公开/公告号CN102708688A
专利类型发明专利
公开/公告日2012-10-03
原文格式PDF
申请/专利权人 四川川大智胜软件股份有限公司;四川大学;
申请/专利号CN201210187773.6
申请日2012-06-08
分类号G08G1/01(20060101);
代理机构成都和睿达专利代理事务所(普通合伙);
代理人潘育敏
地址 610045 四川省成都市武侯区武科东一路7号
入库时间 2023-12-18 06:47:36
法律状态公告日
法律状态信息
法律状态
2014-01-22
授权
授权
2012-11-28
实质审查的生效 IPC(主分类):G08G1/01 申请日:20120608
实质审查的生效
2012-10-03
公开
公开
技术领域
本发明属于计算机应用技术领域,特别涉及智能交通控制。
背景技术
道路交通状态主要可分为“堵塞”、“拥挤”和“畅通”三种状态。道路交通状态评判的目的是运用一定的方法对实时交通数据进行分析,快速辨识出道路各种交通状态,为交通控制和诱导提供依据。
道路交通状态的判别方法可分为两大类:人工判别方法和自动判别方法。前者包括市民报告、专职人员报告和闭路电视监视等。这种方法的优点是方便、直接、经济,缺点是要求当时当地有目击者,难以24小时全天候发挥作用。后者以信息采集与处理技术、计算机技术和通信技术为基础,可以全天候连续监视道路交通所处状态,得到了越来越多的关注和长足发展。
国内外现有的交通状态辨识方法,大部分是以高速公路的突发交通事件为对象,而在城市交通中,由于受到交叉口信号灯及非机动车的影响,其交通流特性与高速公路相比较更为复杂,城市交通状态自动判别的难度更大。城市交通状态所采用的数据处理方法主要包括决策树、统计分析、平滑滤波等常规方法。而交通流状态本身演化过程所依据的参数指标变化是一个连续过程,各种状态间的划分也是模糊的,模糊判别的方法用来对交通流状态进行判别更适合。在现有技术中模糊判别一般采用一级判别,一级模糊判别方法是依据整条道路的交通特征参数遵循最大隶属度的准则来对其作交通状态判定的。这种方法存在以下不足:
第一,没有考虑城市道路中临近交通信号灯路段与远离信号灯路段交通特征参数对其相应路段的交通状态的影响是不一样的,这些交通特征参数包括排队长度、平均速度和车道占有率等,因此现有的一级模糊判别方法所获得的交通状态的准确性有待进一步验证;
第二,在模糊交通状态判别中的隶属函数的选取时,为了简化大都选用的是降半梯形公式来线性表示,忽视了高斯型函数具有无过零点且曲线光滑、物理意义清晰更适合作为模糊判别的隶属函数的特点,更少有针对在临近信号灯路段的交通特征参数隶属函数形式和参数的确定方法;
第三,由于城市道路交通拥挤现象的原因复杂,每种交通状态都有一定的相似性,使得交通状态划分存在模糊性,对于当所有隶属度差异不明显的情况,只依据遵循最大隶属度原则来给出最后的判定结果不能描述交通状态客观的模糊性。
基于上述原因,现有的交通状态辨识方法不能客观准确的区分的城市道路状态。
发明内容
本发明的目的是针对传统交通状态辨识方法的不足,提出一种基于二级模糊综合判别的城市道路交通状态辨识方法。本发明提出的城市道路交通状态辨识方法充分考虑城市道路的交通实际,构建数学模型对城市道路自动分子段;再针对每一子段采用无过零点且曲线光滑且物理意义清晰的更适合作为模糊判别的隶属函数的特点的高斯型隶属函数,进而采用二级模糊综合判别;最终实现城市道路交通状态更客观准确的识别。
本发明的目的是这样达到的: 城市道路状态辨别包括城市道路子段自动划分、实时接收道路交通参数、城市道路交通状态实时辨识和道路交通诱导屏实时动态显示几个步骤;城市道路子段自动划分在城市道路子段自动划分模块中进行,实时接收道路交通参数在城市道路子段交通参数采集模块中进行,实时辨识道路交通状态在二级模糊综合城市道路交通状态辨识模块中进行;城市道路子段自动划分模块、城市道路子段交通参数采集和二级模糊综合城市道路交通状态辨识模块设置在智能交通控制系统的处理服务器中。
