CN106781491A - 一种城市道路交通状态评估系统 - Google Patents

Abstract

一种城市道路交通状态评估系统，其特征是，包括数据采集单元、数据处理单元、数据传输单元和交通状态评估单元；所述数据采集单元用于采集关键位置处的交通参数，所述数据处理单元用于对采集得到的数据进行处理并通过数据传输单元传输给交通状态评估单元；所述交通状态评估单元用于根据处理后的交通参数值进行道路交通状态的评估。本发明的有益效果为：综合考虑车辆状态信息和道路交通状态信息，建立了全面、高效的道路交通状态评估系统，实现了道路交通状态的有效评估。

Description

一种城市道路交通状态评估系统

技术领域

本发明创造涉及城市交通领域，具体涉及一种城市道路交通状态评估系统。

背景技术

随着城市经济的发展人们的生活水平得到了极大的提高，尤其是城市公路的完善和车辆的普及有效的解决了人们的出行问题。然而，随着城市中人口和汽车数量的极具增加，城市道路的压力原来越大，道路拥堵给人们的出行效率带来了很大的影响，如何解决城市道路运营压力大、各道路交通量差距明显的现象成为一个被广泛关注的问题。因此，开发一种能够对城市道路交通状态进行有效评估的系统，对缓解交通拥堵问题有着重要的意义。

发明内容

针对上述问题，本发明旨在提供一种城市道路交通状态评估系统。

本发明创造的目的通过以下技术方案实现：

一种城市道路交通状态评估系统，包括数据采集单元、数据处理单元、数据传输单元和交通状态评估单元；所述数据采集单元用于采集关键位置处的交通参数，所述数据处理单元用于对采集得到的数据进行处理并通过数据传输单元传输给交通状态评估单元；所述交通状态评估单元用于根据处理后的交通参数值进行道路交通状态的评估。

优选地，所述数据采集单元包括用于采集车辆速度及车辆停车次数的车载感知元件和用于检测道路交通流量和道路停车率的道路交通参数采集元件。

优选地，所述数据传输单元由传感器网络构成，所述传感器网络采用一种改进的基于遗传算法的路由机制，设置网络节点的初始路径是x_i＝{x₁,x₂,…,x_n}，则算法中的适应度函数定义为：

其中,a(x_i)是节点i的剩余能量，A(X)是所有节点剩余能量之和，b(x_i)是链路x_i的路径长度，B(X)是所有链路的路径长度之和，c(x_i)是链路x_i的能耗，C(X)是所有链路的能耗之和，α、θ和β分别自定义的节点的剩余能量、链路长度和能耗在适应度函数中的权重，发明人根据大量的现场实践，对这两个权重给出了经验值，α＝0.3，θ＝0.3，β＝0.4；

优选地，所述数据分析单元采用数据修正及加权平均算法对数据进行处理；

优选地，所述交通状态评估单元包括车辆运行状态评估子单元、道路交通状态评估子单元和交通状态综合评估子单元。

本发明创造的有益效果：提出一种城市道路交通状态评估系统，综合考虑车辆状态信息和道路交通状态信息，建立了全面、高效的道路交通状态评估系统，实现了道路交通状态的有效评估。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

图2是本发明交通状态评估单元结构示意图。

附图标记：

数据采集单元1、数据处理单元2、数据传输单元3、交通状态评估单元4、车辆状态评估子单元41、车辆状态评估子单元42、交通状态综合评估子单元43。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的一种城市道路交通状态评估系统，包括数据采集单元1、数据处理单元2、数据传输单元3和交通状态评估单元4；所述数据采集单元1用于采集关键位置处的交通参数，所述数据处理单元2用于对采集得到的数据进行处理并通过数据传输单元3传输给交通状态评估单元4；所述交通状态评估单元4用于根据处理后的交通参数值进行道路交通状态的评估。

