[发明专利]一种高速公路异常事件发生位置与事发时间的估计方法及装置

说明书

本发明公开了一种高速公路异常事件发生位置与事发时间的估计方法，包括：当异常事件发生时，获取事发点上游检测断面受到异常事件影响的时刻T₁以及下游检测断面受到异常事件影响的时刻T₂；根据历史车检器数据，得到事发点的交通影响向下游蔓延的速度V₂；基于车辆到达离去情况,得到事件发生点产生的排队长度向上游蔓延速度的速度V₁；根据异常事件下上下游检测断面与事发点的时空关系以及时刻T₁、时刻T₂、速度V₂、速度V₁，建立异常事件发生位置估计及事发时间估计模型；利用所述估计模型对事件发生位置及真实事发时间进行估计。本发明结合事故的时空演化情况，从所获得的信息中准确快速地估计出事件发生的时间，具有十分重要的意义。

技术领域

本发明涉及高速公路领域，具体涉及一种高速公路异常事件发生位置与事发时间的估计方法及装置。

背景技术

近年来，人均拥有车辆数爆发增长，车辆增长的速率远超与高速公路路网的延伸建设速度，路面饱和度的现象持续增大，也大大增长了高速公路出现异常事件的几率。

高速公路中车辆行驶速度快，且路面道路封闭，车道的通行能力大。在高速公里中，一旦有异常事件发生，比如交通事故、道路损坏、或者因天气情况造成行车条件不佳，后果会十分严重。特别是在不良气候(如大雾、暴雨等影响道路能见度)的条件下，容易引发连环车祸或者二次事故，造成恶劣的人员和财产伤害。同时，部分山区地区如重庆等地由于地势特殊，高速公路中的桥、隧道等特殊路段的占比较高，这些特殊路段发生交通异常后具有影响大、消除难等特征。为了交通管理部门能够对异常事件获取更多的信息，对异常事件发生位置以及异常事件发生的实际时间进行估计尤为重要，可及时的给交通管理部门提供更准确的管控地点，做出管控方案，保障高速公路系统运行安全。

目前的高速公路事件地点估计，主要是利用高速公路上布设的车检器等检测设备采集的数据，检测和估计两两检测断面间是否发生拥堵。基于现有的技术,现阶段国内外研究的算法主要包括模式识别算法、统计算法、突变理论和人工智能事件检测算法,模式识别算法大都是在对所选定交通变量之间的关系以及变化规律进行推导、假设的基础上构建模型并利用仿真或实际数据进行检测,此类算法能在一定程度上较好地描述交通流实际运行状态,并已成功应用到实际工程中。

上述这些方法虽然能对事件造成的拥堵进行检测，但是只能检测出两两检测器断面间是否发生拥堵，而未对事件发生时，事件发生在路段中的具体位置进行检测与估计，缺少对异常事件发生位置的定位。若交通管理部门能够准确的定位交通事故发生点，将能够更好的规划和制定合理的事故处理方案。同时事发点交通参数与下游检测断面具有一定的滞后性，不少事件的检测时间都与事件发生的真实时间具有一定的延迟。而因为检测器成本高昂，车检器安装稀疏，间距不均匀，检测范围小，导致检测时间和发生时间的差值有时候非常大，这将导致人们无法清楚事件究竟在何时发生，从而难以对后续的态势该如何演化进行预测。因此，从所获得的信息中准确快速地估计出事件发生的时间，具有十分重要的意义。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种高速公路异常事件发生位置与事发时间的估计方法及装置，用于解决现有技术中的至少一个缺陷。

为实现上述目的及其他相关目的，本发明提供一种高速公路异常事件发生位置与事发时间的估计方法，包括：

当异常事件发生时，获取事发点上游检测断面受到异常事件影响的时刻T₁以及下游检测断面受到异常事件影响的时刻T₂；

根据历史车检器数据，得到事发点的交通影响向下游蔓延的速度V₂；

基于车辆到达离去情况,得到事件发生点产生的排队长度向上游蔓延速度的速度V₁；