一种基于单截面环形线圈检测器的道路交通事件检测方法

摘要

本发明公开了一种基于单截面环形线圈检测器的道路交通事件检测方法。现有方法侧重于对交通参数的分析，通过设置相应的阈值来进行交通事件的判别。本发明以交通流量、速度、时间占有率这三项交通流参数构造一个三维空间，以交通流量、速度、时间占有率的预测值为中心，以三项交通流参数的历史标准误差的极限值为轴长，构造一个交通事件判别的椭球体。将交通流参数的实测值与这个椭球体进行对比，若实测值的三个参数所对应的点位于椭球体外，则判定该检测断面上游有交通事件发生，否则，判定该检测断面上游没有交通事件发生。本发明实施容易，计算复杂度小，在实施时能够充分保证道路交通事件检测的实时性要求。

主权项

一种基于单截面环形线圈检测器的道路交通事件检测方法，其特征在于该方法包括以下步骤：c1、从各检测断面各车道上的环形线圈检测器中根据事先确定的采样间隔时间获取该检测断面该车道的交通流量、速度和时间占有率这三项交通流参数，并对交通流参数进行预处理，得到表征该检测断面交通流特性的交通流量、速度和时间占有率；c2、根据预处理后的交通流参数预测下一采样间隔的交通流量、速度和时间占有率；c3、根据所述交通流量、速度和时间占有率的预测值与实际检测值的关系，计算交通状态判别指标；c4、根据所述交通状态判别指标的值，判定该检测断面上游是否有交通事件发生；c5、根据步骤c4的判别结果，若有交通事件发生，则通知交警或在信息板上提醒驾驶员，若没有，则跳转至步骤c1；步骤c1中获取实时交通流参数的过程包括：c11、在需要检测的路段中每隔500‑800米的检测断面上布设一组环形线圈检测器，并使用电线、光缆或无线通信的方式与交通事件检测中心相连；每组环形线圈检测器包括每条车道上相距一定距离布设的一对环形线圈检测器；c12、确定数据采样间隔；交通事件检测中需要能获取短时交通流的突变特性，故选取采样间隔为30秒或1分钟；c13、通过环形线圈检测器获取每一采样间隔内每条车道上的交通流量、速度和时间占有率数据；c14、对步骤c13中获得的各车道实时交通流参数进行预处理，得到表征该检测断面的交通流参数；步骤c2中，在正常的交通流运行情况下，交通流不发生突变现象，则在一个较短的时间段内，交通流量、速度、时间占有率交通流参数连续变化，即后一时刻的交通流参数与前一时刻或前几个时刻的交通流参数变化不大或者呈现一定的变化规律；因此将前c个采样间隔的交通流参数平均值作为下一时刻的预测值，用于判别该检测断面上游是否发生交通事件；交通流量预测方法为：c21、第i检测断面第t+1采样间隔交通流量的预测计算前c个采样时间间隔内第i检测断面交通流量的平均值，作为第i检测断面第t+1采样间隔交通流量的预测值；即：${\hat{q}}_m(i,t+1)=\frac{1}{c}\underset{k=0}{\overset{c-1}{\Sigma }}{q}_m(i,t-k)$式中：表示第i检测断面第t+1采样间隔交通流量的预测值；c表示交通流参数预测所需的前一时段数据采样间隔数量；速度预测方法为：c22、第i检测断面第t+1采样间隔速度的预测值为${\hat{v}}_m(i,t+1)=\frac{1}{c}\underset{k=0}{\overset{c-1}{\Sigma }}{v}_m(i,t-k)$时间占有率预测方法为：c23、第i检测断面第t+1采样间隔时间占有率的预测值为${\hat{o}}_m(i,t+1)=\frac{1}{c}\underset{k=0}{\overset{c-1}{\Sigma }}{o}_m(i,t-k)$其中，c值根据实地调查确定，保证预测的误差在容许的范围之内，取3‑5；步骤c3中，运用质量控制的思想，综合考虑交通流量、速度、时间占有率的实时检测值与预测值之间的偏离程度，判断该检测断面上游是否有交通事件发生；使用单截面道路交通事件检测的判别指标DI_s，计算式如下：${\mathrm{DI}}_s=\frac{{({\hat{q}}_m(i,t+1)-q_m(i,t+1))}^2}{{\alpha }^2{\sigma }_q^2(i,t+1)}+\frac{{({\hat{v}}_m(i,t+1)-v_m(i,t+1))}^2}{{\alpha }^2{\sigma }_v^2(i,t+1)}+\frac{{({\hat{o}}_m(i,t+1)-o_m(i,t+1))}^2}{{\alpha }^2{\sigma }_o^2(i,t+1)}$式中：${\sigma }_q(i,t+1)={\left[\frac{1}{c}\underset{k=0}{\overset{c-1}{\Sigma }}{(q_m(i,t-k)-{\hat{q}}_m(i,t+1))}^2\right]}^{1/2}$${\sigma }_v(i,t+1)={\left[\frac{1}{c}\underset{k=0}{\overset{c-1}{\Sigma }}{(v_m(i,t-k)-{\hat{v}}_m(i,t+1))}^2\right]}^{1/2}$${\sigma }_o(i,t+1)={\left[\frac{1}{c}\underset{k=0}{\overset{c-1}{\Sigma }}{(o_m(i,t-k)-{\hat{o}}_m(i,t+1))}^2\right]}^{1/2}$σ_q(i,t+1)、σ_v(i,t+1)、σ_o(i,t+1)分别为第i检测断面第t+1采样间隔交通流量、速度及时间占有率的估计标准差；α为调整参数，当α值较大时，检测灵敏度低，其判别椭球体越大，检测率就会减少，但误报率也会较小；若α值较小时，检测灵敏度高，则检测率就会增加，同样误报率也会随着增加；因此，需要根据实际情况综合考虑检测率和误报率之间的关系来确定α值；步骤c4中，若由所述的步骤c3计算得出的单截面道路交通事件检测的判别指标DI_s>1，则判定该检测断面上游有交通事件发生，若DI_s≤1，则判定该检测断面上游没有交通事件发生。