CN110992685B - 一种基于高速公路交通流突变的交通安全预警方法 - Google Patents

Abstract

一种基于高速公路交通流突变的交通安全预警方法，通过判断流量突变可以发现交通异常情况，可以帮助交通管理部门提早发现交通异常事件，有效制定管理疏通措施；包括获取高速公路相邻节点之间的道路基础信息；根据所获取的基础信息，按道路、时间、道路流量、天气四个特征处理数据，应用长短记忆模型，预测下游路口交通流量；获取下游路口实际流量与预测的流量进行对比分析，对交通状态进行判别；根据交通流突变的分析结果，判断两采集点之间是否存在异常情况，针对可能出现的交通事件进行及时预警。本发明通过对道路交通流状态进行分析研究，及时、准确地辨识当前和未来交通流状态，是制定正确诱导和控制措施的一个重要前提。

Description

一种基于高速公路交通流突变的交通安全预警方法

技术领域

本发明涉及交通安全技术领域，具体涉及一种基于高速公路交通流突变的交通安全预警方法。

背景技术

交通流的突变，多与道路交通事件、交通事故等异常事件直接相关。通过对交通流突变现象的实时分析和判断，进而交通事件及时预警，能够有效提高发现交通异常的速度。

目前，关于交通流突变的检测方法，主要围绕车辆行驶速度和车头间距等因素来分析。但是，在当前实际的道路运行中，以及交通管理应用中，还没有能够对车辆行驶速度和车头间距进行较为完善的获取和分析，不能应用到实际生活生产中。

发明内容

本发明提出的一种基于高速公路交通流突变的交通安全预警方法，通过判断流量突变可以发现交通异常情况，可以帮助交通管理部门提早发现交通异常事件，有效制定管理疏通措施。

为实现上述目的，本发明采用了以下技术方案：

一种基于高速公路交通流突变的交通安全预警方法，包括：

获取高速公路相邻节点之间的道路基础信息，包括流量数据，天气数据；

根据所取数据，按道路、时间、道路流量、天气四个特征处理数据，运用长短记忆模型，预测下游路口交通流量；

把下游路口实际流量与预测的流量进行对比分析，对交通状态进行判别；

根据交通流突变的分析结果，判断两采集点之间是否存在异常情况，针对可能出现的交通事件进行及时预警。

由上述技术方案可知，本发明的基于高速公路交通流突变的交通安全预警方法对道路交通流状态进行分析研究，及时、准确地辨识当前和未来交通流状态，是制定正确诱导和控制措施的一个重要前提。

本发明充分利用高速公路车流量、道路信息、时间与天气信息，预测在自由流状况下的从上游到下游的车流量；并通过研究预测的流量与实际流量的对比值，来对高速公路是否发生交通事件提供预警。该方法具有一定的有效性，并且易于应用和实施到实际的交通管理中；通过该方法可及时发现交通事件的发生，进而实施及时有效的诱导。

附图说明

图1是本发明的方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

如图1所示，本实施例所述的基于高速公路交通流突变的交通安全预警方法，包括：

S100、获取高速公路相邻节点之间的道路基础信息，所述相邻节点为上游路口和下游路口；

S200、根据所获取的基础信息，按道路、时间、道路流量、天气四个特征处理数据，应用长短记忆模型，预测下游路口交通流量；

S300、获取下游路口实际流量与步骤S200预测的流量进行对比分析，对交通状态进行判别；

S400、根据步骤S300交通流突变的分析结果，判断两采集点之间是否存在异常情况，针对可能出现的交通事件进行及时预警。

以下针对上述步骤进行逐步说明：

其中，S100、获取高速公路相邻节点之间的道路基础信息，所述相邻节点为上游路口和下游路口；具体步骤如下：

(1)在一段高速公路，相邻的两个节点中，记进出口分别为S_i和S_e，设S_i和S_e之间存在j个流入匝道口、k个流出匝道口、x个服务区。

(2)设S_i和S_e之间的道路长度为L、车道路为n、最低限速为v₀、最高限速为v₁、流入匝道口距离S_e的长度分别为L_j1、L_j2、...、L_jj、流出匝道口距离S_e的长度分别为L_k1、L_k2、...、L_kk、服务区距离S_e的长度分别为L_x1、L_x2、...、L_xx、

