一种自适应的交通状态估计方法
【专利摘要】一种自适应的交通状态估计方法，具体步骤包括：(1)在融合参数训练中，根据各数据源的交通信息计算各源的基本概率分配表。(2)在多源融合的交通状态估计中，把训练好的各源概率分配表融合成决策表；根据各源实时的交通信息从决策表中获得交通状态估计结果。(3)在自适应调整中，对各源概率分配表周期性地进行自适应调整；将自适应调整后的各源概率分配表融合成新的决策表并用于下一周期的实时交通状态估计。本发明中的各数据源的概率分配表可周期性地自适应调整，不仅减少了前期融合参数训练的数据量和工作量，而且自适应调整后的概率分配表能适应实时的城市道路交通状态变化模式，可提高交通状态估计的准确性。
【专利说明】
【技术领域】
[0001] 本发明涉及一种自适应的交通状态估计方法，属于智能交通研究领域。 一种自适应的交通状态估计方法
【背景技术】
[0002] 我国社会和经济的快速发展带来了城市交通流量的迅速增长，交通堵塞问题也日 益严重。利用智能交通系统来缓解交通拥堵，提高交通运输效率成为一种新的趋势，也成为 综合解决交通问题的转机。其中，通过对交通数据的有效处理和分析，实现对交通状态的实 时估计获得了广泛的关注。
[0003] 由于D-S证据理论在不确定性的表示、测量和组合方面具有优势，不少智能交通 的研究者提出了利用D-S证据理论来融合多源交通数据并进行交通状态估计。但在传统 的基于D-S证据理论的交通状态估计方法中，各数据源的基本概率分配表在训练时已计算 好，是固定不变的，因此由其融合成的并用于交通状态估计的决策表也是固定不变的，从而 导致的缺陷有：一、在前期融合参数训练阶段时，需要大量的道路交通数据并进行人工视频 标注所有道路交通状态，工作量巨大；二、在实际应用中，城市道路交通状态变化模式并非 一成不变，固定的基本概率分配表不能适应长期（一般指3个月以上）的道路环境，进而导 致用于交通状态估计的决策表与道路环境不能适应，降低了交通状态估计的准确率。因此， 需要一种各数据源基本概率分配表能适应实时城市道路交通状态变化模式的交通状态估 计方法。
[0004] 自适应是指在处理或分析过程中，数据能定期调整或更新，以适应实时的情况，从 而达到最佳的处理效果。凭借其优点，自适应已被应用在某些领域，如：论文《基于D-S证 据理论的区域交通自适应协调控制》提出了在区域交通的信号控制系统上采用自适应协调 控制的方法，即根据检测的交通量数据，定期更新系统存储的交通模式及其对应的最优配 时方案，以克服传统方法定时控制的缺陷。虽然自适应已被应用于不少领域，但目前还未应 用于交通估计中。将自适应应用于交通估计中，即能满足各数据源基本概率分配表适应实 时城市道路交通状态变化模式的需求了。
【发明内容】
[0005] 为了克服传统的基于D-S证据理论的交通状态估计方法存在的缺陷，本发明提出 了一种自适应的交通状态估计方法。本发明的技术构思是：在基于D-S证据理论的交通状 态估计方法的基础上，添加自适应调整步骤。该方法中各数据源的基本概率分配表不固定， 可周期性地进行自适应调整，然后将调整后的各源概率分配表融合成新的决策表并用于下 一周期的交通状态估计。该方法不仅减少了前期融合参数训练的交通数据量和工作量，而 且自适应调整后的概率分配表能适应实时的城市道路交通状态变化模式，提高了交通状态 估计的准确率。
[0006] 本发明提出的估计方法包括以下具体步骤：
[0007] (1)融合参数训练：
[0008] 把估计得到的各源历史交通状态与相应的人工视频标注结果统计成各源的交通 状态信息表，将各源历史交通状态与相应的人工视频标注结果的信息通过基本概率公式计 算得到各数据源的基本概率分配表。基本概率计算公式定义为： _] m(Ck)x,y = P(Bx|Ay)
[0010] 式中：k为数据源的编号；Ck表示不同的数据源；x，y为道路交通状态；8 !￡是某数据 源历史的人工视频标注结果为X的信息；Ay是某数据源历史交通状态为y的信息。
[0011] (2)多源融合的交通状态估计：
[0012] 对训练好的各数据源的概率分配表用下述算法融合成决策表。
[0013] 设Ω = {ω" ω2, . . .，ων}是一个识别框架，Ω的幂集为2Ω = & | J g Ω)。基 本概率分配函数定义为2Ω - [0，1]的映射，并且满力
【权利要求】
1. 一种自适应的交通状态估计方法，其特征在于：所述估计方法包括以下步骤： (1) 融合参数训练： 把估计得到的各源历史交通状态与相应的人工视频标注结果统计成各源的交通状态 信息表，将各源历史交通状态与相应的人工视频标注结果的信息通过基本概率公式计算得 到各数据源的基本概率分配表。 (2) 多源融合的交通状态估计： 对训练好的各数据源的概率分配表用D-S证据理论融合成决策表；将各数据源实时的 交通数据估计成道路交通状态，并从融合成的决策表中用最大似然法则，即选取概率最大 对应的状态作为交通状态估计结果。 (3) 自适应调整： 对各数据源的概率分配表周期性地进行自适应调整，自适应调整包括初步调整和均和 调整。 每隔一个自适应周期T，根据该周期T内采集到的所有各源数据的状态信息，包括各源 数据估计出的交通状态，根据各源数据估计出的交通状态从决策表中得到的估计结果和相 应的人工视频标注结果，依次对各源的概率分配表进行调整。当从决策表中得到的估计结 果与相应的人工视频标注结果一致时，即交通状态估计准确，不调整其概率分配，否则依次 对各源的概率分配表进行如下的初步调整：
式中：k为数据源的编号；Ck表示不同的数据源；α和β是调整系数，且α = 0. 1，β =〇. 9 ;r为某数据源数据估计出的交通状态；s为根据各源数据估计出的交通状态从决策 表中得到的估计结果；u为相应的人工视频标注结果；m(C k)M则表示在Ck数据源的概率分 配表中，该数据源数据估计的交通状态为r且人工视频标注结果为u的概率;m(C k)u则表 示在Ck数据源的概率分配表中，该数据源数据估计的交通状态为r且人工视频标注结果为 s的概率。 将该周期初步调整完的各源概率分配表与前几个周期的各源概率分配表用均和算法 进行均和调整，从而得到自适应调整后的各源概率分配表。均和算法的公式如下：
式中：P表示参与调整的自适应周期个数，一般最大为4 ;当i = 0时，表示在 当前周期初步调整完的各源概率分配表中，Ck数据源数据估计出的交通状态为y且相应的 人工视频标注结果为X的概率；当i > 〇时，m(Ck)x, y,,表示在前i个周期的各源概率分配 表中，Ck数据源数据估计出的交通状态为y且相应的人工视频标注结果为X的概率； 〇 i表 示各个自适应周期中各源概率分配表的权重。 每一周期后，把自适应调整好的各数据源的概率分配表作为训练好的概率分配表，再
【文档编号】G08G1/07GK104103176SQ201310127487
【公开日】2014年10月15日 申请日期:2013年4月15日 优先权日:2013年4月15日
【发明者】夏莹杰, 单振宇, 王燕妮, 黄乐 申请人:杭州斯玛特维科技有限公司, 杭州师范大学