[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

说明书

技术领域

本发明涉及一种城市道路异常交通状态特征的实时识别方法，该方法以城市道路实时交通指数监控路况积累的历史规律数据作为经验记忆，并根据记忆数据的统计特性建立“记忆空间”，实时交通指数匹配当前时间切片“记忆空间”，并以此识别指数所监控的目标道路对象当前是否处于交通状态异常，属于智能交通系统领域。

背景技术

交通指数是一种能够以连续数值表达城市道路交通状态或交通拥堵的一类相对性指标，根据实际应用需求，选取特定交通参数并按照一定的函数规则进行构建，随着交通信息化技术的发展，国内各主要城市如北京、上海、杭州、深圳等均构建了符合城市特色的交通指数模型对道路交通运行状态进行实时监控。实时监控动态道路运行特征的交通指数具三个显著的数学特征，第一，指数存在于固定的数值区间内，如[0，100]，[0，5]等，数据区间的选取由指数模型与问题需求共同决定；第二，指数结果是连续的数值，理论上能够覆盖到数据区间内的所有实数值；第三，指数具有单调性，即指数值单调反应路况变好或变坏的趋势，不存在二义性，本发明以指数越大路况越坏为例开展。正是基于这三个数学特征，指数会以数值点的形式记录目标道路某时刻的实时交通状态，进而可以绘制一条反映全天交通状态变化发展趋势的曲线，通过这条曲线不仅能够判别目标道路或路网区域在一天中拥堵高峰的时刻与程度，还能够对不同道路对象或路网群体进行比较，评估常态性严重拥堵道路与畅通道路。

对城市道路交通总体而言，受人口分布、道路布局、交通出行规律等因素相对稳定的影响，交通状态往往具有一定的时空分布规律性，即在一般情况下拥堵高发的道路是相对固定的，且拥堵道路的高发时间也是相对固定的。交管部门会根据此种特性制定常态的警力布控，优化管理资源，指挥排堵保畅工作。但城市等级众多、体量巨大的路网系统具有交通拥堵随机高发、交通规律突变的特征，尤其在面对恶劣天气、节假日前夕、大型社会活动等因素时，常态不拥堵的道路会产生难以预知的严重拥堵，或常态拥堵路段会呈现显著畅通等，这种情况往往会因拥堵路网不属于重点布控路段而在早期受到忽视，导致路况持续恶化甚至引发长时间、大面积拥堵的严重后果。交通指数作为一种高效的信息化工具已经能够实现对路况的数字化表达，如果能够实时路况监控的基础上进一步智能的发现每条道路个性化交通状态特征的改变，量化分析评估道路的状态异常程度，将为快速确认问题成因及现场交通管理带来重要的情报价值与经济价值。通过对现有技术和系统的检索，并未发现获得已知的能够满足实时交通状态异常在线识别的相关技术与方法。

发明内容

本发明要解决的技术问题是提供一种新的交通指数应用方法，充分挖掘交通指数的潜力实现对城市道路实时交通异常的快速识别。

为了解决上述技术问题，本发明的技术方案是提供了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；