常发拥堵路段的识别和筛查方法与流程

本发明涉及交通信息处理技术领域，尤其涉及常发拥堵路段的识别和筛查方法。

背景技术：

交通拥堵是各大城市正面临的问题，主要包括偶发拥堵和常发拥堵。偶发拥堵是由突发事件导致，常发拥堵通常是由于交通供需不均，道路网络存在缺陷等原因导致。例如，交通规划与城市发展不协调、互通立交匝道设计通行能力不足、高等级道路与低等级道路结合处车道数减少、路口间距过大、掉头设置不合理和交叉口信号灯配时不佳。对路网的常发拥堵路段进行识别和筛查，一方面能够为城市疏堵工程提供改造项目库，为交通管理部门提供预警信息，及时采取应对措施，利用先进的交通管控措施和智能诱导信息疏导拥堵交通；另一方面，能够发现道路网络规划中的不合理之处，为交通和建设部门重新规划道路线形、改进道路基础设施等提供科学依据。常发拥堵路段具有一定的规律性和可预见性，但是，目前仍然缺乏成熟可靠的量化常发拥堵路段的方法。

现有的常发拥堵路段识别方法主要包括：

第一种方法是将常发拥堵路段分为日拥堵路段、周常发拥堵路段、月常发拥堵路段和年常发拥堵路段。日拥堵路段指高峰时段内，1小时(含)以上处于第5级平均区间速度的路段，按早高峰时段和晚高峰时段分别进行统计；周常发拥堵路段指一周5个工作日内，至少4天为日拥堵路段，按早高峰时段和晚高峰时段分别进行统计；月常发拥堵路段指一月4个周内，至少3周为周常发拥堵路段，按早高峰时段和晚高峰时段分别进行统计；年常发拥堵路段指一年12个月内，至少6个月为月常发拥堵路段，按早高峰时段和晚高峰时段分别进行统计。

第二种统计方法是在高峰时间段内，将各个路段的拥堵累计时间周期数量除以总高峰时间段周期数量，该百分比反映高峰期间常态的拥堵情况。在快速路上，百分比大于25％为常发拥堵路段；在主次干路上，百分比大于30％为常发拥堵路段。

目前的常发拥堵路段识别方法仅考虑高峰时间段内的拥堵，不能识别路段每天的整体拥堵程度，且没有考虑拥堵的波动性。由于路段的拥堵时长具有差异性和波动性，因此，现有技术中很难识别和筛查出拥堵时间短、可靠度低的常发拥堵路段。

技术实现要素：

本发明的实施例提供了常发拥堵路段的识别和筛查方法，以解决以上问题。

为了实现上述目的，本发明采取了如下技术方案。

根据本发明的一个方面，提供了一种常发拥堵路段的识别和筛查方法，包括：

获取历史拥堵数据，统计某个路段每天的累计拥堵时长；

根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布；

在给定所述路段累计拥堵时长的情况下，根据所述路段累计拥堵时长服从的概率分布，计算所述路段累计拥堵时长的可靠度，当所述路段累计拥堵时长的可靠度超过设定阈值ε1时，则判断所述路段为常发拥堵路段。

优选地，所述的获取历史拥堵数据，统计某个路段每天的累计拥堵时长，包括：

所述某个路段每天的累计拥堵时长根据如下公式计算：

其中，βi为路段i在一天内的累计拥堵时长，αi，j表示路段i在时刻j·δ是否拥堵的状态，j＝1，2，…，m，m表示对比时间段内的周期数，δ表示数据的采样间隔，如果路段i在时刻j·δ拥堵，则αi，j＝1；如果不拥堵，则αi，j＝0。

优选地，所述的根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布，包括：

根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布为正态分布，其中μi为路段累计拥堵时长的均值，为路段累计拥堵时长的方差；

所述的均值μi和方差根据如下公式计算：

其中，(βi，1，βi，2，…，βi，n)是总体的一组样本，n为样本量；

根据如下概率分布公式计算所述路段累计拥堵时长服从的概率分布：

其中，p{a＜βi≤b}为路段i的累计拥堵时长βi在区间(a，b]的概率，f(x)为βi的概率密度函数，φ(·)表示标准正态分布的分布函数，a和b为设定的时间段阈值。

