[发明专利]交通状态判别指标的估计方法、系统、存储介质及应用

说明书

本发明属于交通信息处理技术领域，公开了一种交通状态判别指标的估计方法、系统、存储介质及应用，所述交通状态判别指标的估计方法选择排队长度、交通流量及平均速度作为交叉路口的交通状态判别指标，根据雷达数据特性建立各个指标的估计模型并实现；通过实测数据进行特征提取，根据判别指标的变化情况和计算判别指标估计值与实际值的相对误差验证通过特征提取算法得到的排队长度、交通流量及平均速度的值是否正确。本发明根据雷达采集数据的特点建立数据解析模型，对道路交通状况进行实时监控，可以消除摄像头受特殊天气限制的影响，地感线圈对地面破坏性强，浮动车数据渗透率不足、采样频率低的缺点。

技术领域

本发明属于交通信息处理技术领域，尤其涉及一种交通状态判别指标的估计方法、系统、存储介质及应用。

背景技术

目前，交通信息的主要采集方式有：摄像头检测、环形线圈检测、雷达检测、GPS检测。视频在检测过程中容易受到雨雪、雾霾、沙尘暴等天气的影响，检测精度受天气的影响较大。感应线圈在安装过程中对路面的破坏较大，且容易被道路维修、漏水情况及车辆碾压破坏，后期维修成本较大。浮动车因渗透率不足导致样本量不足，车辆协调难度大并且精度不高。雷达发射的电磁波具有全天候工作的特性，检测精度高并可达到毫秒级的响应且受天气的影响较小。将雷达安装在交叉路口，根据检测范围调整雷达的位置可实现多目标多车道多交通参数的检测，且探测距离可达百米级别，实现交叉路口交通状态的全方位检测。因此，雷达检测技术符合交通状态判别实时与准确的要求。

对交通流参数的解析，现有研究主要对摄像头采集到的视频进行图像处理提取交通流参数，或提取通过地感线圈的车辆的瞬时速度与流量作为交通流参数，或通过获取浮动车的数据得到交通流参数，目前还没有专门针对雷达获取的数据进行解析提取交通参数的研究。

通过上述分析，现有技术存在的问题及缺陷为：由于现有摄像头受特殊天气限制的影响，地感线圈对地面破坏性强，浮动车数据渗透率不足、采样频率低的问题，使得目前用于交通状态判别的交通参数的准确率与实时性效果不佳。

解决以上问题及缺陷的难度为：当前大多数交通状态判别指标获取通过视频采集、感应线圈的方式获取，使用雷达数据得到的交通状态判别指标的较少，此方面的研究资料也较少。例如排队长度，大多数排队长度模型的数据来源于感应线圈、视频检测设备等。除此之外，目前关于交通雷达探测数据建立排队长度模型的研究较少。

解决以上问题及缺陷的意义为：交通拥堵识别是智能交通系统发展的基础，能够准确及时的识别拥堵，可以为交通规划与交通诱导奠定基础，从而改善交通拥堵的状况。雷达数据的实时性与准确性满足智能交通的发展需求，使用雷达来检测交通状态具有较好的前景，然而识别交通状态的前提需要快速准确的得到交通状态判别指标，通过获取安装在交叉路口的交通雷达获取道路车辆信息，选择排队长度、交通流量及平均速度来建立交通雷达的特征判别指标，从而为准确快速的识别交通状态提供数据来源。

发明内容

针对现有技术存在的问题，本发明提供了一种交通状态判别指标的估计方法、系统、存储介质及应用。

本发明是这样实现的，一种交通状态判别指标的估计方法，所述交通状态判别指标的估计方法选择排队长度、交通流量及平均速度作为交叉路口的交通状态判别指标，根据雷达数据特性建立各个指标的估计模型并实现；通过实测数据进行特征提取，根据判别指标的变化情况和计算判别指标估计值与实际值的相对误差验证通过特征提取算法得到的排队长度、交通流量及平均速度的值。

进一步，所述交通状态判别指标估计方法的判别指标估计模型包括：排队长度估计模型、交通流量估计模型、平均速度估计模型；通过将实测数据代入各判别指标估计模型中，可得到针对雷达数据得到的排队长度、流量、平均速度的值，从而实现对交通状态的判别。