CN105355049A - 一种基于宏观基本图的高速公路运行状态评价方法 - Google Patents

Abstract

本发明公开了一种基于宏观基本图的高速公路运行状态评价方法，包括以下几个步骤：步骤1：预处理数据；步骤2：计算宏观基本图模型参数；步骤3：建立宏观基本图模型；步骤4：聚类方法DBSCAN设计与实现；最后得到的数据类阈值范围，通过给出高速公路收费站数据，判断路网的交通状态。本发明适用于高速公路路网，利用高速公路实际收费数据，保证结果真实有效，再通过计算路网平均流量、平均占有率确定路网宏观基本图的主要参数，为建模提供基础，该模型能够直观地反映高速路网宏观运行状态及其演变过程。

Description

一种基于宏观基本图的高速公路运行状态评价方法

技术领域

本发明涉及一种高速公路运行状态评价方法，特别是一种利用宏观基本图模型评价高速公路交通运行状态的评价方法，属于智能交通技术领域。

背景技术

近年来，我国高速公路建设快速发展，但同时，运行过程中仍存在交通安全、交通拥挤、环境污染及管理不科学等问题，节假日和早晚高峰期问题尤为突出。对高速公路路网运行状态评价能够直观地反映高速路网运行状态，对有效管理和运营高速公路、充分发挥和协调高速路网通行能力起着关键的作用。

目前，城市道路网交通状态评价指标体系相对完善，能够为交通参与者提供直观的交通状态的感知。但目前国内对高速公路运行状态评价的研究还比较零散，且大部分为针对微观交通状态研究的单指标或多指标评价方法，无法直观地量化宏观交通运行状态的变化及演变过程，针对上述问题，就必须研究一套与我国高速公路设施条件和运行状况相适应的宏观运行状态评价方法。

高速路网运行状态评价方法分为宏观和微观两个层面。微观层面评价方法主要是选取平均车速、平均行程延误、饱和度、时间占有率等一个或多个交通指标进行交通评价。但是，各指标及权重的确定具有不确定性，因为不同的高速公路路段、同一路段的不同时间，不同指标对高速路网运行状态反映的重要程度是不同的。而宏观基本图模型能够直观反应高速路网宏观的运行状态及演变过程，且通过聚类算法可以实现交通状态评价，该方法具有十分重要的现实意义。

现有的一些专利中，已有一些对高速路网交通流运行状态评价的方法。申请号为：200910306882，专利《一种基于视频的高速公路交通拥堵状态检测方法》中提出了一种基于视频的宏观的高速公路交通拥堵状态检测方法，但是该方法对高速公路视频检测器布设有较高要求，对现阶段我国高速公路状态评价具有局限性；申请号为：201410069892，专利《基于多断面视觉传感聚类分析的交通流状态判别方法》中提出基于多断面视觉传感聚类分析的交通流状态判别方法，通过道路边设置的PTZ视频摄像机获取交通流数据，采用聚类分析的方法判断高速公路道路交通流状态，应用条件十分限制；申请号为：201210084221.2，专利《一种区域交通状态评价方法》中提出了一种基于路段平均行程时间的单指标区域交通状态评价方法，应用模糊综合评价方法，但该评价方法只适用于城市区域路网，对区域高速路网不适用；申请号为：200910237285，专利《一种基于信息融合的高速公路交通状态识别方法》中提出了传统支持向量机信息融合的高速公路交通状态识别方法，但该评价方法只在理论上进行了算法设计，没有实例验证。

发明内容

为了解决上述问题，本发明提出一种基于我国现有高速公路数据源，利用宏观基本图模型建模，对模型样本点进行聚类，能够对区域高速路网运行状态进行评价，判断交通状态的方法。

本发明的一种高速路网运行状态评价方法，通过下述步骤实现：

步骤1：预处理数据；

以高速公路收费数据作为数据基础，收费数据采集间隔1min，采集数据包括车辆编号、进出收费站时间、进出收费站ID编号、车辆类型、车重，利用阈值法和四分位法对收费数据原始数据筛选过滤。

首先利用阈值法对超常数据予以剔除，对于小于5min或大于24h的行程时间(行程时间指车辆进出收费站的时间差)数据，可认为是“超常”数据予以剔除。再利用四分位法对有效数据过滤，四分位法计算公式为：

