一种基于交通运行指数发展态势的智能交通诱导方法

摘要

本发明所述的一种基于交通运行指数发展态势的智能交通诱导方法，该方法中所使用的设备包括城市路网交通信息采集系统，交通运行指数处理服务器，交通运行指数发展态势处理服务器，动态交通诱导方案数据存储服务器，以及发布终端设备，所述各设备之间依顺序信号连接，本发明通过城市路网交通信息采集系统的数据挖掘应用，构建多源异构数据融合模型、及路网交通运行指数模型以及交通运行指数发展态势模型，在交通运行指数分析的基础上进行交通发展态势预测，实现路网环境下的智能交通诱导方案。

说明书

技术领域

本发明涉及城市路网交通运行评价和诱导发布技术领域，具体涉及一种基 于交通运行指数发展态势的智能交通诱导方法。

背景技术

交通运行指数是城市路网整体交通运行状况的宏观概述，通过整合多源数 据，建立数学模型，计算得到路网中各路段的运行车速并生成交通状态，再按 各道路的拥堵权重，将市区所有道路的拥堵状况综合集成为一个“交通运行指 数”，可以简洁、直观的数字化描述路网交通运行状况。

国内外已经对交通运行指数进行了多项研究，主要基于车流速度、车流密 度、交通量和出行时间等参数，综合计算出行时间和延误、道路服务水平、平 均行程速度、道路拥堵指数等指标，内涵较为丰富、综合性较强，且应用程度 较为广泛。近年来，国内也对城市交通拥堵评价指标进行了初步探索，出台了 国家层面的城市道路交通管理评价指标体系，以北京、上海、深州为代表的国 内大城市制定了地方性交通拥堵评价指标及标准、交通发展/交通运行年度报 告。基于上述情况，所以在交通运行指数的基础上综合分析路网的交通发展趋 势，制定交通诱导发布方案，把握全市或者区域交通拥堵的变化趋势和拥堵时 空演化规律，了解道路网运行的薄弱环节，为公众出行提供辅助决策依据基于 上述情况是很有必要。

发明内容

本发明要解决的技术问题是提供一种基于交通运行指数发展态势的智能交 通诱导方法，该方法在交通运行指数的基础上综合分析路网的交通发展趋势， 制定交通诱导发布方案，分析交通拥堵的变化和时空演化规律，构建智能交通 诱导方案，为政府部门制定长期的拥堵治理措施提供决策依据。

为解决上述技术问题，本发明采用以下技术方案：

一种基于交通运行指数发展态势的智能交通诱导方法，该方法中所使用的 设备包括城市路网交通信息采集系统，交通运行指数处理服务器，交通运行指 数发展态势处理服务器，动态交通诱导方案数据存储服务器，以及发布终端设 备，所述各设备之间依顺序信号连接，该方法包括如下步骤：

(1)利用城市路网交通信息采集系统，基于浮动车和固定点交通信息采 集设备，进行多源异构数据融合处理，进行路段交通状态的动态感知，该交通 状态包括非常畅通、畅通、缓行、拥挤和拥堵五个级别；

(2)构建交通运行指数模型，基于道路等级分类，聚合分析计算路网整 体交通运行指数，形成交通运行指数动态变化趋势线；

(3)构建交通运行指数发展态势模型，综合分析确定目前状态下未来一 定时间的交通发展态势，奠定交通预测诱导的基础；

(4)当前路网的交通运行指数以及发展态势信息存入数据库，形成诱导 发布内容，发布终端通过调用数据库接口服务进行信息发布。

上述步骤中，通过城市路网交通信息采集系统进行系列分析模型的构建， 相关模型需要按顺序执行，首先是构建多源异构数据融合处理模型，再构建路 网交通运行指数模型，然后构建交通运行指数发展态势模型，最终实现城市路 网整体发展态势的智能交通诱导。

所述多源异构数据融合处理模型构建，是通过对路网各种不同的交通信息 采集方式，以及各种不同的交通数据参数进行聚合分析模型融合处理实现。

所述交通信息采集方式包括浮动车信息采集、视频交通信息采集、线圈信 息采集以及微波信息采集；所述交通数据参数包括交通流量、速度、密度和占 有率。

所述聚合分析模型融合处理是通过对流量、速度、密度和占有率四个参数 值进行综合处理判定，并通过四维空间的聚合距离来综合判定状态区间实现。

所述聚合分析模型融合处理包括如下步骤：

(A)通过各种检测器，获取待测点的实时交通参数信息，该信息经所述 数据通信设备实时传回后台服务器并进行存储；

(B)对丢失数据进行识别，并对异常数据进行清洗过滤，进行数据归一 化处理，提取历史数据进行聚合分析，采用聚合分析法并生成非常畅通、畅通、 缓行、拥挤和拥堵五个聚合中心；

