CN108765956B - 一种高速公路交通状态综合评估方法 - Google Patents

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

一种高速公路交通状态综合评估方法

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f_t，时间平均速度v_t，时间占有率o_t，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V_i＝{V₁，V₂，V₃...V_C}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J_m(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＝αf_t+βv_t+γo_t (4)

其中f_t，v_t，o_t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：

x_i＝(x_i1,x_i2,..x_ip)^T，x_j＝(x_j1,x_j2,..x_jp)^T(i＝1,2,...n)为p维向量,d(x_i,x_j)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p_low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s_t为车辆的在t时刻的瞬时车速，s_t+1为车辆在t+1时刻的瞬时车速，时间间隔为1s，且s_t＞s_t+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s_f>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V_i＝{V₁，V₂，V₃...V_C}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J_m(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＝αf_t+βv_t+γo_t (4)

其中f_t，v_t，o_t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：

x_i＝(x_i1,x_i2,..x_ip)^T，x_j＝(x_j1,x_j2,..x_jp)^T(i＝1,2,...n)为p维向量,d(x_i,x_j)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p_low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s_t为车辆的在t时刻的瞬时车速，s_t+1为车辆在t+1时刻的瞬时车速，时间间隔为1s，且s_t＞s_t+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s_f>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f_t，时间平均速度v_t，时间占有率o_t，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V_i＝{V₁，V₂，V₃...V_C}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J_m(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＝αf_t+βv_t+γo_t (4)

其中f_t，v_t，o_t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：

x_i＝(x_i1,x_i2,..x_ip)^T，x_j＝(x_j1,x_j2,..x_jp)^T(i＝1,2,...n)为p维向量,d(x_i,x_j)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p_low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s_t为车辆的在t时刻的瞬时车速，s_t+1为车辆在t+1时刻的瞬时车速，时间间隔为1s，且s_t＞s_t+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s_f>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。

Images