CN102819956A - 一种基于单截面环形线圈检测器的道路交通事件检测方法 - Google Patents

一种基于单截面环形线圈检测器的道路交通事件检测方法 Download PDF

Info

Publication number
CN102819956A
CN102819956A CN2012101817862A CN201210181786A CN102819956A CN 102819956 A CN102819956 A CN 102819956A CN 2012101817862 A CN2012101817862 A CN 2012101817862A CN 201210181786 A CN201210181786 A CN 201210181786A CN 102819956 A CN102819956 A CN 102819956A
Authority
CN
China
Prior art keywords
section
traffic flow
traffic
detect
speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012101817862A
Other languages
English (en)
Other versions
CN102819956B (zh
Inventor
金盛
王殿海
赵伟明
马东方
祁宏生
徐天东
孙锋
马晓龙
周旦
韦薇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201210181786.2A priority Critical patent/CN102819956B/zh
Publication of CN102819956A publication Critical patent/CN102819956A/zh
Application granted granted Critical
Publication of CN102819956B publication Critical patent/CN102819956B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于单截面环形线圈检测器的道路交通事件检测方法。现有方法侧重于对交通参数的分析,通过设置相应的阈值来进行交通事件的判别。本发明以交通流量、速度、时间占有率这三项交通流参数构造一个三维空间,以交通流量、速度、时间占有率的预测值为中心,以三项交通流参数的历史标准误差的极限值为轴长,构造一个交通事件判别的椭球体。将交通流参数的实测值与这个椭球体进行对比,若实测值的三个参数所对应的点位于椭球体外,则判定该检测断面上游有交通事件发生,否则,判定该检测断面上游没有交通事件发生。本发明实施容易,计算复杂度小,在实施时能够充分保证道路交通事件检测的实时性要求。

