[发明专利]交通状况自动分析预测方法

说明书

技术领域

本发明涉及交通控制技术，特别是基于信息智能处理技术的交通状况的自动分析预测方法。

背景技术

交通综合指挥平台的发展经历了以下几个阶段：(1)信息展示阶段、(2)表面功能阶段、(3)实际功能阶段、(4)数据挖掘阶段、(5)综合指挥调度阶段、(6)智能交通控制阶段。我国交通综合指挥平台现在大多还主要停留在第三和第四发展阶段。其中信息分析主要还是依靠人工处理。面对海量的交通数据，监控人员很难及时、准确地做出判断。

交通状态辨识是实现智能交通管理的一个重要前提，也是目前智能交通广泛开展的研究课题。随着城市规模越来越大，交通量迅速增加，道路交通拥挤愈加突出，表现为行车速度的下降和到达目的地时间的增加，严重影响城市的整体功能。而且若不能及时发现和处理交通拥堵，它会随着时间的推移越演越烈。因此，及时准确识别城市道路交通运行状态是亟待解决的问题。而目前大多数的交通状况分析还需人工完成，工作量非常大，长时间疲劳工作会降低对交通状况判断的准确率。

一些研究人员利用交通流的基本参数(即流量、速度等)对交通流状态进行分类，确定每种状态的临界值。但是每个交通流参数影响交通流状态分类的程度不同，精度会受到很大的影响。而且道路交通状况很难用确切的数字来说明，具有很强的模糊性和隐藏性。因此，如何将道路的交通状况通过科学的数据信息方法真实的表达出来，是交通状态判别的关键。道路交通信息除了具有一般数据信息的特点外，还具有很强的实时性。如果判别结果在时间上不能满足用户的需求，判别的准确性也就失去了其实际的意义。为此，在选择信息处理技术时，既要考虑交通信息自身的特点，还要考虑交通状态判别的整体效果。如果能准确辨识未来短时交通状态，则可以更加有效地实施合理的交通控制和诱导措施，缓解堵塞，使交通运行平稳、顺畅，为道路使用者提供良好的道路运行环境。

发明内容

为解决交通管理平台的上述技术瓶颈，本发明提供一种交通状况自动分析预测方法。该方法基于数据的分析，指导交通指挥平台的工作人员分析交通状况，缓解了人工劳动量和压力、提高了指挥决策的准确性。

为实现上述目的，本发明采取以下技术方案：一种交通状况自动分析预测方法，包括基于模糊控制实现的当前交通状况的评估，模糊控制的方法是以车流量和速度为输入，以交通状态为输出，通过在输入和输出之间建立一系列的判定关系，确定每个路段的交通状况。

基于模糊控制的当前交通状况评估分析，具体方法是：

1)分别建立车流量和速度的输入隶属度函数

①分别对车流量和速度进行归一化：

t时刻车流量的归一化数学描述为：

t时刻速度的归一化数学描述为：

其中，P(t)为t时刻的流量值，P_max为该条路流量的最大值，v(t)为t时刻的路面车速，v_max为该条路的车速最大值；

②分别建立车流量和速度的隶属度函数：

以横坐标为论域，纵坐标为隶属度建立隶属度函数，量值区间都为0～1，利用隶属度函数将车流量划分为5个模糊子集：很少、少、中、多、很多，分别对应的论域区间为：0～0.25、0～0.5、0.25～0.75、0.5～1、0.75～1；

利用隶属度函数将速度划分为5个模糊子集：很快、快、中、慢、很慢，分别对应的论域为0～0.25、0～0.5、0.25～0.75、0.5～1、0.75～1；

2)建立拥堵状态判定规则表和交通状态的隶属度函数

①根据输入隶属度函数，建立拥堵状态判定规则表：

表中，车流量项NN、NS、O、PS、PM分别对应车流量：很少、少、中、多、很多，车速项NN、NS、O、PS、PM分别对应车速：很快、快、中、慢、很慢，交通状态项NN、NS、O、PS、PM分别对应：很堵车、堵车、轻微堵车、车较多、畅通；

②建立交通状态的隶属度函数：

以横坐标为论域，纵坐标为隶属度建立交通状态隶属度函数，量值区间都为0～1，利用隶属度函数将交通状态划分为5个模糊子集：很堵车、堵车、轻微堵车、车较多、畅通，分别对应的论域为0～0.2、0～0.5、0.3～0.7、0.5～1、0.8～1；

3)根据属度函数确定当前交通状态

①将车流量、速度带入各自的隶属度函数，确定它们的隶属度；

②以每一组车流量和速度的隶属度组合，定义出一个子交通状态隶属度，定义方法为：取该隶属度组合中最小的那个隶属度为子交通状态的隶属度；