本发明上述实施例综合考虑车辆状态信息和道路交通状态信息，建立了全面、高效的道路交通状态评估系统，实现了道路交通状态的有效评估。

优选地，所述数据采集单元1包括用于采集车辆速度及车辆停车次数的车载感知元件和用于检测道路交通流量和道路停车率的道路交通参数采集元件。

本实施例对交通参数进行了有效的采集，为交通状态评估单元奠定了基础。

优选地，所述数据传输单元3由传感器网络构成，所述传感器网络采用一种改进的基于遗传算法的路由机制，设置网络节点的初始路径是x_i＝{x₁,x₂,…,x_n}，则算法中的适应度函数定义为：

其中,a(x_i)是节点i的剩余能量，A(X)是所有节点剩余能量之和，b(x_i)是链路x_i的路径长度，B(X)是所有链路的路径长度之和，c(x_i)是链路x_i的能耗，C(X)是所有链路的能耗之和，α、θ和β分别自定义的节点的剩余能量、链路长度和能耗在适应度函数中的权重，发明人根据大量的现场实践，对这两个权重给出了经验值，α＝0.3，θ＝0.3，β＝0.4；

本实施例提出一种基于遗传算法的路由机制，与现有技术相比,其在路径选择中既考虑了节点的路径长度又考虑了节点的能耗，从而获得能耗最少的网络通信路径，在一定程度上减少了交通状态评估系统的能耗，增加了系统的使用寿命。

优选地，所述数据分析单元采用数据修正及加权平均算法对数据进行处理，设第i时刻采集得到的数据为z_i′,其中对采集时受到温度影响的数据进行修正的公式为：

式中，z_i为修正后的数据，z_i′为修正前的原始数据，T₀为传感器使用标准温度，T为传感器使用时实际环境温度；

对修正后的数据进行加权平均算法，其公式为：

式中，n为5分钟时间内采集到的数据个数；

本实施例通过对数据进行修正，平均的处理，进一步提高了数据的精度，增加了系统对道路交通状态评估结果的准确性。

优选地，所述交通状态评估单元3包括车辆状态评估子单元41、道路交通状态评估子单元42和交通状态综合评估子单元43。

本优选实施例通过处理后得到的交通参数，分层次对道路交通状态进行评估，提高了评估的准确性。

优选地，所述车辆状态评估子模块41根据采集所得的车辆速度和车辆停车次数评估车辆运行的状态，具体包括：

a.基于模糊算法建立车辆状态评估子模块，以车辆速度和车辆停车次数作为输入变量，对各输入变量设定上下限值，并根据各输入量对车辆状态的影响分别制定相应的权重，对输入变量定义相同的模糊状态，即“高”、“正常”、“低”。以车辆状态作为输出量，对车辆运行状态定义三个模糊状态，即“顺畅”、“正常”、“较堵”；

b.根据以往收集的样本数据库，制定以车辆速度和车辆停车次数为依据来推理车辆运行状态程度的模糊规则；

c.输入变量值，当变量值超出上下限范围时，判定传感器故障，当变量值在范围内时，根据模糊规则推理得到各输入变量在模糊集中的隶属度，设第i时刻采集得到的车辆速度和车辆停车次数分别为v(i)和s(i)，则车辆的运行状态c(i)的表达式为：

其中，和f(v)分别为车辆速度v(i)的权重和隶属度，和f(s)分别为车辆停车次数s(i)的权重和隶属度；

本优选实施例提供的基于模糊算法的车辆运行状态评估子模块41，与现有技术相比，根据对反映车辆运行状态的运行速度和停车率的监测数据，利用模糊评估模型评估车辆的运行状态，较好地处理了多因素、模糊性及主观判断等问题，有效的对车辆的运行状态进行评估；

