本发明属于道路交通应用领域，具体涉及一种道路交通警情预测方法。
背景技术：
随着科技进步和经济发展，城市车辆也在迅猛增长，城市交通供给不能满足日益增长的交通需求，城市道路的交通拥堵问题越来越严重。城市干道是城市交通的动脉，对城市干道交通拥堵状态进行及时、准确的提前预测和识别，减少交通拥堵带来的负面效应。
技术实现要素：
本发明的目的是基于现代城市道路交通需要，提供一种道路交通警情预测方法，以达到交通警情实时预警。
为实现上述目的，本发明采用如下技术方案：
一种道路交通警情预测方法，该方法包括以下步骤：
步骤a：通过供应设备实时采集交通指标特征，获取当前区域内的车流量、车速及时间占有率；
步骤b：将当前获取到的每组交通指标特征与其供应设备所在的道路位置一一对应；
步骤c：构建特征向量，将当前获取的实时交通指标特征值与数条历史交通指标特征值组成一组特征向量：
v(t)=[f(t)s(t)o(t)]
v(t-1)=[f(t-1)s(t-1)o(t-1)]
……
v(t-n)=[f(t-n)s(t-n)o(t-n)]
f(t)表示当前时刻车流量、s(t)表示当前时刻车速、o(t)表示当前时刻时间占有率、v(t-n)表示n分钟前特征v的值，n的取值根据应用场景调整；
步骤d：根据特征向量融合计算出描述该道路位置交通状态的预警值：
特征变化量矩阵：
计算预警值：
步骤e：通过历史预警值与警情数据匹配，记录匹配警情的预警值数组a[m]，m表示警情数，数组a[m]记录警情时刻对应的预警值，遍历a[m]寻找阈值t；
步骤f：将预警值w(t)与阈值t对比，若w(t)>t则预警，否则不预警。
进一步地，所述步骤e中a[m]中的预警值大于阈值t的个数大于m*80%。
本发明的有益效果在于：本发明的计算过程简洁明了，客观性强，能及时、准确的提前预测和识别出警与不出警的决定,减少交通拥堵带来的负面效应，以及造成不必要的警力让费。
附图说明
图1为本发明一种道路交通警情预测方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图以及具体实施方式，对本发明做进一步描述：
如图1所示，本发明包含的步骤为：
步骤a：通过在城市交通区域内放置供应设备，用于实时采集交通指标特征；所述供应设备可以为电子警察、地磁检测器、交通视频检测设备traficon以及射频检测器rfid；所述交通指标特征包括车流量、车速以及时间占有率。
步骤b：将当前获取到的每组交通指标特征与其供应设备所在的道路位置一一对应。
步骤c：构建特征向量，将当前获取的实时交通指标特征值与数条历史交通指标特征值组成一组特征向量：
v(t)=[f(t)s(t)o(t)]
v(t-1)=[f(t-1)s(t-1)o(t-1)]
……
v(t-n)=[f(t-n)s(t-n)o(t-n)]
f(t)表示当前时刻车流量、s(t)表示当前时刻车速、o(t)表示当前时刻时间占有率、v(t-n)表示n分钟前特征v的值，本实施例中n以3为例；
步骤d：根据特征向量融合计算出描述该道路位置交通状态的预警值：
特征变化量矩阵：
计算预警值：
步骤e：通过历史预警值与警情数据匹配，记录匹配警情的预警值数组a[m]，m表示警情数，数组a[m]记录警情时刻对应的预警值，遍历a[m]寻找阈值t，使得a[m]中的预警值大于阈值t的个数大于m*80%。
步骤f：将预警值w(t)与阈值t对比，若w(t)>t则预警，否则不预警。
本发明提供了一种道路交通警情预测方法，本方法适用于道路拥挤的时段，协助交警快速处理交通事故，通过将预警值w(t)与阈值t对比，确定出该道路的拥挤程度是否需要出警，避免了因事故发生不能快速处理以及事故不足以达到拥堵状态而交警却出警造成警力资源浪费的问题。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；对于本技术领域的普通技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的保护范围。