[发明专利]基于向量相似性的交通流时间序列变点识别方法

说明书

技术领域

本发明涉及交通流状态分析领域，尤其涉及一种交通流时间序列变点识别方法。

背景技术

随着汽车保有量的急剧增长，道路负荷加重，交通供给不能满足日益膨胀的交通需求，交通拥挤、交通事故频繁发生。这不仅延误出行者的行程时间，降低交通运行效率，扰乱正常的交通秩序，污染环境，浪费能源，严重时还可能威胁到出行者的生命安全。因此，分析交通流状态，及时、准确地辨识交通情况，掌握交通流演变特性，对于制定合理有效的交通诱导和控制具有重要意义。

以往针对交通流状态分析体系的研究主要集中在交通状态的实时辨识和预辨识上，注重交通状态的质变，而忽略了对交通流演变过程中量变规律的研究。量变是质变的前提，质变是量变的累积，当量变达到一定程度就会引发质变，进而引起交通状态的改变。量变和质变都属交通流状态突变范畴，因此，研究交通流突变，不仅要判别交通状态的质变，也应及时辨识量变及其变点位置，这样才能及时发现交通状态可能出现的异常，还能提前对可能出现的交通异常作好预防工作。针对交通流突变及其变点识别问题，传统统计法要求交通流参数符合特定的分布，且需建立大量模式特征模型，使其实用性受限；山东理工大学王晓原等以最小二乘、最小方差等均值变点分析方法来搜索变点，虽然避免了对交通流参数分布特性的要求，但却较适于分析交通流均值基本稳定的情况，对交通流均值逐渐变化的情况适应性不佳。交通流的演变在时间上具有很强的相关性，表现在交通参数在时间方向上的变化角符合一定规律，而目前对交通流状态突变及其变点问题的研究，并未从交通参数在时间方向上的变化角来分析。

发明内容

有鉴于此，本发明提供一种基于向量相似性的交通流时间序列变点识别方法，能在交通流参数随时间逐渐变化的情况下，从交通参数在时间方向上的变化角出发，判断交通流状态突变及其变点位置，提前预防可能出现的交通异常。

本发明通过以下技术手段解决上述技术问题：

基于向量相似性的交通流时间序列变点识别方法，包括如下步骤：

1）通过检测器采集检测路段的断面交通流参数，并存储到交通流参数数据库；

2）从交通流参数数据库中按时间顺序读取交通流参数，建立交通流时间序列的交通流向量集；

3）根据交通流向量集，建立交通流时间序列的向量相似度函数，以得到各时间点前后交通流参数演变规律的相似程度；

4）根据各时间点前后交通流参数演变规律的相似程度及变化的持续时间来识别交通流时间序列中各点的类型，然后判断是否发生突变，并识别出突变发生的位置。

进一步，所述步骤1）中，交通流参数为交通流量、速度和占有率中的至少一种。

进一步，所述步骤1）中，交通流参数的采集时间间隔为GT，GT∈[3min，8min]。

进一步，所述步骤2）中，交通流时间序列的交通流向量集为离散排列的交通流参数按时间先后顺序连接起来所形成的向量集合：

TFV={TFV_j,i|j>i;i=1,2,…,n,j=1,2,…,n}；

上式中，TFV为交通流时间序列的交通流向量集，TFV_j,i表示交通流从i时刻到j时刻的变化向量，其表达式如下所示：

TFV_j,i=(Q_j-Q_i,j-i)；

上式中，Q_j与Q_i分别为j时刻与i时刻的交通流参数。

进一步，所述步骤3）中，交通流时间序列的向量相似度函数通过下式获得，