(3)记录的时间信息为T，时间T包含日期和具体时间点。提取时间的小时记为h、分钟记为m、是否为周末作为哑变量w、根据高速公路车流量的高峰和低谷时间端，以是否为高峰作为哑变量p。

(4)以t分钟为时间窗口，分别统计各时间段在S_i的流量为Q_i、S_e处流量为Q_e、j个流入匝道口的流量分别为Q_j1、Q_j2、...、Q_jj、k个流出匝道口的流量分别为Q_k1、Q_k2、...、Q_kk、x个服务区的流量分别为Q_x1、Q_x2、...、Q_xx。

(5)天气信息包含温度H、气压P、降水R。

所述S200、根据所获取的基础信息，按道路、时间、道路流量、天气四个特征处理数据，应用长短记忆模型，预测下游路口交通流量；具体步骤如下：

(1)根据高速路段进口、匝道进出口、服务区距离路段出口的长度，与高速公路最高限速v₀和最低限速v₁的比值，得到各点正常行驶到出口S_e的时间范围

(U_t是用时时长，A是高速入口、匝道入口、服务区出口三种不同车辆驶进高速道路的点)。

(2)统计各点位A在

时间点的流量值

高速出口在当前时间T的流量记为

(3)选取历史时间，在道路S_i到S_e没有发现拥堵、事故等交通时间下的各项数据，并进行做特征处理，包含

等特征列，

为标签列。

(4)在模型训练方法，选取深度学习模型，长短记忆模型(LSTM)进行训练。其中，对LSTM模型层的计算可表示如下：

输入节点：g^(t)＝σ(W_gx*x^(t)+W_gh*h^(t-1)+b_g)；

输入门：i^(t)＝σ(W_ix*x^(t)+W_ih*h^(t-1)+b_i)；

忘记门：f^(t)＝σ(W_fx*x^(t)+W_fh*h^(t-1)+b_f)；

输出门：o^(t)＝σ(W_ox*x^(t)+W_ok*h^(t-1)+b_o)；

它们之间关系：s^(t)＝g^(t)*i^(t)+s^(t-1)*f^(t)，h^(t)＝s^(t)*o^(t)；

其中，x^(t)是循环层的输入，h^(t)是循环层的输出，t是时间步骤的值，σ是Sigmoid函数，W_x是输入和输出之间的关系，W_h是输出的历史相关性，b为偏移；参数的初始值为随机值，h^(t)的初始化为零。

(5)使用训练的模型，预测路段下游S_e交通流量

所述S300、获取下游路口实际流量与步骤S200预测的流量进行对比分析，对交通状态进行判别；具体步骤如下：

(1)在历史数据下，对S_i和S_e路段(包含发生交通事件)，预测路段下游的流量

与实际通行下的流量

并对是交通事件下的时间段做标记1，否则标记0；

(2)依据交通事件情况下，下游路口的流量会有较大的。计算

的值，并做倒序排列；对于时间段的标记，从排序后的数据中，找到第一个0的时间段，记录该时间段的

为σ。

(3)当

发出S_i和S_e之间路段出现交通事件(拥堵、事故等)的预警；否则不发出预警。

交通流突变分析结果应用

对于发出预警的路段，进行人为干扰，疏解道路异常问题。

本发明实施例的基于高速公路交通流突变的交通安全预警方法，主要分为高速流量数据采集、通过道路上游流量预测下游流量、道路下游实时流量与预测流量对比分析三个步骤。具体地，首先在道路断面任意相邻交通流采集点，进行流量数据进行实时采集。然后，结合高速公路上游的流量数据，预测在没有交通事件状况，车辆能够正常自由行驶的状况下，高速下游的预计车流量。最后，通过预计车流量和实际流量的对比分析，对在路段中间是否发生交通事件做出决断。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (2)

