CN109816985B - 基于bayes算法的城市交通状况预警方法 - Google Patents

Abstract

一种基于bayes算法的城市交通状况预警方法，包括在多个护栏处安装振动传感及无线传输装置，设置服务器，现场摄像头，振动传感及无线传输装置与服务器连接，服务器对收到的多个护栏传感器振动信息进行判断，在先验和修正概率的判断下，加快决策速度，提高决策效率。本发明的技术方案将护栏振动加速度按照强度分为6个等级，每个等级对应一些状态，根据护栏振动加速度对每个状态出现的概率进行计算，对于概率较大的状态进行优先判断，根据贝叶斯概率计算方法，对某些路段的传感器对应的状态进行判断，分析出较容易出现事故的路段，便于管理部门及时处理事故。单个护栏的振动情况不能确认现场情况时，需要对同一路段的多个护栏的振动情况进行综合判断。

Description

基于bayes算法的城市交通状况预警方法

技术领域

本发明涉及一种基于bayes算法的城市交通状况预警方法。

背景技术

城市道路护栏将机动车、非机动车和行人交通分隔，将道路在断面上进行纵向分隔，使机动车、非机动车和行人分道行驶，阻拦不良的交通行为，阻拦试图横穿马路的行人、自行车或随意调头的机动车辆，减少交通事故的发生，提高道路的通行效率。

但传统的道路护栏没有任何预警功能，即使被车辆撞坏或人为搬离到其他地方，也无法及时通知到交警或路政部门，来及时恢复护栏，保证正常的通行秩序。

本发明的目的就是要提供一种基于bayes算法的城市交通状况预警方法，针对城市道路护栏的特点，利用最新的物联网技术，采用低功耗的智能传感设备，实时采集护栏状态，一旦发生异常，可及时上报到智能护栏管理平台，平台采用贝叶斯算法推断出最有可能的情况，通过其他辅助的方式确认后，采取相应措施。

数据根据每次发生的情况进行累积，不断迭代更新，经过大量的情况计算，可以得出较准确的概率分布特征，为交管，城建等部门的案情分析，道路维护提供依据。

本发明采用如下技术方案：

基于bayes算法的城市交通状况预警方法，包括在多个护栏处安装振动传感及无线传输装置，设置服务器，现场摄像头，所述振动传感及无线传输装置与服务器连接，所述服务器对收到的多个护栏传感器振动信息进行判断，在先验和修正概率的判断下，加快决策速度，提高决策效率。

本案的核心是服务器对多个护栏传感器振动信息数据的分析和判断，由于现场情况复杂，单个护栏的振动情况不能确认现场情况，需要对同一路段的多个护栏的振动情况进行综合判断，在服务器端，使用贝叶斯算法，对护栏的情况进行预测，得出最有可能发生的情况。

贝叶斯概率是指一件概率事件发生后引起另外一件事件发生的概率，具体在本案中，应用贝叶斯推断做如下分析：

一个护栏发生振动时，可能出现的情况有如下几种：

1.被车撞倒；

2.大风吹倒；

3.行人跨越栏杆；

4.旁边护栏振动引发的振动；

5.其它情况；

如果护栏发生的是轻微振动，可能会是如下原因：

1.环卫工人轻微触碰；

2.大车经过引起的振动；

3.旁边的护栏被撞引起的连带振动；

服务器根据护栏异常的振动情况推断出发生的实际情况；

优选的，在可以拍摄到栏杆的位置设置摄像头，用摄像头拍摄现场画面，对于比较严重的引发栏杆振动的事故，则通知运维和交警处理。

优选的，护栏处安装振动传感装置为振动传感器，将测得的振动和位置情况实时传给服务器，振动传感器测的振动加速度是三维的，分为xyz三个方向，分别用a_x,a_y,a_z表示，总的加速度通过：

得到。

服务器根据振动传感器测得的振动和位置情况判断护栏状态，判断过程包括如下步骤：

把加速度按等级分类：

根据长期的经验总结的规律，按照实际测量的加速度大小，可以分为5 个等级，以Deg表示：

其中，g为重力加速度，当振动加速度在g和1.2g之间时，是护栏平时的轻微振动，一般由小车经过，微风吹过引起，这些情况时刻都在发生，不属于事故状况，因此不在本案的考虑之中。

以S表示状态量，根据经验和统计结果，护栏发生振动时的状态也分成5 种类型：

S＝{S1,S2,S3,S4,S5}，S1-S5这五个状态依次对应：被车撞倒，大风吹倒，行人跨越栏杆，旁边护栏振动引发，其它情况。

判断算法如下：

把所有护栏进行编号，对于其中的第N个护栏，用P_N(Deg_j)表示其处于振动等级为Deg_j时的概率，P_N(S_i|Deg_j)表示在振动等级为Deg_j时，处于状态S_i的概率，则护栏处于状态S_i的总概率可由贝叶斯公式得出：