Description

一种基于单截面环形线圈检测器的道路交通事件检测方法
技术领域
本发明涉及道路交通事件检测领域,特别是一种基于单截面环形线圈检测器的道路交通事件检测方法。
背景技术
自20世纪60年代开始,高速公路交通事件检测算法的研究就成为交通领域的研究热点。运用先进的自动检测技术快速准确地检测交通事件发生与否,可以对道路交通流进行有效地管理,快速地疏导拥挤交通流,尽快地实施事故救援,缓解由于交通事件造成的交通拥堵。
早期的交通事件检测算法侧重于对交通参数的分析,通过设置相应的阈值来进行交通事件的判别。随着人工智能技术的发展,出现了诸如人工神经网络模型、模糊逻辑模型、概率神经网络模型、模糊逻辑遗传算法模型以及支持向量机模型等一系列的智能交通事件检测算法。采用先进的算法极大地提高了交通事件的检测效率,但是这些算法大多需要事先采集大量的数据进行网络训练,标定各种参数,大多局限于理论研究,在实际中很难进行工程应用。
因此,交通事件检测算法的关键是如何更加合理地选取判断交通事件发生的交通状态指标。此外,阈值选取也是交通事件检测的一个关键因素,应尽量采用较少的判别阈值,减小阈值标定的难度,提高算法在不同交通环境下的普适性。
发明内容
本发明的目的在于提供一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于基于道路上某一个检测断面的交通信息,综合考虑多种交通流参数,自动判别该检测断面上游是否发生交通事件,同时该方法采用尽量少的判别阈值,易于工程实现。
该方法的基本思想是以交通流量、速度、时间占有率这三项交通流参数构造一个三维空间,以交通流量、速度、时间占有率的预测值为中心,以三项交通流参数的历史标准误差的极限值为轴长,构造一个交通事件判别的椭球体。将交通流参数的实测值与这个椭球体进行对比,若实测值的三个参数所对应的点位于椭球体外,则判定该检测断面上游有交通事件发生,否则,判定该检测断面上游没有交通事件发生。
为实现上述目的,本发明提出的道路交通事件检测方法包括每一采样间隔内交通流数据获取的步骤、根据检测的交通流数据对下一采样间隔内交通流数据进行预测的步骤、根据预测数据与实际检测数据计算交通事件判别指标的步骤、根据交通事件判别指标来确定交通事件发生与否的步骤。
具体的检测步骤包括:
c1、从各检测断面各车道上的环形线圈检测器中根据事先确定的采样间隔时间获取该检测断面该车道的交通流量、速度和时间占有率这三项交通流参数,并对交通流参数进行预处理,得到表征该检测断面交通流特性的交通流量、速度和时间占有率。
c2、根据预处理后的交通流参数预测下一采样间隔的交通流量、速度和时间占有率。
c3、根据所述交通流量、速度和时间占有率的预测值与实际检测值的关系,计算交通事件判别指标。
c4、根据所述交通事件判别指标的值,判定该检测断面上游是否有交通事件发生。
c5、根据步骤c4的判别结果,若有交通事件发生,则通知交警或在信息板上提醒驾驶员,若没有,则跳转至步骤c1。
进一步的,步骤c1中获取实时交通流参数的过程包括:
c11、在需要检测的路段中每隔500-800米的检测断面上布设一组环形线圈检测器,并使用电线、光缆或无线通信的方式与交通事件检测中心相连。每组环形线圈检测器包括每条车道上相距一定距离布设的一对环形线圈检测器。
c12、确定数据采样间隔。交通事件检测中需要能获取短时交通流的突变特性,故选取采样间隔为30秒或1分钟。
c13、通过环形线圈检测器获取每一采样间隔内每条车道上的交通流量、速度和时间占有率数据。
c14、对步骤c13中获得的各车道实时交通流参数进行预处理,得到表征该检测断面的交通流参数。
进一步的,步骤c13中对于每个检测断面每条车道上的一对环形线圈检测器,从沿行车方向的第一个环形线圈检测器中获取相应车道的交通流量和时间占有率,从该车道的一对环形线圈检测器中获取相应车道的每辆车的速度,从而得到该车道上车辆的平均行驶速度。
从环形线圈检测器中获取交通参数具体包括:
c131、获取交通流量参数。
Figure 2012101817862100002DEST_PATH_IMAGE002
式中:
Figure 2012101817862100002DEST_PATH_IMAGE004
——第
Figure 2012101817862100002DEST_PATH_IMAGE006
检测断面第条车道第采样间隔内交通流量的检测值(辆/小时);
Figure 2012101817862100002DEST_PATH_IMAGE012
——第
Figure 191311DEST_PATH_IMAGE006
检测断面第
Figure 108451DEST_PATH_IMAGE008
条车道第采样间隔内通过第一个环形线圈检测器的总车辆数(辆);
——采样间隔时长(s)。
c132、获取速度参数。
采样间隔内每辆车的地点速度:
Figure 2012101817862100002DEST_PATH_IMAGE016
式中:
Figure 2012101817862100002DEST_PATH_IMAGE018
——第检测断面第条车道第
Figure 608648DEST_PATH_IMAGE010
采样间隔内的第n辆车的地点速度(m/s);
——布设的一对环形线圈检测器前后线圈之间的距离(m);
Figure 2012101817862100002DEST_PATH_IMAGE022
——第
Figure 315DEST_PATH_IMAGE006
检测断面第
Figure 878842DEST_PATH_IMAGE008
条车道第
Figure 547721DEST_PATH_IMAGE010
采样间隔内第n辆车通过前后线圈的时间差(s)。
采样间隔内每条车道上车辆的平均行驶速度:
Figure 2012101817862100002DEST_PATH_IMAGE024
式中:
Figure 2012101817862100002DEST_PATH_IMAGE026
——第
Figure 603401DEST_PATH_IMAGE006
检测断面第
Figure 357731DEST_PATH_IMAGE008
条车道第
Figure 783158DEST_PATH_IMAGE010
采样间隔平均行驶速度的检测值。
c133、获取时间占有率参数。
式中:
Figure 2012101817862100002DEST_PATH_IMAGE030
——第
Figure 431177DEST_PATH_IMAGE006
检测断面第
Figure 798705DEST_PATH_IMAGE008
条车道第
Figure 725816DEST_PATH_IMAGE010
采样间隔时间占有率的检测值;
——第
Figure 938622DEST_PATH_IMAGE006
检测断面第
Figure 769044DEST_PATH_IMAGE008
条车道第
Figure 104210DEST_PATH_IMAGE010
采样间隔内第n辆车占用第一个环形线圈检测器的时间(s)。
进一步的,步骤c14中需剔除各车道环形线圈检测器的异常数据,可以采用阈值筛选法,即剔除超过一定阈值的交通流量、速度和时间占有率数据;然后还需对合格数据进行平均化处理,得到表征该检测断面的交通流参数,详细步骤如下:
c141、单截面的交通流量参数处理
将检测断面每条车道上环形线圈检测器获取交通流量的平均值作为该检测断面的交通流量值。即:
Figure 2012101817862100002DEST_PATH_IMAGE034
式中:
Figure 2012101817862100002DEST_PATH_IMAGE036
——第i检测断面第t采样间隔预处理后的交通流量值;
          b——第i检测断面的车道数量。
c142、单截面的速度参数处理
Figure 2012101817862100002DEST_PATH_IMAGE038
式中:
Figure 2012101817862100002DEST_PATH_IMAGE040
——第i检测断面第t采样间隔预处理后的速度值。
c143、单截面的时间占有率参数处理
Figure 2012101817862100002DEST_PATH_IMAGE042
式中:
Figure 2012101817862100002DEST_PATH_IMAGE044
——第i检测断面第t采样间隔预处理后的时间占有率值。
 