(C)根据实时的交通信息，计算与各聚合中心的欧氏距离，比较选取最 短的聚合中心，然后自动判定当前时刻的交通拥堵状况；

(D)重新计算各类交通状态的聚合中心，等待下个数据计算，反复迭代， 实现交通状态的实时动态提取。

所述步骤(2)中交通运行指数模型构建，是通过对海量数据分析的基础 上建立交通运行指数TPI与拥堵里程比例NCR的函数关系模型，实时动态数据 更新历史数据库后，并反馈修正模型相关参数实现。

所述步骤(3)中交通运行指数发展态势模型构建，是要在路网交通运行 指数参数基础上，进行历史数据的分析预测，通过计算相关信号指数，判定当 前路网状态的发展态势，确定交通诱导的内容，形成路网交通的智能交通诱导 方案。

所述拥堵里程比例NCR通过提取拥堵路段属性数据，按照道路等级划分， 分别计算快速路拥堵里程比例RCRf、主干路拥堵里程比例RCRa、次干路拥堵 里程比例RCRm和支路拥堵里程比例RCRl，然后利用车公里数加权求得。

所述快速路拥堵里程比例RCRf通过公式计算 得到，主干路拥堵里程比例RCRa通过公式计算得 到，次干路拥堵里程比例RCRm通过计算得到，支 路拥堵里程比例RCRl通过公式计算得到，路网路段 拥堵里程比例NCR，通过公式NCR＝RCRf*ω₁+RCRa*ω₂+RCRm*ω₃+RCRl*ω₄计 算得到，式中ω₁,ω₂,ω₃,ω₄分别代表快速路、主干路、次干路和支路的权重值。

所述交通运行指数TPI与拥堵里程比例NCR的模型通过公式 $\mathrm{TPI}=\left(\begin{array}{c}2\times \frac{a}{x}(0\le a\le x)\\ 2+2\times \frac{a-x}{y-x}(x<a\le y)\\ 4+2\times \frac{a-y}{z-y}(y<a\le z)\left(\begin{array}{}\end{array}\right)\\ 6+2\times \frac{a-z}{p-z}(z<a\le p)\\ 8+2\times \frac{a-p}{m-p}(p<a\le m)\\ 10(a>m)\end{array}\right)$实现，其中a＝NCR*100，x,y,z,p,m值是道路交通 拥堵感受优化参数。

所述步骤(3)中，交通运行指数发展态势模型，包括整理TPI数据曲线， 计算模型参量，发展态势分类，发展态势判定。

本发明的有益效果是：1、本发明通过城市路网交通信息采集系统的数据 挖掘应用，构建多源异构数据融合模型、及路网交通运行指数模型以及交通运 行指数发展态势模型，在交通运行指数分析的基础上进行交通发展态势预测， 实现路网环境下的智能交通诱导方案。2、该方法能够将采集到的丰富的实时 路况信息及时向社会发布，使实时路况信息高效地服务于公众，满足公众的交 通知情权，有效地均衡路网交通流量，缓解道路交通拥挤，能够实现用户单位 与其他政府部门和社会单位交通信息的交换与共享，全面提升交通信息化服务 能力。3、该方法充分地利用了交通流、速度、密度、占有率等交通参数进行 综合处理，提高了城市路网交通运行状态评价和发展态势的准确度，缓解交通 拥堵，减少交通事故，改善交通诱导，加快应急事件的救援速度，全面提升公 共交通和市民出行服务水平。

附图说明

图1为本发明的工作流程图；

图2图1中所用的系统设备连接示意图；

图3交通运行指数发展态势分析流程图。

具体实施方式

如图1和2所示的一种基于交通运行指数发展态势的智能交通诱导方法， 该方法中所使用的设备，包括城市路网交通信息采集系统1，交通运行指数处 理服务器2，交通运行指数发展态势处理服务器3，动态交通诱导数据处理服 务器4，以及发布终端设备5，各个设备之间依顺序信号连接并进行信号传输， 基于以上设备连接后的方法如图2、图3所示，包括以下步骤：

S1：城市路网交通信息采集系统1中包括浮动车和固定点交通信息采集设 备，不同采集设备采集交通参数不尽相同，需要进行多源异构数据融合处理， 提取路段交通状态的动态感知，包括非常畅通、畅通、缓行、拥挤和拥堵五个 级别。

