CN107507421B - 快速路交通状态判别方法及装置 - Google Patents

Abstract

本发明涉及一种快速路交通状态判别方法及装置。该快速路交通状态判别方法及装置通过计算所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，实现了实时判断检测断面的单个车道的实时交通状态。并根据检测断面的所有车道的欧式距离之和判断检测断面的实时交通状态，以及根据相邻两个检测断面的实时交通状态获取由所述相邻两个检测断面截取的路段单元的实时交通状态。此外，还通过比较采用隶属度之和最大值法确定的离线交通状态与采用欧式距离之和最小值法确定的实时交通状态的准确率的高低，反馈调节用于计算实时交通状态的第一聚类中心，提高实时交通状态的判断精度。

Description

快速路交通状态判别方法及装置

技术领域

本发明涉及交通技术领域，具体而言，涉及一种快速路交通状态判别方法及装置。

背景技术

交通状态实时判别对均衡道路资源利用率，缓解城市交通拥堵意义重大。迄今为止，国内外对城市道路交通状态的判别尚无统一的指标和量化的标准。Sun X T等基于状态空间转换的细胞传输模型判断车辆拥堵，结合卡尔曼滤波算法对高速公路匝道控制进行研究；Georg Foerster利用层次聚类和主成分分析的方法判断交通状态，通过对路网进行交通微观仿真，研究了其可行性和有效性；结合神经网络理论，针对交通流变化的随机性和非线性，巫威朓等提出了基于BP神经网络的交通状态判别方法；聂佩林等引入代价敏感矩阵，提出了基于代价敏感神经网络的交通状态判别方法，精度较高，但训练时间长，收敛速度慢，不能保证全局最优；结合热力学理论，刘雪等基于熵理论，建立了城市主-支路交汇处交通状态判别模型，可为交通系统状态判别提供依。

纵贯国内外交通状态判别算法与模型，多数算法交通状态的类别判别单一，模型结构复杂，参数标定困难，难以适用于实时交通状态判别。

发明内容

有鉴于此，本发明的目的在于提供一种快速路交通状态判别方法及装置，以解决上述问题。

第一方面，本发明实施例提供一种快速路交通状态判别方法，所述快速路包括至少一个车道，所述方法包括：

将快速路的交通状态按照拥堵情况划分为多个交通状态；

获取所述快速路的多个检测断面，每个检测断面包括至少一个车道；

将每个检测断面的单个车道的多个交通状态评价参数样本数据输入至FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心；

根据检测断面的单个车道的实时交通状态评价参数，确定所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，得到多个欧式距离；

将所述多个欧式距离中最小值对应的交通状态作为该检测断面的单个车道的实时交通状态。

本发明实施例提供的快速路交通状态判别方法，通过FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心，再计算所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，根据检测断面的单个车道与聚类中心欧式距离越近，与该聚类中心所指代的类别相似度越高的原理，实现了实时判断检测断面的单个车道的实时交通状态。

进一步地，所述快速路包括多个车道，所述方法还包括：

获取所述检测断面的所有车道的实时交通状态；

若所述检测断面的所有车道的实时交通状态相同，将所述检测断面的所有车道中任意一个车道的实时交通状态作为所述检测断面的实时交通状态；

若所述检测断面的多个车道的实时交通状态不同，将所述检测断面的各车道的不同交通状态下的欧式距离分别对应求和，得到多个欧式距离和，将所述多个欧式距离和中最小值对应的交通状态作为所述检测断面的实时交通状态。

进一步地，所述方法还包括：

获取相邻两个检测断面的实时交通状态；

若所述相邻两个检测断面的实时交通状态相同，将所述相邻两个检测断面中任意一个检测断面的实时交通状态作为由所述相邻两个检测断面截取的路段单元的实时交通状态；

若所述相邻两个检测断面的实时交通状态不同，则分别获取每个检测断面的平均行程车速，将所述相邻两个检测断面的平均行程车速的平均值作为由所述相邻两个检测断面截取的路段单元的平均行程车速，根据该路段单元的平均行程车速与路段单元交通状态划分阈值的比较结果确定该路段单元的实时交通状态。