进一步的,步骤c2中,在正常的交通流运行情况下,交通流不发生突变现象,则在一个较短的时间段内,交通流量、速度、时间占有率等交通流参数连续变化,即后一时刻的交通流参数与前一时刻或前几个时刻的交通流参数变化不大或者呈现一定的变化规律。因此将前c个采样间隔的交通流参数平均值作为下一时刻的预测值,用于判别该检测断面上游是否发生交通事件。
交通流量预测方法为:
c21、第i检测断面第t+1采样间隔交通流量的预测
计算前c个采样时间间隔内第i检测断面交通流量的平均值,作为第i检测断面第t+1采样间隔交通流量的预测值。即:
式中:
Figure 2012101817862100002DEST_PATH_IMAGE048
——第i检测断面第t+1采样间隔交通流量的预测值;
        c——交通流参数预测所需的前一时段数据采样间隔数量。
速度预测方法为:
c22、第i检测断面第t+1采样间隔速度的预测值为
时间占有率预测方法为:
c23、第i检测断面第t+1采样间隔时间占有率的预测值为
Figure 2012101817862100002DEST_PATH_IMAGE052
其中,c值可以根据实地调查确定,保证预测的误差在容许的范围之内,一般可以取3-5。
进一步的,步骤c3中,运用质量控制的思想,综合考虑交通流量、速度、时间占有率的实时检测值与预测值之间的偏离程度,判断该检测断面上游是否有交通事件发生。
使用单截面道路交通事件检测的判别指标
Figure 2012101817862100002DEST_PATH_IMAGE054
,计算式如下:
Figure 2012101817862100002DEST_PATH_IMAGE056
式中:            
Figure 2012101817862100002DEST_PATH_IMAGE058
Figure 2012101817862100002DEST_PATH_IMAGE060
Figure 2012101817862100002DEST_PATH_IMAGE062
Figure 2012101817862100002DEST_PATH_IMAGE064
分别为第i检测断面第t+1采样间隔交通流量、速度及时间占有率的估计标准差。
Figure 2012101817862100002DEST_PATH_IMAGE070
为调整参数,当
Figure 836062DEST_PATH_IMAGE070
值较大时,检测灵敏度低,其判别椭球体越大,检测率就会减少,但误报率也会较小;若
Figure 852559DEST_PATH_IMAGE070
值较小时,检测灵敏度高,则检测率就会增加,同样误报率也会随着增加。因此,需要根据实际情况综合考虑检测率和误报率之间的关系来确定
Figure 38952DEST_PATH_IMAGE070
值。根据统计中的
Figure 2012101817862100002DEST_PATH_IMAGE072
原则,可以令
Figure 2012101817862100002DEST_PATH_IMAGE074
进一步的,步骤c4中,若由所述的步骤c3计算得出的单截面道路交通事件检测的判别指标
Figure DEST_PATH_IMAGE076
,则判定该检测断面上游有交通事件发生,若
Figure DEST_PATH_IMAGE078
,则判定该检测断面上游没有交通事件发生。
本发明的有益效果:
1、本方法实施容易,计算复杂度小,在实施时能够充分保证道路交通事件检测的实时性要求。
2、本方法综合单个检测截面的交通流量、速度、时间占有率多项交通参数,基于质量控制的思想,能够更客观的反映该检测截面上游交通流运行的突变情况,比使用单个交通流参数拥有更高的检测精度。
3、本方法在实施的时候仅需标定1个参数,适应力强,能够满足自动判别的要求,不需要过多干预。
附图说明
图1为本发明流程图;
图2为交通参数获取流程图;
图3为单截面检测器布设图;
图4为单截面道路交通事件检测的流程。
具体实施方式
下面结合附图对本发明进行详细阐述。
参考图1,图示了单截面道路交通事件检测方法流程。
步骤1,参考图2,图示了交通流参数获取流程图。其中参考图3,图示了所述单截面道路交通事件检测方法的环形线圈检测器布设方案,其特征是采用规格为2×2m的环形线圈检测器,用于统计道路上检测断面处交通流运行情况。在需要检测的路段上每隔500-800m设置一个检测断面,每一检测断面布设一组环形线圈检测器,每组环形线圈检测器包括在每条车道上间隔一定距离的两个环形线圈检测器。其中沿行车方向的第一个环形线圈检测器编号为
Figure DEST_PATH_IMAGE080
,另一个环形线圈检测器编号为
Figure DEST_PATH_IMAGE082
i为检测断面编号,沿行车方向从1开始依次递增,j为该检测断面上车道编号,最外侧车道编号为第1车道,向道路中线依次递增。
由于环形线圈检测器本身的特性,过小的采样间隔会增加检测的误差,过大的采样间隔不能表现出交通流的瞬时变化特性。国内外普遍采用的交通数据获取采样间隔有10秒、20秒、30秒、1分钟、2分钟、3分钟、5分钟、10分钟、15分钟等。交通事件检测中需要能获取短时交通流的突变特性,故选取采样间隔为30秒或1分钟。
根据确定的采样间隔,通过环形线圈检测器获取每一采样间隔内每条车道上的交通流量、速度和时间占有率数据。
交通流量计算方法:
Figure 513663DEST_PATH_IMAGE002
式中:
Figure 651252DEST_PATH_IMAGE004
——第
Figure 471441DEST_PATH_IMAGE006
检测断面第
Figure 512340DEST_PATH_IMAGE008
条车道第
Figure 392572DEST_PATH_IMAGE010
采样间隔内流量的检测值(辆/小时);
Figure 830506DEST_PATH_IMAGE012
——第
Figure 438074DEST_PATH_IMAGE006
检测断面第
Figure 848327DEST_PATH_IMAGE008
条车道第
Figure 647262DEST_PATH_IMAGE010
采样间隔内通过第一个环形线圈检测器的总车辆数(辆);
Figure 510176DEST_PATH_IMAGE014
——采样间隔时长(s)。
速度计算方法:
采样间隔内每辆车的地点速度
Figure 734484DEST_PATH_IMAGE016
式中:
Figure 982931DEST_PATH_IMAGE018
——第
Figure 204965DEST_PATH_IMAGE006
检测断面第条车道第
Figure 271590DEST_PATH_IMAGE010
采样间隔内的第n辆车的地点速度(m/s);
Figure 453172DEST_PATH_IMAGE020
——布设的一对环形线圈检测器中前后线圈之间的距离(m);
Figure 829796DEST_PATH_IMAGE022
——第
Figure 667302DEST_PATH_IMAGE006
检测断面第
Figure 924757DEST_PATH_IMAGE008
条车道第
Figure 164109DEST_PATH_IMAGE010
采样间隔内第n辆车通过前后线圈的时间差(s)。
 