优选地，所述的在给定路段累计拥堵时长的情况下，根据所述路段累计拥堵时长服从的概率分布，计算所述路段累计拥堵时长的可靠度，包括：

所述路段累计拥堵时长的可靠度根据如下公式计算：

p{βi＞t0}为路段i的累计拥堵时长βi大于期望阈值t0的概率，将p{βi＞t0}作为所述路段累计拥堵时长的可靠度。

根据本发明的另一个方面，提供了一种常发拥堵路段的识别和筛查方法，包括：

获取历史拥堵数据，统计某个路段每天的累计拥堵时长；

根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布；

在给定可靠度的情况下，根据所述路段累计拥堵时长服从的概率分布，计算所述路段的给定可靠度的累计拥堵时长，当计算出的所述路段的给定可靠度的累计拥堵时长超过设定阈值ε2，则判断所述路段为常发拥堵路段。

优选地，所述的s10获取历史拥堵数据，统计某个路段每天的累计拥堵时长，包括：

所述某个路段每天的的累计拥堵时长根据如下公式计算：

其中，βi为路段i在一天内的累计拥堵时长，αi，j表示路段i在时刻j·δ是否拥堵的状态，j＝1，2，…，m，m表示对比时间段内的周期数，δ表示数据的采样间隔，如果路段i在时刻j·δ拥堵，则αi，j＝1；如果不拥堵，则αi，j＝0。

优选地，所述的根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布，包括：

根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布为正态分布，其中μi为路段累计拥堵时长的均值，为路段累计拥堵时长的方差；

所述的均值μi和方差根据如下公式计算：

其中，(βi，1，βi，2，…，βi，n)是总体的一组样本，n为样本量；

根据如下概率分布公式计算所述路段累计拥堵时长服从的概率分布：

其中，p{a＜βi≤b}为路段i的累计拥堵时长βi在区间(a，b]的概率，f(x)为βi的概率密度函数，φ(·)表示标准正态分布的分布函数。

优选地，所述的在给定可靠度的情况下，根据所述路段累计拥堵时长服从的概率分布，计算所述路段的给定可靠度θ的累计拥堵时长，包括：

所述路段的给定可靠度θ的累计拥堵时长βi根据如下公式计算：

βi＝φ^-1(1-θ)·σi+μi(7)

其中，φ^-1(·)表示正态分布累积概率密度函数的反函数，可靠度为θ。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例的常发拥堵路段的识别和筛查方法，利用交通大数据，统计分析路段累计拥堵时长的概率分布，计算路段累计拥堵时长超过期望阈值的概率，以及给定可靠度情况下路段的拥堵时长，为交通管理部门筛查常发拥堵路段提供了准确有力的科学依据。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据此附图获得其他的附图。

图1为本发明实施例提供的常发拥堵路段的识别和筛查方法的处理流程图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且实施例并不构成对本发明实施例的限定。

实施例

图1为本发明实施例提供的常发拥堵路段的识别和筛查方法的处理流程图，参照图1，一种常发拥堵路段的识别和筛查方法，包括：

s10获取历史拥堵数据，统计某个路段每天的累计拥堵时长。

根据如下公式计算：

其中，βi为路段i在一天内的累计拥堵时长，αi，j表示路段i在时刻j·δ是否拥堵的状态，j＝1，2，…，m，m表示对比时间段内的周期数，δ表示数据的采样间隔。

示意性地，交通状态包括畅通、缓慢和拥堵三种。计算每条路段每天的累计拥堵时长。采样间隔为5分钟，则一天有288个采样周期。如果路段i在时刻j·δ拥堵，则αi，j＝1；如果不拥堵，则αi，j＝0。

s20根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布。

进一步地，根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布为正态分布，即，βi服从数学期望为μi、方差为的正态分布。其中μi为路段累计拥堵时长的均值，为路段累计拥堵时长的方差，均值μi和方差根据如下公式计算：

