CN104318772B - 高速公路交通流数据质量检测方法 - Google Patents
高速公路交通流数据质量检测方法 Download PDFInfo
- Publication number
- CN104318772B CN104318772B CN201410609675.6A CN201410609675A CN104318772B CN 104318772 B CN104318772 B CN 104318772B CN 201410609675 A CN201410609675 A CN 201410609675A CN 104318772 B CN104318772 B CN 104318772B
- Authority
- CN
- China
- Prior art keywords
- traffic flow
- data
- flow data
- current
- traffic
- 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.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于交通流数据处理技术领域,具体涉及一种高速公路交通流数据质量检测方法,包括如下步骤:读取高速公路微波检测交通数据序列,包括流量、速度和占有率;对读取的数据序列进行平稳性分析,以及速度和流量的关系、流量和占有率的关系以及占有率和速度的关系的分析,以及与当前断面的上下游断面的交通流数据的对比分析,判断交通流数据质量。本发明综合考虑当前断面当前时刻的交通流数据特性,当前断面的不同时刻交通流数据质量状态以及上下游交通流特性的影响,算法简单有效,提高了高速公路交通流数据质量的评价性能,降低了错误数据的误检率。
Description
技术领域
本发明属于交通流数据处理技术领域,具体涉及一种高速公路交通流数据质量检测方法。
背景技术
随着智能交通系统(ITS,Intelligent Transportation System)的发展,交通数据采集设备的多样化,采集的交通数据也不断丰富。然而由于传输设备故障、路面交通状况和环境因素的异常以及各种信息采集设备的连续性工作特点所引发的间歇性工作故障,都会使所采集的数据出现错误、丢失、不精确以及异常交通状况引起的交通数据不符合常态交通规律的情况,如果直接采用有质量问题的数据提供给道路交通应用,必然会导致应用结果不准确、不可靠的问题。因此,在应用这些交通数据时必须对其进行相应的质量检测、评价和控制,高质量的基础交通数据得出的结果才具有高的可信度,才能正确的反应实际交通状况。
目前影响数据质量的问题主要包括:缺失的数据、错误的数据以及异常交通状况下的数据。其中对缺失数据的检测比较简单,即在检测时刻不能得到时间值及该时刻下的交通数据,则在该时刻缺失数据。对错误数据的检测方法主要有阈值法和交通流理论法,真实的交通数据符合交通参数时间序列的长期趋势,即各交通参数均符合一定的阈值范围,并符合交通流理论的规律。所以,可通过设定动态或固定阈值,也可根据交通流理论设定一系列判断规则,从而判断是否为错误数据。而对异常交通状态数据检测方法目前的研究较少。
发明内容
有鉴于此,本发明提供一种高速公路交通流数据质量检测方法,可提高高速公路交通流数据质量的检测性能,降低错误数据的误检率。
本发明通过以下技术手段解决上述技术问题:
高速公路交通流数据质量检测方法,包括如下步骤:
1)读取高速公路微波检测交通数据序列,包括流量、速度和占有率;
2)对读取的高速公路流量、速度和占有率数据序列分别进行平稳性分析,若分析结果为平稳性良好,则判定当前交通流数据为正常,然后转到步骤6),否则判定当前交通流数据为非正常,然后进入步骤3);
3)根据速度和流量的关系、流量和占有率的关系以及占有率和速度的关系进行判断交通数据的质量状态;不符合预设的关系就判定当前交通流数据的质量状态为错误,然后转到步骤6),否则判定当前交通流数据的为非正常,进入步骤4);
4)读取当前断面前五分钟的交通流数据质量状态;
5)读取当前断面的上下游断面的交通流数据,并进行如下处理:
当前断面前五分钟的交通流数据质量状态为正常时,如果上下游断面的交通流特性产生了突变,则判定当前交通流数据的质量状态为异常,然后转到步骤6),否则判定当前交通流数据的质量状态为待定,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为异常时,直接判定当前交通流数据的质量状态为异常,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为待定时,如果上下游断面的交通流特性产生了突变,则判定当前交通流数据的质量状态为异常,转到步骤6),否则判定当前交通流数据的质量状态为错误,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为错误时,直接判定当前交通流数据的质量状态为错误,然后转到步骤6);
6)保存当前高速公路当前断面的交通流数据质量状态到数据库中;
7)判断当前高速公路交通流数据是否更新,如果有更新,则转到步骤1)。
进一步,所述步骤2)中,首先对高速公路微波检测交通数据序列进行差分,然后采用游程检验法对差分后的高速公路微波检测交通数据序列进行平稳性分析。
进一步,所述步骤3)中,所述预设的关系是指:
速度和流量开始是成正比例的关系,当达到阈值时,它们的关系开始成反比例;
速度和占有率成反比例关系;
占有率和流量开始是成正比例的关系,当达到阈值时,它们的关系开始成反比例。
本发明相对于现有技术具有如下优点:综合考虑当前断面当前时刻的交通流数据特性,当前断面的不同时刻交通流数据质量状态以及上下游交通流特性的影响,算法简单有效,提高了高速公路交通流数据质量的检测性能,降低了错误数据的误检率。
附图说明
图1示出了本发明的流程示意图;
图2示出了本发明中数据平稳性分析的流程示意图;
图3示出了高速公路速度和流量关系图;
图4示出了高速公路速度和占有率关系图;
图5示出了高速公路占有率和流量关系图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将对本发明的具体实施方式作进一步的详细描述。
参见图1,本实施例的高速公路交通流数据质量检测方法,包括如下步骤:
1)读取高速公路微波检测交通数据序列,包括流量、速度和占有率;高速公路交通数据字段定义如表1所示:
表1 高速公路交通数据字段定义表
评判当前断面的交通流数据的质量状态需要当前断面的历史交通流数据序列和上下游断面的交通流数据。考虑到步骤2)要进行平稳性分析,需要一定量的历史交通流数据,数据量太少会降低分析效果,数据量太多会引入噪声误差,因此经过一定的实验验证,所以可选择当前断面20天的历史数据作为样本序列。
2)参见图2,对读取的高速公路流量、速度和占有率数据序列分别进行平稳性分析,首先对高速公路微波检测交通数据序列进行差分,根据交通流时间序列的特性,本专利只对其进行一次差分,然后,采用游程检验法对其进行平稳性分析。游程检验所判断的假设为:“样本数据出现的顺序没有明显的趋势,序列就具有平稳性”。假设采用的样本统计量有:
N1:一种符号出现的总数
N2:另一种符号出现的总数
γ:游程的总数
其中:γ为检验统计量。
对于序列长度较短的小样本时间序列(即N1和N2都小于15),可在确定显著水平α(通常α=0.05)后,通过查看相应的“游程检验γ分布表”,判定γ是否在游程总数下限γL和游程总数上限γU之间,如果是,则接受假设,即判定原序列是平稳序列,反之则否。
当N1或N2超过15时可以用正态分布来近似,此时用的统计量为:
式中, N=N1+N2,对于α=0.05的显著水平,如果|Z|≤1.96(按2σ原则),则接受假设,即判定原序列具有平稳性,反之则否。
因此,计算差分后的高速公路微波检测交通数据序列的均值,将大于或小于均值的数据分别用+、-号标出,形成表征序列变化的符号序列,然后取符号序列中的游程总数作为检验统计量进行假设检验,判断是否满足原假设的接受域,进而判定原序列的平稳性。
平稳性分析包括纵向平稳性分析和横向平稳性分析,如果分析结果都为平稳性良好,则判定当前交通流数据为正常,然后转到步骤6),只要纵向平稳性分析和横向平稳性分析中有一个的平稳性不好就判定当前交通流数据为非正常(异常,待定或错误),然后进入步骤3);
3)根据速度和流量的关系、流量和占有率的关系以及占有率和速度的关系进行判断交通数据的质量状态;不符合任一预设的关系就判定当前交通流数据的质量状态为错误,然后转到步骤6),否则判定当前交通流数据的为非正常,进入步骤4);所述预设的关系是指:
参见图3,速度和流量开始是成正比例的关系,当达到阈值时,它们的关系开始成反比例;
参见图4,速度和占有率成反比例关系;
参见图5,占有率和流量开始是成正比例的关系,当达到阈值时,它们的关系开始成反比例。
上述阈值可通过历史交通检测数据获得。
4)读取当前断面前五分钟的交通流数据质量状态;
结果数据库中交通数据质量状态字段定义如表2所示:
表2 交通数据质量状态字段定义表
5)读取当前断面的上下游断面的交通流数据,并进行如下处理:
当前断面前五分钟的交通流数据质量状态为正常时,如果上下游断面的交通流特性产生了突变,则判定当前交通流数据的质量状态为异常,然后转到步骤6),否则判定当前交通流数据的质量状态为待定,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为异常时,直接判定当前交通流数据的质量状态为异常,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为待定时,如果上下游断面的交通流特性产生了突变,则判定当前交通流数据的质量状态为异常,转到步骤6),否则判定当前交通流数据的质量状态为错误,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为错误时,直接判定当前交通流数据的质量状态为错误,然后转到步骤6);
6)保存当前高速公路当前断面的交通流数据质量状态到数据库中;
7)判断当前高速公路交通流数据是否更新,如果有更新,则转到步骤1)。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.高速公路交通流数据质量检测方法,其特征在于:包括如下步骤:
1)读取高速公路微波检测交通数据序列,包括流量、速度和占有率;
2)对读取的高速公路流量、速度和占有率数据序列分别进行平稳性分析,若分析结果为平稳性良好,则判定当前交通流数据为正常,然后转到步骤6),否则判定当前交通流数据为非正常,然后进入步骤3);