采样间隔内每条车道上车辆的平均行驶速度:
Figure 524683DEST_PATH_IMAGE024
式中:
Figure 98753DEST_PATH_IMAGE026
——第
Figure 406237DEST_PATH_IMAGE006
检测断面第
Figure 985249DEST_PATH_IMAGE008
条车道第
Figure 719986DEST_PATH_IMAGE010
采样间隔平均行驶速度的检测值(m/s)。
时间占有率计算方法:
Figure 328822DEST_PATH_IMAGE028
式中:
Figure 689265DEST_PATH_IMAGE030
——第
Figure 637630DEST_PATH_IMAGE006
检测断面第
Figure 291072DEST_PATH_IMAGE008
条车道第采样间隔时间占有率的检测值;
Figure 36491DEST_PATH_IMAGE032
——第
Figure 88629DEST_PATH_IMAGE006
检测断面第
Figure 165170DEST_PATH_IMAGE008
条车道第
Figure 437013DEST_PATH_IMAGE010
采样间隔内第n辆车占用第一个环形线圈检测器的时间(s)。
各车道环形线圈检测器获取的数据中往往存在着异常数据,可以采用阈值筛选法剔除异常数据,即剔除超过一定阈值的交通流量、速度和时间占有率数据。然后还需对合格数据进行平均化处理,得到表征该检测断面的交通流参数,详细步骤如下:
单截面的交通流量参数处理
将检测断面每条车道上环形线圈检测器获取交通流量的平均值作为该检测断面的交通流量值。即:
Figure 686729DEST_PATH_IMAGE034
式中:
Figure 609686DEST_PATH_IMAGE036
——第i检测断面第t采样间隔预处理后的交通流量值;
          b——第i检测断面的车道数量。
单截面的速度参数处理
式中:
Figure 114802DEST_PATH_IMAGE040
——第i检测断面第t采样间隔预处理后的速度值。
单截面的时间占有率参数处理
Figure 847835DEST_PATH_IMAGE042
式中:
Figure 687615DEST_PATH_IMAGE044
——第i检测断面第t采样间隔预处理后的时间占有率值。
 
