CN108765956B - 一种高速公路交通状态综合评估方法 - Google Patents
一种高速公路交通状态综合评估方法 Download PDFInfo
- Publication number
- CN108765956B CN108765956B CN201810614202.3A CN201810614202A CN108765956B CN 108765956 B CN108765956 B CN 108765956B CN 201810614202 A CN201810614202 A CN 201810614202A CN 108765956 B CN108765956 B CN 108765956B
- Authority
- CN
- China
- Prior art keywords
- traffic
- state
- safety
- congestion state
- clustering
- 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.)
- Active
Links
Images
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路交通状态综合评估方法。针对现有高速公路交通状态评价指标单一,评估指标不全面的问题,提出了一种综合考虑交通状态拥挤程度和安全性的评估方法。具体步骤:(1)获取交通流参数数据。(2)预设交通拥挤状态等级。(3)确定交通拥挤状态各等级的聚类中心。(4)计算实时交通流参数数据到各交通拥挤状态聚类中心的欧式距离,判定交通拥挤状态等级。(5)设定交通安全状态评估指标。(6)计算各拥挤状态等级对应的安全指标参数指标值。(7)综合评估交通状态。本发明提供的方法具有科学、全面、客观、简明等特点,满足高速公路交通状态评估的需要。
Description
技术领域
本发明涉及道路交通状态评估技术领域,特别是涉及一种高速公路交通状态综合评估方法。
背景技术
高速公路属于高等级公路,在高速公路上行驶的平均时速在80千米至120千米之间,比普通公路高出60%-70%,并且路面宽,通行能力大,方便了人们的出行。但是高速公路相比于其他的公路,由于车速快,车流量密集,一旦有交通状况的出现,会比普通公路的停滞时间更长,造成拥堵情况更加严重。对高速公路交通状态进行评估,方便交通的参与者和指挥者实时掌握交通路况,调整出行策略。
各国根据自身的道路状况建立起不同的交通状态评估指标。例如,美国依据平均速度建立起城市干道服务水平量化标准,依据车辆延误建立起城市信号交叉口服务水平量化标准。我国依据车辆平均行程速度,将交通状况分为畅通,轻度拥挤,拥挤,严重拥挤四个等级。但高速公路交通状态评估受道路自身路况和人们主观感受的影响,相同的参数数据在不同的路段,评估结果应有所不同。因此,这种统一的量化标准并不能反映交通的真实状态。
目前各国评估的重点在于交通的拥挤状况,但由于高速公路的特殊性,对于交通状态的评估还应包含安全性的评估,现有的评价指标不全面,评估方法过于单一。
发明内容
本发明的目的在于提供一种高速公路交通状态综合评估方法,以提高评估方式的全面性,增强其可移植性。
为实现上述目的,本发明提供一种高速公路交通状态综合评估方法,包括以下步骤:
S1、对一条高速公路的指定路段L,获取其交通流参数历史数据和实时数据;其中交通流参数数据包括某一车道断面的车流量ft,时间平均速度vt,时间占有率ot,同时采集车辆的瞬时速度;
S2、预设交通拥挤状态等级;
S3、运用模糊聚类算法对交通流历史数据进行聚类,确定各类别的聚类中心;
S4、计算实时的交通流参数数据到交通拥挤状态聚类中心的欧式距离,确定交通拥挤状态等级,距离最小的聚类中心即为所对应的交通拥挤状态;确定交通拥挤状态等级;
S5、设定交通安全状态指标,包括:超速车辆数、低速车辆占比、降速幅度;
S6、计算路段L中交通安全状态指标的值;
S7、根据各交通安全状态指标的值,判定是否存在安全隐患;
S8、依照交通拥挤状态以及交通安全状态指标,进行高速公路交通状态综合评估,得到评估结果。
优选的,所述的步骤S2,交通拥挤状态等级是基于中国《城市道路交通管理评价指标体系》,将交通拥挤状态量化为1-5五个等级,其中1等级交通状况最好,驾驶体验最佳;依次次之;5等级交通状况最差,驾驶体验最差。
优选的,所述的步骤S3,运用模糊聚类算法对交通流历史数据进行聚类,确定各类别的聚类中心,其中,聚类中心的计算步骤如下:
S3-1、初始化参数和聚类中心。其中聚类中心用Vi={V1,V2,V3...VC}表示,V1,V2,...Vc表示不同的分类等级,c为分类数,m>1,为加权指数。ε为给定的正整数。
S3-2、计算隶属矩阵,计算公式为:
S3-3、计算聚类中心,计算公式为:
S3-4若Jm(U,V)小于预先给定的正数ε,则聚类过程结束,否则转到3-2;
所述的步骤S3还包括:
