一種基于宏觀基本圖的高速公路運(yùn)行狀態(tài)評(píng)價(jià)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種高速公路運(yùn)行狀態(tài)評(píng)價(jià)方法，特別是一種利用宏觀基本圖模型評(píng) 價(jià)高速公路交通運(yùn)行狀態(tài)的評(píng)價(jià)方法，屬于智能交通技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 近年來，我國(guó)高速公路建設(shè)快速發(fā)展，但同時(shí)，運(yùn)行過程中仍存在交通安全、交通 擁擠、環(huán)境污染及管理不科學(xué)等問題，節(jié)假日和早晚高峰期問題尤為突出。對(duì)高速公路路網(wǎng) 運(yùn)行狀態(tài)評(píng)價(jià)能夠直觀地反映高速路網(wǎng)運(yùn)行狀態(tài)，對(duì)有效管理和運(yùn)營(yíng)高速公路、充分發(fā)揮 和協(xié)調(diào)尚速路網(wǎng)通彳丁能力起著關(guān)鍵的作用。
[0003] 目前，城市道路網(wǎng)交通狀態(tài)評(píng)價(jià)指標(biāo)體系相對(duì)完善，能夠?yàn)榻煌▍⑴c者提供直觀 的交通狀態(tài)的感知。但目前國(guó)內(nèi)對(duì)高速公路運(yùn)行狀態(tài)評(píng)價(jià)的研究還比較零散，且大部分為 針對(duì)微觀交通狀態(tài)研究的單指標(biāo)或多指標(biāo)評(píng)價(jià)方法，無法直觀地量化宏觀交通運(yùn)行狀態(tài)的 變化及演變過程，針對(duì)上述問題，就必須研究一套與我國(guó)高速公路設(shè)施條件和運(yùn)行狀況相 適應(yīng)的宏觀運(yùn)行狀態(tài)評(píng)價(jià)方法。
[0004] 高速路網(wǎng)運(yùn)行狀態(tài)評(píng)價(jià)方法分為宏觀和微觀兩個(gè)層面。微觀層面評(píng)價(jià)方法主要是 選取平均車速、平均行程延誤、飽和度、時(shí)間占有率等一個(gè)或多個(gè)交通指標(biāo)進(jìn)行交通評(píng)價(jià)。 但是，各指標(biāo)及權(quán)重的確定具有不確定性，因?yàn)椴煌母咚俟仿范?、同一路段的不同時(shí) 間，不同指標(biāo)對(duì)高速路網(wǎng)運(yùn)行狀態(tài)反映的重要程度是不同的。而宏觀基本圖模型能夠直觀 反應(yīng)高速路網(wǎng)宏觀的運(yùn)行狀態(tài)及演變過程，且通過聚類算法可以實(shí)現(xiàn)交通狀態(tài)評(píng)價(jià)，該方 法具有十分重要的現(xiàn)實(shí)意義。
[0005] 現(xiàn)有的一些專利中，已有一些對(duì)高速路網(wǎng)交通流運(yùn)行狀態(tài)評(píng)價(jià)的方法。申請(qǐng)?zhí)?為：200910306882,專利《一種基于視頻的高速公路交通擁堵狀態(tài)檢測(cè)方法》中提出了一 種基于視頻的宏觀的高速公路交通擁堵狀態(tài)檢測(cè)方法，但是該方法對(duì)高速公路視頻檢測(cè)器 布設(shè)有較高要求，對(duì)現(xiàn)階段我國(guó)高速公路狀態(tài)評(píng)價(jià)具有局限性；申請(qǐng)?zhí)枮?201410069892， 專利《基于多斷面視覺傳感聚類分析的交通流狀態(tài)判別方法》中提出基于多斷面視覺傳 感聚類分析的交通流狀態(tài)判別方法，通過道路邊設(shè)置的PTZ視頻攝像機(jī)獲取交通流數(shù) 據(jù)，采用聚類分析的方法判斷高速公路道路交通流狀態(tài)，應(yīng)用條件十分限制；申請(qǐng)?zhí)枮椋?201210084221. 2,專利《一種區(qū)域交通狀態(tài)評(píng)價(jià)方法》中提出了一種基于路段平均行程時(shí)間 的單指標(biāo)區(qū)域交通狀態(tài)評(píng)價(jià)方法，應(yīng)用模糊綜合評(píng)價(jià)方法，但該評(píng)價(jià)方法只適用于城市區(qū) 域路網(wǎng)，對(duì)區(qū)域高速路網(wǎng)不適用；申請(qǐng)?zhí)枮椋?00910237285,專利《一種基于信息融合的高 速公路交通狀態(tài)識(shí)別方法》中提出了傳統(tǒng)支持向量機(jī)信息融合的高速公路交通狀態(tài)識(shí)別方 法，但該評(píng)價(jià)方法只在理論上進(jìn)行了算法設(shè)計(jì)，沒有實(shí)例驗(yàn)證。

