基于车流检测设备状态的道路拥堵分析方法与流程

本发明涉及智能交通控制技术领域,尤其涉及一种基于车流检测设备状态的道路拥堵分析方法。

背景技术：

在现有技术中,已经出现了很多道路拥堵分析的相关产品，但基本都是对某种传统算法的直接使用，有些算法阈值难以确定，人工设定的阈值往往检测率不太理想，而且单一算法的利用对道路状态的适应性较差。

技术实现要素：

为解决上述问题，本发明提出了一种将多种算法相结合来分析道路拥堵情况的方法；同时，对于阈值难以确定的算法，比如加利福尼亚算法，提出一种改进的加利福尼亚算法，改进后阈值确定自动进行，不需要人工设定，具有较好的检测率。

为实现上述目的，本发明采用的具体技术方案如下：

一种基于车流检测设备状态的道路拥堵分析方法，包括以下步骤：

步骤一、配置算法阈值：在前台根据车流检测设备所处路段、检测时间段及检测设备类型为各车流检测设备分别配置Mcmaster算法、慢速算法、山东高速算法各自的阈值信息、结果权重占比及改进的加利福尼亚算法的结果权重占比，改进的加利福尼亚算法的阈值由算法本身自动确定；

步骤二、获取交通数据：获取车流检测设备检测的基本交通数据，包括速度、流量和占有率；

步骤三、按各算法分别计算：分别采用改进的加利福尼亚算法、Mcmaster算法、慢速算法、山东高速算法对获取到的基本交通数据信息进行计算，得出每种算法下的交通拥堵状况；

步骤四、根据步骤一所设置的各个算法的结果权重占比，得出检测设备当前时刻所处位置的交通拥堵情况。

步骤二中，速度是指某一时刻的车辆平均速度，即各车型的平均速度。占有率是指某一时刻单位长度路段上车辆总长占该路段长度的百分比。流量是指单位时间内通过道路某断面的交通量(即单位时间通过道路某断面的车辆数目)。

本发明将多种常见的道路拥堵分析算法均应用到交通拥堵分析中，利用各种算法对车流检测设备获取的基本交通数据分别计算一种结果，然后再根据设定的结果权重占比将各结果统一计算，得出相应检测设备所处路段在该时段的交通拥堵情况。多种算法相结合，更容易适应道路状况，提高分析结果的准确性。

另外，为克服加利福尼亚算法阈值难以确定的问题，对传统的加利福尼亚算法进行了改进，将其与折半查找方法相结合，高效快速地获取到最佳阈值。具体方法如下：改进的加利福尼亚算法是指首先利用折半查找方法通过误判率和漏判率比较获取最佳阈值；然后，利用获得的最佳阈值对基本交通数据进行加利福尼亚计算，得出该算法下当前的交通拥堵状况。

改进的加利福尼亚算法确定最佳阈值的步骤如下：

(1)、对所有样本数据计算出各自的OCCDF、OCCRDF和DOCCTD，其中OCC(i,t)是第i个检测站t时刻所测得的占有率；OCCDF是拥挤路段上下游占有率的差值，OCCDF＝OCC(i,t)-OCC(i+1,t)；OCCRDF是拥挤路段上下游占有率的相对差值，OCCRDF＝(OCC(i,t)-OCC(i+1,t))/OCC(i,t)；DOCCTD是拥挤开始时下游占有率的相对差值，DOCCTD＝(OCC(i+1,t-2)-OCC(i+1,t))/OCC(i+1,t-2)；然后分别求取OCCDF、OCCRDF和DOCCTD的最大值和最小值，用Kmin1、Kmax1分别表示所有样本求取的OCCDF的最小值和最大值，用Kmin2、Kmax2分别表示所有样本求取的OCCRDF的最小值和最大值，用Kmin3、Kmax3分别表示所有样本求取的DOCCTD的最小值和最大值；

(2)、利用Kmin1、Kmax1、Kmin2、Kmax2、Kmin3、Kmax3计算初始阈值K1、K2、K3，其中，K1＝(Kmin1+Kmax1)/2，K2＝(Kmin2+Kmax2)/2，K3＝(Kmin3+Kmax3)/2；

(3)、统计出阈值为K1、K2、K3情况下的误判率和漏判率，误判率为每百次判定为交通异常而实际上并非交通异常的次数，漏判率为每百次真正发生交通异常却被判为交通正常的次数；

(4)、将步骤(3)得到的误判率和漏判率比较，如果误判率和漏判率相接近，即漏判率/误判率介于0.95-1之间，则步骤(2)算出的K1、K2、K3即为最佳阈值；否则，执行步骤(5)，调整阈值；

(5)、若漏判率/误判率小于0.95，则修正阈值为K11＝(Kmin1+K1)/2，K21＝(Kmin2+K2)/2，K31＝(Kmin3+K3)/2；若漏判率/误判率大于1，则修正阈值为K12＝(Kmax1+K1)/2，K22＝(Kmax2+K2)/2，K32＝(Kmax3+K3)/2；

