[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

说明书

本发明公开了一种基于马尔科夫链的智能交通车辆自适应诱导方法。该方法包括步骤：第一，利用各种传感器获取天气六要素和白昼时间，构建高速公路的天气区块密度图，采用基于马尔科夫链模型对天气进行评估，形成交通安全评价指标存储在控制中心的云平台。第二，捕获某雷达区块的车速信息和车辆停止状态信息，将信息存储在控制中心的云平台。云平台结合安全交通评价指标和车辆的车速、停止状态信息实现诱导模式的自适应切换和相邻雷达区块的智能诱导。本发明基于马尔科夫链对环境进行预测评估，实现了车辆诱导的精准化和智能化，具有广泛的应用前景。

技术领域

本发明属于智能交通领域，具体涉及一种基于马尔科夫链的智能交通车辆自适应诱导方法，该方法利用马尔科夫链模型对环境因素进行评估，完成车辆诱导模式的自适应切换和相邻区块的交通状态信息推送。

背景技术

现有诱导技术常常利用诱导灯或诱导路标进行诱导。诱导灯诱导是控制中心根据全局的天气状况进行测量诱导，对于局部的团雾、降雨等特殊天气状况无法进行有效评估，使得设定的诱导方式不够合理，容易发生交通事故。交通标志诱导功能单一、在低能见度情况下难以看清，具有一定的局限性。因此，非常有必要针对局部区块，研究一种可以对环境进行评估，结合现有的物联网云技术，实现智能诱导的方法。

发明内容

为克服现有技术的短板，本发明提供了一种基于马尔科夫链的智能交通车辆自适应诱导方法利用马尔科夫链模型对环境因素进行评估，建立控制中心云平台进行数据的分组、存储、处理、转发和可视化，完成车辆诱导模式的自适应切换和相邻区块的交通状态信息推送。

本发明采用如下技术方案来实现的：

一种基于马尔科夫链的智能交通车辆自适应诱导方法，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测量进行诱导，实现诱导的智能化。

本发明进一步的改进在于，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。

本发明进一步的改进在于，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。

本发明进一步的改进在于，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；