步骤2,根据预处理后的交通参数预测下一采样间隔的交通流量、速度和时间占有率。
正常的交通流运行情况下,交通流不发生突变现象,则在一个较短的时间段内,交通流量、速度、时间占有率等交通流参数连续变化,即后一时刻的交通流参数与前一时刻或前几个时刻的交通流参数变化不大或者呈现一定的变化规律;因此将前c个采样间隔的交通流参数平均值作为下一时刻的预测值,用于判别该检测断面上游是否发生交通事件。 
 
i检测断面第t+1采样间隔交通流量的预测
计算前c个采样时间间隔内第i检测断面交通流量的平均值,作为第i检测断面第t+1采样间隔交通流量的预测值;即:
Figure 105958DEST_PATH_IMAGE046
式中:
Figure 585350DEST_PATH_IMAGE048
——第i检测断面第t+1采样间隔交通流量的预测值;
        c——交通流参数预测所需的前一时段数据采样间隔数量;
i检测断面第t+1采样间隔速度的预测值为
Figure 380131DEST_PATH_IMAGE050
i检测断面第t+1采样间隔时间占有率的预测值为
Figure 74417DEST_PATH_IMAGE052
其中,c值可以根据实地调查确定,保证预测的误差在容许的范围之内,一般可以取3-5。
 
参考图4,图示了交通事件检测的流程。
步骤3,运用质量控制的思想,根据所述交通流量、速度和时间占有率的实时检测值与预测值的关系,计算交通事件判别指标。
计算估计标准差,计算式如下:
Figure 414394DEST_PATH_IMAGE058
Figure 979553DEST_PATH_IMAGE062
式中:
Figure 466030DEST_PATH_IMAGE064
Figure 239557DEST_PATH_IMAGE066
分别为第
Figure 643174DEST_PATH_IMAGE006
检测断面第t+1采样间隔交通流量、速度及时间占有率的估计标准差。k为预测参数的时间间隔数。
计算单截面道路交通事件检测方法的判别指标
Figure 233424DEST_PATH_IMAGE054
,计算式如下:
Figure 430050DEST_PATH_IMAGE056
为调整参数,当
Figure 547490DEST_PATH_IMAGE070
值较大时,检测灵敏度低,其判别椭球体越大,检测率就会减少,但误报率也会较小。若
Figure 257826DEST_PATH_IMAGE070
值较小时,检测灵敏度高,则检测率就会增加,同样误报率也会随着增加。因此,需要根据实际情况综合考虑检测率和误报率之间的关系来确定
Figure 625353DEST_PATH_IMAGE070
值。根据统计中的
Figure 292745DEST_PATH_IMAGE072
原则,可以令
Figure 833447DEST_PATH_IMAGE074
步骤4,根据所述交通事件判别指标的值,检测是否有交通事件发生。
分析由步骤3计算得出的单截面道路交通事件检测的判别指标,若该判别指标
Figure 414602DEST_PATH_IMAGE076
,则认为数据点超出椭球体,判定该检测断面上游有事件发生;若该判别指标
Figure 936719DEST_PATH_IMAGE078
,判定该检测断面上游没有交通事件发生。
单截面交通事件检测的基本思想是以交通流量、速度、时间占有率这三项交通流参数构造一个三维空间,以交通流量、速度、时间占有率的预测值为中心,以三项交通流参数的历史标准误差的极限值为轴长,构造一个交通事件判别的椭球体。将交通流参数的实测值与这个椭球体进行对比,若实测值的三个参数所对应的点位于椭球体外,即
Figure 603323DEST_PATH_IMAGE076
,则判定交通流出现突变,该检测断面上游有交通事件发生;若在椭球体内,即
Figure 370553DEST_PATH_IMAGE078
,则认为交通流运行正常,该检测断面上游没有交通事件发生。

Claims (7)

