CN106448188B - 基于分布式声传感数据的道路区间双向车流速度估计方法 - Google Patents
基于分布式声传感数据的道路区间双向车流速度估计方法 Download PDFInfo
- Publication number
- CN106448188B CN106448188B CN201610924278.7A CN201610924278A CN106448188B CN 106448188 B CN106448188 B CN 106448188B CN 201610924278 A CN201610924278 A CN 201610924278A CN 106448188 B CN106448188 B CN 106448188B
- Authority
- CN
- China
- Prior art keywords
- data
- detection
- speed
- section
- flow speeds
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于分布式声传感数据的道路区间双向车流速度估计方法。传统的速度检测方式对车流速度的估计主要是点式的、固定位置的,这种估计特性会导致不同路段的车流速度数据样本量不足和分布不均匀,进而影响交通管理者对相关交通参数设置的偏差。本发明基于分布式声传感系统的全路段、全时间的交通车流数据,利用最小二乘法直线拟合获取不同情况,不同时间段的车流速度估计,继而对数据处理获得各个时段区间车流平均速度估计。本发明设计新颖合理,安全便捷,安装成本低,性能可靠,能够实时快速获得车流车速,也能对数据进行后期处理。
Description
技术领域
本发明属于智能交通研究领域,涉及一种基于分布式声传感数据的道路区间双向车流速度估计方法。
背景技术
在城市交通和高速公路中,对车流速度进行科学准确的估计,可以为交通管理者和驾驶员提供动态车速控制和交通决策的依据,也为改进交通管理方法提供数据支持。
目前的道路交通中对车流车速的检测,主要依赖于地埋式环形感应线圈、雷达测速检测器、视频检测器等,这些检测方法存在着易损坏、埋设成本高、点式感应的缺陷;传统的速度检测方式对车流速度的估计主要是点式的、固定位置的,这种估计特性会导致不同路段的车流速度数据样本量不足和分布不均匀,进而影响交通管理者对相关交通参数设置的偏差;同时,当前判断整体交通状态的依据主要是某些时刻的交通数据,忽略了不同时间同一路段、不同方向交通流的差异,检测时间不同往往呈现出不同交通状态。分布式声传感系统有对长距离光纤转变为虚拟麦克风阵列的能力,它允许用户实时监控长距离线性财产,检测在管线附近发生的声学事件。应用这一技术可以直接辨别和测量车辆移动、阻塞和排队等交通特征,并在沿光纤的任何监测点实时的实现这种辨别和测量。分布式声传感技术可以在长距离,复杂路段情况下取代点式车速检测装置,并得到更全面、实时的交通数据,随着道路交通情况越来越复杂,交通管理者和使用者对车流车速信息的需求越来越迫切,建立一种基于分布式声传感的多维车辆速度估计方法十分必要。
发明内容
本发明的目的在于提供一种基于分布式声传感数据的道路区间双向车流速度估计方法。
为实现上述目的,本发明提出的利用分布式声学传感设备和系统,得到车辆在任意时刻经过任意监测断面的振动信息步骤、单独车辆行驶情况下的车速计算步骤、特定路段的车流平均车速估计步骤以及特定时间段内全路段的车流平均车速估计步骤。其具体步骤如下:
c1、利用分布式声学传感设备或系统,得到车辆在任意时刻经过任意监测断面的振动信息,通过分析光纤中的噪声特性确定车辆信息;
c2、个体车辆在某个监测断面的车速估计;
c3、特定时间段内全路段的车流平均车速估计。
步骤c1中得到车辆振动信息参数的过程包括:
c11、确定所需检测的路段及所需检测的时间范围。
c12、通过分布式声传感系统,得到所关注路段和时间的相关振动数据,并剔除背景噪声和相应的较小的振动数据。
c13、以监测路段的起始位置为横轴的零点,以监测起始时间为纵轴零点,并以时间为纵轴,检测区间为横轴建立直角坐标系。
c14、对获得的每个时间点的数据,以单个检测区间为单位,对每个检测区间内的振动幅度最大的前15%的数据取期望。
将得到的数据以检测区间位置为横轴X,时间为纵轴Y,标记在直角坐标系中。
步骤c2中对单独车辆在监测路段行驶情况下的车速估计的过程包括:
c21、选取检测单车行驶速度的路段,截取路段长度为Ls,单位为米,对应包含检测区间个数为Ns。
c22、该路段在整个监测路段中的位置为Xs1至Xs2,对应直角坐标系中横轴位置为X1至X2。
选取检测单车行驶速度的时间间隔为Ts(最小可以多少秒就能达到一定精度),单位为秒,在直角坐标系中对应纵轴位置为t1至t2。
c23、在所选取的区域内,对数据点进行最小二乘法直线拟合。设已知数据点为(xi,yi),i=1,2,…,m,对分布作拟合直线:
y(x)=ax+b
使直线与数据点的偏差的平方和:
达到最小值。对上式分别对a、b求偏导得:
整理后得到方程组:
求解上述方程组,求得拟合直线的参数a和b的最佳估计值:
代入式y(x)=ax+b中,得到拟合直线。
拟合直线斜率的绝对值|a|即为单独车辆行驶的速度,单位为米/秒。斜率的正负值代表行车方向,正值代表上行方向,负值代表下行方向。
步骤c3中对特定时间段内全路段的车流平均车速估计的过程包括:
c31、选取需要检测平均车流速度的时间段为Tt,单位为秒。Tt时间段内包含的离散时间点为tt1,tt2,...,ttm。对每个时间点t,在对应直角坐标系中,标出每个检测区间的数据点,在直角坐标系中形成Tt时间范围内全路段的车辆振动信息。
c32、根据每个存在车辆振动信息的区间,对区间内的数据点进行最小二乘法直线拟合。
设所选区间内每辆车辆对应的数据点为(xij,yij),其中i=1,2,…,m为每辆车对应的数据点总数,j=1,2,…,n为所选时间内在监测路段上行驶的车辆数。
对所得数据点进行最小二乘法直线拟合:
ytj=atjx+btj
使直线与数据点的偏差的平方和:
达到最小值。对上式分别对ai、bj求偏导得:
整理后得到方程组:
求解上述方程组,求得拟合直线的参数a和b的最佳估计值:
代入式yti=atix+bti中,得到拟合直线。
拟合直线斜率的绝对值ati即为在此时间范围内,该行驶路段中所有车辆的行驶速度,单位为米/秒,表示为vt1,vt2,...,vtn。行驶速度为正值代表车辆行驶方向为上行方向,负值代表下行方向。
c33、根据所得车辆速度的数据以正负值为依据,划分为两个车速集合分别为Vtc={vtc1,vtc2,...,vtca}以及Vta={vta1,vta2,...,vtab},其中Vtc表示下行方向,其元素为负值,Vtg表示上行方向,其元素为正值,且a+b=n。
c34、对所得的速度数据取算术平均值,得到该时间段内上行和下行车流车速的期望
得到该时间段内在监测路段行驶的车流平均车速估计。
本发明的有益效果:本发明基于分布式声传感系统的全路段、全时间的交通车流数据,利用最小二乘法直线拟合获取不同情况,不同时间段的车流速度估计,继而对数据处理获得各个时段区间车流平均速度估计。本发明设计新颖合理,安全便捷,安装成本低,性能可靠,能够实时快速获得车流车速,也能对数据进行后期处理。
附图说明
下面通过附图和实例对本发明的技术方案做进一步描述。
图1a为分布式声传感系统概念及配置图;图1b为单个车辆振动引起的光纤振动强度分布示意图;图1c全路段中车辆振动的数据信息分布图;
图2为单独车辆情况下的车辆振动数据点分布示意图;
图3为特定时间区间内的所有车辆振动信息的数据点分布图;
图4为本发明方法流程图。
具体实施方式
以下结合附图对本发明作进一步说明。
如图1a所示,本发明包括一个分布式传感检测单元,它与铺设在道路附近的单模光纤相连接,将光纤建立为完全分布式、无盲区的长距离侦听阵列,并获取每个侦听通道中的车辆振动信息。图1a中A表示单模光纤,B表示传感检测单元,C表示交通路段。
图1b为单个车辆振动引起的光纤振动强度分布示意图,路段上所有车辆引起的光纤振动数据,为本发明利用的原始数据。
如图1c所示,将振动信息处理后标在直角坐标系中,得到全路段中车辆振动的数据点信息。
单独车辆情况下的车辆振动数据点分布如图2所示,对应路段长度为Ls,单位为米,对应包含检测区间个数为Ns。在整个监测路段中的位置为Xs1至Xs2,对应直角坐标系中横轴位置为X1至X2。
选取检测单车行驶速度的时间间隔为Ts,单位为秒,在直角坐标系中对应纵轴位置为t1至t2。
在所选取的区域内,对数据点进行最小二乘法直线拟合。设已知数据点为(xi,yi),i=1,2,…,m,对分布作拟合直线:
y(x)=ax+b
使直线与数据点的偏差的平方和:
达到最小值。对上式分别对a、b求偏导得:
整理后得到方程组:
求解上述方程组,求得拟合直线的参数a和b的最佳估计值:
代入式y(x)=ax+b中,得到拟合直线。
拟合直线斜率的绝对值|a|即为单独车辆行驶的速度,单位为米/秒。斜率的正负值代表行车方向,正值代表上行方向,负值代表下行方向。
如图3所示为特定内时间段内所有车辆振动信息的数据点分布。
选取需要检测平均车流速度的时间段为Tt,单位为秒。Tt时间段内包含的离散时间点为tt1,tt2,…,ttm。对每个时间点t,在对应直角坐标系中,标出每个检测区间的数据点,在直角坐标系中形成Tt时间范围内全路段的车辆振动信息。
对车辆振动信息对应的数据点进行最小二乘法直线拟合,得到在该时间段内在监测路段上行驶的全部n辆车的行驶速度,单位为米/秒,表示为vt1,vt2,...,vtn。
根据所得车辆速度的数据以正负值为依据,分为两个车速集合分别为Vtc={vtc1,vtc2,…,vtca}以及Vta={vta1,vta2,...,vtab},其中Vtc表示下行方向,其元素为负值,Vtg表示上行方向,其元素为正值。对所得的速度数据取算术平均值,得到该时间段内上行和下行车流车速的平均车速估计
综上,本发明是通过分布式声传感系统获得监测路段中所有车辆的振动信息,通过处理这些离散信息,计算得到单独车辆行驶情况下的车速;对特定时间区间内所有检测断面的车流振动信息分析,得到特定时间段内全路段的车流平均车速估计,见图4。
Claims (3)
1.基于分布式声传感数据的道路区间双向车流速度估计方法,其特征在于该方法包括以下步骤:
步骤c1、利用分布式声传感系统,获取车辆在任意时刻经过任意检测断面的振动数据,通过分析光纤中的噪声特性确定车辆信息;
步骤c2、估计个体车辆在某个检测断面的车速;
步骤c3、估计某个时间段内全路段的车流平均车速;
步骤c1具体是:
c11、确定所需检测的路段及检测的时间范围;
c12、通过分布式声传感系统,获取检测路段在设定时间内的相关振动能量数据;
c13、利用统计学中的3σ原则,剔除振动能量数据中的背景噪声数据;
c13、以检测路段的起始位置为横轴的零点,以检测起始时间为纵轴零点,并以时间为纵轴,检测区间为横轴建立直角坐标系;
c14、将某个检测时段下的某个检测区间定义为一个基本检测单元,针对每一个基本检测单元,按照振动能量的空间分布特性,确定分类个数及分类方法,分类的个数是振动能量分布中的波峰个数;
c15、针对每一个基本检测单元中的每一类数据按照振动能量大小进行排序,并取前α%位数据的数学期望作为本类数据的特征点,该特征点称为本类数据的质心;
c16、将所有基本检测单元中每一类的质心数据以时间为纵轴、以检测区间位置为横轴,标记在直角坐标系中。
2.根据权利要求1所述的基于分布式声传感数据的道路区间双向车流速度估计方法,其特征在于:步骤c2具体是:
c21、选取检测路段,截取路段长度为LS,单位为米,对应包含检测区间个数为NS,该路段在整个监测路段中的位置为XS1至XS2,对应直角坐标系中横轴位置为X1至X2;
c22、选取速度检测的基本时间间隔为TS,单位为秒;
c23、针对某个检测区间,按照数据之前的时空关联特性将所有数据质心进行分组;
c24、针对检测区间内的每一组质心数据,对数据点进行最小二乘法直线拟合,得到拟合直线;其中,拟合直线斜率的绝对值|a|即为个体车辆行驶速度,单位为米/秒。
3.根据权利要求2所述的基于分布式声传感数据的道路区间双向车流速度估计方法,其特征在于:步骤c3具体是:
C31、根据个体车辆速度正负值完成车辆运动方向分类,负值车速表征车辆向上游运动,正值车速表征车辆向下游运动,分为两个车速集合分别为Vtc={vtc1,vtc2,…vtca}以及Vtg={vtg1,vtg2,…vtgb},其中Vtc表示向上游运动的车辆速度,其元素为负值,Vtg表示向下游运动的车辆速度,其元素为正值;
C34、对所有检测区间的正值和负值速度分别计算其平均值,得到某个时间段内两个方向的车流速度期望
得到该时间段内在监测路段行驶的车流平均车速估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610924278.7A CN106448188B (zh) | 2016-10-29 | 2016-10-29 | 基于分布式声传感数据的道路区间双向车流速度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610924278.7A CN106448188B (zh) | 2016-10-29 | 2016-10-29 | 基于分布式声传感数据的道路区间双向车流速度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106448188A CN106448188A (zh) | 2017-02-22 |
CN106448188B true CN106448188B (zh) | 2018-11-16 |
Family
ID=58175916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610924278.7A Expired - Fee Related CN106448188B (zh) | 2016-10-29 | 2016-10-29 | 基于分布式声传感数据的道路区间双向车流速度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106448188B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113299074B (zh) * | 2021-04-28 | 2022-07-12 | 广州铁路职业技术学院(广州铁路机械学校) | 一种基于分布式光纤监测汽车超速的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1445748A2 (en) * | 2001-02-15 | 2004-08-11 | Qinetiq Limited | Road traffic monitoring system |
CN102521988A (zh) * | 2011-12-02 | 2012-06-27 | 哈尔滨工业大学 | 车辆行驶速度及位置光纤光栅测定系统 |
CN104700624A (zh) * | 2015-03-16 | 2015-06-10 | 电子科技大学 | 基于相敏光时域反射仪的车流量在线监测系统及监测方法 |