得到每一类聚类中心后,按式(4)计算交通状态指标值G:
G=αft+βvt+γot (4)
其中ft,vt,ot分别表示车流量,时间平均速度,时间占有率;α、β、γ为参数权重。G为交通状态指标值,G的数值越大,交通状况越好,等级越低。预设聚类数为5,因此模糊聚类得到的聚类中心共5个,对应存在5个G的值,排序然后确定等级。
优选的,所述的步骤S4欧式距离的公式为:
xi=(xi1,xi2,..xip)T,xj=(xj1,xj2,..xjp)T(i=1,2,...n)为p维向量,d(xi,xj)为两个向量之间的距离。
优选的,所述的步骤S5,交通安全状态指标中超速车辆数是由步骤S1中采集了车辆的瞬时速度统计获得;
低速车辆占比按式(6)计算:
其中plow为路段低于限速行驶的车辆数;p为路段的车辆总数;
降速幅度按式(7)计算
其中st为车辆的在t时刻的瞬时车速,st+1为车辆在t+1时刻的瞬时车速,时间间隔为1s,且st>st+1。
优选的,所述的步骤S7,当出现以下任意情况则判断为存在安全隐患:
S7-1、若高于限速行驶车辆数>1,则可判定为存在安全隐患;
S7-2、若γ1<30%,则可判定为存在安全隐患;
S7-3、若sf>30%,则可判定为存在安全隐患。
优选的,所述的步骤S8,交通状态综合结果可表示为:z=(x,y),其中z为交通状态综合评估等级向量;x为交通拥挤状态评估等级向量;y为交通安全状态向量,其中1表示存在安全隐患,0表示没有安全隐患;
进一步表示为:
等式左边列表示的是交通状态综合结果,右边第一列是交通拥挤状态等级,右边第二列是是否存在安全隐患。如第一行对应的是1=(1,0),也就是说综合等级1代表:拥挤程度1,没有安全隐患。
与现有技术相比,本发明的有益效果为:针对现有高速公路交通状态评价指标单一,评估指标不全面的问题,提出了一种综合考虑交通状态拥挤程度和安全性的评估方法。具体步骤:(1)获取交通流参数数据。(2)预设交通拥挤状态等级。(3)确定交通拥挤状态各等级的聚类中心。(4)计算实时交通流参数数据到各交通拥挤状态聚类中心的欧式距离,判定交通拥挤状态等级。(5)设定交通安全状态评估指标。(6)计算各拥挤状态等级对应的安全指标参数指标值。(7)综合评估交通状态。本发明提供的方法具有科学、全面、客观、简明等特点,满足高速公路交通状态评估的需要。
附图说明
图1为本发明的工作流程图。
图2为本发明发明的实施案例某日评估结果示意图。
具体实施方案
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
S1、选取广东省某高速监测系统采集到的为期两周的高速公路交通流参数数据,包括:交通流量,时间平均速度,时间占有率。每天的采集时间为:00:00-23:55,时间间隔为5min,共4032组有效数据。车辆瞬时速度采集时间为00:00-23:59,时间间隔为1s。在实验时,将4000组数据作为历史数据,将32组数据作为实时数据。
S2、预设交通拥挤状态等级。可选的,在中国《城市道路交通管理评价指标体系》中,将交通状态量化为1-5五个等级,因此本发明将交通拥挤状态一共预设为5个等级。其中1等级交通状况最好,驾驶体验最佳。依次次之。5等级交通状况最差,驾驶体验最差。
S3、运用模糊聚类算法对交通流历史数据进行聚类,确定各类别的聚类中心;
其中,聚类中心的计算步骤如下:
S3-1、初始化参数和聚类中心。其中聚类中心用Vi={V1,V2,V3...VC}表示,V1,V2,...Vc表示不同的分类等级,c为分类数,m>1,为加权指数。ε为给定的正整数。
S3-2、计算隶属矩阵,计算公式为:
S3-3、计算聚类中心,计算公式为:
S3-4若Jm(U,V)小于预先给定的正数ε,则聚类过程结束,否则转到3-2;
确定各等级交通状态的聚类中心后还包括,对于得到的每一类聚类中心,按式(4)计算交通状态指标值G
G=αft+βvt+γot (4)
其中ft,vt,ot分别表示车流量,时间平均速度,时间占有率。α,β,γ为参数权重,本实施例取α=0.1,β=0.3,γ=0.6。G的数值越大,交通状况越好,等级越低。在S2中预设的交通状态为5级,对应聚类数为5,因此模糊聚类得到的聚类中心共5个,对应存在5个G的值,对G进行排序确定各等级。利用本发明的实验数据计算得聚类中心,按照G的大小排序得:
其中第一行代表车流量,第二行代表时间平均速度,第三行代表占有率。第一列表示第1级,第二列表示第2级,第三列表示第3级,第四列表示第4级,第五级表示第5级。
S4、计算实时的交通参数数据到交通拥挤状态聚类中心的欧式距离,确定交通拥挤状态等级。
欧式距离的公式为:
xi=(xi1,xi2,..xip)T,xj=(xj1,xj2,..xjp)T(i=1,2,...n)为p维向量,d(xi,xj)为两个向量之间的距离。
S5、确定交通安全状态指标,包括:超速车辆数、低速车辆占比、降速幅度。进一步的,
