考虑气象因素、道路线形因素的高速公路事件检测方法技术

本发明专利技术属于交通监测技术领域，公开了一种考虑气象因素、道路线形因素的高速公路事件检测方法，包括如下步骤：1)采集高速公路天气信息、路段线形信息和交通数据，获得气象参数、路段线形参数和交通参数；2)对气象参数、路段线形参数和交通参数进行预处理；3)将预处理后的气象参数、路段线形参数和交通参数输入BP神经网络，判断是否有事件发生。本发明专利技术采用模糊评估的方法，得到不同天气条件下、道路线形特征对交通流的影响因子，可以明显提高高速公路事件检测精度。

【技术实现步骤摘要】

本专利技术属于交通监测
，具体涉及一种高速公路事件检测方法。
技术介绍
高速公路事件是指高速公路上的偶发性事件，主要包括车辆交通事故、故障车停 车或缓行、货物散落和突发的自然灾害等。这样的事件发生会严重影响道路的畅通和安全， 如果不及时处理，就会中断交通流，阻塞交通、造成经济损失甚至引起二次事故造成人员伤 亡等更严重的后果。目前为了减少交通事件所造成的影响最主要的方法就是利用自动交通 事件检测算法来分析高速公路的实时交通信息，来尽快的判断出路段上是否有事件发生， 以便交通管理者可以及时的处理，从而减少二次事故的发生，并在一定程度上降低事件所 造成的影响。 现有关于高速公路交通事件检测算法的文献中，大多数只是利用固定车检器提供 的交通参数，少数文献中利用浮动车参数对高速公路事件检测的过程进行建模分析。事实 上，在不同的气象环境下、不同的路段线形特征下交通流的规律有着明显的不同，仅仅利用 交通参数对交通流规律进行建模的方法并不能完全表征交通流规律的全部特性。因此，如 何利用高速公路的气象信息和路段线形特征对交通流规律进行完整的建模，对于高速公路 更有效、准确的进行交通事件检测有着重要的意义。
技术实现思路
有鉴于此，本专利技术提供一种考虑气象因素、道路线形因素的高速公路事件检测方 法，可以明显提速公路事件检测精度。 本专利技术通过以下技术手段解决上述技术问题： ，包括如下步骤： 1)采集高速公路天气信息、路段线形信息和交通数据，获得气象参数、路段线形参 数和交通参数； 2)对气象参数、路段线形参数和交通参数进行预处理； 3)将预处理后的气象参数、路段线形参数和交通参数输入BP神经网络，判断是否 有事件发生。 进一步，所述步骤1)中获取的气象参数包括降雨量J和能见度N;路段线形参数 包括当前检测路段的坡度P和曲率半径R;交通参数包括采集周期内的平均车速，采集周期 内车流量，以及采集周期内的平均占有率。 进一步，所述步骤2)中，对气象参数进行如下预处理，获得气象因素对交通流的 影响因子a: 设定降雨量J的论域是U1 = [0, 60]，根据降雨量J对交通流的影响分为三个模糊 标记：Sj = {小，中，大}; 设定能见度N的论域是Un = [0, 30]，根据N对车流特性的影响有三个模糊标记： Sn = {低，适中，高}; 设定输出的气象因素的影响因子a的论域是Ua = [0, 1];根据气象因素对事件 检测的影响，又分为三个模糊标记：Sa = {弱，一般，强}; 确定J=j和N=n条件下所被激活的模糊控制规则：： IfJisSjandNissn，thenaisSa ; 其中SjGSj,SnGSN，SaGSa ; 通过规则中条件J下的隶属度h和条件N下的隶属度来获取的规则的隶属 度大小： uA =min(uj,uN)； 其中，A为任意被激活的规则； 在得到被激活的模糊规则隶属度后，选择结论相同的规则，利用最大值推理法确 定在此结论下的隶属度，即 Uai=max(UA,UB. . . )i=I,2, 3 ； 其中Ual，Ua2,Ua3分另Ij表示a的模糊标记：弱、适中和强，即 yA,yB...表不相同结论下规则A，B...隶属度的大小； 最后，进行去模糊化，得到气象因素对交通流的影响因子： 本文档来自技高网...

【技术保护点】
考虑气象因素、道路线形因素的高速公路事件检测方法，其特征在于：包括如下步骤：1)采集高速公路天气信息、路段线形信息和交通数据，获得气象参数、路段线形参数和交通参数；2)对气象参数、路段线形参数和交通参数进行预处理；3)将预处理后的气象参数、路段线形参数和交通参数输入BP神经网络，判断是否有事件发生。

【技术特征摘要】
1. 考虑气象因素、道路线形因素的高速公路事件检测方法，其特征在于：包括如下步 骤： 1) 采集高速公路天气信息、路段线形信息和交通数据，获得气象参数、路段线形参数和 交通参数； 2) 对气象参数、路段线形参数和交通参数进行预处理； 3) 将预处理后的气象参数、路段线形参数和交通参数输入BP神经网络，判断是否有事 件发生。2. 如权利要求1所述的考虑气象因素、道路线形因素的高速公路事件检测方法，其特 征在于：所述步骤1)中获取的气象参数包括降雨量J和能见度N;路段线形参数包括当前 检测路段的坡度P和曲率半径R;交通参数包括采集周期内的平均车速，采集周期内车流 量，以及采集周期内的平均占有率。3. 如权利要求2所述的考虑气象因素、道路线形因素的高速公路事件检测方法，其特 征在于：所述步骤2)中，对气象参数进行如下预处理，获得气象因素对交通流的影响因子 α： 设定降雨量J的论域是Ut = [0, 60]，根据降雨量J对交通流的影响分为三个模糊标 记：Sj = {小，中，大}; 设定能见度N的论域是Un = [0, 30]，根据N对车流特性的影响有三个模糊标记：SN = {:低，适中，高}; 设定输出的气象因素的影响因子α的论域是仏=[0，1];根据气象因素对事件检测 的影响，又分为三个模糊标记：Sa = {弱，一般，强}; 确定J=j和N=η条件下所被激活的模糊控制规则： IfJisSjandNissn，thenaissa ; 其中SjeSj,SneSN，SaeSa ; 通过规则中条件J下的隶属度μ和条件N下的隶属度μN来获取的规则的隶属度大 小： μA =min(μμΝ)； 其中，A为任意被激活的规则； 在得到被激活的模糊规则隶属度后，选择结论相同的规则，利用最大值推理法确定在 此结论下的隶属度，即 Uai =max(μΑ,μB. . . )i=I, 2, 3 ； 其中μα1，μα2,μ。3分别表示α的模糊标记：弱、适中和强，即μ5α ={μσ1，μα2,μα3}。 μΑ,μΒ...表不相同结论下规则A,Β...隶属度的大小； 最后，进行去模糊化，得到气象因素对交通流的影响因子： α=μ-Χ〇+μ-Χ〇·5 +μ-Χ? μ,Η+μ?2 +μ?3 。4. 如权利要求2所述的考虑气象因素、道路线形因素的高速公路事件检测方法，其特 征在于：所述步骤2)中，对路段线形参数进行如下预处理，得到路段线形因素对交通流的 影响影子β: 设定坡度P的论域是Up= [0, 6 % ]，根据坡度P对交通流流特性的影响分为三个模糊 标记：Sp= {低，适中，高}; 设定曲率半径R的论域是Uk = [0, 3000]，根据曲率半径R对车流特性的影响有三个模 糊标记：SK = [小，中，大}; 设...

【专利技术属性】
技术研发人员：孙棣华，赵敏，刘卫宁，郑林江，陈曦，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;85