交通状况自动分析预测方法
【专利摘要】本发明公开一种交通状况自动分析预测方法，包括基于模糊控制实现的当前交通状况的评估，还包括基于未来交通参数预测和模糊控制相结合的未来交通状况预。模糊控制的方法是以车流量和速度为输入，以交通状态为输出，通过在输入和输出之间建立一系列的判定关系，确定每个路段的交通状况。未来交通参数预测是以k-最近邻法预测。本发明基于模糊控制的当前交通状况模糊评估分析模块，可以根据当前车流量和速度自动分析当前监测路段的交通状况；基于k-最近邻法的交通参数预测模块，可以预测未来一段时间的交通状况。实时评估的准确率为85％，预测评估的准确率为75％，可以有效缓解交警的工作压力、帮助他们更有效地指挥决策。
【专利说明】交通状况自动分析预测方法
【技术领域】
[0001] 本发明涉及交通控制技术，特别是基于信息智能处理技术的交通状况的自动分析 预测方法。
【背景技术】
[0002] 交通综合指挥平台的发展经历了以下几个阶段：（1)信息展示阶段、（2)表面功能 阶段、（3)实际功能阶段、（4)数据挖掘阶段、（5)综合指挥调度阶段、（6)智能交通控制阶 段。我国交通综合指挥平台现在大多还主要停留在第三和第四发展阶段。其中信息分析主 要还是依靠人工处理。面对海量的交通数据，监控人员很难及时、准确地做出判断。
[0003] 交通状态辨识是实现智能交通管理的一个重要前提，也是目前智能交通广泛开展 的研究课题。随着城市规模越来越大，交通量迅速增加，道路交通拥挤愈加突出，表现为行 车速度的下降和到达目的地时间的增加，严重影响城市的整体功能。而且若不能及时发现 和处理交通拥堵，它会随着时间的推移越演越烈。因此，及时准确识别城市道路交通运行状 态是亟待解决的问题。而目前大多数的交通状况分析还需人工完成，工作量非常大，长时间 疲劳工作会降低对交通状况判断的准确率。
[0004] 一些研究人员利用交通流的基本参数（即流量、速度等）对交通流状态进行分类， 确定每种状态的临界值。但是每个交通流参数影响交通流状态分类的程度不同，精度会受 到很大的影响。而且道路交通状况很难用确切的数字来说明，具有很强的模糊性和隐藏性。 因此，如何将道路的交通状况通过科学的数据信息方法真实的表达出来，是交通状态判别 的关键。道路交通信息除了具有一般数据信息的特点外，还具有很强的实时性。如果判别 结果在时间上不能满足用户的需求，判别的准确性也就失去了其实际的意义。为此，在选择 信息处理技术时，既要考虑交通信息自身的特点，还要考虑交通状态判别的整体效果。如果 能准确辨识未来短时交通状态，则可以更加有效地实施合理的交通控制和诱导措施，缓解 堵塞，使交通运行平稳、顺畅，为道路使用者提供良好的道路运行环境。
【发明内容】
[0005] 为解决交通管理平台的上述技术瓶颈，本发明提供一种交通状况自动分析预测方 法。该方法基于数据的分析，指导交通指挥平台的工作人员分析交通状况，缓解了人工劳动 量和压力、提高了指挥决策的准确性。
[0006] 为实现上述目的，本发明采取以下技术方案：一种交通状况自动分析预测方法，包 括基于模糊控制实现的当前交通状况的评估，模糊控制的方法是以车流量和速度为输入， 以交通状态为输出，通过在输入和输出之间建立一系列的判定关系，确定每个路段的交通 状况。
[0007] 基于模糊控制的当前交通状况评估分析，具体方法是：
[0008] 1)分别建立车流量和速度的输入隶属度函数
[0009] ①分别对车流量和速度进行归一化：
[0010] t时刻车流量的归一化数学描述为
【权利要求】
1. 一种交通状况自动分析预测方法，其特征在于：包括基于模糊控制实现的当前交通 状况的评估；模糊控制的方法是以车流量和速度为输入，以交通状态为输出，通过在输入和 输出之间建立一系列的判定关系，确定每个路段的交通状况。
2. 根据权利要求1所述的交通状况自动分析预测方法，其特征在于：基于模糊控制的 当前交通状况评估分析，具体方法如下： 1) 分别建立车流量和速度的输入隶属度函数 ① 分别对车流量和速度进行归一化： t时刻车流量的归一化数学描述为
t时刻速度的归一化数学描述为
