CN113487867A - 一种基于实值粗糙集模型的区域交通状态预警系统 - Google Patents

一种基于实值粗糙集模型的区域交通状态预警系统 Download PDF

Info

Publication number
CN113487867A
CN113487867A CN202110771106.1A CN202110771106A CN113487867A CN 113487867 A CN113487867 A CN 113487867A CN 202110771106 A CN202110771106 A CN 202110771106A CN 113487867 A CN113487867 A CN 113487867A
Authority
CN
China
Prior art keywords
data
real
early warning
traffic state
module
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.)
Pending
Application number
CN202110771106.1A
Other languages
English (en)
Inventor
任子晖
刘磊
赵玉坤
王晶晶
陈习苓
刘胜
何大伟
陈晓森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Fuhuang Technology Co ltd
Original Assignee
Anhui Fuhuang Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Fuhuang Technology Co ltd filed Critical Anhui Fuhuang Technology Co ltd
Priority to CN202110771106.1A priority Critical patent/CN113487867A/zh
Publication of CN113487867A publication Critical patent/CN113487867A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Abstract

本发明公开了一种基于实值粗糙集模型的区域交通状态预警系统，包括检测设备、数据采集单元、数据处理中心以及实时交通状态显示设备，所述数据采集单元连接有三个检测设备，分别是第一检测设备、第二检测设备以及第三检测设备；所述数据采集单元能够将三个检测的设备数据收集，并通过无线通信模块将数据发送至数据处理中心；所述数据处理中心连接有若干个数据采集单元，数据处理中心能够将数据采集单元的数据进行处理，数据处理中心直接将预警信息发送至实时交通状态显示设备处。本发明能够直接测量所需要的数据，然后只传输相应的数据，而不直接传输整个监控视频数据，从而降低了数据传输量，提高了数据传输精度和效率。

Description

一种基于实值粗糙集模型的区域交通状态预警系统
技术领域
本发明涉及智慧交通领域，具体是一种基于实值粗糙集模型的区域交通状态预警系统。
背景技术
当前，随着城市智慧交通系统的不断发展，城市的交通通行效率明显得到了改善。在主要道路或城市快速道路上很多都设置了交通状态显示装置，以此来提醒驾驶人员，并诱导对拥堵区域进行分流。
现有的交通状态显示装置的信息大都基于现有交通状态预警系统，现有的交通状态预警系统其大都是通过交通监控视频的方法来判断城市的道路拥堵情况，但是由于车辆视频数据较大，在进行数据传输时，收网络传速率的影响，影响数据的分析预测速率。
发明内容
本发明的目的在于提供一种基于实值粗糙集模型的区域交通状态预警系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于实值粗糙集模型的区域交通状态预警系统，包括检测设备、数据采集单元、数据处理中心以及实时交通状态显示设备，所述数据采集单元连接有三个检测设备，分别是第一检测设备、第二检测设备以及第三检测设备，三个检测设备分别用于对一段车道的上游、中游以及下游的通行状态进行检测；所述数据采集单元能够将三个检测的设备数据收集，并通过无线通信模块将数据发送至数据处理中心；所述数据处理中心连接有若干个数据采集单元，数据处理中心能够将数据采集单元的数据进行处理，当预判有交通拥堵或者检测到邮交通事故数据时，则直接将信息发送至数据采集单元所在区域的实时交通状态显示设备处。
所述数据处理中心包括数据处理模块、特地数据监管模块、安全预警模块以及指令信息发送模块；所述数据处理模块采用实值粗糙集的数学模型对数据采集单元采集的数据进行处理；所述特地数据监管模块则是针对数据中达到限定条件的数据进行监管筛选，然后将特定的数据发送至安全预警模块，安全预警模块生产预警信息，并通过指令信息发送模块将指令信息发送至实时家庭状态显示设备中。
所述检测设备主要对车速、车流量以及道路中车辆占有率的数据进行收集。
与现有技术相比，本发明的优点是：本发明能够直接测量所需要的数据，然后只传输相应的数据，而不直接传输整个监控视频数据，从而降低了数据传输量，提高了数据传输精度和效率；依据基于实质粗糙集的模型对道路上的数据收集模块收集的数据进行处理，能够使得对数据收集模块的数据进进行快速的处理，提高整个系统的运算速率。
附图说明
图1为一种基于实值粗糙集模型的区域交通状态预警系统的结构示意图。
图2为本发明系统中检测设备的检测项目示意图。
图3为本发明实施例中检测设备采集的数据示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
请参阅图1-2，一种基于实值粗糙集模型的区域交通状态预警系统，包括检测设备、数据采集单元、数据处理中心以及实时交通状态显示设备，所述数据采集单元连接有三个检测设备，分别是第一检测设备、第二检测设备以及第三检测设备，三个检测设备分别用于对一段车道的上游、中游以及下游的通行状态进行检测；所述数据采集单元能够将三个检测的设备数据收集，并通过无线通信模块将数据发送至数据处理中心；所述数据处理中心连接有若干个数据采集单元，数据处理中心能够将数据采集单元的数据进行处理，当预判有交通拥堵或者检测到邮交通事故数据时，则直接将信息发送至数据采集单元所在区域的实时交通状态显示设备处。
所述数据处理中心包括数据处理模块、特地数据监管模块、安全预警模块以及指令信息发送模块；所述数据处理模块采用实值粗糙集的数学模型对数据采集单元采集的数据进行处理；所述特地数据监管模块则是针对数据中达到限定条件的数据进行监管筛选，然后将特定的数据发送至安全预警模块，安全预警模块生产预警信息，并通过指令信息发送模块将指令信息发送至实时家庭状态显示设备中。
如图2所示，所述检测设备主要对车速、车流量以及道路中车辆占有率的数据进行收集。
所述实值粗糙集模块是基于领域粗糙集理论，基于重要度来进行度量；考虑属性重要度样本p的范数表示为：对于N个属性的样本集，
Figure BDA0003152987460000031
其中f(x,ai)为样本x在属性ai上的取值；
当
Figure BDA0003152987460000032
则Dp(x1,x2)＝dp(x1,x2)，即重要性p范数转化为通常的p范数。
本实施例中根据某一度量上对象中心点到边界的最大距离来定义近邻，对于决策信息系统的S＝<U,C,D,V,f>，其中U＝{x1,x2,...xn}表示非空有限集合，成为论域，C是条件属性集合，D是决策属性，V是值域；f:U×(C∪D)→V是一个信息函数，表示样本与其属性取值的对应映射关系。
当
Figure BDA0003152987460000033
定义xi在条件属性集C下的δ近邻
Figure BDA0003152987460000034
为：
Figure BDA0003152987460000035
其中参数δ≥0，ax∈C；
条件属性C对决策属性D的依赖度：
Figure BDA0003152987460000036
如图3所示，本实施中Q1(t)、V1(t)、O1(t)分别为t时刻道路上游道路流量(辆)、平均速度(km/h)以及占有率(％)数据，这些数据是通过安置在其下方的检测设备测量得到的.同理Q2(t)、V2(t)、O2(t)为中游流量、平均速度以及占有率，Q3(t)、V3(t)、O3(t)分别下游流量、平均速度以及占有率.以每5min采集的流量特征数据向量作为论域U，由先验知识判断此区域对应时刻的交通状态值D作为决策变量，区域交通状态分为：0堵塞、1拥挤、2稳定、3畅通。
如图3所示的数据可构成交通状态实值识别表，其识别表如下表1所示：
表1交通状态识别表
U Q<sub>1</sub> V<sub>1</sub> O<sub>1</sub> Q<sub>2</sub> V<sub>2</sub> O<sub>2</sub> Q<sub>3</sub> V<sub>3</sub> O<sub>3</sub> D
1 110 56 13 107 67 10 108 45 15 2
2 122 41 27 89 60 21 122 30 45 1
3 56 69 6 51 67 4 131 15 66 0
4 9 70 1 11 65 1 15 70 2 3
5 97 21 42 37 70 3 80 45 27 2
... ... ... ... ... ... ... ... ... ... ...
N ... ... ... ... ... ... ... ... ... ...
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。

