[发明专利]一种基于信息融合的高速公路交通状态识别方法

说明书

技术领域

本发明属于交通信息融合技术领域，尤其涉及一种基于信息融合的高速公路交通状态识别方法。

背景技术

近年来，我国在智能交通系统领域已开展了大量的研究工作，交通管理系统已获取了丰富的交通基础数据，但是这些基础数据并没有发挥应有的效用，利用率较低。随着交通量的不断增加，一些城市的高速公路或者城市之间的高速公路，如京津塘高速、广深高速、沪宁高速等，交通量基本达到饱和，每天有相当长一段时间的交通速度已经低于设计的最低速度，并在收费口等地形成排队，高速公路路段拥堵严重。因此需要研究出一种能够充分利用现有高速公路监测数据的方法，实现对交通状态的准确识别，以实现及时发现、及时诱导、及时指挥的目标，减少拥堵带来的损失。

发明内容

本发明的目的在于，提出一种基于信息融合的高速公路交通状态识别方法，用以准确识别交通状态。

技术方案是，一种基于信息融合的高速公路交通状态识别方法，其特征是所述方法包括下列步骤：

步骤1：选择交通参数，建立状态识别的评价指标体系，确定各个指标值的取值范围对交通状态的影响；

步骤2：依据决策树算法，建立交通状态识别的二叉树结构；

步骤3：确定所述二叉树结构的融合层次K，K≥2，令i＝1；

步骤4：根据第i层样本格式要求，对第i层数据进行预处理；

步骤5：确定第i层的输入样本；

步骤6：利用支持向量机机器学习方法，对第i层的输入样本进行训练，获得支持向量机；

步骤7：对支持向量机进行数据融合，获得融合结果并根据融合结果判断下一级融合时的支持向量机；

步骤8：i＝i+1；判断i≤K是否成立，如果成立，则返回步骤4，执行下一层的数据融合；否则，结束流程。

所述交通参数包括：平均运行速度、平均密度、负荷度、平均时间占有率、平均延误。

所述步骤6包括下列步骤：

步骤601：根据指标体系，确定第i层输入数据样本其中，l为训练样本个数；

步骤602：选定核函数和损失函数；

步骤603：设定核函数的参数和损失函数的参数；

步骤604：训练输入数据样本，并通过支持向量机评价指标来确定训练效果；

步骤605：判断是否达到最终的训练效果，如果达到，则执行步骤607；否则，执行步骤606；

步骤606；修正核函数的参数和损失函数的参数，返回步骤603；

步骤607：测试训练好的支持向量机。

所述核函数为高斯函数：

所述损失函数为不敏感损失函数：其中，ε为泛化参数，ξ为松弛变量。

所述支持向量机评价指标采用评价交通状态识别方法效率的指标，包括识别率和平均识别时间。

所述识别率的计算公式为：其中，IN是正确识别状态次数，AN是总检测状态次数。

所述平均识别时间的计算公式为：其中，Tl(i)为算法识别第i个状态所用的时间，n为算法识别的状态数。

所述判断是否达到最终的训练效果的方法是，当所述识别率大于预先设定的第一阈值并且所述平均识别时间小于预先设定的第二阈值时，达到最终的训练效果；否则，未达到最终训练效果。

本发明的有益效果在于，继承了传统SVM(支持向量机)信息融合方法的优势，解决了高速公路交通状态识别准确率低的问题，从而使得高速公路交通控制、交通指挥、交通规划有了更可靠地决策支持，提高了管理效率，为更好的提供高速公路交通服务打下了基础。

附图说明

图1是基于信息融合的高速公路交通状态识别方法模型示意图；

图2是交通状态识别的二叉树结构示意图；

图3是一种基于信息融合的高速公路交通状态识别方法流程图；

图4是利用支持向量机机器学习方法对输入样本进行训练的流程图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。