[发明专利]一种实时指数匹配记忆区间的异常交通状态特征识别方法

权利要求书

1.一种实时指数匹配记忆区间的异常交通状态特征识别方法，其特征在于，步骤为：

步骤1、在所有交通流参数中任意选取一个实时数据在固定数据区间动态波动的交通流参数作为交通状态识别参数，获取某一个时间段内的某条路段或区域路网的所有历史交通状态识别参数数据，根据同一时刻下的所有交通状态识别参数创建与该时刻相对应的交通状态识别参数记忆空间并计算得到每个交通状态识别参数记忆空间的中值，其中，时刻T对应的交通状态识别参数记忆空间为IMS(T)，时刻T的所有历史交通状态识别参数数据中的最小指数值MIN(T)及最大指数值MAX(T)为交通状态识别参数记忆空间IMS(T)的负边界及正边界，交通状态识别参数记忆空间IMS(T)的中值MEDIAN(T)为时刻T下所有交通状态识别参数数据的均值；

步骤2、将每个交通状态识别参数记忆空间至少划分为正缓冲区间及负缓冲区间，并将小于最小指数值的区域定义为负溢出区，将大于最大指数值的区域定义为正溢出区；交通状态识别参数记忆空间IMS(T)的正缓冲区间为PB(T)，取值范围为(MEDIAN(T)，MAX(T)]；负缓冲区间为NB(T)，取值范围为[MIN(T)，MEDIAN(T))；负溢出区为NO(T)，取值范围为[MIN，MIN(T))；正溢出区为PO(T)，取值范围为(MAX(T)，MAX]，其中，MIN为交通状态识别参数最小可能取值，MAX为交通状态识别参数的最大可能取值；

步骤3获取该条路段在当前时刻Tn下的实时交通状态识别参数Index(Tn)，判断实时交通状态识别参数Index(Tn)是否位于交通状态识别参数记忆空间IMS(Tn)的正缓冲区间PB(Tn)或负缓冲区间NB(Tn)，若是，则该条路段在当前时刻Tn下的交通状态为常态，若否，则该条路段在当前时刻Tn下的交通状态为异常，该异常是指异常畅通或异常拥堵，若该条路段所采用的交通状态识别参数模型为交通状态识别参数越高越拥堵，则若实时交通状态识别参数Index(Tn)位于正溢出区PO(Tn)，该条路段在当前时刻Tn下的交通状态为异常拥堵，若实时交通状态识别参数Index(Tn)位于负溢出区NO(Tn)，该条路段在当前时刻Tn下的交通状态为异常畅通；若该条路段所采用的交通状态识别参数模型为交通状态识别参数越高越畅通，则若实时交通识别参数Index(Tn)位于正溢出区PO(Tn)，该条路段在当前时刻Tn下的交通状态为异常畅通，若实时交通识别参数Index(Tn)位于负溢出区NO(Tn)，该条路段在当前时刻Tn下的交通状态为异常拥堵。

2.如权利要求1所述的一种实时指数匹配记忆区间的异常交通状态特征识别方法，其特征在于，在所述步骤1中，利用影响因素标记MARK，对某一个时间段内的某条路段的所有历史交通识别参数数据进行标记，影响因素标记MARK是由影响因素配置集中对交通状态特征具有广泛影响的非交通因素构成的一组笛卡尔积配置项，同一时刻下的所有历史交通识别参数根据影响因素标记MARK分类，为每一类分别创建交通状态识别参数记忆空间并计算得到每个交通状态识别参数记忆空间的中值；

在所述步骤3中，取得当前时刻Tn下的实时交通识别参数Index(Tn)后，先对其利用影响因素标记MARK进行标记，得到带有标记结果的交通识别参数Index(Tn)_MARK，利用交通识别参数Index(Tn)_MARK找到时刻Tn下与其类别相对应的交通状态识别参数记忆空间，再根据其与交通状态识别参数记忆空间中正缓冲区间及负缓冲区间以及负溢出区及正溢出区的关系判断该条路段在当前时刻Tn下的交通状态是否异常。

3.如权利要求2所述的一种实时指数匹配记忆区间的异常交通状态特征识别方法，其特征在于，所述对交通状态特征具有广泛影响的非交通因素至少包括天气信息Weather、日历信息Calendar及活动信息Event，其中，日历信息Calendar为主因素，每个时刻具有不同的影响因素标记MARK，时刻T的影响因素标记为MARK_T(1，2，3)=MARK_T(Calendar，Weather，Event)。