CN106530717B

CN106530717B - 基于云模型的施工路段行车险态评价方法

Info

Publication number: CN106530717B
Application number: CN201611220558.6A
Authority: CN
Inventors: 张驰; 张宏; 刘时雨; 王世伟; 宫权利; 袁长伟; 毛新华; 沈照庆
Original assignee: Changan University
Current assignee: Changan University
Priority date: 2016-12-26
Filing date: 2016-12-26
Publication date: 2019-02-05
Anticipated expiration: 2036-12-26
Also published as: CN106530717A

Abstract

本发明提供一种基于云模型的施工路段行车险态评价方法，其主要实现过程为：(1)数据采集，原始数据库建立；(2)选定输入变量；(3)输入变量初始概念划分；(4)概念跃升并提取云特征值；(5)构建规则库并确定权重值；(6)找到激活强度最大值，确定所处的概念等级；(7)规则库访问，得到险态程度等级；(8)计算行车险态的具体评分，完成定量评价；本发明将云模型理论应用于施工路段的行车险态评价中，综合考虑了模糊性和随机性，具有更强的适应性。

Description

基于云模型的施工路段行车险态评价方法

技术领域

本发明涉及道路交通安全技术领域，尤其涉及一种基于云模型的施工路段行车险态评价方法。

背景技术

云模型具有宏观精确、微观模糊、宏观可控、微观不可控的特点，其本质单位是云滴组成的概念云，思想是兼顾了随机性和模糊性。云模型是用语言值表示的某个定性概念与其定量表示之间的双向认知模型，用以反映自然语言中概念的不确定性，不但可以通过经典的概率论和模糊数学给出解释，而且反映了随机性和模糊性之间的关联，尤其是用概率的方法去研究模糊性，构成定性与定量之间的相互映射。

在行车险态评价中，由于专家经验和知识的不同，导致指标数值等级划分的随机性，且评价指标在实际测量过程中也会受到外界环境与人为因素等的影响，导致在概念划分的临界区域可能会被归为两个不同的等级，因此也造成了分类过程中的模糊性。因此行车险态评价问题是随机性与模糊性的综合。

施工路段是为高速路段路面养护和维修作业所设置的交通管理区域，它是从第一个施工警告标志到施工结束标志之间所包含的区域。典型的双向四车道高速公路养护施工作业区一般划分为警告区、上游过渡区、缓冲区、工作区、下游过渡区及终止区六个组成部分，如图1所示。

对于高速公路施工路段行车险态评价方面的研究，同济大学的吴兵、杨佩昆基于灰色系统理论，建立了道路养护作业时的交通事故风险度预测模型；吴兵、刘开开运用系统分析理论，对公路养护施工的安全保障问题进行了分析，运用贝叶斯理论，推断公路养护施工的事故发生概率，构建了风险评价指标并提出风险控制策略。吉林大学吴彪、许洪国等从人-车-路及环境系统的观点出发，提出了高速公路施工路段交通安全影响因素体系，基于DEMATEL，ISM、集成DEMATEL-ISM三种方法构建作业区交通安全影响因素辨识模型。但是大多数行车险态评价方法基于确定性方法，然而交通信息中存在很多不确定性，行车险态评价中的不确定性成为重要研究方向，目前还没有此类方法。

发明内容

本发明的目的是克服现有道路施工区安全设施与技术的不足，提出一种基于云模型的施工路段行车险态评价方法，集减速、测速、信息反馈、数据采集和出行服务于一体，以期减少施工作业过程对交通安全的影响，提升人们出行体验。

为达成上述目的，本发明所采用的技术方案如下：

基于云模型的施工路段行车险态评价方法，包括以下步骤：

(1)选取研究的施工路段上游过渡区作为数据采集目标区域，采集交通量、车辆行驶速度、车辆减速度，交通冲突数四类型数据；并对数据进行统计分析和筛选剔除，建立数据库；

(2)根据步骤(1)中的数据，计算一定时间内的车辆平均减速度，车辆速度变异系数，并进行该段时间内的交通量与交通冲突数的统计，将这四类数据作为应用于云模型的有效数据；并利用逆向云发生器获取交通量、车辆速度变异系数、车辆平均减速度的云模型特征值，得到各自初始概念树；

