交通状态判别(共14页)

1、智能交通作业2 PAGE PAGE 17基于京津塘高速数据的K-mean交通状态判别方法(fngf)的研究 摘要(zhiyo)：近年来，随着道路网络的逐步成熟和道路交通需求量的进一步增加，与交通事件无关的常发性交通拥挤越来越严重。交通高峰期的持续时间不断(bdun)延长，高峰期出现交通拥挤的路段不断增加，严重影响了道路交通的安全性和运行效率，因此，常发性交通拥挤也逐渐成为交通监控的重要内容之一。以发现道路上的突发交通事件为目的AID方法研究，已经扩展成为对道路上所有交通拥挤状态自动判别方法的研究。并且，交通状态判别有重要的意义所在，它可以对交通管理者实时了解路网交通状态变化的信息，及时采取对策

2、，疏导交通、减少(jinsho)拥挤，提高交通安全保障，使有限的路网时空资源发挥最大的效率而提供帮助。京津塘高速是连接北京和天津的主要道路交通干道，承担了两个城市间的大部分道路交通运输，它的交通状态在相当程度上反应了两城市之间交通状态与出行质量。本文以京津塘高速某段下行行车道线圈传感器数据为基础，研究了基于K-mean的交通状态判别方法研究交通状态预测方法，主要的研究工作如下：文章首先对京津塘高速公路2009年4月的下行行车道交通数据用excel进行了处理，并应用K-mean分析方法对此交通流基础特征数据进行分析，最后用matlab编程实现，得到用于交通状态判断的参照标准，并画出关于车流量，车

3、流密度和平均速度的数据图，以及它们三者之间的三维关系图。关键词：道路交通状态；自动判别；智能交通系统一、引言(ynyn)如何应对城市现代化带来的交通问题，是城市交通管理者面对的需要解决的十分迫切的问题。国内外实践经验证明，单纯依靠修建道路基础设施是不能很好的解决城市交通问题，现代化的交通管理起着非常(fichng)重要的作用。发达国家交通经验实践表明，采用智能交通系统(ITS)是解决(jiju)交通拥堵、减少交通事故、防止交通污染、提高交通管理水平的最有效的方法和手段。交通状态分析和判别能够从全局角度实时地反应路网的服务水平，是交通控制系统与交通流诱导系统协同的重要依据。首先，由于它反映了交通

4、流客观运行状态可以向交通管理者提供准确地交通运行状况信息，并可以作为交通控制系统的输人参数优化区域路网；其次，由于交通状态能够反映出行者的心理，在确定诱导策略及发布交通信息时，科学地进行交通状态分析可以更好的被出行者所接受。交通状态的判别可以对道路基础信息采集系统采集到的各类交通数据进行分析，根据他们的变化趋势得出目前交通系统的运行状况。通常来说，一个交通状态判别系统包括数据获取、数据准备、数据规约、数据转换、数据比较、实时状态判断等过程。在这个过程中，系统将采集到的基础数据经过一定处理后与一个既定的交通状态判断标准进行比较，从而判别出目前交通系统处于何种状态。得到以密度为主要参数的判别结果后

5、将其提供给交通系统的管理者和决策者，他们针对不同的情况做出相应的交通控制、管理和诱导措施。二、背景 近年来，随着道路网络的逐步成熟和道路交通需求量的进一步增加，与交通事件无关的常发性交通拥挤越来越严重。交通高峰期的持续时间不断延长，高峰期出现交通拥挤的路段不断增加，严重影响(yngxing)了道路交通的安全性和运行效率，因此，常发性交通(jiotng)拥挤也逐渐成为交通监控的重要内容之一。以发现道路上的突发交通事件(shjin)为目的AID方法研究，已经扩展成为对道路上所有交通拥挤状态自动判别方法的研究。进行交通状态判别，其意义在于对交通管理者实时了解路网交通状态变化的信息，及时采取对策，疏导

6、交通、减少拥挤，提高交通安全保障，使有限的路网时空资源发挥最大的效率而提供帮助。国外最早开发并投入使用的道路交通状态判别算法是以判别突发交通事件为主要功能的加利福尼亚算法。这种算法开发于19651970年之间，最初用于洛杉矶公路管理控制中心。加州算法通过比较邻近监测站之间的交通参数数据，主要是比较环行线圈检测器获得到占有率数据，对可能存在的突发交通事件进行判别。经过实践和进一步的深入研究，开发了10种基于最初的加州算法的改进算法，其中加州#7算法和加州#8算法效果最好。Cook(1974)开发了一种双指数平滑(DES)算法，用于对突发交通事件的判别。这种方法以交通参数数据的双指数平滑值作为预测

7、值，通过比较交通参数数据的预测值和实测值来构造一个跟踪信号，当该跟踪信号超过预定的阈值时，可触发突发交通事件警报。Persaud(1990)根据突变理论开发了McMaster算法。使用大量的拥挤和非拥挤交通状态下的流量-占有率历史数据，开发一个流量-占有率分布关系模板，通过将观测数据之间的关系与模板进行两次比较，判断是否发生了交通拥挤以及发生的是偶发性拥挤还是常发性拥挤，这种算法第一次将过大交通需求引起的常发性拥挤作为分析判断的对象。Blosseville、Morin (1993)发现使用视频图像处理进行突发交通事件判别比基于感应线圈的判别算法有很多独特的优点。感应线圈只能采集某一地点的交通流

8、数据，而视频图像处理技术还可以提供更有用的交通流信息。除了可以提供形成时间、平均行程速度和停止车辆信息外，这种技术还可以准确地发现发生在路肩上的事件。数据挖掘(Data Mining，DM)是20世纪末兴起的数据分析技术，可以从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取出隐含(yn hn)在其中的，人们事先不知道的，但又是潜在有用的信息和知识。聚类方法是适合交通状态数据分类的一种数据挖掘方法。基于聚类分析的交通状态量化方法是根据交通检测器所采集道路上交通流的基础数据为基础，通过对这些数据的分析处理，运用交通工程理论和数据挖掘等技术，从它们的基础交通数据中找出这些道路各自的特点，最后

9、由聚类分析方法，根据每种交通状态其中的样本具有的一定的相似性和不同状态之间的样本具有相异性，得到适合不同道路的合理交通状态分类。也是本文后面将要采用的算法。综上所述，早期的判别算法主要以突发交通事件为研究对象，大部分都以感应线圈采集的交通流量、占有率和地点速度等交通数据为基础，所采用的数据技术主要包括决策树、动机分析、平滑滤波等常规方法。随着时间的推移，交通状态判别的研究内容和研究手段都有了很大的变化。一方面，交通需求与交通供给之间的矛盾不断深化，常发性交通拥挤也成为交通管理的重点之一；另一方面，信息(xnx)采集技术和信息处理技术的进步，为判别方法研究提供了更有力的技术基础。经过近40年的发

10、展，模糊理论、专家系统、模式识别、人工神经网络等人工智能技术(jsh)已经成为交通状态判别算法设计的重要手段。三、数据处理与分析1. 交通流参数交通流是整体的、宏观的概念，通过对大量观测数据的分析，发现交通流具有一定的特征性倾向，为此提出了交通流特性的概念。交通流特性是指交通流运行状态的定性、定量特征。用来描述和反映交通流特性的物理量称为交通流参数。用于描述交通状态的交通流参数主要包括交通量、速度、交通密度、占有率等。（1）交通量交通量(volume)又称流量，是指单位时间内，通过道路指定地点或断面的车辆数。交通量不是一个静止(jngzh)不变的量，具有随时间和空间变化而变化的特征。度量城市交

11、通特性的一种方法是在道路系统内一系列的位置上观察交通量在时间和空间上的变化规律，并绘出交通流等值图。当交通量超过某一水平时，就认为发生拥挤。然而，这种判断存在的问题是同一流量水平可以对应两种截然不同的交通状态，因此这种参数应该与其它方法相结合，而不是单独使用。（2）速度(sd)速度是描述交通流状态的第二个基本参数，它是指车辆在单位时间(shjin)内通过的距离。由于道路交通流是由多种车辆组成的复杂系统，因此存在多种速度概念。从微观上看，每个车辆都有瞬时速度和在特定时间段内的平均行驶速度和平均行程速度。瞬时速度(也称为即时速度、地点速度)是车辆通过某一地点时(或在某一时刻)的瞬间速度，可用作道路

12、设计、交通管制和规划的依据。单个车辆的平均行驶速度是指车辆通过特定长度路段时路段长度与所用的行驶时间之比，其中，行驶对象不包括由于各种原因发生的车辆停驶时闯。由于车辆的平均行驶速度不考虑车辆在运行过程中的停车延误，不能准确反映车辆的运行特性，因此这个概念很少得到实际应用。车辆的平均行程速度则是指车辆通过特定长度路段时路段长度与所用的全部时间之比。由于考虑了可能产生的停车延误，所以这种速度概念能够更好地体现车辆在特定路段、特定时间段的运行状态。从宏观来看，交通流的平均速度有在特定地点的时间平均速度(平均地点速度)和在特定路段上的区间平均速度(平均行程速度)之分。时间平均速度是在观测时间内通过某截

13、面所有车辆地点速度的算术平均值，而区间平均速度是观测距离与车辆通过该距离所用平均行程时间的商。前者体现了交通流在特定观测地点处的运行状况，后者体现了交通流在特定路段空间上的运行状况，当这两种速度值明显低于正常值时，表明观测地点或观测路段的交通处于拥挤状态。（3）交通流密度(md)交通流密度是指在某一瞬间，单位道路长度(chngd)上存在的车辆数，即 K=N/L式中：K交通(jiotng)密度(辆km车道)；N车辆数(辆)；L观测路段长度(km)。在通常情况下，交通流量大，交通密度也大。但当道路交通十分拥挤、车流处于停滞状态时，交通流量近似等于零，而此时的交通密度却接近于最大值。因此，单纯使用交

14、通流量指标难以表示交通流的实际状态，而采用交通密度指标能够做出较好的评价。尽管交通密度能够直观地表明交通状态的性质，但由于数据的采集难度大，这个参数的实际应用是很有限的。（4）占有率占有率包括空间占有率和时间占有率两个概念。在道路的一定路段上，车辆总长度与路段总长度之比称为空间占有率，通常以百分数表示。空间占有率直接反映了交通密度的高低，但更能表明道路被实际占用的情况。与交通密度相似，由于这个交通参数数据的直接获取存在较大的难度，因此实际上一般不被采用。时间占有率是指在一定的观测时间T内，交通检测器被车辆占用的时间总和与观测时间长度的比值。2. 原始数据的Excel处理我们小组选择了京津塘高速

15、2009年4月中，下行行车道的一组数据，其中，共有43037组数据，包含了从4月1号到4月30号的每天从早上0点到晚上24点每隔1分钟所测的所有数据。其中可能会由于通信中断、设备暂时性故障等软件或硬件方面的原因产生一些错误的非正常数据（如车道占有率为100%，车流量却为0的情况）。为避免其影响分析过程及结果，需要对其进行筛选、剔除。经处理后，最后保留了40811组数据（处理后的数据表格已附在作业文件夹中）。对剩下的这些数据，分别计算所对应的每分钟时刻的车流量，平均速度和密度，计算公式分别如下：车流量 公式(gngsh)为： 画出车流量对时间变化(binhu)曲线：（2）平均速度(pn jn s

16、 d)公式为： 画出平均速度对时间变化曲线：（3）密度(md)在上述步骤中已经得出了车流量与平均速度，可以直接用这两个参数相比计算出一个(y )密度参数： 但是由于平均速度计算时误差很大所以仍要由车道(chdo)占有率计算密度2，二者取加权平均。普通车长取4.3米，卡车平均车长取10.75米。先计算不同时间段的加权平均车长length，再由此计算密度2。 算得密度1与密度2后观察发现，不同时间段内二者的比值变化不大，所以相比后求得平均比例系数4.314，然后使用如下公式计算平均密度：画出平均速度对时间变化曲线：经过(jnggu)数据综合，也画出了一下三幅图：1车流量和平均速度(pn jn s

17、d)的关系图2平均速度(pn jn s d)与密度关系图3.密度(md)与车流量关系图3. 聚类分析本文采用的是kmean聚类分析方法。kmean算法接受输入量 k ,本文中将(zhngjing)k取为3。将数据对象划分为 3个聚类自由行驶、正常行驶、拥挤行驶。以便使得所获得的聚类满足同一聚类中的对象相似度较高，而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值(jn zh)所获得一个“中心对象”（引力中心）来进行计算的，采用均方差作为标准测度函数。密度，车流量和平均速度的三维关系图如下：（x、y、z轴分别对应密度、车流量、平均速度）四、结论(jiln)与展望通过对给定的下行车道

18、行车道的40811组数据进行分析处理，得出每组数据的密度，车流量及平均速度，并用K-mean Cluster聚类分析的方法对数据进行了处理，得到聚类中心4.6024；10.0722；23.9078，并以此划分临界状态，得到适用于此感应线圈所在路段的交通(jiotng)状态评价。 经过此次的学习，使我收获了不少，但也产生了如下(rxi)的一些设想：1近年来，关于道路交通状态判别已建立和发展了不少算法，但到目前为止，并没有一种算法完全优于其它算法。这是由于不同的算法适用于不同的情况。因此根据不同的情况选择适合的判别算法显得尤为关键。另外，将不同的算法加以组合，以提高运行效果也是重要的研究方向。2关

19、于路段交通状态判别方法和技术的研究已取得了大量的成果，而关于城市路网交通状态判别方法的研究还是一个比较新的课题，也更为复杂，需要在理论、方法以及检测手段上进行大量的研究与实践，为先进交通管理系统及先进出行者信息系统提供(tgng)更加快速、可靠、有效的参考信息。3随着社会经济的发展，科技水平的提高，交通探测装置及技术正越来越丰富而有效，密切关注这些技术的发展，提出切合的判别方法，可以更为有效的进行交通管理及决策，正是未来(wili)城市道路交通状态判别发展的重要方向。参考文献：1 黄卫.陈里得 智能(zh nn)运输系统(ITS)概论.1999.2 HYPERLINK /paper.aspx?

20、f=detail&q=%e4%bd%9c%e8%80%85%3a%22%e7%8e%8b%e5%8a%9b%22+DBID%3aWF_QK 王 力. HYPERLINK /paper.aspx?f=detail&q=%e4%bd%9c%e8%80%85%3a%22%e5%bc%a0%e6%b5%b7%22+DBID%3aWF_QK 张 海. HYPERLINK /paper.aspx?f=detail&q=%e4%bd%9c%e8%80%85%3a%22%e8%8c%83%e8%80%80%e7%a5%96%22+DBID%3aWF_QK 范耀祖 移动式道路交通状态模糊评价方法研究. HYPERLINK /periodical-xtfzxb.aspx 系 统仿真学报. HYPERLINK /periodical/xtfzxb/2008-1.aspx 2008年 1期.3 袁浩 HYPERLINK /Periodical_jsjgcysj200909064.aspx t _bl