一种基于手机数据的高速公路异常事件实时检测方法与流程

本发明具体涉及高速公路异常事件实时检测方法，特别涉及一种使用手机数据实时检测高速公路的异常事件的方法，属于智能交通技术领域。

背景技术：

随着我国经济的快速发展，高速公路交通量不断增长，随之产生一系列的交通问题，包括：环境污染、交通事故、交通拥堵等。而异常交通事件会导致局部路段通行能力降低，从而影响道路整体的运行效率。快速、准确的识别交通事件，可以为交通运营管理中心提供事件信息，便于制定相应的交通管理与控制措施，提高高速公路的运行效率和服务水平。

目前，交通运营与管理中心主要通过人工巡检和固定检测器的方法来进行异常事件检测，费时、费力。而且高速公路检测器布设较为稀疏，很难准确的识别距离较远处发生的异常事件。近年来，随着手机的快速普及应用，利用手机切换技术实时获取交通状态数据，已经成为一种新型的出行信息采集方式。该技术充分利用现有无线通信系统，只需在网络侧安装信令解析设备即可获取车辆的状态数据，市郊定位精度可以达到500-1000米。而且该种信息采集方式费用更加低廉，维护简便，易实施、覆盖广、样本量大。

技术实现要素：

发明目的：为了克服现有技术中存在的不足，本发明利用手机数据提供一种精度高、计算简便的基于时间序列的高速公路异常事件实时检测方法，以解决上述背景中存在的问题。该方法依据基站单位时间内接收到手机信令的数量的变化规律建立时间序列模型，对未来基站接收手机信令数据进行预测，计算异常事件判断指标，并于异常事件阈值进行比较，判断是否发生异常交通事件。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于手机数据的高速公路异常事件实时检测方法，包括以下步骤：

步骤1，根据高速公路的行驶信息确定高速公路的切换点位置将高速公路划分为多个路段。

步骤2，分别提取异常事件发生时和正常情况下，各路段基站的手机接入量。

步骤3，根据步骤2正常情况下基站手机接入数量，构建时间序列模型，预测异常事件发生时基站手机接入数量。

步骤4，根据步骤3中预测的异常事件发生时基站手机接入数量，与步骤2中实际测量得到的异常事件发生时基站手机接入数量，计算异常事件发生阈值。

步骤5，根据步骤3建立的时间序列模型实时对未来时刻基站手机接入数量进行预测。计算未来时刻异常事件判断指标，并与异常事件发生阈值进行比较，确定是否发生异常事件。

所述步骤1中将高速公路划分为多个路段的方法为：通过多次实车实验，确定高速公路的切换点位置，当切换位置存在重合时将其划分到同一个路段，切换位置不存在重合时将其作为划分点，将高速公路划分为多个路段。

所述步骤2中各路段基站的手机接入量的方法，确定研究的高速公路上进行实地试验，经过k次试验后，确定路段中基站覆盖数量n，根据手机信令数据提取第i个基站共j个时间段的手机的接入数量序列为P₁(i)，P₂(i)，…，P_j(i)，i＝1,2…,n；j＝1,2，3…。

步骤3中构建第i个基站的手机信令数据接入数量序列构建时间序列模型ARIMA(p，d，q)。

P_j+1(i)＝θ₀+φ₁P_j(i)+…+φ_pP_j-p(i)+ε_j-θ₁ε_j-1-…-θ_qε_j-q；

式中：φ为手机信令接入数量系数，θ为随机误差项系数。P_j(i),j＝1,2，3…,为手机信令接入数量；ε是随机误差项，模型通过Box-Jenkins方法进行求解，对第i个基站j+1时刻手机的接入数量进行预测，得到预测值P_j+1(i)。

所述步骤4中计算异常事件发生阈值的方法：

步骤41，根据步骤2中异常事件发生时基站手机接入数量以及步骤3中异常事件发生时基站手机接入数量计算异常事件判断指标e_i。

e_i＝|P_j+1(i)-A_j+1(i)|。

式中：A_j+1(i)表示第i个基站j+1时刻测量的准确手机接入数量。

步骤42，根据步骤2中异常事件发生时基站手机接入数量提取历史异常事件数据，数量为k，以及步骤41计算异常事件判断指标e_i的计算公式计算异常事件发生阈值e。

所述步骤5中确定是否发生异常事件方法：

将异常事件判断指标e_i与设置的阈值e进行比较，初步判断当前时间段内路段是否发生异常事件，若e_i≤e，则处于正常交通状态。若e_i>e，则按照以下两种方案进行。

若研究路段内只有一座基站，则比较该路段上游路段中任意一基站的异常事件判断指标e_t与设置的阈值e，若e_t≤e，则处于正常交通状态。若e_t>e，则判定研究路段发生异常事件。

若研究路段内有多座基站，则比较该路段中第i+1个基站的异常事件判断指标e_i+1与设置的阈值e，若e_i+1≤e，则处于正常交通状态。若e_i+1>e，则判定研究路段发生异常事件。

