[发明专利]基于实时行车方向和通行时段信息的交通状态判别方法

摘要

本发明涉及交通状态判别技术领域，特别是一种基于实时行车方向和通行时段信息的交通状态判别方法。交通状态作为评价城市交通运行状况的一个综合指标，受到多种因素的影响，本发明提出基于行车方向和交通时段的交通状态判别模型，交通状态判别思想从原先的单一模式判别向多方面综合判别发展，将自适应特征网络理论运用到交通状态判别中，从主观的因素（人对交通状态的感受）中挖掘客观数据（交通流参数数据）的规律，寻找状态变化所对应的数据变化。采用动态区间区别交通状态的变化，交通判别模型的参数实现自适应的调整，真正做到根据路段自身的交通流特点，对交通状态判别阀值进行相应调整，达到交通状态的自调整判别。

主权项

1.一种基于实时行车方向和通行时段信息的交通状态判别方法，其特征在于包括以下步骤：步骤S01：采集路段的交通流数据，根据行车方向和对应的交通时段划分交通流数据，把不同的行车方向和交通时段组合成主要行车方向高峰时段交通流、次要行车方向高峰时段交通流、主要行车方向平峰时段交通流和次要行车方向平峰时段交通流模式，分别建立对应模式的交通流数据集，历史数据作为训练数据集，实时采集的数据作为预测数据集；步骤S02：对所述训练数据集和预测数据集进行归一化，使输入值分布在[-1，1]的区间内，消除变量因数量级上的差异而造成的影响；步骤S03：建立SOM神经网络，输入层神经元数量由分类所采用的交通流参数的个数决定；步骤S04：训练SOM神经网络，对于给定的训练数据集，将权值数据集初始化为随机值，确定竞争层获胜单元，然后对获胜单元及其邻域单元的连接权值进行修正，权值更新规则为：（3）（4）式中，为获胜单元的连接权值；为获胜单元的输入；，分别表示获胜单元及其邻域单元的权值学习因子，取值范围为（0，1），且；步骤S05：训练出符合要求的网络后，将预测数据集代入网络中，即可实现交通状态分类；同时再返回步骤S01，将预测数据集反馈到训练数据集，不断完善SOM神经网络，实现模型的自动调整。