进一步地，所述获取每个检测断面的平均行程车速的公式为 式中，表示检测断面的平均行程车速，所述V_i表示第i辆车的瞬时速度，n表示单位时间内检测到的车辆总数。

进一步地，所述方法还包括：

将每个检测断面的所有车道在预设时间内的交通状态参数输入至FCM聚类算法，获得每个检测断面每个交通状态的第二聚类中心，以及获得每个检测断面的单个车道在预设时间内的不同时间点属于每个交通状态的隶属度；

将所述检测断面的各车道在每个时间点的每个交通状态的隶属度分别对应求和，得到每个交通状态的隶属度和，将所述每个交通状态的隶属度和中最大值对应的交通状态作为所述检测断面在每个时间点的离线交通状态；

比较每个检测断面在所述预设时间内的实时交通状态和离线交通状态的准确率；

若所述检测断面在所述预设时间内的离线交通状态的准确率高于实时交通状态的准确率，则使所述每个交通状态的第二聚类中心分别代替所述每个交通状态的第一聚类中心。

第二方面，本发明实施例还提供一种快速路交通状态判别方法，所述快速路包括至少一个车道，所述方法包括：

将快速路的交通状态按照拥堵情况划分为多个交通状态；

获取所述快速路的多个检测断面，每个检测断面包括至少一个车道；

将每个检测断面的单个车道的多个交通状态评价参数输入至FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，得到多个隶属度；

将所述多个隶属度中最大值对应的交通状态作为该检测断面的单个车道的离线交通状态。

本发明实施例提供的快速路交通状态判别方法，通过FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，根据检测断面的单个车道属于每个交通状态的隶属度越大，则属于该交通状态的可能性越大的原理，实现了实时判断检测断面的单个车道的实时交通状态。

进一步地，所述快速路包括多个车道，所述方法还包括：

获取所述检测断面的所有车道的离线交通状态；

若所述检测断面的所有车道的离线交通状态相同，将所述检测断面的所有车道中任意一个车道的离线交通状态作为所述检测断面的离线交通状态；

若所述检测断面的多个车道的离线交通状态不同，将所述检测断面的各车道的不同交通状态下的隶属度分别对应求和，得到多个隶属度和，将所述多个隶属度和中最大值对应的交通状态作为所述检测断面的离线交通状态。

进一步地，所述方法还包括：

获取相邻两个检测断面的离线交通状态；

若所述相邻两个检测断面的离线交通状态相同，将所述相邻两个检测断面中任意一个检测断面的离线交通状态作为由所述相邻两个检测断面截取的路段单元的离线交通状态；

若所述相邻两个检测断面的离线交通状态不同，则分别获取每个检测断面的平均行程车速，将所述相邻两个检测断面的平均行程车速的平均值作为由所述相邻两个检测断面截取的路段单元的平均行程车速，根据该路段单元的平均行程车速与路段单元交通状态划分阈值的比较结果确定该路段单元的离线交通状态。

第三方面，本发明实施例还提供一种快速路交通状态判别装置，所述快速路包括至少一个车道，所述快速路交通状态判别装置包括：

交通状态分类模块，用于将快速路的交通状态按照拥堵情况划分为多个交通状态；

检测断面获取模块，用于获取所述快速路的多个检测断面，每个检测断面包括至少一个车道；

聚类中心获取模块，用于将每个检测断面的单个车道的多个交通状态评价参数样本数据输入至FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心；

欧式距离计算模块，用于根据检测断面的单个车道的实时交通状态评价参数，确定所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，得到多个欧式距离；

单车道交通状态划分模块，用于将所述多个欧式距离中最小值对应的交通状态作为该检测断面的单个车道的实时交通状态。

本发明实施例提供的快速路交通状态判别装置，通过FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心，再计算所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，根据检测断面的单个车道与聚类中心欧式距离越近，与该聚类中心所指代的类别相似度越高的原理，实现了实时判断检测断面的单个车道的离线交通状态。

第四方面，本发明实施例还提供一种快速路交通状态判别装置，所述快速路包括至少一个车道，所述快速路交通状态判别装置包括：

交通状态分类模块，用于将快速路的交通状态按照拥堵情况划分为多个交通状态；

检测断面获取模块，用于获取所述快速路的多个检测断面，每个检测断面包括至少一个车道；

隶属度计算模块，用于将每个检测断面的单个车道的多个交通状态评价参数输入至FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，得到多个隶属度；