有益效果：本发明提供的一种基于手机数据的高速公路异常事件实时检测方法，相比现有技术，具有以下有益效果：

1、本发明弥补了传统交通检测设备造价高，维修难，误差大的不足。

2、本发明可以准确的识别高速公路异常交通事件，为交通运营管理中心提供可靠的信息，缓解异常事件造成的交通拥堵，以提高高速公路的整体运行效率和服务水平。

综上所述，本方法可以准确的识别高速公路异常交通事件，为交通运营管理中心提供有效地事件信息，对高速公路的管理控制具有重要的意义，能够提高高速公路整体的运行效率和服务水平。同时可以准确的识别异常交通事件，为管理人员提供可靠的决策依据。

附图说明

图1是路段划分的两种情况；

图2是时间序列建模过程；

图3是异常事件检测方法的流程图；

图4是手机接入数量序列示例。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种基于手机数据的高速公路异常事件实时检测方法，如图1-4所示，其原理是利用交通流理论和时间序列模型对高速公路异常交通事件进行判别。异常事件包括交通拥堵、交通事件和交通事故。高速公路发生异常事件时，基站手机接入数量会发生突变，利用预测值与实际值计算异常事件判断指标，与通过历史事件获取异常事件发生的阈值进行比较，判断是否发生异常事件。该方法能够准确的判断交通异常事件，为交通运营管理提供支持。其总体流程如图1所示。

图3所示，具体包括以下步骤：

步骤1，由于高速公路行车过程中，车速较快，手机需要不断匹配到不同的基站上保持正常通信，首先需要通过实车实验，将高速公路划分为多个路段。因此根据高速公路的行驶信息确定高速公路的切换点位置将高速公路划分为多个路段。高速公路被划分为多个路段，一个路段可以包含多个信号基站，但每个信号基站只能覆盖一个路段，并通过实验确定路段内的基站的属性。

通过多次实车实验，确定高速公路的切换点位置，当切换位置存在重合时将其划分到同一个路段，切换位置不存在重合时将其作为划分点，将高速公路划分为多个路段。

确定高速公路的切换点位置，存在图1所示的两种情况，当切换位置存在重合时(图3中切换点2和切换点3之间的路段)，将其划分到同一个路段(路段1)中。

步骤2，分别提取异常事件发生时和正常情况下，各路段基站的手机接入量。

确定研究的高速公路(研究区域)上进行实地试验，经过k次试验后，可以确定路段中基站覆盖数量n，根据手机信令数据提取第i(i＝1,2…,n)个基站共j个时间段(2min)的手机的接入数量序列为P₁(i)，P₂(i)，…，P_j(i)，i＝1,2…,n；j＝1,2，3…。

步骤3，根据步骤2正常情况下基站手机接入数量，构建时间序列模型，预测异常事件发生时基站手机接入数量。

即构建第i个基站的手机信令数据接入数量序列构建时间序列模型ARIMA(p，d，q)。

P_j+1(i)＝θ₀+φ₁P_j(i)+…+φ_pP_j-p(i)+ε_j-θ₁ε_j-1-…-θ_qε_j-q；

式中：φ为手机信令接入数量系数，θ为随机误差项系数。P_j(i),j＝1,2，3…,为手机信令接入数量；ε是随机误差项，模型通过Box-Jenkins方法进行求解，首先根据序列对其进行差分变化，然后绘制ACF和PACF图，初步确定其参数，最后对确定的模型进行检验。具体步骤如附图2所示。并通过模型对对第i个基站j+1时刻手机的接入数量进行预测，得到预测值P_j+1(i)。

步骤4，根据步骤3中预测的异常事件发生时基站手机接入数量，与步骤2中实际测量得到的异常事件发生时基站手机接入数量，计算异常事件发生阈值。

具体计算异常事件发生阈值的方法，如图4所示：

步骤41，根据步骤2中异常事件发生时基站手机接入数量以及步骤3中异常事件发生时基站手机接入数量(从历史数据中筛选出异常事件时间点数据，使用异常事件发生前数据根据步骤2构建时间序列模型)计算异常事件判断指标e_i。

e_i＝|P_j+1(i)-A_j+1(i)|。

式中：A_j+1(i)表示第i个基站j+1时刻测量的准确手机接入数量。

步骤42，根据步骤2中异常事件发生时基站手机接入数量提取历史异常事件数据，数量为k，以及步骤41计算异常事件判断指标e_i的计算公式计算异常事件发生阈值e。

步骤5，根据步骤3建立的时间序列模型实时对未来时刻基站手机接入数量进行预测。计算未来时刻异常事件判断指标，并与异常事件发生阈值进行比较，确定是否发生异常事件。

将异常事件判断指标e_i与设置的阈值e进行比较，初步判断当前时间段内路段是否发生异常事件，若e_i≤e，则处于正常交通状态。若e_i>e，则按照以下两种方案进行。

若研究路段内只有一座基站，则比较该路段上游路段中任意一基站的异常事件判断指标e_t与设置的阈值e，若e_t≤e，则处于正常交通状态。若e_t>e，则判定研究路段发生异常事件。

若研究路段内有多座基站，则比较该路段中第i+1个基站的异常事件判断指标e_i+1与设置的阈值e，若e_i+1≤e，则处于正常交通状态。若e_i+1>e，则判定研究路段发生异常事件。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。