CN104332048B - 一种城市道路交通状态阈值确定方法 - Google Patents

一种城市道路交通状态阈值确定方法 Download PDF

Info

Publication number
CN104332048B
CN104332048B CN201410584325.9A CN201410584325A CN104332048B CN 104332048 B CN104332048 B CN 104332048B CN 201410584325 A CN201410584325 A CN 201410584325A CN 104332048 B CN104332048 B CN 104332048B
Authority
CN
China
Prior art keywords
traffic
road
threshold
traffic state
state
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.)
Expired - Fee Related
Application number
CN201410584325.9A
Other languages
English (en)
Other versions
CN104332048A (zh
Inventor
宁丹
郭建华
王静
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201410584325.9A priority Critical patent/CN104332048B/zh
Publication of CN104332048A publication Critical patent/CN104332048A/zh
Application granted granted Critical
Publication of CN104332048B publication Critical patent/CN104332048B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种城市道路交通状态阈值确定方法,考虑到交通状态本身的复杂性和不同交通出行者对交通状态判别产生的细微差别,本发明通过人工观看道路视频监控图像的方法提高交通状态判别的准确性和真实性。不同于仿真法和经验法判别道路交通状态通常假定车辆行驶在理想的道路环境下,道路视频监控图像是历史的、真实的道路交通情况的原版再现,因此判别得到的交通状态更真实准确。为了消除不同交通出行者对交通状态判别产生的细微差别,本发明采用多人、多天、多时间段观察同一道路交通运行情况,并将其算数平均值作为最终的城市道路交通状态,给出不同交通状态对应的阈值,该方法比仿真法和经验法得到的交通状态阈值更合理可靠。