单车道交通状态划分模块，用于将所述多个隶属度中最大值对应的交通状态作为该检测断面的单个车道的离线交通状态。

本发明实施例提供的快速路交通状态判别装置，通过FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，根据检测断面的单个车道属于每个交通状态的隶属度越大，则属于该交通状态的可能性越大的原理，实现了实时判断检测断面的单个车道的离线交通状态。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的一种快速路交通状态判别方法的流程图；

图2为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图3为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图4为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图5为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图6为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图7为本发明实施例提供的一种快速路交通状态判别装置的方框示意图；

图8为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图9为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图10为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图11为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图12为本发明实施例提供的另一种快速路交通状态判别方法的流程图；

图13为本发明实施例提供的另一种快速路交通状态判别装置的方框示意图。

附图中，各标号所代表的部件列表如下：

110-第一交通状态分类模块；120-第一检测断面获取模块；130-聚类中心获取模块；140-欧式距离计算模块；150-第一单车道交通状态划分模块；310-第二交通状态分类模块；320-第二检测断面获取模块；330-隶属度计算模块；340-第二单车道交通状态划分模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为只是或暗示相对重要性。

请参阅图1，是本发明实施例提供的一种快速路交通状态判别方法的流程图。下面将对图1所示的具体流程进行详细阐述。

步骤S110，将快速路的交通状态按照拥堵情况划分为多个交通状态。

为便于交通状态的发布，类似百度、高德等互联网地图应用平台，均用4级交通状态划分，不少学者根据交通流相位将交通状态进行分级。优选地，在本实施例中，结合典型快速路交通流演变特征和常见交通状态分级，将快速路的交通状态划分为畅通状态、较畅通状态、缓行状态和堵塞状态。

步骤S120，获取所述快速路的多个检测断面，则每个检测断面包括至少一个车道。

所述快速路包括至少一个车道，则每个检测断面包括至少一个车道。

步骤S130，将每个检测断面的单个车道的多个交通状态评价参数样本数据输入至FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心。

常见的交通状态评价参数有流量、速度、占有率等，其中使用流量、速度、占有率达到70％以上，速度对交通状态的影响最高，其次是占有率、之后才是流量。

采用多参数联合交通状态判别相对合理，以速度为核心，自由组合流量、速度、占有率，获得3种组合情形分别为：Ⅰ：流量、速度；Ⅱ：占有率、速度；Ⅲ：流量、速度、占有率，比较不同参数组合下的交通状态判别精度确定最优组合。

提取以上三种参数组合数据各150组进行FCM模糊聚类运算，并随机从实验样本中抽取15组，依据隶属度最大原则分析得出算法交通状态判别结果，并与实际视频交通状态比较，得到各情形交通状态判别精度，见表1。

表1不同情形下的交通状态判别精度

由表1可见，流量、速度参数组合为FCM算法交通状态判别最佳参数组合。可选地，在本实施例中选取流量和速度作为交通状态评价参数。应理解，在本发明的另一种实施方式中也可以选择其他交通状态评价参数。

例如，根据每个检测断面的多组历史的流量和速度样本数据，利用FCM算法进行聚类分析，获得每个检测断面的畅通状态的第一聚类中心、较畅通状态的第一聚类中心、缓行状态的第一聚类中心和堵塞状态的第一聚类中心。其中，每个检测断面的多组历史的流量和速度数据对应的交通状态必须包括畅通状态、较畅通状态、缓行状态和堵塞状态四种状态。根据中国国情，在进行流量和速度数据采集的时候可以选择包括早高峰、晚高峰拥堵时间及早高峰、晚高峰前后畅通时间。为了提高准确性，可以采用多次获得的第一聚类中心的平均值作为第一聚类中心。

例如，第一次提取一个检测断面在2017年6月28日6：28～10:58全部车道的流量、速度810组数据，利用FCM算法进行聚类分析，得到其第一聚类中心V₁:

式中v₁，v₂，v₃，v₄依次为畅通状态的第一聚类中心、较畅通状态的第一聚类中心、缓行状态的第一聚类中心和堵塞状态的第一聚类中心。

第二次提取一个检测断面在2017年7月21日7:04～09；13全部车道的流量、速度390组数据，利用FCM算法进行聚类分析，得到其第一聚类中心V₂:

比较V₁和V₂，可以看出缓行和拥堵交通状态第一聚类中心基本保持不变。V₁畅通状态的第一聚类中心流量明显低于V₂，速度相差不大；V₁较畅通状态的流量与V₂保持一致，但是速度明显高于V₂。因此，重点针对畅通、较畅通两个状态需要做更多研究。

通过观察视频录像，重点针对畅通、较畅通两个状态，提取第一次810组全部样本中典型四种交通状态下的样本数据213组，运用FCM算法进行模糊聚类分析，得到第一聚类中心V₃:

综合分析V₁、V₂、V₃相应状态下的第一聚类中心，缓行和堵塞状态流量相差基本在-2～2veh/min速度相差保持在-2～1km/h，缓行和堵塞状态下，数据特征非常相似，V1和V3畅通和较畅通也是保持高度相近。为此，本文兼顾历史数据、状态特征数据以及3#断面全样本所生成的第一聚类中心，取其三者平均值，得到全新的第一聚类中心V：

步骤S140，根据检测断面的单个车道的实时交通状态评价参数，确定所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，得到多个欧式距离。

例如，输入检测断面的单个车道的实时流量和实时速度，计算所述检测断面的单个车道的实时流量和实时速度分别与畅通状态的第一聚类中心、较畅通状态的第一聚类中心、缓行状态的第一聚类中心和堵塞状态的第一聚类中心的欧式距离，得到多个欧式距离。为了方便描述，将得到的多个欧式距离分别记为第一欧式距离、第二欧式距离、第三欧式距离和第四欧式距离。

步骤S150，将所述多个欧式距离中最小值对应的交通状态作为该检测断面的单个车道的实时交通状态。

例如，将所述第一欧式距离、第二欧式距离、第三欧式距离和第四欧式距离中最小值对应的交通状态作为该检测断面的单个车道的实时交通状态。对于一检测断面的一车道，其第一欧式距离相比第二欧式距离、第三欧式距离和第四欧式距离最小，则该检测断面的这个车道的交通状态为畅通状态。检测断面的单个车道与聚类中心欧式距离越近，与该聚类中心所指代的类别相似度越高。因此，通过欧式距离最小值判断检测断面的单个车道的实时交通状况。

优选地，所述快速路包括两个或多个车道，所述方法还包括步骤S160和步骤S170，如图2所示。或所述方法还包括步骤S160和步骤S180，如图3所示。

步骤S160，获取所述检测断面的所有车道的实时交通状态；

若所述检测断面的所有车道的实时交通状态相同，则执行步骤S170。若所述检测断面的两个或多个车道的实时交通状态不同，则执行步骤S180。

步骤S170，将所述检测断面的所有车道中任意一个车道的实时交通状态作为所述检测断面的实时交通状态；

步骤S180，将所述检测断面的各车道的不同交通状态下的欧式距离分别对应求和，得到多个欧式距离和，将所述多个欧式距离和中最小值对应的交通状态作为所述检测断面的实时交通状态。

例如，将所述检测断面的各车道第一欧式距离、第二欧式距离、第三欧式距离和第四欧式距离分别对应求和，记为第一欧式距离和、第二欧式距离和、第三欧式距离和及第四欧式距离和，将所述第一欧式距离和、第二欧式距离和、第三欧式距离和及第四欧式距离和中最小值对应的交通状态作为所述检测断面的实时交通状态。

通过步骤S160、步骤S170和步骤S180，以实现根据检测断面的所有车道的欧式距离之和判断检测断面的实时交通状态。

优选地，如图4所示，所述方法还包括步骤S190和步骤S200。或者，如图5所示，所述方法还包括步骤S190和步骤S210。

步骤S190，获取相邻两个检测断面的实时交通状态。

若所述相邻两个检测断面的实时交通状态相同，则执行步骤S200。若所述相邻两个检测断面的实时交通状态不同，则执行步骤S210。

步骤S200，将所述相邻两个检测断面中任意一个检测断面的实时交通状态作为由所述相邻两个检测断面截取的路段单元的实时交通状态。

步骤S210，分别获取每个检测断面的平均行程车速，将所述相邻两个检测断面的平均行程车速的平均值作为由所述相邻两个检测断面截取的路段单元的平均行程车速，根据该路段单元的平均行程车速与路段单元交通状态划分阈值的比较结果确定该路段单元的实时交通状态。