G＝[M_0.25-1.5R,M_0.75+1.5R]

其中，G表示有效数据区间，凡是落在G外的数据都需要过滤；M_0.25和M_0.75分别为将所有行程时间按从小到大的顺序排列并分成四等分，处于第一、三分割点位置的取值；R表示四分位级差。

步骤2：计算宏观基本图模型参数；

利用最短路算法求解路网任意两点间最短路径长度，导入到对应起始ID编号的收费数据中，得到各车辆行驶里程，由各车辆行程里程除以对应行程时间，可以推算各车辆空间平均速度。计算路网每5min流量的非加权平均值，并利用各车辆求得的流量、空间平均速度值求解平均密度。非加权平均值的计算公式为：

$q^u={\mathrm{\Σ}}_i\frac{q_i}{N}$

$k^u=\frac{q^u}{\stackrel{\‾}{u}}$

其中：q^u表示路网的非加权平均流量；i、N分别表示路段i和路网中路段的数量，i＝1,2,…,N；q_i表示路段i的流量；k^u为平均密度，为由收费数据计算得到的各车辆空间平均速度。

步骤3：建立宏观基本图模型；

以每5min为时间间隔输出流量、占有率数据，根据非加权公式计算每5min平均流量、平均占有率，以平均占有率为x轴、平均流量为y轴建立坐标系，将输出数据绘制成散点图，得到该路网的宏观基本图。

步骤4：聚类方法DBSCAN设计与实现；

为了对宏观基本图中平均交通量及密度的散点进行分类以划分不同交通状态对应的阈值，采用基于密度标准的DBSCAN聚类方法，将上述求解得到的平均流量、平均密度的数据集聚为5个数据类，5个数据类分别对应从畅通到拥堵的不同交通状态，以实现对交通状态分类和评价；

具体为：

(1)设置聚类方法DBSCAN中参数；

设置搜索半径ePS(设置为1.4)；最少密度阈值MinPts(设置为5)；

(2)顺序读入文本文件中的数据；

顺序读入文件中存放的二维点数据，即宏观基本图交通模型中所有平均流量(Y坐标)、平均密度(X坐标)数据点的数据集合，存入pointlist中，该集合存放输入点的相关信息；

(3)判断点是否为核心点；

从pointlist中顺序读入一个点，如果该点没有被标记(不属于某个聚类)，计算该点与所有其他点的距离，若两点间距离小于最小半径ePS，则把这两个点放入tmplst数组中，并且计数；如果两点间距离大于最小半径ePS，则跳过这个点继续下一个点；最后总数大于等于最小密度阈值，则将tmplst中的元素标记分过组了，将标记分过组的元素作为一个聚类放入一个结果数组resultlist中，如果该点被标记则跳过这个点，继续下一个点的判断，直到所有点被判断一次；

(4)合并聚类，对resultlist中的元素进行合并；

对resultlist中的核心点所在的聚类进行判断和比较，如果有相同的元素，则合并这两个聚类，形成一个新的聚类，重复以上步骤，直到不再产生新的聚类为止；

(5)输出聚类结果和噪声点；

通过上述步骤，集合D划分为5个数据类，数据类阈值范围从小到大分别对应完全畅通、畅通、基本畅通、拥堵、严重拥堵5个交通状态；通过得到的数据类阈值范围，给出高速公路收费站数据，就可以判断得到相应的交通状态。

在算法流程图附图4中，最小半径ePS,最小密度阈值MinPts,存放数据点的结构体pointlist，记录输入点的相关信息point，暂时存放两点之间距离小于半径ePS的点，存放最后的聚类对象resultlist。

本发明的优点在于：

(1)本发明适用于高速公路路网，利用高速公路实际收费数据，保证结果真实有效，再通过计算路网平均流量、平均占有率确定路网宏观基本图的主要参数，为建模提供基础，该模型能够直观地反映高速路网宏观运行状态及其演变过程；

(2)本发明聚类分析算法不再采用距离标准，采用密度标准，该算法可以发现任意形状的聚类簇，对于无法定义距离的数据也可以进行聚类，该聚类算法更加科学地将交通状态基于散点间密度分为几类以实现状态评价；