(3)对步骤(2)中的交通量、车辆速度变异系数、车辆平均减速度进行概念跃升，并提取各自的云特征值；利用交通冲突数构建险态程度等级云模型，并转化成百分制；

(4)将交通量、车辆速度变异系数、车辆平均减速度数据作为推理条件，将险态程度等级作为推理结果，构建规则库；根据专家打分法确定三个评价指标的权重值；

(5)计算对于输入的三个特定值在各自概念树中的激活程度，找到最大确定度，确定评价指标所处等级，然后对步骤(4)中的规则库进行访问，得到险态程度等级，完成施工路段行车险态的定性评价；

(6)结合评价指标在各自概念等级中的确定度，结合其对应权重，计算出险态程度云模型的确定度，利用后件云发生器得到行车险态的具体评分，完成施工路段行车险态的定量评价。

进一步，其中步骤(3)中利用交通冲突数构建险态程度等级云模型是对每小时交通冲突数进行数据分析，提取出四朵云并进行百分制打分的归一化处理，对应四种施工路段行车险态程度的状况，即“安全(Ⅰ)、较安全(Ⅱ)、较危险(Ⅲ)、危险(Ⅳ)”。

进一步，其中步骤(4)中交通量、车辆速度变异系数、车辆平均减速度的权重值分别为0.25、0.4和0.35。

进一步，其中步骤(3)中的概念跃升是根据公式分别计算交通量、车辆速度变异系数、车辆平均减速度的高斯云概念含混度，若CD＞β(此处取β＝0.5表示概念雾化分界情况)，则概念数m_j＝m_j-1(j＝1,2,3)，重新进行概念划分；否则输出m_j(j＝1,2,3)个含混度小于0.5的高斯云。

进一步，其中交通冲突分为强制合流冲突和追尾冲突两种，冲突数统计原则如下：1)强制换道合流时车辆被迫急刹车缓行，甚至停车等待均属于冲突；2)同一车道内后车为保证与前车具有足够的安全距离而紧急刹车属于冲突。

进一步，步骤(1)中采用拉依达准则进行异常数据的剔除。

本发明主要从模糊性与随机性是不确定性的两个重要方面两个方面着手分析，思考用云模型解决问题，并最终建立了基于云模型的施工路段行车险态评价方法，与现有技术相比，本发明方法具有以下优点和有益效果：

(1)本发明方法从宏观与微观、定性与定量的角度研究施工路段行车险态评价，该评价方法考虑因素更加全面，且该方法使得评价指标具有可扩充性，这解决了传统的险态评价方法存在的由于参数选取不同而导致评价结果差异较大的问题；

(2)本发明综合考虑了模糊性和随机性，相比传统的评价方法而言，对于施工路段这种多因素复杂作用下的险态评价具有更强的适应性；

(3)本发明首次将云模型理论应用于施工路段的行车险态评价中，拓展了云模型的应用范围。

附图说明

图1为施工路段示意图

图2为评价指标概念划分云图

图3为险态程度得分云图

图4为施工路段行车险态评价方法应用流程图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图示说明如下。

本发明针对施工路段行车条件复杂，交通安全影响因素复杂等特点，利用云模型从宏观和微观的角度综合考虑车辆运行的交通冲突程度，提出一种基于云模型的施工路段行车险态评价方法。

如图4所示，本发明包括以下步骤：

1)选取研究的施工路段上游过渡区作为数据采集目标区域，将目标区域的前端作为数据采集断面，采集该断面上一定时间内(如一天)的交通量、车辆行驶速度、车辆减速度，并结合视频摄像法提取施工区上游及过渡区内交通冲突数，保存四种数据作为样本原始数据库；

2)对采集到的速度数据进行统计分析和数据筛选，计算均值与标准差，并采用拉依达准则进行异常数据的剔除；

3)利用数据筛选后的数据，计算一定时间内(如一小时)施工路段车辆的速度变异系数，并计算该段时间内的车辆平均减速度，再从原始数据库中按照该段时间进行交通量与交通冲突数的统计，将交通量、车辆速度变异系数、车辆平均减速度、交通冲突数作为应用于云模型的有效数据；