1. 一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于该方法包括以下步骤:
c1、从各检测断面各车道上的环形线圈检测器中根据事先确定的采样间隔时间获取该检测断面该车道的交通流量、速度和时间占有率这三项交通流参数,并对交通流参数进行预处理,得到表征该检测断面交通流特性的交通流量、速度和时间占有率;
c2、根据预处理后的交通流参数预测下一采样间隔的交通流量、速度和时间占有率;
c3、根据所述交通流量、速度和时间占有率的预测值与实际检测值的关系,计算交通状态判别指标;
c4、根据所述交通状态判别指标的值,判定该检测断面上游是否有交通事件发生;
c5、根据步骤c4的判别结果,若有交通事件发生,则通知交警或在信息板上提醒驾驶员,若没有,则跳转至步骤c1。
2.根据权利要求1所述的一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c1中获取实时交通流参数的过程包括:
c11、在需要检测的路段中每隔500-800米的检测断面上布设一组环形线圈检测器,并使用电线、光缆或无线通信的方式与交通事件检测中心相连;每组环形线圈检测器包括每条车道上相距一定距离布设的一对环形线圈检测器;
c12、确定数据采样间隔;交通事件检测中需要能获取短时交通流的突变特性,故选取采样间隔为30秒或1分钟;
c13、通过环形线圈检测器获取每一采样间隔内每条车道上的交通流量、速度和时间占有率数据;
c14、对步骤c13中获得的各车道实时交通流参数进行预处理,得到表征该检测断面的交通流参数。
3.根据权利要求2所述的一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c13中对于每个检测断面每条车道上的一对环形线圈检测器,从沿行车方向的第一个环形线圈检测器中获取相应车道的交通流量和时间占有率,从该车道的一对环形线圈检测器中获取相应车道的每辆车的速度,从而得到该车道上车辆的平均行驶速度;
从环形线圈检测器中获取交通流参数具体包括:
c131、获取交通流量参数;
Figure DEST_PATH_IMAGE002
式中:表示第
Figure DEST_PATH_IMAGE006
检测断面第
Figure DEST_PATH_IMAGE008
条车道第
Figure DEST_PATH_IMAGE010
采样间隔内交通流量的检测值;
Figure DEST_PATH_IMAGE012
表示第
Figure 168656DEST_PATH_IMAGE006
检测断面第
Figure 861674DEST_PATH_IMAGE008
条车道第
Figure 77892DEST_PATH_IMAGE010
采样间隔内通过第一个环形线圈检测器的总车辆数;
Figure DEST_PATH_IMAGE014
表示采样间隔时长;
c132、获取速度参数;
采样间隔内每辆车的地点速度:
Figure DEST_PATH_IMAGE016
式中:
Figure DEST_PATH_IMAGE018
表示第检测断面第
Figure 60684DEST_PATH_IMAGE008
条车道第
Figure 940915DEST_PATH_IMAGE010
采样间隔内的第n辆车的地点速度;
Figure DEST_PATH_IMAGE020
表示布设的一对环形线圈检测器中前后线圈之间的距离;
Figure DEST_PATH_IMAGE022
表示第检测断面第条车道第
Figure 22769DEST_PATH_IMAGE010
采样间隔内第n辆车通过前后线圈的时间差;
采样间隔内每条车道上车辆的平均行驶速度:
Figure DEST_PATH_IMAGE024
式中:
Figure DEST_PATH_IMAGE026
表示第
Figure 686618DEST_PATH_IMAGE006
检测断面第
Figure 549532DEST_PATH_IMAGE008
条车道第
Figure 462255DEST_PATH_IMAGE010
采样间隔平均行驶速度的检测值;
c133、获取时间占有率参数;
Figure DEST_PATH_IMAGE028
式中:
Figure DEST_PATH_IMAGE030
表示第检测断面第
Figure 135999DEST_PATH_IMAGE008
条车道第
Figure 234012DEST_PATH_IMAGE010
采样间隔时间占有率的检测值;表示第
Figure 121065DEST_PATH_IMAGE006
检测断面第条车道第
Figure 695583DEST_PATH_IMAGE010
采样间隔内第n辆车占用第一个环形线圈检测器的时间。
4.根据权利要求2所述的一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于:步骤c14中需剔除各车道环形线圈检测器的异常数据,可以采用阈值筛选法,即剔除超过一定阈值的交通流量、速度和时间占有率数据;然后还需对合格数据进行平均化处理,得到表征该检测断面的交通流参数,详细步骤如下:
