CN109993983A - 一种基于马尔科夫链的智能交通车辆自适应诱导方法 - Google Patents

Abstract

本发明公开了一种基于马尔科夫链的智能交通车辆自适应诱导方法。该方法包括步骤：第一，利用各种传感器获取天气六要素和白昼时间，构建高速公路的天气区块密度图，采用基于马尔科夫链模型对天气进行评估，形成交通安全评价指标存储在控制中心的云平台。第二，捕获某雷达区块的车速信息和车辆停止状态信息，将信息存储在控制中心的云平台。云平台结合安全交通评价指标和车辆的车速、停止状态信息实现诱导模式的自适应切换和相邻雷达区块的智能诱导。本发明基于马尔科夫链对环境进行预测评估，实现了车辆诱导的精准化和智能化，具有广泛的应用前景。

Description

一种基于马尔科夫链的智能交通车辆自适应诱导方法

技术领域

本发明属于智能交通领域，具体涉及一种基于马尔科夫链的智能交通车辆自适应诱导方法，该方法利用马尔科夫链模型对环境因素进行评估，完成车辆诱导模式的自适应切换和相邻区块的交通状态信息推送。

背景技术

现有诱导技术常常利用诱导灯或诱导路标进行诱导。诱导灯诱导是控制中心根据全局的天气状况进行测量诱导，对于局部的团雾、降雨等特殊天气状况无法进行有效评估，使得设定的诱导方式不够合理，容易发生交通事故。交通标志诱导功能单一、在低能见度情况下难以看清，具有一定的局限性。因此，非常有必要针对局部区块，研究一种可以对环境进行评估，结合现有的物联网云技术，实现智能诱导的方法。

发明内容

为克服现有技术的短板，本发明提供了一种基于马尔科夫链的智能交通车辆自适应诱导方法利用马尔科夫链模型对环境因素进行评估，建立控制中心云平台进行数据的分组、存储、处理、转发和可视化，完成车辆诱导模式的自适应切换和相邻区块的交通状态信息推送。

本发明采用如下技术方案来实现的：

一种基于马尔科夫链的智能交通车辆自适应诱导方法，包括如下步骤：

步骤1，天气六要素和白昼时间获取：其中天气六要素包括温度、气压、环境湿度、风向、风速和降雨量；

步骤2，天气区块密度图构建：结合获取的天气六要素信息，构建当前交通区块的天气区块密度图；根据温度、气压、环境湿度、风向、风速、降雨量和白昼时间对交通影响的权值系数，建立统计表，并利用统计表形成离散化的可视天气密度图；

步骤3，基于马尔科夫链模型进行评价：通过天气六要素统计表，可以将本区块的环境信息按照等级进行划分，根据划分的个数建立马尔科夫链模型，进而预测下一时刻的环境状态；

步骤4，交通安全评价：利用马尔科夫链模型对当前环境进行预测，然后进行环境等级划分，形成安全交通评价，存储在控制中心云平台；

步骤5，区块车速信息和车辆的停止状态信息捕获：利用雷达对区块的经由车辆进行测速，并将速度、车牌信息上传到控制中心云平台；对区块内的停止车辆进行检测，将车牌信息上传到控制中心云平台；

步骤6，控制中心云平台进行诱导模式自适应切换以及相邻雷达区块交通诱导：控制中心云平台根据所述步骤5获得的信息，对本区块的诱导模式进行切换，并对相邻雷达区块的测量进行诱导，实现诱导的智能化。

本发明进一步的改进在于，步骤1中，利用温度、湿度、压力机、风向标及雨量计量器传感器设备完成天气六要素的测量，利用测量点的GPS定位器获得标准卫星时间，来确定当前白昼时间。