(3)本发明克服了现有评价高速路网方法技术中选取因素多、模型复杂、主观性强等缺点和不足，提供了一种高速公路路网宏观交通状态评价方法，能够准确地反映宏观路网交通运行状态。

附图说明

图1为本发明评价流程图；

图2为本发明中宏观基本图建模方法；

图3为本发明中宏观基本图；

图4为本发明中DBSCAN聚类算法设计流程图；

图5为本发明中聚类结果图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步阐述。

本发明的一种基于宏观基本图的高速公路运行状态评价方法，流程如图1所示，通过下述步骤实现：

步骤1：预处理数据；

本发明利用安徽省高速公路的收费数据，数据空间范围涵盖安徽省域高速路网北至皖豫、皖苏省界，南至宿松，西至界首，东至吴庄共164个收费站点；时间范围为2012年7月15日至2012年7月23日涵盖工作日、双休日共9天凌晨0:00至夜间24:00全天高速公路收费数据；数据类型为车辆编号、进出收费站时间、进出收费站ID编号、车辆类型、车重，收费数据采集间隔为1min。

本发明首先利用阈值法对超常数据予以剔除，以安徽省高速公路收费数据为例，对于小于5min或大于24h的行程时间数据，可认为是“超常”数据予以剔除。再利用四分位法对有效数据过滤，四分位法计算公式为：

G＝[M_0.25-1.5R,M_0.75+1.5R]

其中，G表示有效数据区间，凡是落在G外的数据都需要过滤；M_0.25和M_0.75分别为将所有行程时间按从小到大的顺序排列并分成四等分，处于第一、三分割点位置的取值；R表示四分位级差。

步骤2：计算宏观基本图模型参数；

利用最短路算法求解路网任意两点间最短路径长度，导入到对应起始ID编号的收费数据中，得到各车辆行驶里程，由各车辆行程里程除以对应行程时间，可以推算各车辆空间平均速度。计算路网每5min流量的非加权平均值，并利用各车辆求得的流量、空间平均速度值求解平均密度。非加权平均值的计算公式为：

$q^u={\mathrm{\Σ}}_i\frac{q_i}{N}$

$k^u=\frac{q^u}{\stackrel{\‾}{u}}$

其中：q^u表示路网的非加权平均流量；i、N分别表示路段i和路网中路段的数量，i＝1,2,…,N；q_i表示路段i的流量；k^u为平均密度，为由收费数据计算得到的各车辆空间平均速度。

根据非加权计算公式处理交通流数据，得到路网平均流量和平均密度，绘制路网平均流量-平均密度的散点关系图，具体方法如附图2所示。

步骤3：建立宏观基本图模型；

以每5min为时间间隔计算平均流量、平均占有率数据，以平均占有率为x轴、平均流量为y轴建立坐标系，将输出数据绘制成散点图，得到该路网的宏观基本图，如附图3所示。该附图可以描述路网从畅通到拥堵的不同交通状态及演化过程，平均流量随平均密度呈现较好的相关性，在密度到达阻塞密度前，流量随密度增加而增加，当到达阻塞密度后，随平均密度增加路网平均密度减小。

步骤4：聚类算法DBSCAN设计与实现；

对宏观基本图模型中散点聚类，采用基于密度标准的DBSCAN聚类方法，对散点分类，以实现对交通状态分类和评价；

DBSCAN算法输入：宏观基本图交通模型中所有平均流量、平均密度数据点的数据库；搜索半径ePS设置为1.4；最少数目MinPts设置为5；

DBSCAN算法流程：从平均流量、平均密度数据点的数据库中任一点开始，检测离群点，确定不同点簇中心点，查找围绕核心点的同类点簇，通过不断查找形成完整的平均流量、平均密度的分类簇直至所有点都被处理分类；取任一点p，计算其邻域内点数，若其大于设置最少数目MinPts，则输出结果，若不满足则删除该点重新循环；

DBSCAN算法输出：达到交通流密度要求；所有生成的簇(即不同交通状态类别)；

步骤5：高速公路路网交通状态评价结果。

以平均密度为聚类中心，划分5个聚类类别的聚类结果如下表所示。

表1基于DBSCAN聚类算法交通状态分类表

本发明基于样本点密度，对交通状态进行划分，结合国家标准，将交通状态划分为5个等级，交通密度阈值点分别为8.2947、11.6130、14.5673、17.4404及27.7823，分别对应完全畅通、畅通、基本畅通、拥堵和严重拥堵。

