[发明专利]三维集成高速公路交通事件自动检测方法

说明书

技术领域

本发明属于高速公路交通事件检测方法领域，尤其是一种三维集成高速公路交通时间自动检测方法。具体对安装了固定型交通流检测器的快速路或高速公路进行交通事件自动检测。

背景技术

交通事件自动检测(AID)是快速路(高速公路)交通管理与控制系统的重要组成部分，如何准确、快速地检测出交通事件发生的时间、地点及严重程度，以便采取积极有效的救援措施，对交通管理与控制系统具有十分重要的意义。

目前已经有应用各种技术的事件检测方法，大体可以分为基于模式匹配技术的方法、基于统计分析的方法、基于交通流模型的方法和基于人工智能的方法.这些方法大多都是建立在交通流检测器采集的数据基础上，所使用的基本输入参数为时间或空间的流量、速度和占有率序列等。

典型的模式识别方法主要有：加利福尼亚算法和McMaster算法；代表性的统计预测方法有：标准正常偏差法、贝叶斯方法等；基于交通流模型的方法有：Dynamic算法等；近年来，又出现了一些新的方法，其中神经网络法和小波变换等方法。传统的AID研究的重点仅仅是识别事件的发生，而没有提供与事件特性相关的信息。拥有比较好的AID性能的加利福尼亚算法利用直接比较法得到检测结果。然而，比较法的普遍问题是用于事件识别的初始值的确定，这些会限制比较法的实际应用。利用人工神经网络训练数据进行事件检测有一定的优势，然而，神经网络需要大量事件数据进行训练才能使其具有好的移植性，这在实际应用中很难实现。

根据检测方法的检测截面来分，事件检测方法可分为单截面法和双截面法。在交通量比较小时，车辆对道路占有率较小，事件发生时相邻检测器的交通参数变化差异更小，不适宜采用双截面法，宜采用单截面法，而对交通量比较大的情况下，宜采用双截面法。

总结现有的事件检测方法，主要存在的问题：(1)采用单截面法，或者采用多截面法，其实这两种情况都有可能发生，应该全面考虑；(2)每个检测方法只能适用于一种情况。只采用一种检测方法的系统鲁棒性不高，可采用多个检测方法的集成，以提高系统的精度和鲁棒性；(3)现有方法中的交通流模型和阈值一般都是固定参数的，而实际上这些参数是随着时间段不同、道路特性和车辆特性而变化的，应使其动态变化，以反映最近的交通流变化；(4)现有方法如基于加利福尼亚算法的方法中只依靠占有率一个交通流参数，McMaster算法考虑了占有率和流量。但是，占有率高可能是交通拥挤的表现，也有可能是大车通过的情况；速度低有可能是交通拥挤，也可能是驾驶员非常谨慎的情况；交通流流量低可能是交通流畅通，也有可能是交通非常拥挤的情况。所以，必须要结合其他变量才能对交通流综合测评；(5)现有方法几乎都没有考虑事件发生时同一断面相邻车道之间的交通流参数的变化，而实际上这种变化是明显的。

发明内容

本发明的目的是提供一种检测快速、漏报率低的三维集成高速公路交通事件自动检测方法。

本发明的技术方案是：三维集成高速公路交通事件自动检测方法，其特征是根据对高速公路检测器检测数据的分析，判断是否发出报警信号，具体包括下列步骤：

----系统初始化：读取车道流量-速度阈值、车道占有率-流量阈值、车道速度-占有率阈值；

----启动使能标志：启动程序自动检测功能，当需要手工或自动更新参数，通过界面的“结束检测”按钮清零标志使自动检测功能结束，待参数更新完毕，可重新启动；

----读取交通流实时数据，分别读取所有检测器数据；

-----调用横向维即车道流量-速度算法模块、时间维即车道占有率-流量算法模块、纵向维检测模块即车道速度-占有率算法模块和集成判断模块，对全部监测器数据为基础进行判断，根据判断结果做出是否启动报警装置发出报警信号。

所述横向维即车道流量-速度算法模块具体包括下列步骤：以一个月的历史数据进行统计，求出各个时段的平均流量比率和速度比率，则各个车道的流量比和速度比的阈值设为：

Volume_Limit_i＝max(0，mean(VOLUMN_RITO_i)-2*std(VOLUMN_RITO_i))；(i＝1，2，3，4)

Speed_Limit_i＝max(0，mean(SPEED_RITO_i)-2*std(SPEED_RITO_i))；(i＝1，2，3，4)