[发明专利]基于宏观基本图的路网状态转换点判别方法

说明书

本发明公开了一种基于宏观基本图的路网状态转换点判别方法，采用动态时间弯矩算法，以MFD状态点前后序列的DTW距离衡量当前状态的变化程度，通过分析序列演化模式捕捉路网状态转换点，基于局部加权回归及差分法确定最大DTW距离所处区间,然后利用布伦特法确定区间极值,完成转换点的提取，从而准确识别路网状态，制定与状态相适应的交通管控策略。

所属领域

本发明涉及交通信号模式控制领域,针对路网状态变化而采取管控策略最佳时机的选择提供了一种判断依据，具体地说,涉及一种基于宏观基本图的路网状态转换点判别方法。

背景技术

在有限的城市道路资源下，对道路通行能力的有效利用及路网性能的改善是提高城市道路可达性的必要手段。路网可达性可通过交通管控实现，而有效实施管控的先决条件之一是对路网宏观状态的有效描述。宏观基本图指路网在一段时间内的累积车辆数(可用密度或占有率代替)与到达目的地车辆数关系(可用路段长度加权的平均流量代替)的模型，宏观基本图是一种无需OD输入，可直接利用道路布设的检测器获得的模型，在很多交通管控的应用中发挥了重要作用，比如拥堵收费、区域控制、路径策略、路网状态判别、交通安全、停车管理等。而实现这些应用，一个基础问题是如何利用MFD描述的路网交通流关系，从路网状态点的演变规律中找到显著变化的临界值，从而准确识别路网状态，制定与状态相适应的交通管控策略。

早期学者利用仿真或实际数据，基于跟车模型、流体动力学、三相交通流、元胞自动机等理论研究了状态转换点的产生机理及影响因素。相变点(即状态转换点)被定义为高速公路瓶颈路段的流量-密度点在其关系图中开始呈现随机变化(或斜率变化规律发生变化)时的状态点。近期学者从状态划分的角度基于路段交通流状态判别、K-means时间序列聚类、模糊聚类、多元聚类等方法分析路网交通运行状态，但状态划分注重基于数据特点对状态归类，对路网状态的转换过程关注较少，也无法深入挖掘状态转换特征。此外，以上研究多集中于高速公路路段状态转换研究，不同于路段交通流关系，路网状态的复杂、异质及不确定性使得路网交通流关系变化特征难以采用类似方法捕捉，这使得基于路段的转换点识别方法无法直接用于路网中。

在路网层面，有学者基于模糊集方法、平滑转换回归模型及自组织映射多维时间序列聚类等方法的路网状态划分研究，但缺乏基于实际数据的多参数路网状态转换特征研究。从MFD角度出发，路网状态转换点可分为分支点、单峰曲线容量点、梯形容量区间点等。如图1所示，若基于理论梯形基本图，可将路网状态转换点定义为最优累积区间的两拐点。

但上述研究多粗略的以MFD散点图为研究对象直接标定转换点，这存在几点问题。首先，MFD中相近的散点间可能存在时间上巨大差异，而这种差异体现出的波动特征可能是捕捉转换点的关键因素，直接用散点特征缺乏对路网宏观交通流演化模式特征与状态转换点的关系的细致考虑。其次，鉴于路网状态受多种因素的共同影响，其演化过程及转换状态具有较大的不确定性，现有研究对此问题少有关注。最后，如前所述，不同于路段转换点，在实际路网中得到的MFD，由于异质性及不确定性的存在,转换状态往往难以用斜率变化等特征从MFD中捕捉得到。

结合目前交通管制领域的实际发展及现有交通路网复杂和不确定性的特质，立足于我国城市交通的现状，如何获取一种更佳更准确更高效的判断依据，以此来针对路网状态变化从而可以控制采取管控策略的最佳时机，已成为业界亟待解决的课题。

发明内容

本发明正是针对现有技术对路网状态的转换过程关注较少，无法深入挖掘状态转换特征，鉴于路网状态受多种因素的共同影响，其演化过程及转换状态具有较大的不确定性，提供一种基于宏观基本图的路网状态转换点判别方法，采用动态时间弯矩算法，以MFD状态点前后序列的DTW距离衡量当前状态的变化程度，通过分析序列演化模式捕捉路网状态转换点，基于局部加权回归及差分法确定最大DTW距离所处区间,然后利用布伦特法确定区间极值，完成转换点的提取，从而准确识别路网状态，制定与状态相适应的交通管控策略。