交通状态判别介绍.doc

基于京津塘高速数据的K-mean交通状态判别方法的研究 摘要：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，疏导交通、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。 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Kmean的交通状态判别方法研究 一、引言 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。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1965～1970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