多源异构数据聚合分析技术，利用各种交通检测设施采集的交通参数，对 交通流、速度、密度、占有率参数进行综合处理判定，不同于一般的交通状态 判定方法，基于路段平均速度划分交通状态区间，使用手段单一，不同检测器 之间的判定结果差异性较大；聚合分析方法是基于流量、速度、密度和占有率 四个参数值，通过四维空间的聚合距离来综合判定状态区间，模型更加科学和 合理，可以提高交通状态提取的准确度。

处理步骤包括如下：

(A)通过各种检测器，如视频、微波、浮动车获取待测点的实时交通参 数信息，包括流量、速度、密度和占有率数据，所述信息经所述数据通信设备 实时传回后台服务器并进行存储；

(B)初始化聚合中心：对丢失数据进行识别，并对异常数据进行清洗过 滤，进行数据归一化处理，提取历史数据进行聚合分析，采用聚合分析法并生 成非常畅通、畅通、缓行、拥挤和拥堵五个聚合中心；

(C)根据实时的交通信息，计算与各聚合中心的欧氏距离，比较选取最 短的聚合中心，然后自动判定当前时刻的交通拥堵状况；

(D)重新计算各类交通状态的聚合中心，等待下个数据计算，反复迭代， 实现交通状态的实时动态提取。

S2：交通运行指数处理服务器2主要是对城市路网交通信息采集系统1中 的路段交通状态进行综合处理，利用交通运行指数模型，基于道路等级分类， 聚合分析计算路网整体交通运行指数，形成交通运行指数动态变化趋势线。

(a)全路网拥堵里程比例NCR(Network Congestion Rate)

提取路网所有发生拥堵的路段属性数据，按照道路等级划分，分别计算快 速路拥堵里程比例RCRf、主干路拥堵里程比例RCRa、次干路拥堵里程比例RCRm 和支路拥堵里程比例RCRl，然后利用车公里数加权求得路网路段拥堵里程比 例。计算公式如下：

RCR＝RCRf*ω₁+RCRa*ω₂+RCRm*ω₃+RCRl*ω₄  (5)

ω₁,ω₂,ω₃,ω₄分别代表快速路、主干路、次干路和支路的权重值，权重的大 小根据各等级道路的日平均车公里数决定，需要海量历史数据拟合分析计算， 城市路网大小、交通量大小和时段影响权重的取值，下表1、表2给出了系统 初始化的建议值。

表1 权重值推荐表(工作日)

  快速路 主干路 次干路 支路 合计 高峰时段 0.20 0.45 0.15 0.20 1.00 其他时段 0.22 0.43 0.17 0.18 1.00

表2 权重值推荐表(节假日)

  快速路 主干路 次干路 支路 合计 全时段 0.20 0.41 0.16 0.23 1.00

(b)全路网交通运行指数TPI(Traffic Performance Index)

基于全路网拥堵里程比例NCR，建立TPI和NCR函数关系模型，

a＝NCR*100  (6)

$\mathrm{TPI}=\left(\begin{array}{c}2\times \frac{a}{x}(0\le a\le x)\\ 2+2\times \frac{a-x}{y-x}(x<a\le y)\\ 4+2\times \frac{a-y}{z-y}(y<a\le z)\left(\begin{array}{}\end{array}\right)\\ 6+2\times \frac{a-z}{p-z}(z<a\le p)\\ 8+2\times \frac{a-p}{m-p}(p<a\le m)\\ 10(a>m)\end{array}\right)---\left(7\right)$

其中x,y,z,p,m值是道路交通拥堵感受优化参数，需要利用调查问卷和数 据分析拟合计算，而且不同的道路等级，参数大小也不同，建议系统初始化参 考值如表3。

表3 交通运行指数模型参数

(c)交通状态评价等级

按照路网交通运行指数TPI的大小划分当前交通状态等级，如表4所示。

表4 路网交通运行指数分级表

交通运行指数 [0,2] (2,4] (4,6] (6,8] (8,10]

状态评价等级 非常畅通 畅通 缓行 拥挤 拥堵

S3:交通运行指数发展态势处理服务器3主要是对交通运行指数处理服务 器2中的数据进行综合处理，利用发展态势模型，分析当前路网状态下未来一 定时间的发展趋势，通过以下步骤实现。

(3A)整理TPI数据曲线：整理24小时TPI数据曲线，定义当前时刻的 TPI及历史时刻的TPI，TPI数据集S记为S＝{TPI_j,TPI_j-1,TPI_j-2,...,TPI₁,j∈J}，j为 当前时刻时间标记，J为24小时时间标记总个数。