1.一种基于高速公路交通流突变的交通安全预警方法，其特征在于：

S100、获取高速公路相邻节点之间的道路基础信息，所述相邻节点为上游路口和下游路口；

S200、根据所获取的基础信息，按道路、时间、道路流量、天气四个特征处理数据，应用长短记忆模型，预测下游路口交通流量；

S300、获取下游路口实际流量与步骤S200预测的流量进行对比分析，对交通状态进行判别；

S400、根据步骤S300交通流突变的分析结果，判断两采集点之间是否存在异常情况，针对将要出现的交通事件进行及时预警；

其中，所述步骤S100、获取高速公路相邻节点之间的道路基础信息，具体包括：

S101、在一段高速公路，相邻的两个节点中，记进出口分别为S_i和S_e，设S_i和S_e之间存在j个流入匝道口、k个流出匝道口、x个服务区；

S102、设S_i和S_e之间的道路长度为L、车道数为n、最低限速为v₀、最高限速为v₁、流入匝道口距离S_e的长度分别为L_j1、L_j2、...、L_jj、流出匝道口距离S_e的长度分别为L_k1、L_k2、...、L_kk、服务区距离S_e的长度分别为L_x1、L_x2、...、L_xx；

S103、记录的时间信息为T，时间T包含日期和具体时间点；提取时间的小时记为h、分钟记为m、是否为周末作为哑变量w、根据高速公路车流量的高峰和低谷时间端，以是否为高峰作为哑变量p；

S104、以t分钟为时间窗口，分别统计各时间段在S_i的流量为Q_i、S_e处流量为Q_e、j个流入匝道口的流量分别为Q_j1、Q_j2、...、Q_jj、k个流出匝道口的流量分别为Q_k1、Q_k2、...、Q_kk、x个服务区的流量分别为Q_x1、Q_x2、...、Q_xx；

S105、天气信息包含温度H、气压P、降水R；

所述步骤S200、根据所获取的基础信息，按道路、时间、道路流量、天气四个特征处理数据，应用长短记忆模型，预测下游路口交通流量；具体包括：

S201、根据高速路段进口、匝道进出口、服务区距离路段出口的长度，与高速公路最高限速v₀和最低限速v₁的比值，得到各点正常行驶到出口S_e的时间范围

U_t是用时时长，A是高速入口、匝道入口、服务区出口三种不同驶进高速公路的点；

S202、统计各点位A在

时间点的流量值

高速出口在当前时间T的流量记为

S203、选取历史时间，在道路S_i到S_e没有发现拥堵、事故交通时间下的数据，并进行做特征处理，包含

特征列，

为标签列；

S204、选取深度学习模型，并对长短记忆模型进行训练；其中，对长短记忆模型的模型层的计算表示如下：

输入节点：g^(t)＝σ(W_gx*x^(t)+W_gh*h^(t-1)+b_g)；

输入门：i^(t)＝σ(W_ix*x^(t)+W_ih*h^(t-1)+b_i)；

忘记门：f^(t)＝σ(W_fx*x^(t)+W_fh*h^(t-1)+b_f)；

输出门：o^(t)＝σ(W_ox*x^(t)+W_oh*h^(t-1)+b_o)；

它们之间关系：s^(t)＝g^(t)*i^(t)+s^(t-1)*f^(t)，h^(t)＝s^(t)*o^(t)；

其中，x^(t)是循环层的输入，h^(t)是循环层的输出，t是时间步骤的值，σ是Sigmoid函数，W_x是输入和输出之间的关系，W_h是输出的历史相关性，b为偏移；参数的初始值为随机值，h^(t)的初始化为零；

S205、使用S204训练好的模型，预测路段下游S_e交通流量

2.根据权利要求1所述的基于高速公路交通流突变的交通安全预警方法，其特征在于：所述S300获取下游路口实际流量与步骤S200预测的流量进行对比分析，对交通状态进行判别；

包括以下步骤：

S301、在历史数据下，对S_i和S_e路段，预测路段下游的流量

与实际通行下的流量

并对是交通事件下的时间段做标记1，否则标记0；

S302、计算

的值，并做倒序排列；对于时间段的标记，从排序后的数据中，找到第一个0的时间段，记录该时间段的

为σ；

S303、当

发出S_i和S_e之间路段出现交通事件的预警；否则不发出预警。

Images