Claims (5)

1.一种基于实值粗糙集模型的区域交通状态预警系统，包括检测设备、数据采集单元、数据处理中心以及实时交通状态显示设备，其特征在于，所述数据采集单元连接有三个检测设备，分别是第一检测设备、第二检测设备以及第三检测设备，三个检测设备分别用于对一段车道的上游、中游以及下游的通行状态进行检测；所述数据采集单元能够将三个检测的设备数据收集，并通过无线通信模块将数据发送至数据处理中心；所述数据处理中心连接有若干个数据采集单元，数据处理中心能够将数据采集单元的数据进行处理，当预判有交通拥堵或者检测到邮交通事故数据时，则直接将信息发送至数据采集单元所在区域的实时交通状态显示设备处。
2.根据权利要求1所述的一种基于实值粗糙集模型的区域交通状态预警系统，其特征在于，所述数据处理中心包括数据处理模块、特地数据监管模块、安全预警模块以及指令信息发送模块。
3.根据权利要求2所述的一种基于实值粗糙集模型的区域交通状态预警系统，其特征在于，所述数据处理模块采用实值粗糙集的数学模型对数据采集单元采集的数据进行处理；所述特地数据监管模块则是针对数据中达到限定条件的数据进行监管筛选，然后将特定的数据发送至安全预警模块，安全预警模块生产预警信息，并通过指令信息发送模块将指令信息发送至实时家庭状态显示设备中。
4.根据权利要求1所述的一种基于实值粗糙集模型的区域交通状态预警系统，其特征在于，所述检测设备主要对车速、车流量以及道路中车辆占有率的数据进行收集。
5.根据权利要求1所述的一种基于实值粗糙集模型的区域交通状态预警系统，其特征在于，所述实值粗糙集模块是基于领域粗糙集理论，基于重要度来进行度量；考虑属性重要度样本p的范数表示为：对于N个属性的样本集，
Figure FDA0003152987450000011
其中f(x,ai)为样本x在属性ai上的取值；
当
Figure FDA0003152987450000012
则Dp(x1,x2)＝dp(x1,x2)，即重要性p范数转化为通常的p范数；
据某一度量上对象中心点到边界的最大距离来定义近邻，对于决策信息系统的S＝<U,C,D,V,f>，其中U＝{x1,x2,...xn}表示非空有限集合，成为论域，C是条件属性集合，D是决策属性，V是值域；f:U×(C∪D)→V是一个信息函数，表示样本与其属性取值的对应映射关系；
当
Figure FDA0003152987450000021
定义xi在条件属性集C下的δ近邻
Figure FDA0003152987450000022
为：
Figure FDA0003152987450000023
其中参数δ≥0，ax∈C；
条件属性C对决策属性D的依赖度：
Figure FDA0003152987450000024
CN202110771106.1A 2021-07-07 2021-07-07 一种基于实值粗糙集模型的区域交通状态预警系统 Pending CN113487867A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110771106.1A CN113487867A (zh) 2021-07-07 2021-07-07 一种基于实值粗糙集模型的区域交通状态预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110771106.1A CN113487867A (zh) 2021-07-07 2021-07-07 一种基于实值粗糙集模型的区域交通状态预警系统