(1)交通安全状态指标中超速车辆数是由步骤S1中采集了车辆的瞬时速度统计获得;
(2)低速车辆占比按式(6)计算:
其中plow为路段低于限速行驶的车辆数;p为路段的车辆总数。
(3)降速幅度按式(7)计算:
其中st为车辆的在t时刻的瞬时车速,st+1为车辆在t+1时刻的瞬时车速,时间间隔为1s,且st>st+1。
S6、计算所选路段的交通安全状态指标的值。
S7、根据各交通安全状态指标的值,判定是否存在安全隐患,具体当当出现以下任意情况则判断为存在安全隐患:
S7-1、若高于限速行驶车辆数>1,则可判定为存在安全隐患。
S7-2、若γ1<30%,则可判定为存在安全隐患。
S7-3、若sf>30%,则可判定为存在安全隐患。
S8、依照交通拥挤状态以及交通安全状态指标,进行高速公路交通状态综合评估。评估结果可表示为:z=(x,y),进一步可表示为:
其中z为交通状态综合评估等级向量。x为交通拥挤状态评估等级向量。y为交通安全状态向量,其中1表示存在安全隐患,0表示没有安全隐患。
Claims (1)
1.一种高速公路交通状态综合评估方法,其特征在于,包括以下步骤:
S1、对一条高速公路的指定路段L,获取其交通流参数历史数据和实时数据;其中交通流参数数据包括某一车道断面的车流量ft,时间平均速度vt,时间占有率ot,同时采集车辆的瞬时速度;
S2、预设交通拥挤状态等级;
S3、运用模糊聚类算法对交通流历史数据进行聚类,确定各类别的聚类中心,聚类中心的计算步骤如下:
S2-1、初始化参数和聚类中心;其中聚类中心用Vi={V1,V2,V3...VC}表示,V1,V2,...Vc表示不同的分类等级,c为分类数,m>1,为加权指数;ε为给定的正整数;
S2-2、计算隶属矩阵,计算公式为:
其中1≤i≤c,1≤j≤n,
S2-3、计算聚类中心,计算公式为:
S2-4若Jm(U,V)小于预先给定的正数ε,则聚类过程结束,否则转到2-2;
所述的步骤S3还包括:
得到每一类聚类中心后,按式(4)计算交通状态指标值G:
G=αft+βvt+γot (4)
其中ft,vt,ot分别表示车流量,时间平均速度,时间占有率;α、β、γ为参数权重;G为交通状态指标值,G的数值越大,交通状况越好,等级越低;S4、计算实时的交通流参数数据到交通拥挤状态聚类中心的欧式距离,确定交通拥挤状态等级,距离最小的聚类中心即为所对应的交通拥挤状态;确定交通拥挤状态等级;
步骤S4中,欧式距离的公式为:
xi=(xi1,xi2,..xip)T,xj=(xj1,xj2,..xjp)T(i=1,2,...n)为p维向量,d(xi,xj)为两个向量之间的距离;
S5、设定交通安全状态指标,包括:超速车辆数、低速车辆占比、降速幅度;
步骤S5中,低速车辆占比按式(6)计算:
其中plow为路段低于限速行驶的车辆数;p为路段的车辆总数;
降速幅度按式(7)计算
其中st为车辆的在t时刻的瞬时车速,st+1为车辆在t+1时刻的瞬时车速,时间间隔为1s,且st>st+1;
S6、计算路段L中交通安全状态指标的值;
S7、根据各交通安全状态指标的值,判定是否存在安全隐患;当出现以下任意情况则判断为存在安全隐患:
S6-1、若高于限速行驶车辆数>1,则可判定为存在安全隐患;
S6-2、若γ1<30%,则可判定为存在安全隐患;
S6-3、若sf>30%,则可判定为存在安全隐患;
S8、依照交通拥挤状态以及交通安全状态指标,进行高速公路交通状态综合评估,得到评估结果;
步骤S8中,交通状态综合结果可表示为:z=(x,y),其中z为交通状态综合评估等级向量;x为交通拥挤状态评估等级向量;y为交通安全状态向量,其中1表示存在安全隐患,0表示没有安全隐患;
进一步表示为:
等式左边列表示的是交通状态综合结果,右边第一列是交通拥挤状态等级,右边第二列是是否存在安全隐患。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810614202.3A CN108765956B (zh) | 2018-06-14 | 2018-06-14 | 一种高速公路交通状态综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810614202.3A CN108765956B (zh) | 2018-06-14 | 2018-06-14 | 一种高速公路交通状态综合评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765956A CN108765956A (zh) | 2018-11-06 |
CN108765956B true CN108765956B (zh) | 2020-12-08 |
Family