其中，计算每个检测断面的平均行程车速的公式为式中，表示检测断面的平均行程车速，所述V_i表示第i辆车的瞬时速度，n表示单位时间内检测到的车辆总数。

路段单元交通状态划分阈值可以根据实际情况灵活确定，在此不作限制。例如，选取充分代表畅通、较畅通、缓行、堵塞的时刻，提取上下游相邻检测断面每种状态对应的特征时刻大量历史地点车速数据，计算获得相邻断面相同交通状态下的路段单元平均行程车速再以相邻交通状态平均值为临界阈值，结合实际交通状态多次修正完善，确定不同交通状态下对应的平均行程车速划分阈值，如表2所示。根据该路段单元的平均行程车速与表2进行对比，则可以根据该路段单元的平均行程车速确定该路段单元的实时交通状态。

表2路段单元的平均行程车速与交通状态对应表

通过步骤S190、步骤S200和步骤S210，以实现根据相邻两个检测断面的实时交通状态获取由所述相邻两个检测断面截取的路段单元的实时交通状态。

请参阅图6，优选地，所述方法还包括：

步骤S220，将每个检测断面的所有车道在预设时间内的交通状态参数输入至FCM聚类算法，获得每个检测断面每个交通状态的第二聚类中心，以及获得每个检测断面的单个车道在预设时间内的不同时间点属于每个交通状态的隶属度。

例如，记录每个检测断面的单个车道在预设时间内的实时流量、实时速度输入至FCM聚类算法，获得每个检测断面畅通状态的第二聚类中心、较畅通状态的第二聚类中心、缓行状态的第二聚类中心和堵塞状态的第二聚类中心。以及，获得每个检测断面的单个车道在预设时间内的不同时间点属于畅通状态的隶属度、属于较畅通状态的隶属度、属于缓行状态的隶属度和属于堵塞状态的隶属度，分别记为第一隶属度、第二隶属度、第三隶属度和第四隶属度。

步骤S230，将所述检测断面的各车道在每个时间点的每个交通状态的隶属度分别对应求和，得到每个交通状态的隶属度和，将所述每个交通状态的隶属度中和最大值对应的交通状态作为所述检测断面在每个时间点的离线交通状态。

例如，将所述检测断面的各车道在每个时间点的第一隶属度、第二隶属度、第三隶属度和第四隶属度分别对应求和，记为第一隶属度和、第二隶属度和、第三隶属度和及第四隶属度和，将所述第一隶属度和、第二隶属度和、第三隶属度和及第四隶属度和中最大值对应的交通状态作为所述检测断面在每个时间点的离线交通状态。

步骤S240，比较每个检测断面在所述预设时间内的实时交通状态和离线交通状态的准确率。

比较每个检测断面在所述预设时间内采用欧式距离之和最小值法确定的实时交通状态与采用隶属度之和最大值法确定的离线交通状态与每个检测断面实际交通状态分别进行比较，获得每个检测断面在所述预设时间内的实时交通状态和离线交通状态的准确率。

步骤S250，若所述检测断面在所述预设时间内的离线交通状态的准确率高于实时交通状态的准确率，则使所述每个交通状态的第二聚类中心分别代替所述每个交通状态的第一聚类中心。

其中，所述预设时间可以表示反馈调节时间，即每隔预设时间通过步骤S220和步骤S230获得离线交通状态，并通过步骤S240和步骤S250比较采用隶属度之和最大值法确定的离线交通状态与采用欧式距离之和最小值法确定的实时交通状态的准确率的高低，并在离线交通状态的准确率高于实时交通状态的准确率时，使使所述每个交通状态的第二聚类中心分别代替所述每个交通状态的第一聚类中心，从而实现反馈调节，以提高实时交通状态法的精确度。