【發(fā)明內(nèi)容】

[0006] 為了解決上述問題，本發(fā)明提出一種基于我國(guó)現(xiàn)有高速公路數(shù)據(jù)源，利用宏觀基 本圖模型建模，對(duì)模型樣本點(diǎn)進(jìn)行聚類，能夠?qū)^(qū)域高速路網(wǎng)運(yùn)行狀態(tài)進(jìn)行評(píng)價(jià)，判斷交通 狀態(tài)的方法。
[0007] 本發(fā)明的一種高速路網(wǎng)運(yùn)行狀態(tài)評(píng)價(jià)方法，通過下述步驟實(shí)現(xiàn)：
[0008] 步驟1 :預(yù)處理數(shù)據(jù)；
[0009] 以高速公路收費(fèi)數(shù)據(jù)作為數(shù)據(jù)基礎(chǔ)，收費(fèi)數(shù)據(jù)采集間隔lmin，采集數(shù)據(jù)包括車輛 編號(hào)、進(jìn)出收費(fèi)站時(shí)間、進(jìn)出收費(fèi)站ID編號(hào)、車輛類型、車重，利用閾值法和四分位法對(duì)收 費(fèi)數(shù)據(jù)原始數(shù)據(jù)篩選過濾。
[0010] 首先利用閾值法對(duì)超常數(shù)據(jù)予以剔除，對(duì)于小于5min或大于24h的行程時(shí)間（行 程時(shí)間指車輛進(jìn)出收費(fèi)站的時(shí)間差）數(shù)據(jù)，可認(rèn)為是"超常"數(shù)據(jù)予以剔除。再利用四分位 法對(duì)有效數(shù)據(jù)過濾，四分位法計(jì)算公式為：
[0011] G= [M0.25-L 5R,M0.75+L 5R]
[0012] 其中，G表示有效數(shù)據(jù)區(qū)間，凡是落在G外的數(shù)據(jù)都需要過濾；Μ。.2#ΡΜ α75分別為 將所有行程時(shí)間按從小到大的順序排列并分成四等分，處于第一、三分割點(diǎn)位置的取值；R 表示四分位級(jí)差。
[0013] 步驟2 :計(jì)算宏觀基本圖模型參數(shù)；
[0014] 利用最短路算法求解路網(wǎng)任意兩點(diǎn)間最短路徑長(zhǎng)度，導(dǎo)入到對(duì)應(yīng)起始ID編號(hào)的 收費(fèi)數(shù)據(jù)中，得到各車輛行駛里程，由各車輛行程里程除以對(duì)應(yīng)行程時(shí)間，可以推算各車輛 空間平均速度。計(jì)算路網(wǎng)每5min流量的非加權(quán)平均值，并利用各車輛求得的流量、空間平 均速度值求解平均密度。非加權(quán)平均值的計(jì)算公式為：
[0017] 其中：qu表示路網(wǎng)的非加權(quán)平均流量；i、N分別表示路段i和路網(wǎng)中路段的數(shù)量， i = 1，2,…，N;q^示路段i的流量；ku為平均密度，忑為由收費(fèi)數(shù)據(jù)計(jì)算得到的各車輛空 間平均速度。
[0018] 步驟3 :建立宏觀基本圖模型；
[0019] 以每5min為時(shí)間間隔輸出流量、占有率數(shù)據(jù)，根據(jù)非加權(quán)公式計(jì)算每5min平均流 量、平均占有率，以平均占有率為X軸、平均流量為y軸建立坐標(biāo)系，將輸出數(shù)據(jù)繪制成散點(diǎn) 圖，得到該路網(wǎng)的宏觀基本圖。
[0020] 步驟4 :聚類方法DBSCAN設(shè)計(jì)與實(shí)現(xiàn)；
[0021] 為了對(duì)宏觀基本圖中平均交通量及密度的散點(diǎn)進(jìn)行分類以劃分不同交通狀態(tài)對(duì) 應(yīng)的閾值，采用基于密度標(biāo)準(zhǔn)的DBSCAN聚類方法，將上述求解得到的平均流量、平均密度 的數(shù)據(jù)集聚為5個(gè)數(shù)據(jù)類，5個(gè)數(shù)據(jù)類分別對(duì)應(yīng)從暢通到擁堵的不同交通狀態(tài)，以實(shí)現(xiàn)對(duì)交 通狀態(tài)分類和評(píng)價(jià)；
[0022] 具體為：
[0023] (1)設(shè)置聚類方法DBSCAN中參數(shù)；
[0024] 設(shè)置搜索半徑ePS (設(shè)置為1. 4);最少密度閾值MinPts (設(shè)置為5);