(6)、重复步骤(3)、(4)、(5)，直到误判率和漏判率相接近，确定所对应的最佳阈值。

上文所述的山东高速算法是指通过服务水平的计算来判断拥挤水平，具体包括以下步骤：首先，通过饱和度法计算服务水平B，其中，0代表非拥堵，1代表拥堵；然后，通过平均速度分析法计算服务水平S，其中，0代表非拥堵，1代表拥堵；最后，按公式W1*B+W2*S来计算，将所得结果与设定阈值K比较，其中，W1、W2为根据检测设备所处路段情况设置的权重值，0<W1<1,0<W2<1,且W1+W2＝1，阈值K根据权重设置进行调整，若W1*B+W2*S>K则为拥堵，否则为非拥堵。其中，饱和度法即V/C比法，是指交通流量与车道通行能力之比值，车道通行能力是指道路设施所能疏导交通流的能力。平均速度分析法是通过调查得到的地点平均速度评价调查路段的服务水平。首先利用每种方法分别计算一种拥堵结果，然后根据需要选择以哪种计算结果为主设定权重值和阈值，将两结果综合计算后与阈值比较得出最终的拥堵情况。例如，设W1＝0.2，W2＝0.8，若K设置为0.2，则饱和度法、平均速度分析方法只要有一个方法计算出拥堵，则结果就是拥堵；若K设置为0.8，则平均速度方法起决定性作用；若K设置为1，则两种方法都为拥堵的情况下，最终结果才为拥堵。反之亦然。

本发明结合利用了改进的加利福尼亚算法、Mcmaster算法、慢速算法和山东高速算法，对车流检测设备获取的基本交通数据进行计算得出道路拥堵状况，并且可以根据检测设备类型、检测时段和路段灵活地对各个算法的阈值、结果权重占比进行配置，以适应不同的需求，有效提高分析结果的准确性。

附图说明

图1是本发明方法的总体流程图；

图2是改进的加利福尼亚算法确定最佳阈值的流程图。

具体实施方式

下面结合附图对本发明的具体实施进行详细说明。

一种基于车流检测设备状态的道路拥堵分析方法，如图1所示，包括以下步骤：

S1:通过前台对车流检测设备进行相应的配置，配置主要包括Mcmaster算法、慢速算法、山东高速算法的阈值信息、结果权重占比以及改进的加利福尼亚算法的结果权重占比。配置时，可根据不同需求按时段、路段及设备类型对各车流检测设备进行灵活配置。同时，将传统加利福尼亚算法与折半查找方法相结合生成改进的加利福尼亚算法，自动确定最佳阈值。

如图2所示，改进的加利福尼亚算法确定最佳阈值的步骤如下：

(1)、对所有样本数据计算出各自的OCCDF、OCCRDF和DOCCTD，其中OCC(i,t)是第i个检测站t时刻所测得的占有率；OCCDF是拥挤路段上下游占有率的差值，OCCDF＝OCC(i,t)-OCC(i+1,t)；OCCRDF是拥挤路段上下游占有率的相对差值，OCCRDF＝(OCC(i,t)-OCC(i+1,t))/OCC(i,t)；DOCCTD是拥挤开始时下游占有率的相对差值，DOCCTD＝(OCC(i+1,t-2)-OCC(i+1,t))/OCC(i+1,t-2)；然后分别求取OCCDF、OCCRDF和DOCCTD的最大值和最小值，用Kmin1、Kmax1分别表示所有样本求取的OCCDF的最小值和最大值，用Kmin2、Kmax2分别表示所有样本求取的OCCRDF的最小值和最大值，用Kmin3、Kmax3分别表示所有样本求取的DOCCTD的最小值和最大值；

(2)、利用Kmin1、Kmax1、Kmin2、Kmax2、Kmin3、Kmax3计算初始阈值K1、K2、K3，其中，K1＝(Kmin1+Kmax1)/2，K2＝(Kmin2+Kmax2)/2，K3＝(Kmin3+Kmax3)/2；

(3)、统计出阈值为K1、K2、K3情况下的误判率和漏判率，误判率为每百次判定为交通异常而实际上并非交通异常的次数，漏判率为每百次真正发生交通异常却被判为交通正常的次数；

(4)、将步骤(3)得到的误判率和漏判率比较，如果误判率和漏判率相接近，即漏判率/误判率介于0.95-1之间，则步骤(2)算出的K1、K2、K3即为最佳阈值；否则，执行步骤(5)，调整阈值；

(5)、若漏判率/误判率小于0.95，则修正阈值为K11＝(Kmin1+K1)/2，K21＝(Kmin2+K2)/2，K31＝(Kmin3+K3)/2；若漏判率/误判率大于1，则修正阈值为K12＝(Kmax1+K1)/2，K22＝(Kmax2+K2)/2，K32＝(Kmax3+K3)/2；

(6)、重复步骤(3)、(4)、(5)，直到误判率和漏判率相接近，确定所对应的最佳阈值。

S2：后台服务进行核心的改进加利福尼亚算法、Mcmaster算法、慢速算法、山东高速算法的实现，计算出道路拥堵状态。具体如下：

S21：实时读取车流检测设备上传的交通数据信息以及相应检测设备的配置信息。

S23：根据S21获取的数据(包括速度、流量和占有率)以及配置信息分别进行加利福尼亚算法、Mcmaster算法、慢速算法、山东高速算法的计算，得出各个算法的结果后，再根据结果权重占比计算出车流检测设备所在位置的交通拥堵状态。

S3：前台对交通拥堵状态进行展示，拥堵时产生警报。

上述山东高速算法具体包括以下步骤：首先，通过饱和度法计算服务水平B，其中，0代表非拥堵，1代表拥堵；然后，通过平均速度分析法计算服务水平S，其中，0代表非拥堵，1代表拥堵；其中，W1、W2为根据检测设备所处路段情况设置的权重值，0<W1<1,0<W2<1,且W1+W2＝1，阈值K根据权重设置进行调整，若W1*B+W2*S>K则为拥堵，否则为非拥堵。

下表所示为高速公路服务水平分级及评价指标：

表1

表中设计速度(Sv1,Sv2,Sv3)、速度(v1～v3)、V/C(s1～s3)、车道基本通行能力(c1、c2、c3)根据实际情况，可单独配置。