其中，(βi，1，βi，2，…，βi，n)是总体的一组样本，n为样本量。

计算路段的累计拥堵时长服从的概率分布，根据如下概率分布公式计算：

进一步地，通过数据统计得到累计拥堵时长服从正态分布，因此得到如下公式：

其中，p{a＜βi≤b}为路段i的累计拥堵时长βi在区间(a，b]的概率，f(x)为βi的概率密度函数，根据历史的累计拥堵时长拟合得到，φ(·)表示标准正态分布的分布函数，a和b为设定的时间段阈值。

s31在给定所述路段累计拥堵时长的情况下，根据所述路段累计拥堵时长服从的概率分布，计算所述路段累计拥堵时长超过期望阈值的可靠度，当所述路段累计拥堵时长的可靠度超过设定阈值ε1时，则判断所述路段为常发拥堵路段。

计算所述路段累计拥堵时长的可靠度，根据如下公式计算：

p{βi＞t0}为路段i的累计拥堵时长βi大于期望阈值t0的概率，将p{βi＞t0}作为所述路段累计拥堵时长的可靠度。

图1为本发明实施例提供的常发拥堵路段的识别和筛查方法的处理流程图，参照图1，还包括另外一种常发拥堵路段的识别和筛查方法，包括：

s10获取历史拥堵数据，统计某个路段每天的累计拥堵时长。

根据如下公式计算：

其中，βi为路段i在一天内的累计拥堵时长，αi，j表示路段i在时刻j·δ是否拥堵的状态，j＝1，2，…，m，m表示对比时间段内的周期数，δ表示数据的采样间隔。

示意性地，交通状态包括畅通、缓慢和拥堵三种。计算每条路段每天的累计拥堵时长。采样间隔为5分钟，则一天有288个采样周期。如果路段i在时刻j·δ拥堵，则αi，j＝1；如果不拥堵，则αi，j＝0。

s20根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布。

进一步地，根据所述的某个路段的累计拥堵时长，确定所述路段累计拥堵时长服从的概率分布为正态分布，其中μi为路段累计拥堵时长的均值，为路段累计拥堵时长的方差，均值μi和方差根据如下公式计算：

其中，(βi，1，βi，2，…，βi，n)是总体的一组样本，n为样本量。

计算路段的累计拥堵时长服从的概率分布，根据如下概率分布公式计算：

进一步地，通过数据统计得到累计拥堵时长服从正态分布，因此得到如下公式：

其中，p{a＜βi≤b}为路段i的累计拥堵时长βi在区间(a，b]的概率，f(x)为βi的概率密度函数，根据历史的累计拥堵时长拟合得到，φ(·)表示标准正态分布的分布函数。

s32在给定可靠度的情况下，根据所述路段累计拥堵时长服从的概率分布，计算所述路段的给定可靠度的累计拥堵时长，当计算出的所述路段的给定可靠度的累计拥堵时长超过设定阈值ε2，则判断所述路段为常发拥堵路段。

计算所述路段的给定可靠度θ的累计拥堵时长βi，根据如下公式计算：

βi＝φ^-1(1-θ)·σi+μi(7)

其中，φ^-1(·)表示正态分布累积概率密度函数的反函数，可靠度为θ。

综上所述，本发明实施例的常发拥堵路段的识别和筛查的方法，基于概率的常发拥堵路段识别和筛查方法，能识别路段每天的整体拥堵程度，且考虑拥堵的波动性。通过在给定所述路段累计拥堵时长的情况下，计算可靠度进行常发拥堵路段的识别和筛查，或是在给定可靠度的情况下，计算给定可靠度的累计拥堵时长进行常发拥堵路段的识别和筛查，能够为城市疏堵工程提供准确有效的改造项目库，为交通管理部门提供预警信息，及时采取应对措施，疏导拥堵交通，并且能够发现道路网络规划中的不合理之处，为交通规划和建设部门重新规划道路线形、改进道路基础设施等提供科学依据，从而达到缓解道路拥堵的目的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。