在上述基础上，如图7所示，本发明实施例还提供一种快速路交通状态判别装置。所述快速路包括至少一个车道，所述快速路交通状态判别装置包括：第一交通状态分类模块110、第一检测断面获取模块120、聚类中心获取模块130、欧式距离计算模块140和第一单车道交通状态划分模块150。

其中，第一交通状态分类模块110用于将快速路的交通状态按照拥堵情况划分为多个交通状态。

第一检测断面获取模块120用于获取所述快速路的多个检测断面，每个检测断面包括至少一个车道。

聚类中心获取模块130用于将每个检测断面的单个车道的多个交通状态评价参数样本数据输入至FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心。

欧式距离计算模块140用于根据检测断面的单个车道的实时交通状态评价参数，确定所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，得到多个欧式距离。

第一单车道交通状态划分模块150用于将所述多个欧式距离中最小值对应的交通状态作为该检测断面的单个车道的实时交通状态。

请参阅图8，是本发明实施例提供的另一种快速路交通状态判别方法的流程图。下面将对图8所示的具体流程进行详细阐述。

步骤S310，将快速路的交通状态按照拥堵情况划分为多个交通状态。

为便于交通状态的发布，类似百度、高德等互联网地图应用平台，均用4级交通状态划分，不少学者根据交通流相位将交通状态进行分级。优选地，在本实施例中，结合典型快速路交通流演变特征和常见交通状态分级，将快速路的交通状态划分为畅通状态、较畅通状态、缓行状态和堵塞状态。

步骤S320，获取所述快速路的多个检测断面，每个检测断面包括至少一个车道。

所述快速路包括至少一个车道，则每个检测断面包括至少一个车道。

步骤S330，将每个检测断面的单个车道的多个交通状态评价参数输入至FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，得到多个隶属度。

基于与步骤S130同样的理由，在本实施例中选取流量和速度作为交通状态评价参数。应理解，在本发明的另一种实施方式中也可以选择其他交通状态评价参数。

例如，将每个检测断面的单个车道的多个交通状态评价参数输入至FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，获得每个检测断面的畅通状态的隶属度、较畅通状态的隶属度、缓行状态的隶属度和堵塞状态的隶属度，分别记为第一隶属度、第二隶属度、第三隶属度和第四隶属度。

步骤S340，将所述多个隶属度中最大值对应的交通状态作为该检测断面的单个车道的离线交通状态。

例如，将所述第一隶属度、第二隶属度、第三隶属度和第四隶属度中最大值对应的交通状态作为该检测断面的单个车道的实时交通状态。

优选地，请参阅图所述快速路包括多个车道，所述方法还包括步骤S350和步骤S360，如图9所示。或所述方法还包括步骤S350和步骤S370，如图10所示。

步骤S350，获取所述检测断面的所有车道的离线交通状态；

若所述检测断面的所有车道的离线交通状态相同，则执行步骤S360。若所述检测断面的多个车道的离线交通状态不同，则执行步骤S370。

步骤S360，将所述检测断面的所有车道中任意一个车道的离线交通状态作为所述检测断面的离线交通状态。

步骤S370，将所述检测断面的各车道的不同交通状态下的隶属度分别对应求和，得到多个隶属度和，将所述多个隶属度和中最大值对应的交通状态作为所述检测断面的离线交通状态。

例如，将所述检测断面的各车道第一隶属度、第二隶属度、第三隶属度和第四隶属度分别对应求和，记为第一隶属度和、第二隶属度和、第三隶属度和及第四隶属度和，将所述第一隶属度和、第二隶属度和、第三隶属度和及第四隶属度和中最大值对应的交通状态作为所述检测断面的实时交通状态。

通过步骤S350、步骤S360和步骤S370，以实现根据检测断面的所有车道的隶属度之和判断检测断面的实时交通状态。

优选地，如图11所示，所述方法还包括步骤S380和步骤S390。或者，如图12所示，所述方法还包括步骤S380和步骤S400。

步骤S380，获取相邻两个检测断面的离线交通状态。

若所述相邻两个检测断面的离线交通状态相同，则执行步骤S390。若所述相邻两个检测断面的离线交通状态不同，则执行步骤S400。

步骤S390，将所述相邻两个检测断面中任意一个检测断面的离线交通状态作为由所述相邻两个检测断面截取的路段单元的离线交通状态。

步骤S400，分别获取每个检测断面的平均行程车速，将所述相邻两个检测断面的平均行程车速的平均值作为由所述相邻两个检测断面截取的路段单元的平均行程车速，根据该路段单元的平均行程车速与路段单元交通状态划分阈值的比较结果确定该路段单元的离线交通状态。

