[发明专利]一种基于微波雷达数据的道路交通状态估计方法

说明书

技术领域

本发明属于智能交通领域，涉及一种城市道路交通状态估计方法。

背景技术

城市交通状态估计指的是运用交通传感器收集的数据，基于交通工程的基本理论和人们的认知习惯，采用合理的信息科学方法，实时判定一组路段的实际运行状态。典型地，路段运行状态包括：畅通、缓行和拥堵。当前，主要的交通状态估计方法是基于浮动车数据的技术和基于地感线圈的技术。浮动车技术只需根据速度的阈值来判定交通状态，此方法虽简单实用，但由于浮动车在时空分布上具有不均衡性，导致获得的数据存在着时空空缺，有较高的缺失率。典型地，地感线圈损坏率很高，也不足以支撑高空间覆盖率的交通状态估计。因此，研发基于其它数据源的交通状态估计技术是非常必要的，例如微波雷达传感器。

微波雷达传感器可检测断面速度、流量和车道占有率三个指标。考虑到判别精度可能受到各种测量误差的影响，用单个指标判别交通状态是不可取的，而多个不准确的指标却有可能综合得出更合理的结果。然而，已有的专利“201010561751.2”给出的方法采用了占有率或者饱和度的单一指标作为输入。采用饱和度这一指标是非常有益的，然而计算饱和度需要用绿信比和道路通行能力两个基本指标，绿信比难以获得而且是人工可调的，道路通行能力值往往采用理想值，没有考虑到实际的交通外环境的影响，因此饱和度的计算很难实现，可能在个别路段发挥作用，但无法普遍应用于所有微波监测路段。因此，论文“基于模糊综合判定的道路交通状态分析模型”虽采用了饱和度这一指标，但只能处理个别路段的情况，难以在工程上推广使用。已有的专利“200910089374.4”提出的方法只针对快速路采用速度、流量、车道占有率三个指标作为输入来判定交通状态，然而采用的模型参数均为经验参数，实际上每条快速路的实际情况并不相同，经验参数也应该有所区别，若对每条路都设置经验参数，则训练分类器的工作量极其大，无法完成。另外，若再考虑主干路、次干路等所有其他路段，则任务量之大非实际工程应用能够接受的，更不幸的是，这样的方法会随着绿信比的调整，城市道路交通基础设施的改变，快速淘汰。

综上，现有的技术中，采用单个交通指标不可取；采用标准的饱和度难以计算和普遍应用；完全采用经验参数的模型不具有可持续性，模型很容易被交通设施、信号控制和交通外环境的变化所淘汰。

因此，需要一种能够敏捷估计饱和度的方法，也需要一种针对每条路段普遍适用的“模板级”路况估计框架，能够阶段性地自适应更新模型参数，以适应交通基础设施、绿信比调整、交通外环境的变化。

发明内容

为了克服已有道路交通状态估计方法的模型不具有可持续性、自适应能力差、实用性较差的不足,本发明提供了一种模型具有良好的可持续性、自适应性能力强、实用性良好的基于微波雷达数据的道路交通状态估计方法。

本发明解决其技术问题所采用的技术方案是：

一种基于微波雷达数据的道路交通状态估计方法，所述估计方法包括以下步骤：

步骤1：统计获取路段最大通行能力并估计饱和度

采用5分钟流量的历史最大值来表达路段的最大通行能力，将估计的路段通行能力记作ECAP；5分钟路段饱和度近似表达为实际通过的车辆数与ECAP的比值，记作B；

步骤2：统计计算各路段5分钟断面速度的均值和标准差

对于某条路段，计算得到的5分钟断面速度均值记作E和标准差记作S；

步骤3：为每条路段自动生成个性化的隶属度函数

输入值包括饱和度的估计值B和5分钟断面平均速度均为精确数值，需要首先将这些量进行模糊化操作，模糊化的方法是设计隶属度函数将输入映射为隶属度值，隶属度的取值范围为[0,1]，采用三角形函数或梯形函数作为模糊化方法，并基于历史数据统计量来自动计算隶属度；

步骤4：基于模糊规则进行推理

基于交通工程的基本理论和认知习惯，给出如下的模糊规则矩阵，如下表1：

表1

在模糊规则的基础上，分别赋予畅通、缓行和拥堵三个常数，分别为畅通常数、缓行常数和拥堵常数，然后对于每一组输入数据（速度，饱和度）用如下方法计算每一条规则的强度：

x AND y=min(truth(x),truth(y))