基于道路车流密度的道路交通状态评价方法与流程

本发明涉及智能交通控制
技术领域：
，特别涉及一种基于道路车流密度的道路交通状态评价方法。
背景技术：
：道路车流密度是城市道路路段交通实时运行指数即拥堵状态的重要评价指标，可以通过路段固定检测器和浮动车检测器检测到的道路交通流量和速度计算道路车流密度。但是仅根据道路车流密度的大小，无法给决策者和出行人员带来直观的拥堵感受。对于如何根据车流密度对现行路段的拥堵情况进行评价，技术人员已经进行了大量的研究，但现有的评价方法存在着较为严重的缺陷：一是，现有的评价方法仅是根据道路车流密度计算道路运行指数，而没有考虑到当道路车流密度值较低时，交通运行指数随道路车流密度值的变化较为缓慢，当道路车流密度较大时，交通运行指数随道路车流密度值的变化较为迅速。二是，现有的评价方法中设置的阈值较多，这些阈值调整起来较为困难，不能适应不同城市、不同路段交通运行的实际情况。技术实现要素：本发明的目的在于提供一种基于道路车流密度的道路交通状态评价方法，以解决现有的道路交通运行状态评价方法的准确性差的问题。为实现以上目的，本发明采用的技术方案为：提供一种基于道路车流密度的道路交通状态评价方法，该方法包括：获取当前路段的车流密度值s；根据当前路段的车流密度值s，基于预设的道路交通运行指数计算模型，计算当前路段的交通运行指数；将当前路段的交通运行指数与预设的交通运行状态等级划分表进行匹配，评价当前路段的交通状态；其中，所述的道路交通运行指数计算模型为：式中，x＝ks，s为当前路段的车流密度值，a、β以及k为预设的计算参数且均为常数。与现有技术相比，本发明存在以下技术效果：本发明中的道路交通运行指数计算模型在当车流密度值达到一定值时才开始发生变化，并且当车流密度值较低时，道路交通运行指数随车流密度值的变化较为缓慢，当车流密度值较大时，道路交通运行指数随车流密度值的变化较为迅速。因此，本发明中的道路运行指数计算模型能够很好的模拟道路拥堵状况与车流密度值的关系，提高道路交通运行状态评价结果的有效性和科学性。附图说明图1是本发明一实施例中基于道路车流密度的道路交通状态评价方法的流程示意图；图2是本发明一实施例中的基于道路车流密度的道路交通状态评价方法的整体流程示意图。具体实施方式下面结合图1至图2所示，对本发明做进一步详细叙述。如图1所示，本实施例公开了一种基于道路车流密度的道路交通状态评价方法，该方法包括如下步骤S1至S3：S1、获取当前路段的车流密度值s；S2、根据当前路段的车流密度值s，基于预设的道路交通运行指数计算模型，计算当前路段的交通运行指数；S3、将当前路段的交通运行指数与预设的交通运行状态等级划分表进行匹配，评价当前路段的交通状态；其中，所述的道路交通运行指数计算模型为：式中，x＝ks，s为当前路段的车流密度值，a、β以及k为预设的计算参数且均为常数。需要说明的是，该处的交通运行状态等级划分表如表1所示：表1路段运行指数[0,2](2,4](4,6](6,8](8,10]拥堵等级TPI非常畅通畅通轻度拥堵中度拥堵严重拥堵具体地，计算常数a的确定过程为：获取当前路段内的历史统计车速和历史统计车流量；对当前路段内的历史统计车速进行聚类分析，得到聚类分析后的车速；根据当前路段内的历史统计车流量中选取自由流车速情况下的最大值和所述聚类分析后的车速，计算车流密度值为计算常数a；所述的计算常数β的确定过程为：在预设数量的工作日内，选取当前路段最大的车流密度值为计算常数β。需要说明的是，本实施例中统计正常工作日一天内的车流密度值，并将其中的最大的车流密度值确定为计算常数β。