本发明进一步的改进在于，步骤1中，数据采集点应布置在交通区块的多个点，防止局部误差过大，且保证测量点电力、无线传输和GNSS定位的稳定正常运行。

本发明进一步的改进在于，步骤3的具体实现方法如下：

301)通过天气六要素对本区块的环境进行等级划分，并建立该等级数量个状态的一阶马尔科夫链模型；

302)将GPS系统获得的白昼时间作为随机变量，通过初期的统计实验形成条件概率模型P_ij＝(m,m+n)＝PX_m+n＝a_j|X_m＝a_j)，即在时刻m处于a_i条件下，在时刻m+n转移到状态a_j的概率；

303)若根据环境划分的等级大小为10，将10*10个转移概率用一个状态转移矩阵进行表示矩阵每行的数值和为1，并结合实际环境情况定义一个初始概率向量，利用初始概率向量和状态转移矩阵对下一时间刻的环境进行预测评估，为智能诱导提供理论依据。

本发明进一步的改进在于，步骤5的具体实现方法如下：

501)在检测区块，假定有若干正常行驶的车辆，雷达阵列区块完成对经由车辆的速度检测，摄像头完成对经由车辆的车牌号识别，两者同步时间戳后上传到云平台服务器，形成记录数据；

502)假定某一车辆由于故障或其他原因停留在道路的某一区域，雷达阵列模块通过协助检测，将车辆的车牌号及区号信息上传到云平台，以便于交警及时处理。

本发明进一步的改进在于，步骤6的具体实现方法如下：

601)基于马尔科夫链的环境评价模型和对本区块的车速信息监测，实现本区块诱导灯的频率、亮度的自适应调节；

602)基于本区块的停车信息，对相邻的区块进行预警，智能诱导其他车辆通过本区块，防止交通事故或交通拥挤的发生。

本发明具有如下有益的技术效果：

本发明基于马尔科夫链模型建立高速公路的区域诱导算法，对车辆行驶的不同影响进行交通安全评价，从而，实现智能交通的车辆诱导模式自适应切换，完成雨雾天气下智能交通高速行车安全的云服务数据采集，确保高速交通的安全行车距离。此外，诱导系统将车速信息和车辆的停止状态信息传递给远程控制中心，完成高速公路的交通状态反馈。

进一步，诱导系统可以根据不同的地形与高速等级，由远程控制中心指挥诱导系统将上一个区块中交通状态信息推送给下一个相邻的雷达区块阵列进行车辆交通诱导，为智能交通高速公路的安全行驶奠定技术基础。

附图说明

图1为本发明的流程图。

图2为本发明的区块结构示意图。

图3为本发明的天气密度示意图。

附图标记说明：

1为第一交通区块，2为第二交通区块，3为第三交通区块3，4、5、6分别为天气密度图的不同等级灰度示意。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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一部分的实施例，不是全部的实施例，而并非要限制本发明公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要的混淆本发明公开的概念。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

在附图中示出了根据本发明公开实施例的各种示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。

下面结合附图进一步阐明本发明：

参考图2，为本发明的区块结构示意图。第一交通区块1、第二交通区块2和第三交通区块3是三个独立的交通区块。假定第二交通区块2发生了团雾(能见度非常低)，第一交通区块1和第三交通区块3为普通雾(能见度低)。

第二交通区块2中的气象传感器通过测量得到本区块的天气六要素，并通过无线传输将数据传输到控制中心的云平台，云平台根据天气六要素构建出第二交通区块2的天气区块密度图，形成统计表，并根据其对交通的影响大小进行等级划分，基于划分的等级建立M状态的一阶马尔科夫链模型，对环境状况进行预测评估并形成交通安全评价指标存储在控制中心的云平台。若马尔科夫链模型预测本地区的能见度有变好的趋势，控制中心将智能切换诱导模式，使诱导灯的频率变慢，亮度降低，实现能源的有效利用；若马尔科夫链模型预测本地区的能见度没有变好或变差，控制中心将智能切换诱导模式，使诱导灯的频率变快，亮度提高，降低危险的发生。

