本發(fā)明涉及智能交通控制技術領域，特別涉及一種基于車流密度和車速融合的交通運行狀態(tài)評價方法。

背景技術：

交通運行指數(Traffic Performance Index,TPI)是路段運行狀態(tài)的量化指標參數，用于微觀評價路段的擁堵程度和服務水平。因此，確定路段的交通運行指數對評價該路段的交通情況具有重要的意義。

目前，一般通過固定檢測器、浮動車以及電警、卡口等設備采集路段的交通流量和車流速度等參數，并通過這些參數評價城市道路路段交通實時擁堵狀態(tài)。現有的這種評價方式具有較為明顯的缺陷：一是，現有的交通運行指數的計算方法一般是采用的單一參數進行評價，在參數誤差較大時，容易導致計算的交通運行狀態(tài)與實際的交通運行狀態(tài)偏差較大。二是，僅靠這些參數值的大小并不能給出直觀的擁堵感受。三是，現有的評價過程中，設置的閾值較多，對閾值的調整比較困難，因此無法適用不同城市佳通運行狀態(tài)的實際情況。

技術實現要素：

本發(fā)明的目的在于提供一種基于車流密度和車速融合的交通運行狀態(tài)評價方法，以解決現有的交通運行狀態(tài)評價結果偏差較大的問題。

為實現以上目的，本發(fā)明采用的技術方案為：提供一種基于車流密度和車速融合的交通運行狀態(tài)評價方法，該方法包括：

獲取待評價路段的車流密度數據以及車流速度數據；

根據待評價路段的車流密度數據和預設的車流密度運行指數計算模型，計算車流密度的運行指數；

根據待評價路段的車流速度和預設的車流速度運行指數計算模型，計算車流速度的運行指數；

根據車流密度的運行指數和車流速度的運行指數，評價待評價路段的交通運行狀態(tài)。

與現有技術相比，本發(fā)明存在以下技術效果：本發(fā)明通過分析車速與車流密度對交通運行指數的影響，以及交通運行指數與車速、車流密度的關系的差異性，建立交通運行指數計算模型，并給出擁堵指數分級的閾值，通過待評價路段的車流密度值以及車速值計算出待評價路段的交通運行指數，并將計算出的交通運行指數與該處的擁堵指數分級的閾值進行比較，以確定待評價路段的交通運行狀態(tài)。通過綜合多種影響交通狀態(tài)評價的因素，來評價待評價路段的交通運行狀態(tài)，提高了評價結果的準確性。

附圖說明

圖1是本發(fā)明一實施例中基于車流密度和車速融合的交通運行狀態(tài)評價方法的流程示意圖；

圖2是本發(fā)明一實施例中基于車流密度和車速融合的交通運行狀態(tài)評價方法的整體流程示意圖。

具體實施方式

下面結合圖1至圖2，對本發(fā)明做進一步詳細敘述。

如圖1所示，本實施例公開了一種基于車流密度和車速融合的交通運行狀態(tài)評價方法，該方法包括如下步驟S1至S4：

S1、獲取待評價路段的車流密度數據以及車流速度數據；

S2、根據待評價路段的車流密度數據和預設的車流密度運行指數計算模型，計算車流密度的運行指數；

S3、根據待評價路段的車流速度和預設的車流速度運行指數計算模型，計算車流速度的運行指數；

S4、根據車流密度的運行指數和車流速度的運行指數，評價待評價路段的交通運行狀態(tài)。

具體地，步驟S1具體包括：在預設的時間周期T內，獲取待評價路段的車流密度數據以及車流速度數據。

其中，預設的車流密度運行指數計算模型具體為：

所述的預設的車流速度的運行指數計算模型具體為：

其中，x為車流密度，y為車流速度，x＝k·S，S＝q/v，S為時間周期內待評價路段的車流密度值，q為時間周期T內待評價路段的平均車流量，v為時間周期T內待評價路段的平均車速，y＝k·(v_m-v)，v_a＝v_m-v_c，α，β，v_m，v_c為設定的固定參數值，k為可變參數。

具體地，步驟S4具體包括：

根據車流密度的運行指數和車流速度的運行指數，基于交通運行指數計算模型，計算待評價路段的交通運行指數；

根據待評價路段的交通運行指數，基于預設的道路運行狀態(tài)表，確定待評價路段的交通運行狀態(tài)；

其中，所述的交通運行指數計算模型具體為：

TPI＝ηTPI_x+(1-η)TPI_y，

其中，η可變參數。

其中，固定參數α，β，v_m，v_c的設置過程具體為：

固定參數α的設置過程包括：

對待評價路段的歷史車流速度和車流量數據進行聚類分析，得到待用的車流速度值和車流量值；

獲取待評價路段自由流車速情況下的路段流量的最大值，并根據路段流量的最大值；

根據待用的車流速度值、待用的車流量值以及路段流量的最大值，計算車流密度值為固定參數α；

固定參數β為統計的預設工作日內的車流密度最大值；

v_m為待評價路段在自由流狀態(tài)下的設計速度值；

v_c為待評價路段的車流密度值達到最大值時，車流速度的最大值。

具體地，可變參數k的可變范(0,2)，可變參數η的可變范圍為[0,1]。需要說明的是，在實際應用中，一般取k的值為1，一般取η得值為0.5，當待評價的路段或者城市發(fā)生變化時，可以通過對對k值在1左右賦值以及對η在可變范圍內進行調整，以調整車流密度和車速在評價過程中所占的比重，來適用不同的路段或城市。因此，本實施例公開的交通運行狀態(tài)評價方法，不需要設置過多的閾值，在進行不同的路段或者不同的城市的切換評價時，只需要調整可變參數k和η，即可得到適合于當前路段的交通運行指數計算模型，具有更好的適用性。

具體地，上述的時間周期T的確定過程為：對歷史統計的道路車流量密度值進行分析，確定評價當前路段同一交通狀態(tài)的最小時間間隔為時間周期T。

需要說明的是，該最小時間間隔計算的過程是：通過對道路的歷史統計車速數據進行分析，得到當前道路交通運行狀態(tài)維持同一擁堵等級的持續(xù)時間以及持續(xù)時間的兩端值確定。在計算擁堵指數TPI的最小時間間隔的選取中，如果該最小時間間隔值過大，則計算得到的擁堵指數TPI不能實時反映出道路交通擁堵狀態(tài)的效果，如果該最小時間間隔值過小，則會導致系統資源的浪費。本實施例中設置的最小時間間隔具有科學的合理性，在保證合理利用系統資源的同時確保計算得到的擁堵指數TPI能實時反映出道路交通擁堵狀態(tài)的效果。

具體地，如圖2所示，本實施例中是根據當前路段的交通特征，對所述的可變參數k、η進行調整。

需要說明的是，這里的當前路段的交通特征是指用戶出行滿意度以及道路交通的實際運行情況，用戶出行滿意度具體是對一定數量的用戶的出行感受進行調查得到的一個對可變參數k、η進行評價的調查值。這里的道路交通運行實際情況可以根據浮動車數據得到。

具體地，本實施例中公開的方法還包括：

在所述時間周期T內的車流密度數據、車流速度數據小于預設的數量時，對所述時間周期T內的車流密度數據、車流速度數據進行插值處理。

需要說明的是，在實際應用中，在用于計算當前路段的車流密度值s的數據量很少時，通過對這些數據量進行插值處理或者采用當前路段的歷史數據進行補充，來計算得到當前路段的車流密度值s。在沒有用于計算當前路段的車流密度值s的數據量時，則將當前路段的車流密度值s取值為計算參數a。