[发明专利]一种基于马尔科夫链的智能交通车辆自适应诱导方法

权利要求书

1.一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，包括如下步骤：

步骤1，天气六要素和白昼时间获取：其中天气六要素包括温度、气压、环境湿度、风向、风速和降雨量；

步骤2，天气区块密度图构建：结合获取的天气六要素信息，构建当前交通区块的天气区块密度图；根据温度、气压、环境湿度、风向、风速、降雨量和白昼时间对交通影响的权值系数，建立统计表，并利用统计表形成离散化的可视天气密度图；

步骤3，基于马尔科夫链模型进行评价：通过天气六要素统计表，可以将本区块的环境信息按照等级进行划分，根据划分的个数建立马尔科夫链模型，进而预测下一时刻的环境状态；

步骤4，交通安全评价：利用马尔科夫链模型对当前环境进行预测，然后进行环境等级划分，形成安全交通评价，存储在控制中心云平台；

步骤5，区块车速信息和车辆的停止状态信息捕获：利用雷达对区块的经由车辆进行测速，并将速度、车牌信息上传到控制中心云平台；对区块内的停止车辆进行检测，将车牌信息上传到控制中心云平台；

步骤6，控制中心云平台进行诱导模式自适应切换以及相邻雷达区块交通诱导：控制中心云平台根据所述步骤5获得的信息，对本区块的诱导模式进行切换，并对相邻雷达区块的交通进行诱导，实现诱导的智能化。

2.根据权利要求1所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤1中，利用温度、湿度、压力机、风向标及雨量计量器传感器设备完成天气六要素的测量，利用测量点的GPS定位器获得标准卫星时间，来确定当前白昼时间。

3.根据权利要求1所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤1中，数据采集点应布置在交通区块的多个点，防止局部误差过大，且保证测量点电力、无线传输和GNSS定位的稳定正常运行。

4.根据权利要求1所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤3的具体实现方法如下：

301)通过天气六要素对本区块的环境进行等级划分，并建立该等级数量个状态的一阶马尔科夫链模型；

302)将GPS系统获得的白昼时间作为随机变量，通过初期的统计实验形成条件概率模型P_ij(m,m+n)＝P{X_m+n＝a_j|X_m＝a_i}，即在时刻m处于a_i条件下，在时刻m+n转移到状态a_j的概率；

303)若根据环境划分的等级大小为10，将10*10个转移概率用一个状态转移矩阵进行表示矩阵每行的数值和为1，并结合实际环境情况定义一个初始概率向量，利用初始概率向量和状态转移矩阵对下一时间刻的环境进行预测评估，为智能诱导提供理论依据。

5.根据权利要求4所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤5的具体实现方法如下：

501)在检测区块，假定有若干正常行驶的车辆，雷达阵列区块完成对经由车辆的速度检测，摄像头完成对经由车辆的车牌号识别，两者同步时间戳后上传到云平台服务器，形成记录数据；

502)假定某一车辆由于故障或其他原因停留在道路的某一区域，雷达阵列模块通过协助检测，将车辆的车牌号及区号信息上传到云平台，以便于交警及时处理。

6.根据权利要求5所述的一种基于马尔科夫链的智能交通车辆自适应诱导方法，其特征在于，步骤6的具体实现方法如下：

601)基于马尔科夫链的环境评价模型和对本区块的车速信息监测，实现本区块诱导灯的频率、亮度的自适应调节；

602)基于本区块的停车信息，对相邻的区块进行预警，智能诱导其他车辆通过本区块，防止交通事故或交通拥挤的发生。