c141、单截面的交通流量参数处理
将检测断面每条车道上环形线圈检测器获取交通流量的平均值作为该检测断面的交通流量值;即:
Figure DEST_PATH_IMAGE034
式中:
Figure DEST_PATH_IMAGE036
表示第i检测断面第t采样间隔预处理后的交通流量值;          b表示第i检测断面的车道数量;
c142、单截面的速度参数处理
Figure DEST_PATH_IMAGE038
式中:表示第i检测断面第t采样间隔预处理后的速度值;
c143、单截面的时间占有率参数处理
Figure DEST_PATH_IMAGE042
式中:
Figure DEST_PATH_IMAGE044
表示第i检测断面第t采样间隔预处理后的时间占有率值。
5.根据权利要求1所述的一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于:
步骤c2中,在正常的交通流运行情况下,交通流不发生突变现象,则在一个较短的时间段内,交通流量、速度、时间占有率等交通流参数连续变化,即后一时刻的交通流参数与前一时刻或前几个时刻的交通流参数变化不大或者呈现一定的变化规律;因此将前c个采样间隔的交通流参数平均值作为下一时刻的预测值,用于判别该检测断面上游是否发生交通事件;
交通流量预测方法为:
c21、第i检测断面第t+1采样间隔交通流量的预测
计算前c个采样时间间隔内第i检测断面交通流量的平均值,作为第i检测断面第t+1采样间隔交通流量的预测值;即:
Figure DEST_PATH_IMAGE046
式中:
Figure DEST_PATH_IMAGE048
表示第i检测断面第t+1采样间隔交通流量的预测值;c表示交通流参数预测所需的前一时段数据采样间隔数量;
速度预测方法为:
c22、第i检测断面第t+1采样间隔速度的预测值为
Figure DEST_PATH_IMAGE050
时间占有率预测方法为:
c23、第i检测断面第t+1采样间隔时间占有率的预测值为
其中,c值可以根据实地调查确定,保证预测的误差在容许的范围之内,取3-5。
6.根据权利要求1所述的一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于:
步骤c3中,运用质量控制的思想,综合考虑交通流量、速度、时间占有率的实时检测值与预测值之间的偏离程度,判断该检测断面上游是否有交通事件发生;
使用单截面道路交通事件检测的判别指标
Figure DEST_PATH_IMAGE054
,计算式如下:
Figure DEST_PATH_IMAGE056
式中:        
Figure DEST_PATH_IMAGE058
Figure DEST_PATH_IMAGE060
Figure DEST_PATH_IMAGE064
Figure DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE068
分别为第i检测断面第t+1采样间隔交通流量、速度及时间占有率的估计标准差;
Figure DEST_PATH_IMAGE070
为调整参数,当值较大时,检测灵敏度低,其判别椭球体越大,检测率就会减少,但误报率也会较小;若
Figure 841143DEST_PATH_IMAGE070
值较小时,检测灵敏度高,则检测率就会增加,同样误报率也会随着增加;因此,需要根据实际情况综合考虑检测率和误报率之间的关系来确定
Figure 814915DEST_PATH_IMAGE070
值。
7.根据权利要求1所述的一种基于单截面环形线圈检测器的道路交通事件检测方法,其特征在于:
步骤c4中,若由所述的步骤c3计算得出的单截面道路交通事件检测的判别指标
Figure DEST_PATH_IMAGE072
,则判定该检测断面上游有交通事件发生,若,则判定该检测断面上游没有交通事件发生。
CN201210181786.2A 2012-06-05 2012-06-05 一种基于单截面环形线圈检测器的道路交通事件检测方法 Expired - Fee Related CN102819956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210181786.2A CN102819956B (zh) 2012-06-05 2012-06-05 一种基于单截面环形线圈检测器的道路交通事件检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210181786.2A CN102819956B (zh) 2012-06-05 2012-06-05 一种基于单截面环形线圈检测器的道路交通事件检测方法

