[发明专利]一种高斯过程回归饱和流率检测方法

摘要

一种高斯过程回归饱和流率检测方法，包括以下步骤：1)获取交叉口的某个车道在停车线处的在感兴趣时间段内的原始过车时刻数据；2)原始过车时刻数据预处理，获得过车时刻数据；3)利用配时方案和过车时刻数据，计算瞬时流量数据和周期内的过车时刻数据；4)利用高斯过程回归方法，基于瞬时流率数据和周期内的过车时刻数据，拟合瞬时流率曲线；5)求解瞬时流率曲线的最大值，作为饱和流率的检测值。与现有技术相比，本发明充分挖掘交叉口停车线处过车时刻大数据中包含的间断交通流信息，获得的饱和流率检测值更准确。

主权项

一种高斯过程回归饱和流率检测方法，其特征在于：所述检测方法包括以下步骤：1)获取交叉口的某个车道在停车线处的在感兴趣时间段内的原始过车时刻数据，即每辆车通过该停车线的时刻；2)原始过车时刻数据预处理，获得过车时刻数据{pn}，其中，pn为第n辆车通过停车线的时刻，n＝1,2,…,N，N为该数据集合中的数据个数，过程如下：2.1)剔除明显异常数据；2.2)将原始过车时刻数据的时间格式转换为一天中的秒；2.3)将过车时刻数据进行降序排序，即{pn}中的数据必定满足pn＜pn+1；3)利用配时方案和过车时刻数据{pn}，计算瞬时流量数据{fn}和周期内的过车时刻数据{ρn}，过程如下：3.1)根据配时方案和过车时刻数据{pn}计算周期内的过车时刻数据{ρn}，即车辆在绿灯开始后的第几秒通过停车线，以及每个过车时刻数据的周期标号{cn}，即在同一个周期内通过的车辆由相同的标号标识，计算公式如下：ρn＝mod(pn,C),cn=int(pnC)+1,]]>其中，mod()表示取模计算，int()表示取整计算，C为周期长度；3.2)根据周期内的过车时刻数据{ρn}计算车头时距数据{hn}，计算公式如下：hn＝ρn‑ρn‑1；3.3)根据周期标号{cn}找到车头时距数据{hn}中每个周期内通过的第一个车头时距，并对其进行修正，修正公式如下：hfirst＝ρfirst‑绿灯开始时刻；3.4)根据车头时距数据{hn}计算瞬时流率数据{fn}，单位：辆/小时，公式如下：fn=3600hn;]]>4)利用高斯过程回归方法，基于瞬时流率数据{fn}和周期内的过车时刻数据{ρn}，拟合瞬时流率曲线，过程如下：4.1)通过最大化对数边际似然函数，选择最优的高斯过程归回的超参数：尺度参数l、信号方差和噪声方差该优化问题描述如下：maxl,σf2,σn2(-12fT(K+σn2I)-1f-12log|K+σn2I|-N2log2π),]]>其中，是由瞬时流率数据{fn}组成的列向量，是由周期内的过车时刻数据{ρn}计算得到的方差矩阵，表达式如下：k(ρ1,ρ2)为方差函数，表达式如下：k(ρ1,ρ2)=σf2exp(-(ρ1-ρ2)22l2),]]>I为单位矩阵，|·|表示矩阵的行列式；4.2)使用最优的高斯过程归回超参数，得到绿灯放行后的瞬时流率曲线表达式如下：f^(ρ)=κ(ρ)·K·f]]>其中，ρ为绿灯放行后的任意时刻，κ(ρ)＝[k(ρ,ρ1),k(ρ,ρ2),…,k(ρ,ρN)]；5)求解瞬时流率曲线的最大值，作为饱和流率的检测值，即饱和流率为：maxρf^(ρ).]]>