[发明专利]基于贝叶斯模型和三倍标准差准则的道路网络评估方法

说明书

本发明提供了基于贝叶斯模型和三倍标准差准则的道路网络评估方法，包括：统计某区域的相同时段的交通指标，根据统计结果确定交通指标服从的概率分布；利用贝叶斯模型计算出所述概率分布的参数；根据贝叶斯模型和三倍标准差准则，计算交通指标的范围阈值，通过交通指标数据与交通指标范围阈值比较判断道路网络是否异常；如果判断道路网络异常，根据三倍标准差准则计算网络交通流量的变化值和变化率，以及交通拥堵指数的变化值和变化率，作为评估异常事件对所述道路网络的影响程度的指标，本发明能够有效识别各种道路网络的异常事件以及异常事件对道路网络的交通流量和交通拥堵影响程度。

技术领域

本发明涉及网络评估技术领域，尤其涉及基于贝叶斯模型和三倍标准差 准则的道路网络评估方法。

背景技术

道路网络是全国运输综合体系的重要组成部分。各种法定节假日、重大 活动和突发事件等都会对道路网络产生影响。有效地评估各种事件对道路网 络的影响，可以为交通管理部门制定和优化交通管控措施提供科学合理的决 策依据，同时也为出行者合理安排出行提供参考，进而提高出行效率。

在现有技术中，各种事件对道路网络的影响方面，主要通过利用决策树 理论、模糊思想和专家系统思想，建立交通事件空间扩散范围估计；根据区 域交通流的总出行时间的变化，确定交通事件造成影响的范围，实时评估交 通事件的影响范围。这些评估方法的缺点为：这些评估方法主要集中于交通 事故和交通拥堵的持续时间及扩散范围的模型估计方法，已有的模型需要大 量的输入变量，而在实际应用中，很难获得较全面的输入数据，无法满足突 发事件情况下实时、快速、全面的评估需求。

此外，现有技术中还通过实时数据与正常情况下的数据进行对比，得到 事件对路网的影响，这种评估方法虽然可以发现并估计事件对路网的影响程 度，但是道路网络正常数据的确定方法为随机选择一个正常数据，或者选用 历史正常数据的平均值，这种评估方法没有考虑数据的波动性影响，分析结 果的可靠度低。

因此，亟需一种可以有效识别各种道路网络异常事件，并计算异常事件 对道路网络的交通流量和交通拥堵影响程度的影响评估方法。

发明内容

本发明的实施例提供了基于贝叶斯模型和三倍标准差准则的道路网络评 估方法，以解决以上问题。

为了实现上述目的，本发明采取了如下技术方案。

基于贝叶斯模型和三倍标准差准则的道路网络评估方法，包括：

统计某区域的相同时段的交通指标，根据统计结果确定交通指标服从的 概率分布；

利用贝叶斯模型计算出所述概率分布的参数；

根据得到的参数和三倍标准差准则，计算所述交通指标的范围阈值，通 过交通指标数据与所述交通指标范围阈值比较判断道路网络是否异常；

如果判断道路网络异常，根据贝叶斯模型和三倍标准差准则计算所述异 常道路网络交通流量的变化值和变化率，以及根据贝叶斯模型和三倍标准差 准则计算所述异常道路网络交通拥堵指数的变化值和变化率，根据所述异常 道路网络交通流量的变化值和变化率，以及所述异常道路网络交通拥堵指数 的变化值和变化率评估所述异常事件对所述道路网络的影响程度。

进一步地，所述的统计某区域的相同时段的交通指标，根据统计结果确 定交通指标服从的概率分布，包括：统计某区域的相同时段的交通指标y，包 括交通流量Q和交通拥堵指数I，y∈{Q，I}。根据统计结果确定交通指标服从 正态分布y～N(μ，σ²)；μ，σ²分别为交通指标的均值和方差。

进一步地，所述的利用贝叶斯模型计算所述概率分布的参数，包括：

交通指标的均值μ是随机变量，记作θ。依据经验选定先验概率分布，参 数θ服从均值为μ₀、方差为的一元正态分布，参数θ的先验概 率p(θ)由下式确定：