ID=64022673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810614202.3A Active CN108765956B (zh) | 2018-06-14 | 2018-06-14 | 一种高速公路交通状态综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765956B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796867B (zh) * | 2019-11-28 | 2021-04-16 | 沈阳世纪高通科技有限公司 | 路况的确定方法及装置 |
CN111951550B (zh) * | 2020-08-06 | 2021-10-29 | 华南理工大学 | 交通安全风险监控方法、装置、存储介质及计算机设备 |
CN112885085B (zh) * | 2021-01-15 | 2022-04-29 | 北京航空航天大学 | 一种应用于改扩建高速公路施工区的合流控制策略 |
CN117831287B (zh) * | 2023-12-29 | 2024-05-31 | 北京大唐高鸿数据网络技术有限公司 | 高速公路拥堵指数的确定方法、装置、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101046919A (zh) * | 2006-10-12 | 2007-10-03 | 华南理工大学 | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 |
CN103606274A (zh) * | 2012-12-18 | 2014-02-26 | 北京科技大学 | 一种城市道路交通状态评估方法 |
JP2016186822A (ja) * | 2016-07-21 | 2016-10-27 | 住友電気工業株式会社 | 情報通信装置 |
CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
CN107274064A (zh) * | 2017-05-15 | 2017-10-20 | 东南大学 | 高速公路运行状况动态综合评价方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1141676C (zh) * | 2002-05-14 | 2004-03-10 | 刘曙阳 | 防止高速公路追尾撞车的预警系统及其预警方法 |
CN102231231A (zh) * | 2011-06-16 | 2011-11-02 | 同济大学 | 区域公路网交通安全态势预警系统及其方法 |
CN102368354A (zh) * | 2011-10-19 | 2012-03-07 | 北京航空航天大学 | 一种基于浮动车数据采集的道路安全性评价方法 |
CN103839409B (zh) * | 2014-02-27 | 2015-09-09 | 南京大学 | 基于多断面视觉传感聚类分析的交通流状态判别方法 |
CN103824450B (zh) * | 2014-03-20 | 2015-12-09 | 福州市规划设计研究院 | 基于交通状态规则的大型活动专用行车线路规划方法 |
WO2016113893A1 (ja) * | 2015-01-16 | 2016-07-21 | 三菱重工メカトロシステムズ株式会社 | ナビゲーションシステム及び車載器 |
CN104658252B (zh) * | 2015-02-10 | 2017-05-17 | 交通运输部科学研究院 | 基于多源数据融合的高速公路交通运行状态的评估方法 |
JP6674791B2 (ja) * | 2016-02-17 | 2020-04-01 | 株式会社Screenホールディングス | 混雑度推定方法、人数推定方法、混雑度推定プログラム、人数推定プログラム、および人数推定システム |
CN106067248B (zh) * | 2016-05-30 | 2018-08-24 | 重庆大学 | 一种考虑速度离散特性的高速公路交通状态估计方法 |
CN106297285B (zh) * | 2016-08-17 | 2018-09-21 | 重庆大学 | 基于动态权重的高速公路交通运行状态模糊综合评价方法 |
CN106530710B (zh) * | 2016-12-16 | 2019-02-05 | 东南大学 | 一种面向管理者的高速公路交通指数预测方法和系统 |
CN106652460A (zh) * | 2017-03-08 | 2017-05-10 | 吉林大学 | 一种高速公路交通状态判别方法及系统 |
CN107215335B (zh) * | 2017-06-01 | 2019-09-27 | 北京交通大学 | 基于微观驾驶的交通安全风险反馈预警系统及预警方法 |
-
2018