优选地，所述车辆状态评估子模块42，根据采集所得的交通流量和停车率评估道路交通的状态，具体包括：

a.基于模糊算法建立道路交通状态评估子模块，以交通流量和停车率作为输入变量，对各输入变量设定上下限值，并根据各输入量对道路交通状态的影响分别制定相应的权重，对输入变量定义相同的模糊状态，即“高”、“正常”、“低”。以道路交通状态作为输出量，对车辆运行状态定义三个模糊状态，即“顺畅”、“正常”、“较堵”；

b.根据以往收集的样本数据库，制定以交通流量和停车率为依据来推理道路交通状态的模糊规则；

c.输入变量值，当变量值超出上下限范围时，判定传感器故障，当变量值在范围内时，根据模糊规则推理得到各输入变量在模糊集中的隶属度，设第i时刻采集得到的交通流量和停车率的数据分别为l(i)和p(i)，则道路交通状态d(i)的表达式为：

d(i)＝ρ₁f(l)+ρ₂f(p)

其中，ρ₁和f(l)分别为交通流量l(i)的权重和隶属度，ρ₂和f(p)分别为停车率p(i)的权重和隶属度；

本优选实施例提供的基于模糊算法的道路交通状态评估子模块42，与现有技术相比，根据对反映道路交通状态的交通流量和停车率的监测数据，利用模糊评估模型评估道路的交通状态，较好地处理了多因素、模糊性及主观判断等问题，有效的对道路的交通状态进行评估；

优选地，所述交通状态综合评估子单元43根据评估所得的车辆运行状态c(i)和道路交通状态d(i)对交通状态进行综合评估，定义交通状态评估系数为：

其中，ε为根据历史数据库确定的车辆运行状态对道路交通状态的影响程度的权值；

根据样本数据库制定道路交通状态分界值K，根据交通状态评估系数与分界值K的关系进行交通状态分类，具体为：

本优选实施例提出的交通状态综合评估子单元43，根据上述所得的车辆运行状态和道路交通状态进行交通状态评估，与现有技术相比，突破了传统单一指标、单层次交通状态评估的局限，形成了较为全面、准确的交通状态评估系统。

基于上述实施例，利用不同的交通参数数据进行了一系列测试，以下是进行测试得到的评估结果：

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，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实质和范围。

Claims (5)

1.一种城市道路交通状态评估系统，其特征是，包括数据采集单元、数据处理单元、数据传输单元和交通状态评估单元；所述数据采集单元用于采集关键位置处的交通参数，所述数据处理单元用于对采集得到的数据进行处理并通过数据传输单元传输给交通状态评估单元；所述交通状态评估单元用于根据处理后的交通参数值进行道路交通状态的评估。

2.根据权利要求1所述的一种城市道路交通状态评估系统，其特征是，所述数据采集单元包括用于采集车辆速度及车辆停车次数的车载感知元件和用于检测道路交通流量和道路停车率的道路交通参数采集元件。

3.根据权利要求2所述的一种城市道路交通状态评估系统，其特征是，所述数据传输单元由传感器网络构成，所述传感器网络采用一种改进的基于遗传算法的路由机制，设置网络节点的初始路径是x_i＝{x₁,x₂,…,x_n}，则算法中的适应度函数定义为：

$f\left(x_i\right)=\mathrm{\α}\frac{a\left(x_i\right)}{A\left(X\right)}-\mathrm{\θ}*\frac{b\left(x_i\right)}{B\left(X\right)}-\mathrm{\β}*\frac{c\left(x_i\right)}{C\left(X\right)}(0\≤f(x_i)\≤1,i=1,2,3,\mathrm{......}n)$

其中,a(x_i)是节点i的剩余能量，A(X)是所有节点剩余能量之和，b(x_i)是链路x_i的路径长度，B(X)是所有链路的路径长度之和，c(x_i)是链路x_i的能耗，C(X)是所有链路的能耗之和，α、θ和β分别自定义的节点的剩余能量、链路长度和能耗在适应度函数中的权重，发明人根据大量的现场实践，对这两个权重给出了经验值，α＝0.3，θ＝0.3，β＝0.4。

4.根据权利要求3所述的一种城市道路交通状态评估系统，其特征是，所述数据处理单元采用数据修正及加权平均算法对数据进行处理。

5.根据权利要求4所述的一种城市道路交通状态评估系统，其特征是，所述交通状态评估单元包括车辆运行状态评估子单元、道路交通状态评估子单元和交通状态综合评估子单元。