其中，计算每个检测断面的平均行程车速的公式为式中，表示检测断面的平均行程车速，所述V_i表示第i辆车的瞬时速度，n表示单位时间内检测到的车辆总数。

路段单元交通状态划分阈值可以根据实际情况灵活确定，在此不作限制。例如，根据该路段单元的平均行程车速与表2进行对比，则可以根据该路段单元的平均行程车速确定该路段单元的实时交通状态。

通过步骤S380、步骤S390和步骤S400，以实现根据相邻两个检测断面的离线交通状态获取由所述相邻两个检测断面截取的路段单元的离线交通状态。

在上述基础上，如图13所示，本发明实施例还提供另一种快速路交通状态判别装置。所述快速路包括至少一个车道，所述快速路交通状态判别装置包括：第二交通状态分类模块310、第二检测断面获取模块320、隶属度计算模块330和第二单车道交通状态划分模块340。

其中，第二交通状态分类模块310用于将快速路的交通状态按照拥堵情况划分为多个交通状态。

第二检测断面获取模块320用于获取所述快速路的多个检测断面，每个检测断面包括至少一个车道。

隶属度计算模块330用于将每个检测断面的单个车道的多个交通状态评价参数输入至FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，得到多个隶属度。

第二单车道交通状态划分模块340用于将所述多个隶属度中最大值对应的交通状态作为该检测断面的单个车道的离线交通状态。

本发明实施例提供的一种快速路交通状态判别方法及装置，通过FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心，再计算所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，根据检测断面的单个车道与聚类中心欧式距离越近，与该聚类中心所指代的类别相似度越高的原理，实现了实时判断检测断面的单个车道的实时交通状态。并且根据检测断面的所有车道的欧式距离之和判断检测断面的实时交通状态，以及根据相邻两个检测断面的实时交通状态获取由所述相邻两个检测断面截取的路段单元的实时交通状态。本发明实施例还通过比较采用隶属度之和最大值法确定的离线交通状态与采用欧式距离之和最小值法确定的实时交通状态的准确率的高低，反馈调节用于计算实时交通状态的第一聚类中心，提高实时交通状态的判断精度。

本发明实施例提供的另一种快速路交通状态判别方法及装置，通过FCM聚类算法，获得每个检测断面的单个车道属于每个交通状态的隶属度，根据检测断面的单个车道属于每个交通状态的隶属度越大，则属于该交通状态的可能性越大的原理，实现了实时判断检测断面的单个车道的离线交通状态。并且根据检测断面的所有车道的隶属度之和判断检测断面的离线交通状态，以及根据相邻两个检测断面的实时交通状态获取由所述相邻两个检测断面截取的路段单元的离线交通状态。

应当理解到，所揭露的装置及方法，也可以通过其它的方式实现。以上所描述的装置及方法实施例仅仅是示意性的，例如，附图中的框图和/或流程图显示了根据本发明的实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种快速路交通状态判别方法，其特征在于，所述快速路包括至少一个车道，所述方法包括：

将快速路的交通状态按照拥堵情况划分为多个交通状态；

获取所述快速路的多个检测断面，每个检测断面包括至少一个车道；

将每个检测断面的单个车道的多个交通状态评价参数样本数据输入至FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心；

根据检测断面的单个车道的实时交通状态评价参数，确定所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，得到多个欧式距离；

将所述多个欧式距离中最小值对应的交通状态作为该检测断面的单个车道的实时交通状态；

所述快速路包括多个车道，所述方法还包括：

获取所述检测断面的所有车道的实时交通状态；

若所述检测断面的所有车道的实时交通状态相同，将所述检测断面的所有车道中任意一个车道的实时交通状态作为所述检测断面的实时交通状态；

若所述检测断面的多个车道的实时交通状态不同，将所述检测断面的各车道的不同交通状态下的欧式距离分别对应求和，得到多个欧式距离和，将所述多个欧式距离和中最小值对应的交通状态作为所述检测断面的实时交通状态；

