[发明专利]基于元胞传输模型的不确定基本图参数辨识的识别方法

权利要求书

1.基于元胞传输模型的不确定基本图参数辨识的识别方法，其特征在于，该识别方法包括如下步骤：

S1、以路段为节点构成图的顶点，路段之间的交通流向为图的有向边，构成元胞组合为路网拓扑结构的有向图模型；所述有向图模型考虑路段交通流特性、元胞；

S2、构造针对元胞的不确定基本图；所述不确定基本图为获取元胞运行交通流数据后形成的流密关系图；所述针对元胞的不确定基本图为：针对CTM中元胞的基本图，扰动会很明显的反映在每一个元胞的基本图中；分析扰动来源，得到导致元胞的基本图不确定性的原因：基本图参数不确定、对交通需求的预测不确定、测量结果不确定；将不确定性用区间来表示在基本图中，即可得到针对元胞的不确定基本图；

S3、根据线性回归拟合不确定基本图左侧的自由流状态，根据支持向量回归拟合不确定基本图右侧的拥挤流状态；根据线性回归拟合自由流状态拟合方程为：

q＝wρ+b (5)

其中，ρ∈Rⁿ是输入的特征向量，即密度；q∈R是输出的结果，即流量；w∈Rⁿ和b∈R是模型参数；

所述线性回归是利用LR方程对一个或多个自变量和因变量之间关系进行建模，其输入为训练数据集T＝{(x₁，y₁)，(x₂，y₂)，...，(x_n，y_n)}和样本特征向量，对应的输出为样本x的标签值y；

其中，x_i为样本数据的横坐标，代表密度ρ的集合；y_i为样本数据的纵坐标，代表流量q的集合；T为训练样本数据集；

根据支持向量回归拟合拥挤流状态拟合方程为：

其中，ε≥0，代表预测值与真实值的误差，C为正则化参数，ξ_i和ξ_i^*为松弛变量，与每一个训练样本一一对应；

S4、确定不确定基本图的参数表达，用该图分析对应元胞的交通运行状态；所述不确定基本图的参数表达包括自由流与拥挤流两部分，得到分段函数的表达式；

不确定基本图的参数表达，得到分段函数的表达式为：

2.根据权利要求1所述的基于元胞传输模型的不确定基本图参数辨识的识别方法，其特征在于，所述步骤S1中，路段交通流特性为车道数、曲率半径。

3.根据权利要求1所述的基于元胞传输模型的不确定基本图参数辨识的识别方法，其特征在于，所述步骤S1中，元胞模型为：

ρ_i(t+1)＝ρ_i(t)+α(q_i-1，i-q_i，i+1)，i＝1，2，...，n (1)

s(ρ)＝min{Vρ，C}＝V min{ρ，ρ^c} (2)

r(ρ)＝min{C，W(ρ^m-ρ)}＝W min{ρ^m-ρ^c，ρ^m-ρ} (3)

α＝TL^-1 (4)

其中，i-1，i，i+1为元胞编号，ρ为元胞密度，V为自由流速度，W为交通波速度，ρ^c为临界密度，ρ^m为拥挤密度，C为通行能力，α为交通流慢度，T为采样时间，L为元胞长度。

4.根据权利要求1所述的基于元胞传输模型的不确定基本图参数辨识的识别方法，其特征在于，所述步骤S1中，所述有向图模型为：给定快速路，将路网中引起交通流变化或者发生交通冲突的节点作为路段分割点，包括进出口匝道、车道数变化处、道路曲率半径变化处，将路网划分为若干路段，每个路段进一步划分为若干个均衡的元胞，以元胞为节点构成图的顶点，相邻路段之间的交通流向为图的有向边，构成有向图模型。

5.根据权利要求1所述的基于元胞传输模型的不确定基本图参数辨识的识别方法，其特征在于，包括如下步骤：

步骤4.1：针对目标快速路，根据元胞划分原则进行路段划分，划分为若干个元胞，组合为路网拓扑结构的有向图模型；

步骤4.2：通过GPS、视频方法获取路段交通数据，绘制各个元胞的流密关系图，构造针对元胞的不确定基本图；

步骤4.3：将不确定基本图划分为两个部分，分别为图左边的自由流状态与图右边的拥挤流状态；

步骤4.4：利用统计学习中的线性回归拟合自由流部分；

步骤4.5：利用统计学习中的支持向量回归拟合拥挤流部分；

步骤4.6：得到不确定基本图的参数表达，利用该图可以用于分析元胞所处的交通状态。