其中，P(t)为t时刻的流量值，Pmax为该条路流量的最大值，v(t)为t时刻的路面车速， 为该条路的车速最大值； ② 分别建立车流量和速度的隶属度函数： 以横坐标为论域，纵坐标为隶属度建立隶属度函数，量值区间都为0?1，利用隶属度 函数将车流量划分为5个模糊子集：很少、少、中、多、很多，分别对应的论域区间为：0? 0. 25、0 ?0. 5、0. 25 ?0. 75、0. 5 ?1、0. 75 ?1 ; 利用隶属度函数将速度划分为5个模糊子集：很快、快、中、慢、很慢，分别对应的论域 为 0 ?0· 25、0 ?0· 5、0· 25 ?0· 75、0· 5 ?1、0· 75 ?1 ; 2) 建立拥堵状态判定规则表和交通状态的隶属度函数 ① 根据输入隶属度函数，建立拥堵状态判定规则表：
表中，车流量项NN、NS、0、PS、ΡΜ分别对应车流量：很少、少、中、多、很多，车速项NN、NS、 0、PS、ΡΜ分别对应车速：很快、快、中、慢、很慢，交通状态项NN、NS、0、PS、ΡΜ分别对应：很堵 车、堵车、轻微堵车、车较多、畅通； ② 建立交通状态的隶属度函数： 以横坐标为论域，纵坐标为隶属度建立交通状态隶属度函数，量值区间都为0?1，利 用隶属度函数将交通状态划分为5个模糊子集：很堵车、堵车、轻微堵车、车较多、畅通，分 别对应的论域为0?0. 2、0?0. 5、0. 3?0. 7、0. 5?1、0. 8?1 ; 3)根据属度函数确定当前交通状态 ① 将车流量、速度带入各自的隶属度函数，确定它们的隶属度； ② 以每一组车流量和速度的隶属度组合，定义出一个子交通状态隶属度，定义方法为： 取该隶属度组合中最小的那个隶属度为子交通状态的隶属度； ③ 确定每个子交通状态的论域的中心值：每条隶属度曲线中心，若没有曲线中心则为 每条隶属度曲线最大值处对应的横坐标值； ④ 以每个子交通状态的隶属度为权值，对它们各自的论域中心值进行加权平均，获得 交通状态的最终论域值：
其中，Xi和μ i表示子交通状态i的论域中心值和隶属度，i e {NN，NS，0, PS，PM}; ⑤ 然后再将x带回到交通状态的隶属度函数，确定当前交通状态，方法为：对于同一论 域值X所对应的多个隶属度，取其中最大的那个隶属度所对应的交通状态，为当前的交通 状态。
3. 根据权利要求1所述的交通状况自动分析预测方法，其特征在于：还包括基于未来 交通参数预测和模糊控制相结合的未来交通状况预测；其中所述未来交通参数预测是在一 定的预测准则基础上，以k-最近邻法预测未来一段时间之后的车流量和速度参数。
4. 根据权利要求3所述的交通状况自动分析预测方法，其特征在于：所述基于未来交 通参数预测和模糊控制相结合的未来交通状况预测的具体方法是： 1) 构建交通参数状态向量 每个交通状态向量由4个交通参数构成：某一时刻的流量p、车速v以及该时刻5分钟 前的流量Pw和车速Vw，状态向量表示为：a=化4。1(1，￥，￥。1(1)，随着时间推移，不断生成新 的交通状态向量存入数据库； 2) 定义预测准则 使用欧几里德距离中的平方差准则，数学描述为：
式中，当前时刻交通状态向量为（Ρ,Ρ^ν,ν^)，历史i时刻交通状态向量为 (Pi，Pmm，Vi，Vmm)，当Φ小于阈值时，该历史时刻交通状态向量被从数据库中选中； 3) 以这一准则为标准，使用K-最近邻法搜索这些向量，在数据库中寻找与当前交通状 态最接近的5对历史向量； 4) 未来交通参数变化状况预测 提取数据库中这5对向量在下5分钟所对应的状态进行加权，数学描述为：
式中，pf_ast为流量的预测值，vf_ast为车速的预测值，第i个历史状态在历史时刻5 分钟后的交通参数为（Pi，new，'nJ，按照距离的远近分别赋予大小不同的权值，距离越近权 重越大，第i个历史状态的权重为
，加权平均的结果可以作为5分钟之后的交通参数 预测值Pf orecast 矛口 Vforecast ? 5)未来交通状况的预测 在预测到未来交通参数后，同样使用基于模糊控制的当前交通状况模糊评估分析方 法，对5分钟之后的交通状态进行评估预测。
【文档编号】G08G1/01GK104050809SQ201410242472
【公开日】2014年9月17日 申请日期:2014年6月3日 优先权日:2014年6月3日
【发明者】曹天扬, 申莉, 陈锋 申请人:北京航天福道高技术股份有限公司