：在车流分析应用中，学习各种情况下的交通流数据，修改预测模型参数，直到满足要求为止；

步骤4、智能决策：给出区域道路博弈算法，实施交通优化、区域调度、疏通交通拥堵，保证道路畅通。

优选地，所述步骤3中模型迭代更新采用迭代更新法，对不同段状态模型进行信息交互融合，相应地更新状态、状态误差、测量误差、过程增益值K(k+1) 及其协方差P(k+1|k)。

优选地，所述迭代更新法的状态条件重初始化的方法如下：

设是交通流状态在k-1时刻的概率，是已知的；再设π_ji＝Pr{m_k＝m⁽ⁱ⁾|m_k-1＝m^(j)}是由在k-1时刻的m_k-1交通状态到k 时刻的m_k交通状态的跳变概率，并且它是依赖于m_k交通状态作为已知条件；那么第i段k时刻交通状态的预测概率定义为下式：

上式可通过从第1时刻到第k-1时刻的量测来预测；

根据所有k-1时刻的量测，在下一时刻k，如果状态被估计是状态 m_k＝m⁽ⁱ⁾，那么在当前k-1时刻，状态m_k-1＝m^(j)的概率是定义如下：

状态的混合估计为：

混合状态误差协方差为：