4)采用逆向云发生器对步骤3)中所得的交通量、车辆速度变异系数、车辆平均减速度分别获取各类数据的云模型特征值{Ex,En,He}，得到三类数据各自的初始概念树；

5)采用自适应高斯云变换分别对步骤4)中三类数据的初始概念树进行概念跃升，达到人们的概念认知水平，并提取各类评价指标的概念划分云特征值；

6)利用交通冲突数构建险态程度等级云模型，并转化成百分制为后期量化评分做准备。

7)根据专家知识和经验，结合实测交通冲突数，将交通量、车辆速度变异系数、车辆平均减速度数据作为推理条件，将险态程度等级作为推理结果，共同建立一系列推理规则，构成规则库。并采用专家打分法确定三个评价指标的权重值。

8)计算对于输入的三个特定值交通量、车辆速度变异系数、车辆平均减速度在各自概念树中的激活强度，并找到激活强度最大值即确定度，从而确定该评价指标所处的概念等级。

9)根据每个评价指标的概念等级，对步骤7)所建立的规则库进行访问，得到险态程度等级，完成对施工路段行车险态的定性评价。

10)根据步骤8)中评价指标在各自概念等级中的确定度，结合其对应权重，计算出险态程度云模型的确定度，再利用后件云发生器输入该确定度到步骤9)中得到的险态程度等级云模型内，输出一系列具有指定确定度的云滴。计算生成云滴的几何重心，即为行车险态的具体评分，完成对施工路段行车险态的定量评价。

该基于云模型的施工路段行车险态评价方法主要安装在道路施工区提前警告段。

云模型是一种可以实现定性定量双向转换的认知模型，通过期望Ex、熵En和超熵He这三个数字特征来反映人类认知过程中的概念的不确定性，随机性和模糊性是不确定性的两个基本特征，两者的关联性在云模型中得到了很好的诠释。

对于施工路段复杂的车辆运行状况也是不确定性数据中的一种，考虑交通量的情况下，通过对速度数据与减速度数据的处理，运用云变换、云推理的技术实现施工路段的车辆运行险态评价，这是本发明的核心。

本发明利用云模型从宏观和微观的角度综合考虑车辆运行的危险程度，提出一种基于云模型的施工路段车辆运行险态评价方法。

下面以某高速公路施工路段为例，进行该方法的说明，其具体过程如下：

(1)选取该施工路段上游过渡区的前端与后端作为数据采集断面，获取车辆速度数据与减速度数据，而后结合视频摄像法按每小时提取施工区上游及过渡区内交通量与交通冲突数。其中交通冲突主要分为强制合流冲突和追尾冲突两种，冲突数统计原则如下：①强制换道合流时车辆被迫急刹车缓行，甚至停车等待均属于冲突；②同一车道内后车为保证与前车具有足够的安全距离而紧急刹车属于冲突。

(2)根据车速v_i的样本数据，计算其均值并计算标准差其中i＝1,2,3,...,N，N为观测样本量。利用统计学中Q-Q图检验可知，车速v_i的样本数据符合正态分布，故可采用拉依达准则进行异常数据的剔除，在正态分布中x表示观测值，μ表示均值，σ表示标准差，检验准则为P(|x-μ|＞3σ)≤0.3％，即观测值分布在(μ-3σ,μ+3σ)中的概率为0.9974，超出这个范围的可能性仅占不到0.3％，有理由认为超出该范围的观测值为异常值，故予以剔除。

(3)采用剔除异常值后的数据作为有效数据样本集，计算车辆速度变异系数并分别统计交通量、车辆速度变异系数、车辆平均减速度的频度分布p(Q_i)、p(CV_i)、p(a_i)的波峰数量记为m₁、m₂、m₃，作为概念数量的初始值；

(4)利用启发式高斯云变换将数据样本集分别聚类成m₁、m₂、m₃个高斯云C(Ex_k,En_k,He_k)，其中k＝1,2,3,...,m_j(j＝1,2,3)，