Publications (2)

Publication Number Publication Date
CN102819956A true CN102819956A (zh) 2012-12-12
CN102819956B CN102819956B (zh) 2014-11-05

Family

ID=47304051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210181786.2A Expired - Fee Related CN102819956B (zh) 2012-06-05 2012-06-05 一种基于单截面环形线圈检测器的道路交通事件检测方法

Country Status (1)

Country Link
CN (1) CN102819956B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025789A (zh) * 2017-05-27 2017-08-08 青岛海信网络科技股份有限公司 一种交通事件检测方法及装置
CN109255956A (zh) * 2018-11-12 2019-01-22 长安大学 一种收费站交通流量异常检测方法
CN111489545A (zh) * 2019-01-28 2020-08-04 阿里巴巴集团控股有限公司 道路监控方法、装置以及设备、存储介质
CN112767698A (zh) * 2021-01-19 2021-05-07 东南大学 一种基于小步长调整的自适应交通事件检测方法
CN114120641A (zh) * 2021-11-23 2022-03-01 武汉理工大学 基于光栅阵列传感光纤网络进行交通流信息检测的方法及系统
CN114446052A (zh) * 2022-01-17 2022-05-06 东南大学 基于多源数据多级融合的高速公路事件检测方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3639894A (en) * 1969-02-19 1972-02-01 Omron Tateisi Electronics Co Apparatus for detecting traffic information
CN101188064A (zh) * 2007-12-20 2008-05-28 北京交通大学 三维集成高速公路交通事件自动检测方法
CN101286269A (zh) * 2008-05-26 2008-10-15 北京捷讯畅达科技发展有限公司 兼有动态实时交通数据的交通流量预测系统
CN101567126A (zh) * 2009-05-31 2009-10-28 上海宝康电子控制工程有限公司 城市道路交通信息检测与发布系统
CN101833858A (zh) * 2009-12-17 2010-09-15 南京城际在线信息技术有限公司 一种基于信号灯系统环形线圈判别道路交通状态的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3639894A (en) * 1969-02-19 1972-02-01 Omron Tateisi Electronics Co Apparatus for detecting traffic information
CN101188064A (zh) * 2007-12-20 2008-05-28 北京交通大学 三维集成高速公路交通事件自动检测方法
CN101286269A (zh) * 2008-05-26 2008-10-15 北京捷讯畅达科技发展有限公司 兼有动态实时交通数据的交通流量预测系统
CN101567126A (zh) * 2009-05-31 2009-10-28 上海宝康电子控制工程有限公司 城市道路交通信息检测与发布系统
CN101833858A (zh) * 2009-12-17 2010-09-15 南京城际在线信息技术有限公司 一种基于信号灯系统环形线圈判别道路交通状态的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高翔等: "新型交通事件检测系统在世博集散道路上的应用", 《中国市政工程》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025789A (zh) * 2017-05-27 2017-08-08 青岛海信网络科技股份有限公司 一种交通事件检测方法及装置
CN109255956A (zh) * 2018-11-12 2019-01-22 长安大学 一种收费站交通流量异常检测方法
CN111489545A (zh) * 2019-01-28 2020-08-04 阿里巴巴集团控股有限公司 道路监控方法、装置以及设备、存储介质
CN112767698A (zh) * 2021-01-19 2021-05-07 东南大学 一种基于小步长调整的自适应交通事件检测方法
CN114120641A (zh) * 2021-11-23 2022-03-01 武汉理工大学 基于光栅阵列传感光纤网络进行交通流信息检测的方法及系统
CN114446052A (zh) * 2022-01-17 2022-05-06 东南大学 基于多源数据多级融合的高速公路事件检测方法及装置
CN114446052B (zh) * 2022-01-17 2023-05-30 东南大学 基于多源数据多级融合的高速公路事件检测方法及装置

Also Published As

Publication number Publication date
CN102819956B (zh) 2014-11-05

Similar Documents

Publication Publication Date Title
CN102592451B (zh) 一种基于双截面环形线圈检测器的道路交通事件检测方法
US11069233B1 (en) Video-based main road cooperative signal machine control method
CN102819956B (zh) 一种基于单截面环形线圈检测器的道路交通事件检测方法
CN103258427B (zh) 基于信息物理网络的城市快速路交通实时监控方法
CN103021176B (zh) 基于断面检测器的城市道路交通状态判别方法
Tang et al. Traffic-incident detection-algorithm based on nonparametric regression
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
US10699568B1 (en) Video-based crossroad signal machine control method
CN105225500A (zh) 一种交通控制辅助决策方法及装置
CN111680745B (zh) 一种基于多源交通大数据融合的突发拥堵判别方法及系统
CN102169634B (zh) 一种交通拥塞优先疏散控制方法
CN105336183A (zh) 一种基于路段通行能力的交通拥堵控制方法及装置
CN103927868B (zh) 一种能够发现导致区域交通拥堵原因的方法及系统
CN109767630A (zh) 一种基于车路协同的交通信号控制系统
CN107170247B (zh) 一种确定交叉口排队长度方法及装置
CN109147330A (zh) 一种拥堵识别方法及装置
CN104200687A (zh) 一种驾驶员速度控制行为监测装置及监测方法
CN103646542A (zh) 一种交通影响范围的预测方法和装置
CN111739315B (zh) 一种交通信号灯绿波智能调节方法及智能调节系统
CN103903444B (zh) 一种即时发现快速路拥堵引发点的方法和系统
CN108615376A (zh) 一种基于视频检测的交叉口信号控制方案评价方法
CN104751642A (zh) 一种高等级道路交通流运行风险实时预估方法
CN105654720A (zh) 基于城市道路拥堵识别的检测器布设方法
CN103150894B (zh) 消除交通拥堵的高速公路主线收费站通过流量控制方法
CN111145544A (zh) 一种基于拥堵蔓延消散模型的行程时间及路径预测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141105

Termination date: 20150605

EXPY Termination of patent right or utility model