把计算的结果与统计的各种状况下的概率分布特征进行比较，可以对道路护栏的实际状况进行预测，为交管，城建等部门的案情分析以及道路维护提供依据。

进一步的，对于道路上的护栏来说，都是成排出现的，一个处于轻微振动的护栏也可能是因为相邻的护栏振动引起的，所以在本案中需考虑相邻护栏的振动造成的连带影响；

当第N个护栏振动传感器处于S4时，采用如下步骤：

分别检查第N个护栏两侧相邻的护栏传感器状态，

当两侧的护栏传感器处于S4以下的较强振动状态，则启动摄像头，派人到现场执行事故处理流程；

当两侧的护栏传感器处于轻微振动或轻微振动以上状态，确认振动的原因后，更新状态以及该状态的概率；

在实施时，根据积累的经验统计数据预先设置好每个状态的先验概率，当每次等级Deg4的振动来临时，将统计样本数+1，经过状态判断和事故处理后，在状态统计时，把对应的状态数+1，不断累加样本数量和状态数量，计算出当该级别振动发生时，处于该状态的概率。

进一步的，把通过上述步骤得到的状态概率与先验概率进行比较，积累足够多次数后，对先验概率做进一步修正，以得到更准确的预测结果。

优选的，为加快后台处理速度，对于第N个振动传感器，根据多次统计的结果，计算出其出现在某个状态的概率，概率大的优先判断。

本发明所述智能护栏中的控制器采用低功耗方案设计，待机功耗在微安级别，采用3000毫安时容量的一次性锂电池即可保证控制器正常工作两年以上，省去高昂的人工维护成本。

通过本发明的技术方案，将护栏振动加速度按照强度分为6个等级，每个等级对应一些状态，根据护栏振动加速度对每个状态出现的概率进行计算，对于概率较大的状态进行优先判断，根据贝叶斯概率计算方法，对某些路段的传感器对应的状态进行判断，分析出较容易出现事故的路段，便于管理部门及时处理事故。

附图说明：

图1是本发明的整体示意图；

图2是控制系统的原理示意图；

图3是第N个护栏发生振动时的处理流程图；

图1中，1是下横梁、2是底座、3是立柱、4是立柱帽、5是竖杆、6是上横梁、7是控制器、8是一次性电池；

具体实施方式

下面结合附图和具体实施方式对本发明 做进一步说明:

图1中，立柱3安装在底座2上，立柱帽4安装在立柱顶部，每两根立柱3之间由上横梁6和下横梁1连接，上横梁6和下横梁1之间设置有若干根竖杆5，控制器7和电池8分体设置在立柱帽4中；

图2中，控制器包括数据采集模块、处理器模块、SIM卡、一次性电池、电源管理模块、通信模块；

该护栏包含底座、立柱、上横梁、下横梁、若干竖管、立柱帽、控制器、一次性电池等组成。在传统城市道路护栏的基础上，加入了物联网控制器，控制器采用电池供电，控制器与电池通过线缆连接，固定安装立柱帽中，控制器配有震动传感器、加速度传感器等，当护栏被车辆撞击或被人为搬起时，会触发相应的信号，该信号转换为异常事件后会通过控制器上的NB-IOT通讯模组，将异常情况发送到管理平台。

本案的核心是服务器对多个护栏传感器振动信息数据的分析和判断，由于现场情况复杂，单个护栏的振动情况不能确认现场情况，需要对同一路段的多个护栏的振动情况进行综合判断，在服务器端，使用贝叶斯算法，对护栏的情况进行预测，得出最有可能发生的情况。

贝叶斯概率是指一件概率事件发生后引起另外一件事件发生的概率，具体在本案中，应用贝叶斯推断做出分析，服务器根据护栏异常的振动情况推断出发生的实际情况；

在可以拍摄到栏杆的位置设置摄像头，用摄像头拍摄现场画面，对于比较严重的引发栏杆振动的事故，则通知运维和交警处理。

护栏处安装振动传感装置为振动传感器，将测得的振动和位置情况实时传给服务器，振动传感器测的振动加速度是三维的，分为xyz三个方向，分别用a_x,a_y,a_z表示，总的加速度通过：

得到。

服务器根据振动传感器测得的振动和位置情况判断护栏状态，判断过程包括如下步骤：

把加速度按等级分类：

根据长期的经验总结的规律，按照实际测量的加速度大小，可以分为5 个等级，以Deg表示：

其中，g为重力加速度，当振动加速度在g和1.2g之间时，是护栏平时的轻微振动，一般由小车经过，微风吹过引起，这些情况时刻都在发生，不属于事故状况，因此不在本案的考虑之中。