城市道路子段自动划分模块接收来自智能交通控制系统中的城市道路设计参数模块参数,完成对城市道路子段划分并将划分结果发送到二级模糊综合城市道路交通状态辨识模块,二级模糊综合城市道路交通状态辨识模块同时接收城市道路子段交通参数采集模块通过网络从道路现场采集点实时传输的视频参数和城市道路子段划分结果参数进行城市道路交通状态实时辨识,将实时交通状态辨识结果通过网络通讯发布到智能交通控制系统的道路交通诱导屏,道路交通诱导屏实时动态发布交通状态辨识结果。
所述城市道路子段自动划分是对一条道路U自动划分为两个子段U1和U2,U1和U2划分取决参数包括道路长度、前方信号灯绿信比、道路设计饱和率、道路限制速度和控制参数。
所述实时辨识道路交通状态在是基于分段高斯隶属函数和模糊数学理论的理论进行的二级模糊辨别,步骤是:
(1)、对各个道路子段建立评定对象单因素集 ;
(2)、针对各个道路子段建立评定集;
(3)、建立从单因素集 到子评定集的一个模糊关系映射,由笛卡儿乘积对应关系导出单因素评定矩阵;
(4)、第一级模糊综合评定,选择分段高斯模糊数学综合函数进行综合并将其作归一化处理;
(5)二级模糊综合评定;
(6)、对二级判定结果进行模糊分析判断,得出城市道路状态辨别的结果。
城市道路子段自动划分是对一条道路U自动划分为两个子段U1和U2是依据公式1-1划分的:
(1-1)
式中,dU1和dU2分别表示道路子段U1 和U2的长度,d表示整条道路长度、t表示路段
式中,dU1和dU2分别表示道路子段U1 和U2的长度,d表示整条道路长度、t表示路段前方信号灯绿信比、s表示道路设计饱和率、v表示道路限制速度,a是与道路总长相关的控制参数,b是与道路限制速度相关的控制参数。
所述二级模糊综合城市道路交通状态自动辨识的具体步骤是:
(1)、对各个道路子段建立评定对象单因素集;Ui = [L,V,D],其中表示第几个路段子集,L代表路段排队长度比,V代表平均车速,D代表占用率;
(2)、针对各个道路子段建立评定集;,其中代表道路第个子路段属于畅通状态,代表第个子路段属于拥挤状态,代表第个子路段属于堵塞状态;
(3)、建立从单因素集 到子评定集的一个模糊关系映射,单因素集中的任一元素就与的笛卡儿乘积中的对应元素唯一对应,由此导出单因素评定矩阵,,其中指的是子路段排队长度比隶属于畅通、拥挤与堵塞的程度,指的是子路段速度隶属于畅通、拥挤与堵塞的程度,指的是子路段占用率隶属于畅通、拥挤与堵塞的程度;
(4)、第一级模糊综合评定,依据专家经验和实际观察统计选择各交通特征量的分段高斯模糊数学综合函数进行综合,对各子路段集用因素集内的对应模糊集表示该因素的权重分配,求出一级单因素综合评定集,并将其作归一化处理;
(5)二级模糊综合评定,将前一级评定输出作为评定矩阵,将各子路段对整个道路的权重模糊子集为,则可求出二级模糊评定输出;
(6)、对二级判定结果进行模糊分析判断,得出城市道路交通状态辨别的结果:设定一个阈值,对任意均符合要求,当中仅有一个值大于时,将其归一到所对应的交通状态;当的值都大于时,将其归一到“畅通/拥挤”临界状态;当的值都大于时,将其归一到 “拥挤/堵塞”临界状态。
本发明具有如下优点:
(1)充分考虑了城市道路实际因素的影响,实现更客观准确的城市道路交通状态辨识,为城市智能交通动态控制和诱导提供更有效的信息支撑。从而实现城市道路交通的负荷均衡、缓解拥堵、交通畅通有序,为城市道路交通和谐打下良好的基础。
(2)辨识算法计算效率高,应用前景广泛。
附图说明
图1是在本发明在智能交通控制系统中结构示意图。
图2是实施例中第二子段对平均车辆排队长度比分段高斯隶属函数示意图。
图3是实施例中第二子段对平均速度分段高斯隶属函数示意图。
图4是实施例中第二子段对车道占用率分段高斯隶属函数示意图。
图5是道路交通诱导屏的动态显示图。图中,实线代表实际诱导屏中的红色,表示堵塞的交通状态;虚线代表实际诱导屏中的黄色,表示拥挤的交通状态;点划线代表实际诱导屏中的绿色,表示畅通的交通状态。
具体实施方式
参见附图1。城市道路子段自动划分模块以及二级模糊综合城市道路交通状态辨识模块是本发明的核心内容,通过一台处理服务器完成。城市道路设计参数输入模块依据每条城市道路在规划设计时都对应有整条道路长度、路段前方信号灯绿信比、道路设计饱和率以及道路限制速度等参数,依据实际城市道路交通路网形成配置文件存于处理服务器中。城市道路子段自动划分模块依据城市道路设计参数再结合自动划分的数学模型对城市道路进行子段划分。城市道路子段交通参数采集依据现有成熟的视频采集分析技术实现,通过网络从道路现场采集点实时传输到处理服务器。二级模糊综合城市道路交通状态辨识模块采用分段高斯隶属函数和模糊数学理论实现。道路交通诱导屏动态发布交通状态模块通过网络通讯接受实时交通状态辨识结果,用于实际城市道路交通关键现场实现交通诱导。
在具体实施过程中,整个城市道路状态的辨别包括道路子段自动划分、实时接收道路交通参数、实时辨识道路交通状态和道路交通诱导屏实时动态显示几个步骤。
第一步:道路子段自动划分
在本实施例中,设定某城市道路设计的参数:最大限速40公里/小时、红绿灯周期为60秒且绿信比为1/2、道路总长为1公里、道路饱和率为0.4,且设定式1-1中的控制参数a和b分别为3和10公里/小时,依据式1-1
(1-1)
计算得到道路子段分别长度为:dU1=0.32公里 dU2=0.68公里。
第二步:实时接收道路交通参数
道路交通参数获取方式是在道路前方架设摄像机获取道路实时视频,依据道路子段划分在视频中标定位置,采用现有视频分析处理技术分别获取个子段实时交通参数。本实施例取5分钟平均的车辆排队长度比、平均车速、车道占用率。
第三步:城市道路交通状态实时辨识
在实时辨识道路交通状态的过程中,按照以下6步进行:
(1)、对各个道路子段建立评定对象单因素集;Ui = [L,V,D],其中表示第几个路段子集,L代表路段排队长度比,V代表平均车速,D代表占用率;
(2)、针对各个道路子段建立评定集;,其中代表道路第个子路段属于畅通状态,代表第个子路段属于拥挤状态,代表第个子路段属于堵塞状态;
(3)、建立从单因素集 到子评定集的一个模糊关系映射,单因素集中的任一元素就与的笛卡儿乘积中的对应元素唯一对应,由此导出单因素评定矩阵,,其中指的是子路段排队长度比隶属于畅通、拥挤与堵塞的程度,指的是子路段速度隶属于畅通、拥挤与堵塞的程度,指的是子路段占用率隶属于畅通、拥挤与堵塞的程度;
(4)、第一级模糊综合评定,依据专家经验和实际观察统计选择各交通特征量的分段高斯模糊数学综合函数进行综合,对各子路段集用因素集内的对应模糊集表示该因素的权重分配,求出一级单因素综合评定集,并将其作归一化处理;
(5)二级模糊综合评定,将前一级评定输出作为评定矩阵,将各子路段对整个道路的权重模糊子集为,则可求出二级模糊评定输出;
(6)、对二级判定结果进行模糊分析判断,得出城市道路交通状态辨别的结果:设定一个阈值,对任意均符合要求,当中仅有一个值大于时,将其归一到所对应的交通状态;当的值都大于时,将其归一到“畅通/拥挤”临界状态;当的值都大于时,将其归一到 “拥挤/堵塞”临界状态。
本实施例第二子路段的平均车辆排队长度比、平均速度、车道占用率的分段高斯隶属函数如附图2、3、4所示。
第四步:道路交通诱导屏实时动态显示
在对二级判定结果进行模糊分析判断后得出的道路交通状况,传送到道路交通诱导屏上实时显示,分为红、黄、绿三种颜色分别显示堵塞、拥挤和畅通状况。
附图5给出了本实施例的道路交通诱导屏实时动态显示。实际交通诱导屏中红色表示堵塞的交通状态,黄色表示拥挤的交通状态,绿色表示畅通的具体状况。附图用实线代表交通诱导屏中的红色,虚线代表交通诱导屏中的黄色,点划线代表交通诱导屏中的绿色。道路交通状况一目了然,为道路交通参与者提供了极大的方便。
机译: 内燃机的点火状态判别系统,具有基于离子电流检测器和泄漏电流检测器的输出来判别发动机的点火状态的点火状态判别器。
机译: 一种综合判别焊接质量的服务器及其综合判别方法
机译: 一种综合判别焊接质量的服务器及其综合判别方法