一种快速道路路段状态的实时监测方法

摘要

一种快速道路路段状态的实时监测方法，在待检查的快速道路上设置交通流检测点，各个检测点之间布设的间距为800米，每个检测点覆盖上游400米到下游400米范围的路段，收集历史交通流数据和事故数据，通过聚类分析和回归分析提取危险交通流运行状态，并通过决策树方法给出交通流运行状态的监测判别方法。本发明方法处理简单易行，便于实时鉴别快速道路事故“黑点”，使用本发明方法实时监测快速道路事故危险路段具有实际的工程运用价值。

主权项

一种快速道路路段状态的实时监测方法，其特征是包括以下步骤：1)在快速道路上每隔800米设置一个交通流检测点，收集待检查的快速道路的事故数据，确立各起交通事故的发生地点，从而确定与交通事故发生地点距离最近的一个交通流检测点，提取该检测点在事故发生前半小时内的交通数据，包括交通流率和速度，其采样精度为每5分钟采集一次；2)对于每起交通事故，采用病例‑对照研究法按1∶4比例选取事发路段正常交通流状态下，即没有发生事故时的交通占有率数据，所述1∶4指，对应于每个事故范例，选取4个相应的正常交通流状态范例；3)将事故发生前的交通数据和步骤2)选取的对应的正常交通流状态数据，以及周围发生事故最少的一个检测点2个月内交通数据组合成交通流数据样本，采用K‑means动态聚类分析方法，选用交通流率和速度2个交通流参数对交通流数据样本进行聚类分析；4)对由K‑means动态聚类分析方法划分得到的各交通流状态进行Logistic回归，自变量为交通流状态，应变量为是否发生交通事故，根据Logistic回归中各交通流状态前面系数的显著水平P‑value是否显著来确定交通流状态是否为危险交通流运行状态，当显著水平P‑value小于0.05时，代表该交通流状态为危险交通流状态，反之，当显著水平P‑value大于0.05时，代表该交通流状态不是危险交通流状态；5)采用QUEST决策树模型确立各种交通流状态的边界用于判别实时交通流状态：以交通密度作为QUEST决策树模型中的解释变量，以交通流状态为目标变量，确立各种交通流状态的边界，即各种交通流状态对应的交通密度范围，其中交通密度＝交通流率/速度，交通流率与速度由检测点获得；6)每隔5分钟采集各个检测点的交通流率和速度，计算得到各个点的交通密度，根据QUEST决策树模型确立的各种交通流状态对应的交通密度范围，判断整条快速道路是否有检测点出现危险交通流状态，如果某个检测点得到的交通密度落在危险交通流状态对应的交通密度范围，说明该检测点附近出现危险交通流状态，则表明该检测点覆盖的800米路段为危险路段，有发生交通事故的危险性，进行预警提示。