雪天实时交通状态发布方法和交通状态发布装置的制造方法
【技术领域】
[0001]本发明涉及交通状态信息发布领域，尤其涉及一种雪天实时交通状态发布方法和交通状态发布装置，能够同时发布道路的拥堵状态和积雪状态，从而能够有效地帮助驾驶员避开积雪道路或提前对驾驶员进行预警。
【背景技术】
[0002]浮动车(Probe Car)也被称作“探测车”，通常是指具有定位和无线通信装置的车辆(例如出租车、公交车等)，这种车辆能够与交通信息中心进行信息交换。浮动车系统(Probe Car System)是指通过交通流中的一定比例的浮动车辆与交通信息中心进行实时通信的一种新型交通信息系统，一般由车载设备、无线通信网络和数据处理中心这3个部分组成。该系统以浮动车作为车辆样本，通过采集分布在路网交通流中进行行驶的车辆样本的定位信息，并结合地理信息系统(Geographic Informat1n System)和相关算法来确定车辆所在路段的实时路况信息(车辆行驶速度、路段行程时间、路段速度等)来代表社会普通车辆以反映道路的整体交通状况。但是由于浮动车数据特有的流动性以及浮动车规模的限制，一方面会导致实时浮动车数据不能完全覆盖路网，引起了路网状态表达的不完整性，针对这种现象，一般采用算法对没有浮动车覆盖的路段进行补齐，但是用算法得到的交通状态在一定程度上增大了交通状态的不可靠性；另一方面，在某些时间段内通过路段的样本车辆过少，这样通过浮动车系统得到的交通状态很可能与真实的交通状态相差很远。这两个因素都会引起浮动车系统发布的交通状态不可靠，进而误导驾驶员。
[0003]特别是在降雪天气中，由于路面积雪不能及时清除，城市路网中的某些路段很快被积雪覆盖，受温度和车辆碾压的作用，雪在路面上还会形成压实雪路面、雪浆路面、结冰路面等多种不同的形态。浮动车系统在一些条件下的不可靠性可能会把驾驶员引导至积雪道路上。例如，对于某一路段，该路段实际处于积雪状态，但是通过浮动车系统发布的交通状态为畅通，这样驾驶员可能会根据浮动车系统发布的交通状态而驶入该积雪路段。
[0004]道路积雪会使得交通标志覆盖和道路附着摩擦系数变小的现象发生。若交通标志覆盖，则会导致车辆在道路上行驶时缺少导向性，容易造成交通混乱。若道路附着摩擦系数变小，则会导致车辆在道路上行驶时驱动轮很容易打滑或空转，尤其是在起步、停车时还会出现溜车的现象，并且如果车辆在行驶中突然加速或减速，很容易造成侧滑及方向跑偏现象，增加车辆碰撞、刮擦的机率，而且在紧急制动时的制动距离会大大延长，这些因素均增加了驾驶员的操作难度。同时，几乎所有的研究文献都表明:在冰雪覆盖的道路上，发生车辆碰撞、刮擦交通事故的概率明显上升。因此，在降雪天气的条件下，研究如何得到道路的积雪状态，进而引导车辆如何避开积雪路段具有重要意义。
[0005]交通视频监控系统是交通指挥系统不可缺少的子系统，是智能交通系统的一个重要组成部分，同时也是现代化城市交通与管理普遍采用的技术。交通视频监控系统通过视频图像提供准确、丰富、直观的交通信息。通过交通视频监控系统，交通管理者可以人为观察或者利用智能算法得到有摄像机覆盖路段的积雪状态，但是对于无摄像机覆盖路段，无法通过交通视频监控系统来得到道路的积雪状态。
[0006]例如，专利文献I公开了一种基于交通视频的城市实时交通路况信息发布方法，其中，交通视频监控系统和浮动车系统都被用来获得道路的拥堵状态，发明的核心点在于如何根据实际情况比较两个系统发布的交通状态精度，从而选出精度更高的交通状态来进行发布。
[0007]然而，专利文献I所公开的方法存在下述问题:第一，从内容来看，忽略了摄像机覆盖范围的问题，仅仅考虑了有摄像机覆盖路段，忽略了无摄像机覆盖路段；第二，在降雪天气的条件下，仅仅发布交通拥堵状态，而没有发布道路的积雪状态。
[0008]专利文献1:中国专利公开CN102930735A
【发明内容】
[0009]本发明为了解决上述现有技术中的问题而实现。因此，本发明的目的之一在于，提供一种雪天实时交通状态发布方法和交通状态发布装置，能够同时发布道路的拥堵状态和积雪状态，从而能够有效地帮助驾驶员避开积雪道路或提前对驾驶员进行预警。
[0010]为了实现上述目的，本发明提出了一种雪天实时交通状态发布方法，针对路网中的有摄像机覆盖路段进行交通状态发布，包括:积雪状态识别步骤，根据从有摄像机覆盖路段上设置的摄像机得到的视频图像，识别该路段的积雪状态；和交通状态发布步骤，在通过所述积雪状态识别步骤识别为道路有积雪的情况下，发布道路积雪状态，在识别为道路无积雪的情况下，根据浮动车系统发布道路的拥堵状态。
[0011]另外，本发明提出了一种雪天实时交通状态发布方法，针对路网中的无摄像机覆盖路段进行交通状态发布，包括:机器学习步骤，对从路网中有摄像机覆盖路段上选取的多个样本进行训练来获得用于区分道路有无积雪的分类器；积雪状态判断步骤，利用通过所述机器学习步骤获得的分类器来判断无摄像机覆盖路段的道路是否有积雪；和交通状态发布步骤，在通过所述积雪状态判断步骤判断为道路有积雪的情况下，发布道路积雪状态，在判断为道路无积雪的情况下，根据浮动车系统发布道路的拥堵状态。
[0012]优选地，所述机器学习步骤包括:道路特征选取步骤，根据积雪道路和非积雪道路的特点来选取能够区分积雪道路和非积雪道路的多个道路特征；样本选取步骤，选取路网中的有摄像机覆盖路段上的实时数据和历史数据来作为所述样本；和分类器训练步骤，针对每个道路特征利用聚类算法对所有样本进行训练，得到每个道路特征所对应的分类器和表示该分类器的分类能力的权重。
[0013]优选地，所述多个道路特征包括:表示道路的速度的特征；表示行驶在道路上的所有浮动车的瞬时速度的方差的特征；分别表示当前时间段的前一个时间段内道路的速度和再前一个时间段内道路的速度的特征；和表示当前时间段内道路的速度、前一个时间段内道路的速度和再前一个时间段内道路的速度之间的方差的特征。
[0014]优选地，在所述分类器训练步骤中执行:从通过所述道路特征选取步骤选取的所述多个道路特征中任选一个道路特征作为对象特征；对通过所述样本选取步骤选取的所有样本分别提取出所述对象特征得到对象特征数据集；和利用聚类算法对所述对象特征数据集进行处理，得到与该对象特征对应的分类器和该分类器的权重。
[0015]优选地，在利用聚类算法的处理中执行:(I)从所述对象特征数据集中任选两个数据，分别作为初始的积雪聚类中心和非积雪聚类中心；(2)针对所述对象特征数据集中的其余数据的每一个，分别计算与积雪聚类中心和非积雪聚类中心的欧式距离，并将数据归类于算出的欧式距离小的一方的聚类中心，从而将所述对象特征数据集中的数据分成两类；(3)分别计算所述两类中的数据的均值作为新的积雪聚类中心和非积雪聚类中心；和
(4)反复执行上述步骤(2)和(3)直至积雪聚类中心和非积雪聚类中心不再变化为止，从而得到与所述对象特征对应的分类器。
[0016]优选地，作为所述分类器的权重，采用该分类器在将道路识别为有积雪的情况下的正确分类概率和错误分类概率、以及将道路识别为无积雪的情况下的正确分类概率和错误分类概率。
[0017]优选地，在所述积雪状态判断步骤中，在所利用的所述分类器为一个的情况下执行:第一处理，对于判断对象路段，提取所述分类器所对应的道路特征；第二处理，分别求取所述道路特征与所述分类器的积雪聚