$J=\frac{24*3600}{T}---\left(8\right)$

T-数据周期发布粒度，单位：秒

(3B)计算模型参量：参与模型计算的变量有当前时刻交通运行指数平均 值标准方差σ_j、一阶差分k_i以及标准方差均值比λ_j，

平均值：$T\bar{P}{I}_j=\frac{{\mathrm{TPI}}_j+{\mathrm{TPI}}_{j-1}+{\mathrm{TPI}}_{j-2}}{3}(j\ge 3)---\left(9\right)$

标准方差：${\sigma }_j=\sqrt{\frac{1}{3}\underset{j-2}{\overset{j}{\Sigma }}{({\mathrm{TPI}}_j-T\bar{P}{I}_j)}^2}---\left(10\right)$

一阶差分：k₁＝TPI_j-TPI_j-1  (11)

          k₂＝TPI_j-1-TPI_j-2  (12)

标准方差均值比：${\lambda }_j=\frac{\sigma }{T\bar{P}{I}_j}---\left(13\right)$

(3C)发展态势分类：基于交通运行指数的发展态势分类如下：

①稳定性上升、②急剧性上升；

③稳定性下降、④急剧性下降；

⑤稳定性波动、⑥急剧性波动。

(4C)发展态势判定：基于决策树的发展态势判定模型，判定方式如下：

第一步k₁*k₂>0 and k₁>0

当λ_j<A，发展趋势为①：稳定性上升；

当λ_j≥A，发展趋势为②：急剧性上升；

第二步k₁*k₂>0 and k₁<0

当λ_j≥B，发展趋势为③：稳定性下降；

当λ_j<B，发展趋势为④：急剧性下降；

第三步k₁*k₂≤0

当|λ_j|<C，发展趋势为⑤：稳定性波动；

当|λ_j|≥C，发展趋势为⑥：急剧性波动；

其中参数A,B,C根据城市路网和交通流量大小数据确定。

交通运行指数处理服务器2，交通运行指数发展态势处理服务器3，动态 交通诱导数据处理服务器4，以及发布终端设备5。

S4：交通诱导数据处理服务器4主要是进行智能交通诱导方案的生成和存 储，基于路网交通运行指数和发展态势预测数据，制定智能交通诱导发布内容， 诱导方案由五部分组成：时间、区域、交通运行指数、出行建议和交通运行态 势。

区域分为全路网运行指数以及分片区路网运行指数，分片区的运行指数主 要是各个主城区路网的交通运行状态。

出行建议基于当前区域的实时交通运行指数联动生成，内容如下：

①该区域当前指数为非常畅通等级：“交通运行状况良好，基本没有道 路拥堵，千万不要玩命跑，控制车速，安全至上”。

②该区域当前指数为畅通等级：“路况整体良好，车好路好心情好，车 辆可以按照道路限速标准行驶”。

③该区域当前指数为轻度拥堵等级：“路况整体不错，局部小堵，让一 让道路畅，停一停安全行，平平安安才是路”。

④该区域当前指数为中度拥堵等级：“拥堵指数较高，拥堵现象严重， 建议驾驶人员等待缓解后出行；如果已进入拥堵区域请耐心等待，谨慎驾驶， 切勿争抢，注意安全”。

⑤该区域指数为严重拥堵等级：“交通运行状况极差，大部分道路拥堵， 建议驾驶员更换线路出行；如果已进入拥堵区域请耐心等待，谨慎驾驶，切勿 争抢，注意安全”。

S5：进入发布终端5，在处理设备4中提取动态诱导方案，利用终端设备 5进行发布公开，开通数据接口为交通管理、公众服务以及交通诱导屏等设备 提供数据支持。

本发明充分地利用了城市路网交通运行指数进行数据挖掘分析，构建了基 于交通运行指数发展态势的智能交通诱导方案体系，系统方案实施后，可以通 过可变信息情报板、停车诱导屏、广播视频媒体、互联网和手机短信等多种形 式，实现交通运行指数、交通状态、发展态势的智能诱导，提高市民获得出行 服务信息内容的准确性，打破单一广播电台的发布方式，信息的内容也从语音 播报变成了图像、视频和文字组成的实时、动态、丰富的交通信息，提升服务 质量和服务水平。

本技术领域的普通技术人员应当认识到，以上的实施方式仅是用来说明本 发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围之内，对 以上实施例所作的适当改变和变化都落在本发明要求保护的范围之内。