Publications (1)

Publication Number Publication Date
CN113487867A true CN113487867A (zh) 2021-10-08

Family

ID=77937872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110771106.1A Pending CN113487867A (zh) 2021-07-07 2021-07-07 一种基于实值粗糙集模型的区域交通状态预警系统

Country Status (1)

Country Link
CN (1) CN113487867A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101159098A (zh) * 2007-11-20 2008-04-09 东南大学 城市交通意外事件的自动检测确认方法
CN101551945A (zh) * 2009-05-13 2009-10-07 东南大学 高速公路交通安全预警方法
CN103593973A (zh) * 2012-12-18 2014-02-19 北京科技大学 一种城市道路交通态势评估系统
CN108922171A (zh) * 2016-07-14 2018-11-30 天津职业技术师范大学 道路交通事件检测预警方法及检测预警系统
CN109191848A (zh) * 2018-10-12 2019-01-11 上海昶漾测控技术有限公司 智慧交通大数据采集监测预警系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101159098A (zh) * 2007-11-20 2008-04-09 东南大学 城市交通意外事件的自动检测确认方法
CN101551945A (zh) * 2009-05-13 2009-10-07 东南大学 高速公路交通安全预警方法
CN103593973A (zh) * 2012-12-18 2014-02-19 北京科技大学 一种城市道路交通态势评估系统
CN108922171A (zh) * 2016-07-14 2018-11-30 天津职业技术师范大学 道路交通事件检测预警方法及检测预警系统
CN109191848A (zh) * 2018-10-12 2019-01-11 上海昶漾测控技术有限公司 智慧交通大数据采集监测预警系统

Similar Documents

Publication Publication Date Title
Zhang et al. Spatial-temporal traffic flow pattern identification and anomaly detection with dictionary-based compression theory in a large-scale urban network
US20210201672A1 (en) Video-based main road cooperative signal machine control method
CN104778835B (zh) 一种高等级道路多瓶颈点拥堵演化时空范围识别方法
US10699568B1 (en) Video-based crossroad signal machine control method
CN109191849B (zh) 一种基于多源数据特征提取的交通拥堵持续时间预测方法
US5778332A (en) Electronic nervous system for a roadway and method
CN103971523A (zh) 一种山区道路交通安全动态预警系统
CN104408925A (zh) 基于陈列雷达的交叉口运行状态评价方法
CN113870570B (zh) 一种基于etc的路网运行状态方法、系统和存储介质
CN101188064A (zh) 三维集成高速公路交通事件自动检测方法
CN111508094A (zh) 一种基于etc门架与卡口通行数据的高速公路拥堵发现方法
CN101783074A (zh) 一种城市道路交通流状态实时判别方法及系统
CN102855757A (zh) 基于排队检测器信息瓶颈状态识别方法
CN100470603C (zh) 城市道路交通拥堵检测报警系统及其运行方法
CN104464294A (zh) 一种基于阵列雷达的路段交通状态评价方法及装置
CN103927875B (zh) 基于视频的交通溢流状态识别方法
CN110889444A (zh) 一种基于卷积神经网络的驾驶轨迹特征分类方法
CN109827587B (zh) 一种新能源汽车用智能路线规划系统
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
CN104966404A (zh) 一种基于阵列雷达的单点自优化信号控制方法及装置
CN105118310A (zh) 一种基于视频的单点自优化信号控制方法及装置
CN116580565B (zh) 一种基于云计算的政务大数据分析系统
Chen et al. Automatic incident detection algorithm based on support vector machine
CN111754790B (zh) 一种基于雷达的匝道入口交通控制系统及方法
CN111767644B (zh) 考虑单隧道限速影响高速公路路段实际通行能力估计方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211008

RJ01 Rejection of invention patent application after publication