3)根据速度和流量的关系、流量和占有率的关系以及占有率和速度的关系进行判断交通数据的质量状态;不符合预设的关系就判定当前交通流数据的质量状态为错误,然后转到步骤6),否则判定当前交通流数据的为非正常,进入步骤4);
4)读取当前断面前五分钟的交通流数据质量状态;
5)读取当前断面的上下游断面的交通流数据,并进行如下处理:
当前断面前五分钟的交通流数据质量状态为正常时,如果上下游断面的交通流特性产生了突变,则判定当前交通流数据的质量状态为异常,然后转到步骤6),否则判定当前交通流数据的质量状态为待定,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为异常时,直接判定当前交通流数据的质量状态为异常,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为待定时,如果上下游断面的交通流特性产生了突变,则判定当前交通流数据的质量状态为异常,转到步骤6),否则判定当前交通流数据的质量状态为错误,然后转到步骤6);
当前断面前五分钟的交通流数据质量状态为错误时,直接判定当前交通流数据的质量状态为错误,然后转到步骤6);
6)保存当前高速公路当前断面的交通流数据质量状态到数据库中;
7)判断当前高速公路交通流数据是否更新,如果没有更新则等待,如果有更新,则转到步骤1)。
2.如权利要求1所述的高速公路交通流数据质量检测方法,其特征在于:所述步骤2)中,首先对高速公路微波检测交通数据序列进行差分,然后采用游程检验法对差分后的高速公路微波检测交通数据序列进行平稳性分析。
3.如权利要求1或2所述的高速公路交通流数据质量检测方法,其特征在于:所述步骤3)中,所述预设的关系是指:
速度和流量开始是成正比例的关系,当达到阈值时,速度和流量的关系开始成反比例;
速度和占有率成反比例关系;
占有率和流量开始是成正比例的关系,当达到阈值时,占有率和流量的关系开始成反比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410609675.6A CN104318772B (zh) | 2014-10-31 | 2014-10-31 | 高速公路交通流数据质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410609675.6A CN104318772B (zh) | 2014-10-31 | 2014-10-31 | 高速公路交通流数据质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318772A CN104318772A (zh) | 2015-01-28 |
CN104318772B true CN104318772B (zh) | 2016-08-24 |
Family
ID=52373996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410609675.6A Active CN104318772B (zh) | 2014-10-31 | 2014-10-31 | 高速公路交通流数据质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318772B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809877B (zh) * | 2015-05-14 | 2017-09-08 | 重庆大学 | 基于特征参数加权gefcm算法的高速公路地点交通状态估计方法 |
CN105976610B (zh) * | 2016-03-21 | 2019-01-22 | 江苏智通交通科技有限公司 | 卡口过车的检测可靠性控制方法和系统 |
CN106056912B (zh) * | 2016-07-29 | 2018-10-09 | 浙江银江研究院有限公司 | 一种卡口运行状态量化评估方法及系统 |
RU2666333C1 (ru) | 2017-04-04 | 2018-09-06 | Общество С Ограниченной Ответственностью "Яндекс" | Способы определения параметра ошибки расчета пользовательского трафика, который связан с расчетными условиями дорожного трафика |
CN106971538B (zh) * | 2017-04-26 | 2019-08-02 | 同济大学 | 一种区域路网交通状态宏观基本图的绘制方法 |
CN108629975B (zh) * | 2018-05-24 | 2020-09-15 | 北京交通大学 | 高速公路交通流数据的质量评价方法 |
CN114495497B (zh) * | 2022-01-19 | 2024-01-12 | 山东大学 | 一种交通异常数据的判别和插补方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7890246B2 (en) * | 2003-12-26 | 2011-02-15 | Aisin Aw Co., Ltd. | Method of interpolating traffic information data, apparatus for interpolating, and traffic information data structure |
JP4075877B2 (ja) * | 2003-12-26 | 2008-04-16 | アイシン・エィ・ダブリュ株式会社 | ナビゲーションシステムにおける交通情報データの補正方法 |
DE102004055992A1 (de) * | 2004-11-19 | 2006-06-14 | Daimlerchrysler Ag | Verfahren zur Erfassung von Verkehrsdaten |
CN101794513B (zh) * | 2009-12-30 | 2012-01-04 | 北京世纪高通科技有限公司 | 浮动车数据的预处理方法及装置 |
CN102169630B (zh) * | 2011-03-31 | 2013-04-24 | 上海电科智能系统股份有限公司 | 一种道路连续交通流数据质量控制方法 |
CN102881162B (zh) * | 2012-09-29 | 2015-03-11 | 北京市交通信息中心 | 大规模交通信息的数据处理及融合方法 |
CN103730006B (zh) * | 2014-01-26 | 2015-12-02 | 吉林大学 | 一种短时交通流量的组合预测方法 |
-
2014
- 2014-10-31 CN CN201410609675.6A patent/CN104318772B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104318772A (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318772B (zh) | 高速公路交通流数据质量检测方法 | |
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
CN104408925B (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN105260713A (zh) | 一种车道线检测方法和装置 | |
CN110751828A (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN106781488B (zh) | 基于车流密度和车速融合的交通运行状态评价方法 | |
CN104778835B (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
CN106156766A (zh) | 文本行分类器的生成方法及装置 | |
CN106781486A (zh) | 基于浮动车数据的交通状态评价方法 | |
CN104732075A (zh) | 一种城市道路交通事故风险实时预测方法 | |
CN106845482A (zh) | 一种车牌定位方法 | |
CN105405301B (zh) | 一种针对交叉口直右汇流冲突的右转信号感应控制方法 | |
CN102890862B (zh) | 基于向量模式的交通状态分析装置及方法 | |
CN106710215A (zh) | 瓶颈上游车道级交通状态预测系统及实现方法 | |
CN109359690A (zh) | 基于卡口数据的车辆出行轨迹识别方法 | |
CN106355882A (zh) | 一种基于路中检测器的交通状态估计方法 | |
CN105513366B (zh) | 一种道路交叉口交通状态判定方法 | |
CN106803347A (zh) | 基于rfid数据的城市交叉口交通状态判别方法 | |
CN106683405B (zh) | 基于道路车流密度的道路交通状态评价方法 | |
CN102867415A (zh) | 基于视频检测技术的道路拥堵判别方法 | |
CN107274668A (zh) | 一种基于车辆检测的道路拥堵建模方法 | |
CN110223522A (zh) | 一种基于三轴地磁传感器的车辆位置识别方法 | |
CN100481153C (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN114463868A (zh) | 面向交通流管控的收费站交通流组合预测方法及系统 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201225 Address after: 402460 station No.14, no.6, 10th floor, innovation and development center, No.19 Lingfang Avenue, Changzhou street, Rongchang District, Chongqing Patentee after: Chongqing kezhiyuan Technology Co.,Ltd. Address before: 400030 No. 174 Sha Jie street, Shapingba District, Chongqing Patentee before: Chongqing University |
|
TR01 | Transfer of patent right |