[0025] (2)順序讀入文本文件中的數(shù)據(jù)；
[0026] 順序讀入文件中存放的二維點(diǎn)數(shù)據(jù)，即宏觀基本圖交通模型中所有平均流量（Y 坐標(biāo)）、平均密度（X坐標(biāo)）數(shù)據(jù)點(diǎn)的數(shù)據(jù)集合，存入pointlist中，該集合存放輸入點(diǎn)的相 關(guān)信息；
[0027] (3)判斷點(diǎn)是否為核心點(diǎn)；
[0028] 從pointlist中順序讀入一個(gè)點(diǎn)，如果該點(diǎn)沒有被標(biāo)記（不屬于某個(gè)聚類），計(jì)算 該點(diǎn)與所有其他點(diǎn)的距離，若兩點(diǎn)間距離小于最小半徑ePS，則把這兩個(gè)點(diǎn)放入tmplst數(shù) 組中，并且計(jì)數(shù)；如果兩點(diǎn)間距離大于最小半徑ePS，則跳過這個(gè)點(diǎn)繼續(xù)下一個(gè)點(diǎn)；最后總 數(shù)大于等于最小密度閾值，則將tmplst中的元素標(biāo)記分過組了，將標(biāo)記分過組的元素作為 一個(gè)聚類放入一個(gè)結(jié)果數(shù)組resultlist中，如果該點(diǎn)被標(biāo)記則跳過這個(gè)點(diǎn)，繼續(xù)下一個(gè)點(diǎn) 的判斷，直到所有點(diǎn)被判斷一次；
[0029] (4)合并聚類，對(duì)resultlist中的元素進(jìn)行合并；
[0030] 對(duì)resultlist中的核心點(diǎn)所在的聚類進(jìn)行判斷和比較，如果有相同的元素，則合 并這兩個(gè)聚類，形成一個(gè)新的聚類，重復(fù)以上步驟，直到不再產(chǎn)生新的聚類為止；
[0031] (5)輸出聚類結(jié)果和噪聲點(diǎn)；
[0032] 通過上述步驟，集合D劃分為5個(gè)數(shù)據(jù)類，數(shù)據(jù)類閾值范圍從小到大分別對(duì)應(yīng)完全 暢通、暢通、基本暢通、擁堵、嚴(yán)重?fù)矶?個(gè)交通狀態(tài)；通過得到的數(shù)據(jù)類閾值范圍，給出高 速公路收費(fèi)站數(shù)據(jù)，就可以判斷得到相應(yīng)的交通狀態(tài)。
[0033] 在算法流程圖附圖4中，最小半徑ePS，最小密度閾值MinPts，存放數(shù)據(jù)點(diǎn)的結(jié)構(gòu) 體pointlist，記錄輸入點(diǎn)的相關(guān)信息point，暫時(shí)存放兩點(diǎn)之間距離小于半徑ePS的點(diǎn)，存 放最后的聚類對(duì)象resultlist。
[0034] 本發(fā)明的優(yōu)點(diǎn)在于：
[0035] (1)本發(fā)明適用于高速公路路網(wǎng)，利用高速公路實(shí)際收費(fèi)數(shù)據(jù)，保證結(jié)果真實(shí)有 效，再通過計(jì)算路網(wǎng)平均流量、平均占有率確定路網(wǎng)宏觀基本圖的主要參數(shù)，為建模提供基 礎(chǔ)，該模型能夠直觀地反映高速路網(wǎng)宏觀運(yùn)行狀態(tài)及其演變過程；
[0036] (2)本發(fā)明聚類分析算法不再采用距離標(biāo)準(zhǔn)，采用密度標(biāo)準(zhǔn)，該算法可以發(fā)現(xiàn)任意 形狀的聚類簇，對(duì)于無法定義距離的數(shù)據(jù)也可以進(jìn)行聚類，該聚類算法更加科學(xué)地將交通 狀態(tài)基于散點(diǎn)間密度分為幾類以實(shí)現(xiàn)狀態(tài)評(píng)價(jià)；
[0037] (3)本發(fā)明克服了現(xiàn)有評(píng)價(jià)高速路網(wǎng)方法技術(shù)中選取因素多、模型復(fù)雜、主觀性強(qiáng) 等缺點(diǎn)和不足，提供了一種高速公路路網(wǎng)宏觀交通狀態(tài)評(píng)價(jià)方法，能夠準(zhǔn)確地反映宏觀路 網(wǎng)交通運(yùn)行狀態(tài)。
【附圖說明】
[0038] 圖1為本發(fā)明評(píng)價(jià)流程圖；
[0039] 圖2為本發(fā)明中宏觀基本圖建模方法；
[0040] 圖3為本發(fā)明中宏觀基本圖；
[0041] 圖4為本發(fā)明中DBSCAN聚類算法設(shè)計(jì)流程圖；
[0042] 圖5為本發(fā)明中聚類結(jié)果圖。
【具體實(shí)施方式】
[0043