同时，控制中心还会根据第二交通区块2的车速信息和车辆停止状态信息提示相邻区块的车辆，即在第一交通区块1和第二交通区块2里行驶的车辆。将前方区块发生团雾的信息、车辆车速信息、车辆停车信息等通过诱导灯的特殊闪烁表示出来，降低事故的发生率。

参考图3，为本发明的天气密度示意图。通过天气对交通的影响大小划分不同的等级，由灰度的深浅代表天气状态的好坏。5颜色较深，代表本区块的天气状况非常差；4颜色一般深，代表本区块的天气状况比较差；6颜色较浅，代表本区块天气状况比较好。通过天气密度示意图为诱导的自适应管理提供基础。

Claims (6)

1.一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，包括如下步骤：

步骤1，天气六要素和白昼时间获取：其中天气六要素包括温度、气压、环境湿度、风向、风速和降雨量；

步骤2，天气区块密度图构建：结合获取的天气六要素信息，构建当前交通区块的天气区块密度图；根据温度、气压、环境湿度、风向、风速、降雨量和白昼时间对交通影响的权值系数，建立统计表，并利用统计表形成离散化的可视天气密度图；

步骤3，基于马尔科夫链模型进行评价：通过天气六要素统计表，可以将本区块的环境信息按照等级进行划分，根据划分的个数建立马尔科夫链模型，进而预测下一时刻的环境状态；

步骤4，交通安全评价：利用马尔科夫链模型对当前环境进行预测，然后进行环境等级划分，形成安全交通评价，存储在控制中心云平台；

步骤5，区块车速信息和车辆的停止状态信息捕获：利用雷达对区块的经由车辆进行测速，并将速度、车牌信息上传到控制中心云平台；对区块内的停止车辆进行检测，将车牌信息上传到控制中心云平台；

步骤6，控制中心云平台进行诱导模式自适应切换以及相邻雷达区块交通诱导：控制中心云平台根据所述步骤5获得的信息，对本区块的诱导模式进行切换，并对相邻雷达区块的测量进行诱导，实现诱导的智能化。

2.根据权利要求1所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤1中，利用温度、湿度、压力机、风向标及雨量计量器传感器设备完成天气六要素的测量，利用测量点的GPS定位器获得标准卫星时间，来确定当前白昼时间。

3.根据权利要求1所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤1中，数据采集点应布置在交通区块的多个点，防止局部误差过大，且保证测量点电力、无线传输和GNSS定位的稳定正常运行。

4.根据权利要求1所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤3的具体实现方法如下：

301)通过天气六要素对本区块的环境进行等级划分，并建立该等级数量个状态的一阶马尔科夫链模型；

302)将GPS系统获得的白昼时间作为随机变量，通过初期的统计实验形成条件概率模型P_ij＝(m,m+n)＝PX_m+n＝a_j|X_m＝a_j)，即在时刻m处于a_i条件下，在时刻m+n转移到状态a_j的概率；

303)若根据环境划分的等级大小为10，将10*10个转移概率用一个状态转移矩阵进行表示矩阵每行的数值和为1，并结合实际环境情况定义一个初始概率向量，利用初始概率向量和状态转移矩阵对下一时间刻的环境进行预测评估，为智能诱导提供理论依据。

5.根据权利要求4所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤5的具体实现方法如下：

501)在检测区块，假定有若干正常行驶的车辆，雷达阵列区块完成对经由车辆的速度检测，摄像头完成对经由车辆的车牌号识别，两者同步时间戳后上传到云平台服务器，形成记录数据；

502)假定某一车辆由于故障或其他原因停留在道路的某一区域，雷达阵列模块通过协助检测，将车辆的车牌号及区号信息上传到云平台，以便于交警及时处理。

6.根据权利要求5所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤6的具体实现方法如下：

601)基于马尔科夫链的环境评价模型和对本区块的车速信息监测，实现本区块诱导灯的频率、亮度的自适应调节；

602)基于本区块的停车信息，对相邻的区块进行预警，智能诱导其他车辆通过本区块，防止交通事故或交通拥挤的发生。