Description

一种城市道路交通状态阈值确定方法
技术领域
本发明涉及到一种城市道路交通状态阈值确定方法,属于智能交通领域。
背景技术
随着社会经济的快速发展,道路车辆不断增多,道路交通需求增长迅速,道路交通状况正变得日益严峻。交通拥挤及恶性交通事故的迅速增加,不但严重威胁人民生命和财产的安全,也给道路交通的运行效率带来了严重影响。为了提高道路交通的安全性和运行效率,发达国家开始研究运用先进技术对道路交通运行状态进行监控的方法,出现了以电子设备为手段的交通监控系统。最初的交通监控系统主要是将采集到的交通流信息用于交通控制信号的配时和交通事件的自动检测,它是把ITS技术集成到交通监控系统中,以提高交通管理部门检测、清理交通事故和疏导交通拥堵的能力,从而减少经济损失。
近年来,随着道路网络的逐步成熟和道路交通需求量的进一步增加,与交通事件无关的常发性交通拥挤越来越严重。交通高峰期的持续时间不断延长,高峰期出现交通拥挤的路段不断增加,严重影响了道路交通的安全性和运行效率,因此,常发性交通拥挤也逐渐成为交通监控的重要内容之一,对城市道路交通状态的判别问题也提上了议题。
道路交通状态判别是通过对交通检测器采集到的交通数据进行处理分析,进而判断道路上交通状态的一种过程。准确判别道路交通状态,可以及时发现路段中的交通拥堵,有利于制定合理有效的交通疏导策略,并为交通出行者提供实时路况信息,有效诱导交通出行。
目前,城市道路交通状态判别方法通常采用阈值法判定,即以道路上车速、占有率、流量等交通流参数为基本依据,将检测到的交通参数划分为不同的阈值范围,定义某一交通状态对应的阈值范围,当检测的交通参数落在某一阈值,该路段的交通状态即为对应阈值所表征的交通状态。道路交通状态阈值常常通过仿真软件模拟或者凭经验确定。由于道路交通状态本身的复杂性和不同交通出行者对交通状态判别产生的细微差别,由仿真或凭经验确定的阈值法考虑的交通运行环境较为理想且影响因素单一,确定的阈值无法完全真实反应道路的实际交通运行情况,导致预防和诱导作用不明显。因此,本发明采用人工观看道路视频监控图像的方法提高交通状态判别的准确性和真实性。不同于仿真方法和经验法判别道路交通状态通常假定车辆行驶在理想的道路环境下,道路视频监控图像是历史的、真实的道路交通情况的原版再现,包括道路两侧的建筑、行人以及天气变化情况,使判别得到的交通状态更真实准确。为了消除不同交通出行者对交通状态判别产生的细微差别,本发明采用多人、多天、多时间段观察同一道路交通运行情况,并将其算数平均值作为最终的城市道路交通状态,给出不同交通状态对应的阈值,该方法比仿真法和经验法得到的交通状态阈值更合理可靠,能够有效预防交通拥堵,诱导交通出行。
发明内容
技术问题:本发明提供一种真实可靠、更符合交通出行者真实感受、更有利于城市道路交通诱导的城市道路交通状态阈值确定方法。
技术方案:本发明的城市道路交通状态阈值确定方法,包括以下步骤:
步骤1:采集道路视频监控图像,确定时间汇集度和观看的道路、时间段,所述时间段选取自不少于3天的不同日期,时间段累计不小于1.5小时,所述时间汇集度即为统计一次判定结果的连续观看时间长度;
步骤2:安排不少于5名工作人员同时观看视频监控图像,然后独立判断道路在根据时间汇集度划分的各时间单元内的交通状态,即:将时间段根据时间汇集度划分为时间单元,每位工作人员连续观看道路在时间单元内的视频监控图像,然后用数字“1”代表畅通,“2”代表缓行,“3”代表拥堵,通过独立判断给各时间单元内的道路交通状态打分;
步骤3:观看结束后,汇总统计所有工作人员的判断结果,将同一个时间单元所有工作人员的判断结果求和取算数平均值,并将平均值四舍五入取为整数,作为道路在该时间单元的实际交通状态;
步骤4:采集视频监控图像中道路上的在时间单元的平均瞬时车速,将同一路段各时间单元中,同一类实际交通状态的所有平均瞬时车速中的最大值作为该实际交通状态的阈值上限,最小值作为阈值下限;
步骤5:若缓行状态的阈值与相邻实际交通状态的阈值之间有交叉,则按照方法1)修正交叉部分的阈值限值,若缓行状态的阈值与相邻实际交通状态的阈值之间出现断开不连续,则按照方法2)进行阈值调整:
方法1)查看交叉部分的两个阈值限值在与缓行状态交叉的这一实际交通状态中出现的次数,将出现次数较多的阈值限值作为与缓行状态交叉的这一实际交通状态的修正后的阈值限值,同时用其更新缓行交通状态的阈值限值,使两种实际交通状态的阈值衔接无交叉;
方法2)将断开部分两端的阈值限值修正为最接近这两个阈值限值的尾数为0或5的整数值,使两种实际交通状态的阈值衔接连续。
本发明方法的优选方案中,步骤1中确定时间汇集度为10或15分钟。
本发明方法的优选方案中,步骤4中的平均瞬时车速从存储有所有车辆瞬时车速的数据库中查询调取得到。
本发明方法的优选方案中,步骤5中方法2的具体流程为:首先从断开部分一个端值相邻的尾数为0和5的整数值中选择距该端值最近的一个数值,同样按此方法选择另一端值的距离最近的尾数为0或5整数值;
然后分别累加两个端值与两个选取的整数值的差值,并比较两个累加结果,用较小的一个累加结果所对应的整数值来更新断开部分两端的阈值限值,使两种实际交通状态的阈值衔接连续。
有益效果:与现有技术相比,本发明的优点在于:
1.通过仿真得到的城市道路交通状态通常是在理想的道路环境下,设定若干假设条件完成的,是从车辆的角度判别交通状态;本发明方法通过观看道路视频图像人工判别道路交通状态,是从交通出行者的角度判定道路交通状态,更符合交通出行者在道路上运行的感受。
2.由于道路视频监控图像记录的交通状况是历史的、真实的道路交通情况的原版再现,通过观看视频监控图像判断道路交通状态是还原真实情况,不同于仿真方法和经验法判别道路交通状态通常假定车辆行驶在理想的道路环境下,使本发明判别得到的交通状态更真实准确。
3.即使同样的交通量,同样的车速,行驶在狭窄的道路上会产生拥堵,行驶在宽敞的道路上会行驶通畅,因此,本发明通过观看视频,针对每一条道路人工判别交通状态,不同的道路可得到不同的交通状态阈值,避免了仿真方法或凭经验确定交通状态阈值范围的单一——所有道路都采用同一阈值的“一刀切”的做法,更有利于城市道路交通诱导。
4.本发明采用多人、多天、多时间段观察同一道路交通运行情况,本方法中多人可减小个人判别交通状态结果产生的误差,确保结果符合多数人的集中趋势,多天可减小道路交通状态每天的波动性,确保判定结果合理可靠,多时段可涵盖不同的交通状态,确保判别结果的完整性,并将多人判别结果的算数平均值作为最终的城市道路交通状态,本方法得到的道路交通状态考虑因素更全面完整。
附图说明
图1为本发明的实施流程图。
图2为道路平面图。
具体实施方式
下面通过实施例对本发明的技术方案作详细说明。本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施操作过程,但是本发明的保护范围不限于下述的实施例。
本发明方法首先采集道路视频监控图像,按照一定时间汇集度,采用多人、多天、多时间段同时观看视频监控图像的方法确定道路交通状态,将多人判定的交通状态结果取算数平均值并四舍五入作为最终实际交通状态。然后采集视频监控图像中对应时间段内的平均瞬时车速,按照交通状态分类汇总,将同一种交通状态中平均瞬时车速的最大值作为该种交通状态的阈值上限,最小值作为阈值下限,初步得到交通状态阈值,最后根据情况适当调整阈值限制,使不同交通状态的阈值连续衔接,得到最终实际交通状态阈值。本发明的实施流程图如图1所示,具体操作步骤如下:
步骤1:调取道路R视频监控图像,选择观看视频监控图像的日期d1,d2,d3,…,dn,其中n≥3天;选择对应日期的观看时间段t1,t2,t3,…,tn,其中t1+t2+t3+…+tn≥1.5h;选择时间汇集度为M分钟,M通常取10或15分钟,即每M分钟记录一次判定的交通状态,以汇集度M将时间段ti划分为时间单元M1,M2,M3,…Mn;选择观看视频的工作人员数量为N,其中N大于等于5;每人记录的交通状态分别为I1,I2,I3,…In
步骤2:规范三种交通状态——拥堵、缓行、畅通的判定特征,并用数字“1”表示畅通,“2”表示缓行,“3”表示拥堵,在观看视频监控图像前给工作人员进行讲解,确保工作人员对于不同交通状态的特征了然于胸,本发明定义的交通状态判定标准如下
表1所示:
表1不同交通状态的交通流特征描述
以M分钟为汇集度,N名工作人员同时观看视频监控图像,依据交通状态判定标准,每位工作人员独立判别时间单元Mi分钟内道路交通状态,并将判定的交通状态结果记录在交通状态记录表中,交通状态记录表如表2所示:
表2:交通状态记录表
步骤3:所有观看时间段结束后,将N名工作人员的记录结果汇总统计,利用公式得到第di天ti时间段Mi时间单元的平均交通状态,由于交通状态定义为整数,没有小数,将平均交通状态四舍五入取为整数,作为Mi时间单元的最终实际交通状态。交通状态汇总表如表3所示:
表3:交通状态汇总表
步骤4:同样以M分钟为汇集度,通过视频采集对应日期、对应时间段的平均瞬时车速vi,将vi记录在对应的交通状态Ii后,将所有统计结果按照交通状态排序,在同一种交通状态中,找出平均瞬时车速的最大值vimax和最小值vimin,初步作为该交通状态的阈值上下限。采集瞬时车速的线圈检测器与视频监控的关系如图2所示,线圈检测器检测到车辆的瞬时车速并上传数据库存储,当需要时可从数据库调取任意汇集度的平均瞬时车速。汇总交通状态处理结果如表4、表5所示:
表4:汇总交通状态处理结果
表5:初定交通状态阈值
步骤5:为保证不同交通状态阈值衔接的连续性,根据道路实际情况和车速,适当调整阈值范围,使不同交通状态的阈值形成连续的变化。若不同实际交通状态的阈值之间有交叉时,则查看交叉部分的两个阈值限值在与缓行状态交叉的那个实际交通状态中(即不考察缓行状态,仅考察与缓行状态交叉的这个实际交通状态)出现的次数,将出现次数较多的阈值限值作为此种道路实际交通状态的修正后的阈值限值;相应的,用这一出现次数较多的阈值限值来调整缓行交通状态中位于该交叉部分的那个阈值限值,使两种实际交通状态的阈值衔接无交叉。例如,若步骤4中初步得到的交通状态阈值为:拥堵[0,28],缓行[25,35],畅通[32,80],单位为km/h,其中拥堵状态和缓行状态之间平均瞬时车速有交叉,缓行状态和畅通状态之间平均瞬时车速也有交叉,则可统计平均瞬时车速25和28出现在拥堵状态中的次数,次数多的平均瞬时车速值作为拥堵状态的阈值限值,同样再统计35和32出现在畅通状态中的次数,次数多的值作为畅通状态的阈值限值,最后调整缓行状态阈值限值使不同交通状态阈值连续衔接。
若不同交通状态的阈值之间出现断开不连续时,即一个状态阈值的上限与相邻状态阈值的下限之间断开不连续时,则按照以下方法修正断开部分两端的阈值限值:首先从断开部分一个端值相邻的尾数为0和5的整数值中选择距该端值最近的一个数值,同样按此方法选择另一端值的距离最近的整数值(尾数同样为0或5);然后分别累加两个端值与两个选取的整数值的差值,并比较两个累加结果,用较小的一个累加结果所对应的整数值来更新断开部分两端的阈值限值,使两种实际交通状态的阈值衔接连续,无断开。例如,若步骤4中初步得到的交通状态阈值为:拥堵[0,22],缓行[24,36],畅通[38,80],单位为km/h,拥堵状态与缓行状态之间阈值断开不连续,缓行状态与畅通状态之间阈值也断开不连续,拥堵状态和缓行状态限值22和24均与25接近,缓行状态和畅通状态限值36和38均与35接近,则可将拥堵状态调整为[0,25],畅通状态调整为[35,80],因此经调整后最终的交通状态阈值为:拥堵[0,25],缓行(25,35],畅通(35,80]。通常城市道路上车辆行驶速度不小于0km/h也不超过80km/h,因此将0和80分别作为拥挤交通状态的上限和畅通交通状态的下限,最终确定的交通状态阈值如下表6所示:
表6:交通状态最终阈值
上述实施例仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和等同替换,这些对本发明权利要求进行改进和等同替换后的技术方案,均落入本发明的保护范围。

Claims (4)

1.一种城市道路交通状态阈值确定方法,其特征在于,该方法包括以下步骤:
步骤1:采集道路视频监控图像,确定时间汇集度和观看的道路、时间段,所述时间段选取自不少于3天的不同日期,时间段累计不小于1.5小时,所述时间汇集度即为统计一次判定结果的连续观看时间长度;
步骤2:安排不少于5名工作人员同时观看视频监控图像,然后独立判断道路在根据时间汇集度划分的各时间单元内的交通状态,即:将时间段根据时间汇集度划分为时间单元,每位工作人员连续观看道路在时间单元内的视频监控图像,然后用数字“1”代表畅通,“2”代表缓行,“3”代表拥堵,通过独立判断给各时间单元内的道路交通状态打分;
步骤3:观看结束后,汇总统计所有工作人员的判断结果,将同一个时间单元所有工作人员的判断结果求和取算数平均值,并将平均值四舍五入取为整数,作为道路在该时间单元的实际交通状态;
步骤4:采集视频监控图像中道路上的在时间单元的平均瞬时车速,将同一路段各时间单元中,同一类实际交通状态的所有平均瞬时车速中的最大值作为该实际交通状态的阈值上限,最小值作为阈值下限;
步骤5:若缓行状态的阈值与相邻实际交通状态的阈值之间有交叉,则按照方法1)修正交叉部分的阈值限值,若缓行状态的阈值与相邻实际交通状态的阈值之间出现断开不连续,则按照方法2)进行阈值调整:
方法1)查看交叉部分的两个阈值限值在与缓行状态交叉的这一实际交通状态中出现的次数,将出现次数较多的阈值限值作为与缓行状态交叉的这一实际交通状态的修正后的阈值限值,同时用其更新缓行交通状态的阈值限值,使两种实际交通状态的阈值衔接无交叉;
方法2)将断开部分两端的阈值限值修正为最接近这两个阈值限值的尾数为0或5的整数值,使两种实际交通状态的阈值衔接连续。
2.根据权利要求1所述的一种城市道路交通状态阈值确定方法,其特征在于,所述步骤1中确定时间汇集度为10或15分钟。
3.根据权利要求1或2所述的一种城市道路交通状态阈值确定方法,其特征在于,所述步骤4中,平均瞬时车速从存储有所有车辆瞬时车速的数据库中查询调取得到。
4.根据权利要求1或2所述的一种城市道路交通状态阈值确定方法,其特征在于,所述步骤5中方法2)的具体流程为:首先从断开部分一个端值相邻的尾数为0和5的整数值中选择距该端值最近的一个数值,同样按此方法选择另一端值的距离最近的尾数为0或5整数值;
然后分别累加两个端值与两个选取的整数值的差值,并比较两个累加结果,用较小的一个累加结果所对应的整数值来更新断开部分两端的阈值限值,使两种实际交通状态的阈值衔接连续。
CN201410584325.9A 2014-10-27 2014-10-27 一种城市道路交通状态阈值确定方法 Expired - Fee Related CN104332048B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410584325.9A CN104332048B (zh) 2014-10-27 2014-10-27 一种城市道路交通状态阈值确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410584325.9A CN104332048B (zh) 2014-10-27 2014-10-27 一种城市道路交通状态阈值确定方法

Publications (2)

Publication Number Publication Date
CN104332048A CN104332048A (zh) 2015-02-04
CN104332048B true CN104332048B (zh) 2016-04-06

Family

ID=52406767

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410584325.9A Expired - Fee Related CN104332048B (zh) 2014-10-27 2014-10-27 一种城市道路交通状态阈值确定方法

Country Status (1)

Country Link
CN (1) CN104332048B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767698B (zh) * 2021-01-19 2022-03-11 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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19721750A1 (de) * 1997-05-24 1998-11-26 Daimler Benz Ag Verfahren zur Erfassung und Meldung von Verkehrslagedaten
CN101540103B (zh) * 2008-03-17 2013-06-19 上海宝康电子控制工程有限公司 交通信息采集及事件处理的方法与系统
CN102087788B (zh) * 2009-12-02 2012-12-19 上海济祥智能交通科技有限公司 基于浮动车车速置信度的交通状态参数估计方法
CN104021671B (zh) * 2014-05-16 2016-06-08 浙江银江研究院有限公司 一种svm与模糊判断相结合的道路实时路况的判断方法

Also Published As

Publication number Publication date
CN104332048A (zh) 2015-02-04

Similar Documents

Publication Publication Date Title
CN107742418B (zh) 一种城市快速路交通拥堵状态及堵点位置自动识别方法
CN104021671B (zh) 一种svm与模糊判断相结合的道路实时路况的判断方法
CN107798876B (zh) 基于事件的道路交通异常拥堵判断方法
Bonneson et al. Effect of yellow-interval timing on the frequency of red-light violations at urban intersections
CN111696348B (zh) 一种多功能的智能信号控制系统和方法
CN101127158B (zh) 预测交通信息生成方法、预测交通信息生成装置及交通信息显示终端
CN104715610B (zh) 一种面向城市交通的交通指数计算方法
Lu et al. Congestion evaluation from traffic flow information based on fuzzy logic
CN109243181A (zh) 交通事故预警方法、装置、终端设备及存储介质
CN105225500A (zh) 一种交通控制辅助决策方法及装置
CN101419750B (zh) 基于数据特征的城市信号控制路口交通状态检测评价方法
CN109147330A (zh) 一种拥堵识别方法及装置
CN106355885A (zh) 基于大数据分析平台的交通信号动态控制方法及系统
CN106710215B (zh) 瓶颈上游车道级交通状态预测系统及实现方法
CN103021176A (zh) 基于断面检测器的城市道路交通状态判别方法
CN105427610A (zh) 一种基于车路协同技术的交通管理方法
CN104157156A (zh) 一种高速公路危险路段车速动态管理预警方法
CN104240499A (zh) 一种基于微波数据的异常拥堵点判别方法
CN109147319B (zh) 一种基于多交通数据指标的道路突发事件判别方法
CN107016872B (zh) 快速生成交通广播路况信息发布稿的方法、介质和系统
CN104240505A (zh) 一种解读道路交通视频图像信息的方法
CN102426783B (zh) 基于车辆跟踪的低流量道路交通事件检测方法
CN201262784Y (zh) 基于数据特征的城市信号控制路口交通状态检测和评价系统
CN108091131A (zh) 一种交通事件识别方法及装置
CN109035775A (zh) 一种突发事件识别的方法及装置

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: 20160406

Termination date: 20191027

CF01 Termination of patent right due to non-payment of annual fee