本发明利用安徽省实际数据作为数据基础，保证数据真实有效且应用性强；宏观基本图能够描述路网由畅通到拥堵的演化过程，表征了路网不同运行状态；在建立宏观基本图基础上，为了对状态进行精确划分，选取基于密度划分方法的DBSCAN聚类算法，对路网状态进行精确划分，实现了高速公路路网运行状态的评价。

Claims (2)

1.一种基于宏观基本图的高速公路运行状态评价方法，包括以下几个步骤：

步骤1：预处理数据；

以高速公路收费数据作为数据基础，收费数据采集间隔1min，采集数据包括车辆编号、进出收费站时间、进出收费站ID编号、车辆类型、车重，利用阈值法和四分位法对收费数据原始数据筛选过滤；

步骤2：计算宏观基本图模型参数；

利用最短路算法求解路网任意两点间最短路径长度，导入到对应起始ID编号的收费数据中，得到各车辆行驶里程，由各车辆行程里程除以对应行程时间，得到各车辆空间平均速度；计算路网每5min流量的非加权平均值，并利用各车辆求得的流量、空间平均速度值求解平均密度；非加权平均值的计算公式为：

$q^u={\Σ}_i\frac{q_i}{N}$

$k^u=\frac{q^u}{\stackrel{\‾}{u}}$

其中：q^u表示路网的非加权平均流量；i、N分别表示路段i和路网中路段的数量，i＝1,2,…,N；q_i表示路段i的流量；k^u为平均密度，为由收费数据计算得到的各车辆空间平均速度；

步骤3：建立宏观基本图模型；

以每5min为时间间隔输出流量、占有率数据，根据非加权公式计算每5min平均流量、平均占有率，以平均占有率为x轴、平均流量为y轴建立坐标系，将输出数据绘制成散点图，得到该路网的宏观基本图；

步骤4：聚类方法DBSCAN设计与实现；

具体为：

(1)设置聚类方法DBSCAN中参数；

设置搜索半径ePS为1.4；最少密度阈值MinPts为5；

(2)顺序读入文本文件中的数据；

顺序读入文件中存放的二维点数据，即宏观基本图交通模型中所有平均流量、平均密度数据点的数据集合，存入pointlist中，该集合存放输入点的相关信息；

(3)判断点是否为核心点；

从pointlist中顺序读入一个点，如果该点没有被标记，计算该点与所有其他点的距离，若两点间距离小于最小半径ePS，则把这两个点放入tmplst数组中，并且计数；如果两点间距离大于最小半径ePS，则跳过这个点继续下一个点；最后总数大于等于最小密度阈值，则将tmplst中的元素标记分过组了，将标记分过组的元素作为一个聚类放入一个结果数组resultlist中，如果该点被标记则跳过这个点，继续下一个点的判断，直到所有点被判断一次；

(4)合并聚类，对resultlist中的元素进行合并；

对resultlist中的核心点所在的聚类进行判断和比较，如果有相同的元素，则合并这两个聚类，形成一个新的聚类，重复以上步骤，直到不再产生新的聚类为止；

(5)输出聚类结果和噪声点；

通过上述步骤，集合D划分为5个数据类，数据类阈值范围从小到大分别对应完全畅通、畅通、基本畅通、拥堵、严重拥堵5个交通状态；

得到的数据类阈值范围，通过给出高速公路收费站数据，判断路网的交通状态。

2.根据权利要求1所述的一种基于宏观基本图的高速公路运行状态评价方法，所述的步骤1中：

利用阈值法对采集数据中超常数据予以剔除，对于小于5min或大于24h的行程时间数据，予以剔除，得到有效数据；

利用四分位法对有效数据过滤，四分位法计算公式为：

G＝[M_0.25-1.5R,M_0.75+1.5R]

其中，G表示有效数据区间，M_0.25和M_0.75分别为将所有行程时间按从小到大的顺序排列并分成四等分，处于第一、三分割点位置的取值，R表示四分位级差。