以S表示状态量，根据经验和统计结果，护栏发生振动时的状态也分成5 种类型：

S＝{S1,S2,S3,S4,S5}，S1-S5这五个状态依次对应：被车撞倒，大风吹倒，行人跨越栏杆，旁边护栏振动引发，其它情况。

判断算法如下：

把所有护栏进行编号，对于其中的第N个护栏，用P_N(Deg_j)表示其处于振动等级为Deg_j时的概率，P_N(S_i|Deg_j)表示在振动等级为Deg_j时，处于状态S_i的概率，则护栏处于状态S_i的总概率可由贝叶斯公式得出：

图3所示的是，当第N个护栏发生振动时的处理流程图；

把计算的结果与统计的各种状况下的概率分布特征进行比较，当第N个节点发生强烈振动的概率超过预设先验概率，则直接进入事故处理程序：启动摄像头，派出事故处理人员到现场。

本方案可以对道路护栏的实际状况进行预测，为交管，城建等部门的案情分析以及道路维护提供依据。

对于道路上的护栏来说，都是成排出现的，一个处于轻微振动的护栏也可能是因为相邻的护栏振动引起的，所以在本案中需考虑相邻护栏的振动造成的连带影响；

其中，当第N个护栏振动传感器处于S4时的处理流程，包括：

分别检查第N个护栏两侧相邻的护栏传感器状态，

当两侧的护栏传感器处于S4以下的较强振动状态，则启动摄像头，派人到现场执行事故处理流程；

当两侧的护栏传感器处于轻微振动或轻微振动以上状态，确认振动的原因后，更新状态以及该状态的概率；

在实施时，根据积累的经验统计数据预先设置好每个状态的先验概率，当每次等级Deg 4的振动来临时，将统计样本数+1，经过状态判断和事故处理后，在状态统计时，把对应的状态数+1，不断累加样本数量和状态数量，计算出当该级别振动发生时，处于该状态S4的概率。

进一步的优选的方案是，把通过上述步骤得到的概率与先验概率进行比较，积累足够多次数后，对先验概率做进一步修正，以得到更准确的预测结果。

优选的方案是，为加快后台处理速度，对于第N个护栏的振动传感器，根据多次统计的结果，计算出其出现在某个状态的概率，对于概率大的优先判断。

以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于bayes算法的城市交通状况预警方法，包括在多个护栏处安装振动传感器及无线传输装置，设置服务器，现场摄像头，所述振动传感器及无线传输装置与服务器连接，振动传感器将振动的加速度和位置情况实时传给服务器，所述服务器对收到的多个护栏传感器振动信息进行判断，其特征是判断过程包括

把加速度按等级分类，根据实际测得情况，将等级分为5层，以Deg表示：

其中，g为重力加速度；

以S表示状态量，护栏发生振动时的状态，S＝{S1,S2,S3,S4,S5}，S1-S5这五个状态依次对应：被车撞倒，大风吹倒，行人跨越栏杆，旁边护栏振动引发，其它情况；

判断算法如下：

把所有护栏进行编号，对于其中的第N个护栏，用P_N(Deg_j)表示其处于振动等级为Deg_j时的概率，P_N(S_i|Deg_j)表示在振动等级为Deg_j时，处于状态S_i的概率，其中角标j取1至5之间的自然数，表示从1至5的加速度等级，护栏处于状态S_i的总概率由贝叶斯公式得出：

根据计算的结果，与统计的概率分布特征进行比较，对道路护栏的实际状况进行预测，为交管、城建部门的案情分析，道路维护提供依据。

2.根据权利要求1所述的一种基于bayes算法的城市交通状况预警方法，其特征是，对于第N个振动传感器，根据多次统计的结果，计算出其出现在某个状态的概率，概率大的优先判断。

3.根据权利要求1所述的一种基于bayes算法的城市交通状况预警方法，其特征是，

当第N个振动传感器处于S4状态时，分别检查第N个护栏两侧相邻的护栏传感器状态，当两侧的护栏传感器处于S4以下的较强振动状态，则启动摄像头，派人到现场执行事故处理流程；

当两侧的护栏传感器处于轻微振动或轻微振动以上状态，确认振动的原因后，更新第N个振动传感器以及其两侧的护栏第N-1以及N+1传感器状态以及该状态的概率。

4.根据权利要求3所述的一种基于bayes算法的城市交通状况预警方法，其特征是，根据积累的经验统计数据预先设置好每个状态的先验概率，当每次等级Deg₄的振动来临时，将统计样本数+1，经过状态判断和事故处理后，在状态统计时，把对应的状态数+1，不断累加样本数量和状态数量，计算出当该级别振动发生时，处于该状态的概率。

5.根据权利要求1或权利要求4所述的一种基于bayes算法的城市交通状况预警方法，其特征是，把通过上述步骤得到的状态概率P_N(S_i)与先验概率进行比较，积累足够多次数后，对先验概率做进一步修正，以得到更准确的预测结果。

Images