(5)根据公式分别计算交通量、车辆速度变异系数、车辆平均减速度的高斯云概念含混度CD_Q、CD_v、CD_a，按数据类型分别将含混度进行排序，对每类数据中每个高斯云的含混度进行判断，若CD＞β(此处取β＝0.5表示概念雾化分界情况)，则概念数m_j＝m_j-1(j＝1,2,3)，重新进行步骤4)；否则输出m_j(j＝1,2,3)个含混度小于0.5的高斯云。通过该步骤可获得交通量(pcu/h)概念划分云C_Q(Ex_k,En_k,He_k),k＝4，车辆速度变异系数概念划分云C_cv(Ex_k,En_k,He_k),k＝4，车辆平均减速度概念划分云C_a(Ex_k,En_k,He_k),k＝4，根据人类概念认知水平对上述概念划分进行标准化，得到评价指标云特征值如表1，并绘制云模型图像如图2。

表1评价指标云特征值

交通量Q概念划分	Ex	En	He
				Ⅰ	600	100	13
Ⅱ	1000	100	15
				Ⅲ	1400	100	15
Ⅳ	1800	100	13
				车辆速度变异系数CV概念划分	Ex	En	He
Ⅰ	0.15	0.05	0.01
				Ⅱ	0.35	0.05	0.01
Ⅲ	0.60	0.05	0.01
				Ⅳ	0.85	0.05	0.01
车辆平均减速度a概念划分	Ex	En	He
				Ⅰ	1.0	0.65	0.08
Ⅱ	2.5	0.35	0.04
				Ⅲ	4.5	0.50	0.06
Ⅳ	7.0	0.65	0.08

(6)根据专家打分法，确定各评价指标的权重ω_j(j＝1,2,3)，其中ω_j≥0,∑ω_j＝1。利用云发生器生成评分集的数字特征，并通过比较云滴的距离判断专家对该评价指标的权重认可度，最后对所有评价指标权重评分集的数字特征进行加权平均，得到评价指标Q、CV、a的权重值，进行归一化处理后其权重值分别为0.25、0.4和0.35。

(7)由于交通冲突与交通事故间存在着较高的转化率，故交通冲突数可以间接反映出车辆运行险态程度，因此，对实测样本数据中每小时交通冲突数进行数据分析，提取出四朵云并进行百分制打分的归一化处理，其云模型数字特征值依次为“{15,10/3,0.5}、{40,10/3,0.5}、{70,10/3,0.5}、{90,10/3,0.5}”，并分别对应四种施工路段行车险态程度D的状况，即“安全(Ⅰ)、较安全(Ⅱ)、较危险(Ⅲ)、危险(Ⅳ)”，作为评价结果的定性语言，险态程度评价云图见图3。

(8)利用专家知识与经验，建立评价指标与险态程度间的推理规则。评价指标有3个，每个指标分4个水平，故建立64条推理规则，其中评价指标间均采用“And”语句进行连接，如：

If交通量“Ⅰ”And车辆速度变异系数“Ⅰ”And车辆平均减速度“Ⅰ”，Then险态程度“Ⅰ”；

If交通量“Ⅱ”And车辆速度变异系数“Ⅱ”And车辆平均减速度“Ⅲ”，Then险态程度“Ⅲ”；

…

If交通量“Ⅲ”And车辆速度变异系数“Ⅲ”And车辆平均减速度“Ⅲ”，Then险态程度“Ⅲ”；

If交通量“Ⅳ”And车辆速度变异系数“Ⅳ”And车辆平均减速度“Ⅳ”，Then险态程度“Ⅳ”；

…

(9)输入实测交通量，分别得到交通量概念划分云中每朵云的激活强度，即确定度μ_Q，选取其中激活强度最大的云作为该输入交通量所对应的评价指标等级。对于车辆速度变异系数和车辆平均减速度，采取上述同样的方法获取μ_CV和μ_a，并记录其所属等级。通过访问规则库，可得出对应的险态程度等级，定性给出施工路段行车险态评价结果。

(10)为进一步定量化获得该险态程度等级下的具体分数，根据步骤6)中确定的各评价指标权重值与步骤9)中的确定度，可计算出对该险态程度等级下的激活强度，即确定度已知该险态程度等级的云特征值和确定度，则可利用单条件后件云发生器获得具有确定度μ的n个云滴，再根据公式求得n个云滴的重心，即为所对应的险态分数输出值。

为验证该方法的有效性，故选取如下3组数据见表2。将表2各组中3个评价指标输入概念中，得到各指标在其概念划分云模型中的确定度大小，见表3。由确定度大小可知：

组1中交通量属“Ⅰ”，车辆速度变异系数属“Ⅰ”，车辆平均减速度属“Ⅰ”；

组2中交通量属“Ⅲ”，车辆速度变异系数属“Ⅲ”，车辆平均减速度属“Ⅲ”；

组3中交通量属“Ⅱ”，车辆速度变异系数属“Ⅱ”，车辆平均减速度属“Ⅲ”；

上述概念等级提取结果与根据概念特征值直接判断的结果一致，说明该规则前件激活正确。通过访问规则库可以得到施工路段险态的定性评价结果：

组1险态程度等级为“Ⅰ”，即“安全”；

组2险态程度等级为“Ⅲ”，即“较危险”；

组3险态程度等级为“Ⅲ”，即“较危险”；

表2验证性试验数据

组号	交通量	车辆速度变异系数	车辆平均减速度	交通冲突数
					1	638	0.21	1.9	28
2	1511	0.57	4.7	71
					3	897	0.39	3.9	56

表3评价指标在其概念划分云模型中的确定度

为了进一步区分同属同一险态等级下的第2组和第3组数据其危险度的大小，故进行险态云模型的确定度计算：

根据上述确定度μ₂和μ₃输入到险态评分的第Ⅲ等级{70,10/3,0.5}云模型中，分别生成若干云滴，计算云滴重心可得，第2组对应生成的险态分数输出值为67.5；第3组生成的险态分数输出值为63.4，至此完成施工路段行车险态的定量评价。

通过对定性与定量两方面的评价结果分析可知，最终危险程度排序为：

第2组>第3组>第1组

上述判断结果与各组实际观测的交通冲突数进行对比发现，推理结果正确。

Claims

1.基于云模型的施工路段行车险态评价方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于云模型的施工路段行车险态评价方法，其特征在于：其中步骤(3)中利用交通冲突数构建险态程度等级云模型是对每小时交通冲突数进行数据分析，提取出四朵云并进行百分制打分的归一化处理，对应四种施工路段行车险态程度的状况，即“安全(Ⅰ)、较安全(Ⅱ)、较危险(Ⅲ)、危险(Ⅳ)”。

3.根据权利要求1所述的基于云模型的施工路段行车险态评价方法，其特征在于：其中步骤(4)中交通量、车辆速度变异系数、车辆平均减速度的权重值分别为0.25、0.4和0.35。

4.根据权利要求1所述的基于云模型的施工路段行车险态评价方法，其特征在于：其中步骤(3)中的概念跃升是根据公式分别计算交通量、车辆速度变异系数、车辆平均减速度的高斯云概念含混度CD_Q、CD_v、CD_a，若CD＞β，β＝0.5表示概念雾化分界情况，则概念数m_j＝m_j-1，j＝1,2,3，重新进行概念划分；否则输出m_j，j＝1,2,3个含混度小于0.5的高斯云，其中He、En分别为云模型中的数字特征值超熵与熵，m_j为概念个数。

5.根据权利要求1所述的基于云模型的施工路段行车险态评价方法，其特征在于：其中交通冲突分为强制合流冲突和追尾冲突两种，冲突数统计原则如下：1)强制换道合流时车辆被迫急刹车缓行，甚至停车等待均属于冲突；

2)同一车道内后车为保证与前车具有足够的安全距离而紧急刹车属于冲突。

6.根据权利要求1所述的基于云模型的施工路段行车险态评价方法，其特征在于：步骤(1)中采用拉依达准则进行异常数据的剔除。