- 2018-06-14 CN CN201810614202.3A patent/CN108765956B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101046919A (zh) * | 2006-10-12 | 2007-10-03 | 华南理工大学 | 基于交通流相特征的城市交通系统状态可视化评价方法及其应用 |
CN103606274A (zh) * | 2012-12-18 | 2014-02-26 | 北京科技大学 | 一种城市道路交通状态评估方法 |
JP2016186822A (ja) * | 2016-07-21 | 2016-10-27 | 住友電気工業株式会社 | 情報通信装置 |
CN106920040A (zh) * | 2017-03-01 | 2017-07-04 | 西南交通大学 | 基于模糊层次分析的高速公路隧道交通事故风险评估方法 |
CN107274064A (zh) * | 2017-05-15 | 2017-10-20 | 东南大学 | 高速公路运行状况动态综合评价方法 |
Non-Patent Citations (4)
Title |
---|
Traffic Parameter Measurement Technology Evaluation;Lawrence A,Klein, P.E;《IEEE-IEE Vehicle Navigation & Information Systems Conference》;19931231;全文 * |
城市道路交通安全评价研究综述;孙璐;《华东公路》;20150220;全文 * |
高速公路交通状态判别模型研究;于泉;《交通运输工程与信息学报》;20150630;全文 * |
高速公路路段交通运行状态的模糊综合评价方法;高朝晖;《中国矿业大学学报》;20140330;第43卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108765956A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765956B (zh) | 一种高速公路交通状态综合评估方法 | |
CN109147319B (zh) | 一种基于多交通数据指标的道路突发事件判别方法 | |
CN114783183B (zh) | 一种基于交通态势算法的监控方法与系统 | |
CN104157156B (zh) | 一种高速公路危险路段车速动态管理预警方法 | |
CN111951549B (zh) | 在网联车辆环境下的自适应交通信号灯控制方法及系统 | |
CN106651210B (zh) | 基于can数据的驾驶人综合素质评价方法 | |
CN113920732B (zh) | 一种针对特定驾驶人群的道路交通事故风险预警方法 | |
CN110570654B (zh) | 一种基于免疫的路段交通拥堵动态检测方法 | |
CN109455178B (zh) | 一种基于双目视觉的道路交通车辆行驶主动控制系统及方法 | |
CN111563555A (zh) | 一种司机驾驶行为分析方法及系统 | |
CN111062648A (zh) | 一种沥青路面综合性能的评价方法 | |
CN107507421A (zh) | 快速路交通状态判别方法及装置 | |
CN111524345B (zh) | 一种车辆实时排队长度约束下多目标优化的感应控制方法 | |
CN101075377A (zh) | 基于偏最小二乘原理的高速公路交通事件自动检测方法 | |
CN114970943A (zh) | 一种高速公路事故类型与严重程度预测方法 | |
CN111429717A (zh) | 一种城市快速路道路运行能力评估方法 | |
CN110033627B (zh) | 一种基于时间稳定性的高速公路限速控制方法 | |
CN109910865B (zh) | 一种基于物联网的车辆预警刹车方法 | |
CN111081018A (zh) | 基于交通流量和占有率信息实现路口车道指数融合处理的方法 | |
CN114783179B (zh) | 基于状态矢量的拥堵聚类判别方法 | |
CN114495494B (zh) | 基于交通流参数预测的交通态势评估方法 | |
CN115437924A (zh) | 一种端到端自动驾驶决策算法的不确定性估计方法 | |
CN113947903B (zh) | 一种基于浮动车数据计算自由流以及道路拥缓区间的方法 | |
CN112528568A (zh) | 一种基于K-Means和BP神经网络的路感模拟方法 | |
Wang et al. | Driving Behavior Evaluation Based on DBSCAN and Kmeans++ Clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |