快速路养护施工区主动预警方法
【技术领域】
[0001] 本发明涉及交通安全预警技术领域，具体涉及一种快速路养护施工区主动预警方 法。
【背景技术】
[0002] 预警是指在危险发生之前，提前发出警示信号，从而规避危险的发生或者最大程 度的减少危险造成的损失。快速路养护施工区的预警方法可以分为被动预警法和主动预警 法。被动预警法通常由一些静态的安全警示标志等设施所构成。本方法的基本步骤是：首 先，根据快速路养护施工区周围的特点，以及相关区域一段时间内的平均交通特征，然后， 依据交通专家的经验及相关规范，制定施工过程中相对时间内不变的预警方案，最后，设置 安全标志警示牌等静态设施。
[0003] 被动预警法容易实现，系统设置便捷，而且设施安装价格较低廉，已广泛应用于快 速路养护施工区的预警过程中，但被动预警也存在很多问题，当环境及交通参数等变化较 大，如遇到不利天气的影响，一成不变的安全警示标志将不能起到应有的预警作用，特别是 被动预警法不能实时动态的反应一些环境变化，不能有效警示相关人员防范已存在的安全 隐患，安全警示标志的预警作用将大打折扣。
[0004] 主动预警法是应用先进的智能技术等而发展而成的方法，它能及时检测环境的变 化，其特点是能够实时动态告知快速路养护施工区周围的相关人员可能出现的危险，更有 可能减少不必要的损失。显然，养护施工区周围的环境变化是大概率事件，专家很难准确预 测整个养护施工过程的各种情况，被动预警法已不能及时解决环境变化所带来的危险，未 来必将被主动预警方法所取代。因此本申请的方法属于主动预警方法之一。
[0005] 城市快速路承担了城市交通的很大任务，车流量与平均车速等也比一般城市道路 要高出很多，城市快速路养护施工区与一般施工区也有不同。城市快速路改扩建项目以及 维修养护项目往往需要占用有限的道路空间，对快速路的通行能力影响较大，快速路养护 施工区已成为城市道路的交通瓶颈路段，常常导致交通拥挤和交通事故的发生。另外，快速 路养护施工区还存在一些不规范作业，致使城市快速路养护施工区的交通管制更加混乱， 快速路养护施工区周围已成为交通事故多发区域，快速路上的车辆由高速自由流向低速阻 滞流转换的过程就存在潜在的较大安全隐患。
[0006] 由于城市快速路养护施工区周围车辆通行环境复杂，施工区附近的车速变化较 大，影响施工区安全的因素更是繁多，故其安全预警方法与一般路段也存在一定不同。现常 用的静态警示标志等预警方法没有考虑施工区的特殊性和实时变化的各种因素，预警效果 较差，整体性价比较低。另外，养护施工区预警方法的作用不仅要保障汽车驾驶人员和施工 人员等的人身安全，还要保证养护施工区周围的交通流正常安全通行。
【发明内容】
[0007] 有鉴于此，本发明的目的是提供一种快速路养护施工区主动预警方法，结合了城 市快速路养护施工区的自身特性，结合实时变化的影响施工区安全的各种因素，对相关区 域的交通情况进行分析判断，同时对预警方法中的相关参数进行动态调整，得出预警结果 之后及时发布预警信息，实现快速路养护施工区安全状况的主动预警。
[0008] 本发明采用以下方案实现:一种快速路养护施工区主动预警方法，具体包括以下 步骤：
[0009] 步骤S1:采集快速路养护施工路段的各项基础数据，将其分为交通流数据集、天气 数据集和静态数据集；
[001 0]步骤S2:用K均值聚类算法选取原型样本，输入样本数据和聚类个数，交通状态分 为三类，包括拥堵、拥挤以及畅通，则聚类个数为3，通过不断迭代求取聚类中心；
[0011] 步骤S3:对原型样本进行预处理并求解伴随向量:将原型样本转化成一维向量，进 行零均值和均一化处理，组成原型矩阵，进而求取伴随向量；
[0012] 步骤S4:对输入数据进行预处理，得到初始输入向量与交通状态判别结果；
[0013] 步骤S5:基于协同神经网络得出的交通状态判别结果，融合天气与静态数据设计 预警判别模糊分类器；
[0014] 步骤S6:将新一周期采集的数据实时判别之后不断融入历史数据，利用协同神经 网络不断地对交通状态判别模型的参数进行实时调整。
[0015] 进一步地，所述步骤S1中，所述静态数据集中的静态信息为养护施工区的客观环 境信息，包括施工区封闭形式、封闭车道数、路面状况以及安全设施;所述交通信息集中的 交通流信息包括交通量与平均车速，采用视频检测器对交通信息进行采集;所述天气数据 集中的天气信息为施工区的雨量，采用雨量检测器进行采集。
[0016] 进一步地，所述步骤S2中，通过计算实际样本和聚类中心的空间矢量的欧氏距离 求取最小距离的实际样本，作为所述原型样本。
[0017]进一步地，所述步骤S3具体为：
[0018] 所述原型样本的一维向量形式为
[0019] Vk= (vkl,Vk2, ··· ,Vkn)T (1)
[0020] 进行零均值和归一化后，原型矩阵为
[0021] v = (vi ,V2, ·' , Vm)T(m < η) (2)
[0022] 求解伴随向量为
[0023] (3)
[0024] 式中，Vk为原型向量，Vk+为原型向量的正交伴随向量；
[0025]根据协同学的基本理论，模式识别的动力学公式表示为
[0026]
[0027] 式中，为注意参数，Bkk，、C为常量参数，F为涨落力，q为待识别模式向量；
[0028] 引入序参量重新描述上述方程以减少维数，则系统的序参量描述为q在最小二 乘意义下Vk上的投影：
[0029]
(5)
[0030]有
[0031 ] .? = v7 (67 ( 6 )
[0032] 则公式写成
[0033]
(7)
[0034] Ik满足初始化条件：
[0035] 4(0)=??) (8)
[0036] 协同神经网络的竞争与演化过程是对一个序参量进行迭代的过程，公式(7)可变 为：
[0037]
[0038]
[0039] 进一步地，所述步骤S4具体为：设置参数11531^，、(：，利用公式(8)求解参序量的初 始值lk(0)，进而用公式(9)进行序参量的迭代，直到任意一个序参量分量为一个正数，其他 的序参量分量为〇时，停止迭代，则所识别出的模式即为取得"胜利"序参量，即为交通状态 判别的结果。
[0040]进一步地，所述步骤S5在交通状态判别的基础上，结合天气信息与静态信息，采用 模糊分类算法建立养护施工区预警判别模型，发布预警信息，具体包括以下步骤：
[0041 ]步骤S51:模糊输入变量包括路面状况a、雨量b以及交通状态c，它们的模糊子集按 照如下方式划分：
[0042] a={很差，中等，很好}
[0043] b={大雨，小雨，无雨}
[0044] c={拥堵，拥挤，畅通}
[0045] 步骤S52:输出变量为预警信息，其模糊子集为
[0046] d = {:红灯，黄灯，绿灯}
[0047] 制定模糊规则R的基本形式为：if a and b and c then d;
[0048] 步骤S53:基于模糊规则和隶属度函数，将输入量模糊化之后根据模糊规则得出预 警信息，并将预警信息发布驾驶员及相关人员。
[0049] 现有预警技术没有考虑施工区周围实时变化的外界因素，忽略了城市快速路养护 施工区的特殊性质，也忽视了影响养护施工区通行效率的多种因素。快速路养护施工区的 交通安全预警作用不仅在于保障相关人员的安全，还在于保证施工区的交通流正常安全通