所述方法还包括：

将每个检测断面的所有车道在预设时间内的交通状态参数输入至FCM聚类算法，获得每个检测断面每个交通状态的第二聚类中心，以及获得每个检测断面的单个车道在预设时间内的不同时间点属于每个交通状态的隶属度；

将所述检测断面的各车道在每个时间点的每个交通状态的隶属度分别对应求和，得到每个交通状态的隶属度和，将所述每个交通状态的隶属度和中最大值对应的交通状态作为所述检测断面在每个时间点的离线交通状态；

比较每个检测断面在所述预设时间内的实时交通状态和离线交通状态的准确率；

若所述检测断面在所述预设时间内的离线交通状态的准确率高于实时交通状态的准确率，则使所述每个交通状态的第二聚类中心分别代替所述每个交通状态的第一聚类中心。

2.根据权利要求1所述的快速路交通状态判别方法，其特征在于，所述方法还包括：

获取相邻两个检测断面的实时交通状态；

若所述相邻两个检测断面的实时交通状态相同，将所述相邻两个检测断面中任意一个检测断面的实时交通状态作为由所述相邻两个检测断面截取的路段单元的实时交通状态；

若所述相邻两个检测断面的实时交通状态不同，则分别获取每个检测断面的平均行程车速，将所述相邻两个检测断面的平均行程车速的平均值作为由所述相邻两个检测断面截取的路段单元的平均行程车速，根据该路段单元的平均行程车速与路段单元交通状态划分阈值的比较结果确定该路段单元的实时交通状态。

3.根据权利要求2所述的快速路交通状态判别方法，其特征在于，所述获取每个检测断面的平均行程车速的公式为式中，表示检测断面的平均行程车速，所述V_i表示第i辆车的瞬时速度，n表示单位时间内检测到的车辆总数。

4.一种快速路交通状态判别装置，其特征在于，所述快速路包括至少一个车道，所述快速路交通状态判别装置包括：

第一交通状态分类模块，用于将快速路的交通状态按照拥堵情况划分为多个交通状态；

第一检测断面获取模块，用于获取所述快速路的多个检测断面，每个检测断面包括至少一个车道；

聚类中心获取模块，用于将每个检测断面的单个车道的多个交通状态评价参数样本数据输入至FCM聚类算法，获得每个检测断面的每个交通状态的第一聚类中心；

欧式距离计算模块，用于根据检测断面的单个车道的实时交通状态评价参数，确定所述检测断面的单个车道的实时交通状态评价参数分别与每个交通状态的第一聚类中心的欧式距离，得到多个欧式距离；

第一单车道交通状态划分模块，用于将所述多个欧式距离中最小值对应的交通状态作为该检测断面的单个车道的实时交通状态；

获取所述检测断面的所有车道的实时交通状态；

若所述检测断面的所有车道的实时交通状态相同，将所述检测断面的所有车道中任意一个车道的实时交通状态作为所述检测断面的实时交通状态；

若所述检测断面的多个车道的实时交通状态不同，将所述检测断面的各车道的不同交通状态下的欧式距离分别对应求和，得到多个欧式距离和，将所述多个欧式距离和中最小值对应的交通状态作为所述检测断面的实时交通状态；

将每个检测断面的所有车道在预设时间内的交通状态参数输入至FCM聚类算法，获得每个检测断面每个交通状态的第二聚类中心，以及获得每个检测断面的单个车道在预设时间内的不同时间点属于每个交通状态的隶属度；

将所述检测断面的各车道在每个时间点的每个交通状态的隶属度分别对应求和，得到每个交通状态的隶属度和，将所述每个交通状态的隶属度和中最大值对应的交通状态作为所述检测断面在每个时间点的离线交通状态；

比较每个检测断面在所述预设时间内的实时交通状态和离线交通状态的准确率；

若所述检测断面在所述预设时间内的离线交通状态的准确率高于实时交通状态的准确率，则使所述每个交通状态的第二聚类中心分别代替所述每个交通状态的第一聚类中心。