具体地，在步骤S1之前还包括：对历史统计的道路车流量密度值进行分析，确定评价当前路段同一交通状态的最小时间间隔；在所述的最小时间间隔内，分别通过固定路段检测器获取当前路段的路段流量，通过浮动车采集当前路段的车速；根据所述最小时间间隔内的路段流量，计算所述最小时间间隔内当前路段的平均车流量；根据所述最小时间间隔内的车速，计算所述最小时间间隔内当前路段的平均车速；根据所述最小时间间隔内当前路段的平均车流量和所述最小时间间隔内当前路段的平均车速，计算当前路段的车流密度值s。需要说明的是，该最小时间间隔计算的过程是：通过对道路的历史统计车速数据进行分析，得到当前道路交通运行状态维持同一拥堵等级的持续时间以及持续时间的两端值确定。在计算拥堵指数TPI的最小时间间隔的选取中，如果该最小时间间隔值过大，则计算得到的拥堵指数TPI不能实时反映出道路交通拥堵状态的效果，如果该最小时间间隔值过小，则会导致系统资源的浪费。在本实施例中，如果最小时间间隔值大于10分钟，则最小时间间隔取值为10，如果最小时间间隔值小于3分钟，则最小时间间隔取值为3，使最小时间间隔具有科学的合理性，在保证合理利用系统资源的同时确保计算得到的拥堵指数TPI能实时反映出道路交通拥堵状态的效果。还需要说明的是，该处的当前路段的车流密度值s的计算公式具体为：s＝q/v，q为该最小时间间隔内当前路段的平均车流量，v为该最小时间间隔内当前路段的平均车速。具体地，如图2所示，本实施例公开的方法还包括：根据当前路段的交通特征，对所述的计算参数k进行调整。需要说明的是，在实际应用中，计算参数k一般取值为1，当需要对计算参数k进行调整时，一般对1左右进行调整，从而修正当前路段的道路交通运行指数计算模型。在只需要对道路交通运行指数计算模型进行微调时，只需要对计算参数k进行调整，即可实现对道路交通运行指数计算模型的修正，操作简单，减小了模型修正的工作量。本实施例中通过设定计算参数k的取值范围，如果计算参数k修正后超过该范围，即放弃对k的修正，转而对计算参数a、β进行修正，反之，则对计算参数a、β进行修正。具体地对计算参数a、β修正的过程如下：判断所述的计算参数a、β是否需要修正；如果所述的计算参数a、β需要修正，则根据道路交通的实际运行情况以及用户出行满意度对计算参数a、β进行修正；如果计算参数a、β不需要修正，则将当前计算参数a、β作为所述道路交通运行指数计算模型中的计算参数。需要说明的是，这里的用户出行满意度是对一定数量的用户的出行感受进行调查得到的一个对拥堵指数计算参数a、β进行评价的调查值。这里的道路交通运行实际情况可以根据浮动车数据得到。本实施例中通过根据道路交通运行的实际情况以及用户的出行感受对计算参数a、β进行修正，可以使得计算得到的拥堵指数TPI更加符合不同城市的道路运行状况以及不同路段的交通特征。在实际应用中，需要对道路交通运行指数计算模型进行较大程度上的修正时，即可通过对计算参数a、β的调整来实现，并在调整计算参数a、β，再对计算参数k进行微调，使得修正后的道路交通运行指数计算模型能较好的适用不同城市、不同路段交通运行的实际情况。具体地，在所述最小时间间隔内的路段流量数据小于预设的数量时，对所述最小时间间隔内的路段流量数据进行插值处理。需要说明的是，在实际应用中，在用于计算当前路段的车流密度值s的数据量很少时，通过对这些数据量进行插值处理或者采用当前路段的历史数据进行补充，来计算得到当前路段的车流密度值s。在没有用于计算当前路段的车流密度值s的数据量时，则将当前路段的车流密度值s取值为计算参数a。当前第1页1 2 3