CN105122328A (zh) * | 2013-04-26 | 2015-12-02 | 光学感应器控股有限公司 | 交通监控 |
-
2016
- 2016-10-29 CN CN201610924278.7A patent/CN106448188B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1445748A2 (en) * | 2001-02-15 | 2004-08-11 | Qinetiq Limited | Road traffic monitoring system |
CN102521988A (zh) * | 2011-12-02 | 2012-06-27 | 哈尔滨工业大学 | 车辆行驶速度及位置光纤光栅测定系统 |
CN105122328A (zh) * | 2013-04-26 | 2015-12-02 | 光学感应器控股有限公司 | 交通监控 |
CN104700624A (zh) * | 2015-03-16 | 2015-06-10 | 电子科技大学 | 基于相敏光时域反射仪的车流量在线监测系统及监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106448188A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106600981B (zh) | 基于分布式传感信息的道路断面双向车辆速度估计方法 | |
CN106205114B (zh) | 一种基于数据融合的高速公路路况信息实时获取方法 | |
CN109544932A (zh) | 一种基于出租车gps数据与卡口数据融合的城市路网流量估计方法 | |
CN104021676B (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN104792937B (zh) | 一种基于车载重力加速度传感器的桥头跳车检测评价方法 | |
CN111582160B (zh) | 基于分布式光纤传感系统的车辆轨迹提取方法及装置 | |
CN106123897A (zh) | 基于多特征的室内融合定位方法 | |
CN105788295B (zh) | 一种交通流量的检测方法及装置 | |
CN104750963B (zh) | 交叉口延误时长估计方法及装置 | |
CN105389978B (zh) | 封闭快速道路监测系统及监控数据处理方法 | |
CN110930693B (zh) | 一种用于道路断面的在线短时交通流预测方法 | |
CN104794895A (zh) | 一种面向高速公路的多源交通信息融合方法 | |
Zhao et al. | The creation of a representative driving cycle based on intelligent transportation system (ITS) and a mathematically statistical algorithm: A case study of Changchun (China) | |
Takenouchi et al. | Traffic state estimation and its sensitivity utilizing measurements from the opposite lane | |
CN105989710B (zh) | 一种基于音频的车辆监控装置及方法 | |
CN106448188B (zh) | 基于分布式声传感数据的道路区间双向车流速度估计方法 | |
CN113436442B (zh) | 一种利用多地磁传感器的车速估计方法 | |
CN106803348A (zh) | 一种基于卡口的高架道路车辆行程时间短时预测方法 | |
KR100378956B1 (ko) | 음향을 이용한 교통 감지 장치 | |
Hao et al. | Modal activity-based vehicle energy/emissions estimation using sparse mobile sensor data | |
CN103198710A (zh) | 一种基于减小车辆追尾事故数量的车辆调控方法 | |
CN110514861A (zh) | 一种利用振幅谱自相关的高铁运行速度估计方法 | |
CN113506440B (zh) | 一种拉格朗日坐标系下多源数据融合的交通状态估计方法 | |
Habtie et al. | Cellular network based real-time urban road traffic state estimation framework using neural network model estimation | |
CN205247622U (zh) | 一种车辆排队长度监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181116 Termination date: 20201029 |