一种城市交通瓶颈挖掘方法技术

一种城市交通瓶颈挖掘方法，包括如下步骤：步骤1：清洗微波和浮动车数据：针对微波数据和浮动车数据存在的数据缺失问题，进行数据插补；步骤2：以设定时间段为时间粒度估计路段交通状态；步骤3：计算统计周期内每条路段的设定时间段交通拥堵发生的总体概率；步骤4：计算统计周期内交通拥堵在每天的均衡度；步骤5：计算统计周期内交通拥堵均衡度的上界；步骤6：计算统计周期内交通拥堵的归一化均衡度；步骤7：计算交通瓶颈的严重度。本发明专利技术提供了一种可靠性良好的城市交通瓶颈挖掘方法。

【技术实现步骤摘要】
一种城市交通瓶颈挖掘方法
本专利技术专利属于智能交通领域，具体涉及一种基于统计学的交通瓶颈挖掘方法。
技术介绍
随着城市车辆的持续快速增加，城市交通拥堵不断加剧，其主要原因是车辆的增速远大于道路建设的增速，导致了供不应求的局面。城市交通拥堵导致公众的出行成本增加，并且由于出行延误导致尾气排放过多，进一步恶化了生存环境，后果严重。为了缓和城市交通拥堵并且优化有限的道路资源配置，分析和利用交通传感器采集到的数据蕴含的价值然后进行有效的交通组织是重要的手段，是交通管理部门制定合理的交通管理措施的主要依据。交警路面执勤与指挥是一种既传统又有效的交通组织方法，是缓解交通拥堵的一个重要手段。然而，到底应该重点关注哪些路段，却缺少定量化的计算手段。城市交通路网中往往存在交通瓶颈路段，这些瓶颈路段在一定时间段内通行需求远大于路段的吞吐量，表现为常发性的拥堵，发现和定位这些路段可以方便交警人员的制定优化的定点勤务预案。传统的定位交通瓶颈的方法是靠经验、凭印象。这种方法较为原始，具有如下缺点：对于交通瓶颈的发现不够全面；不容易及时发现新增瓶颈；不容易发现组合条件下的瓶颈序列，例如交警人员希望事先知道在小雨天、晚高峰、节假日三个组合条件下，哪些路段属于交通瓶颈。因此，定量化表达交通瓶颈的严重程度具有很大的必要性，对于交警勤务预案的制定具有重要的参考价值。近年来发表的交通瓶颈挖掘论文如：文献《WHLee，SSTseng，JLShieh，HHChen，DiscoveringTrafficBottlenecksinanUrbanNetworkbySpatiotemporalDataMiningonLocation-BasedServices，IEEETransactionsonIntelligentTransportationSystems，VOL.12,NO.4,DECEMBER2011，pp.1047-1056》，即：WHLee，SSTseng，JLShieh，HHChen，基于位置服务的城市交通瓶颈时空挖掘方法，电气和电子工程师协会智能交通系统会刊，2011年12月第12卷4期，页码范围：1047-1056，利用基于位置的出租车数据等，提出了一种三阶段时空交通瓶颈挖掘模型，通过研究时空聚类和拥堵传播模式，建立了一种复杂的时空交通瓶颈推算模型；文献《JCLong，ZYGao，HLRen，APLian，Urbantrafficcongestionpropagationandbottleneckidentification，ScienceChina:InformationSciences,2008,51(7):948-964》，即JCLong，ZYGao，HLRen，APLian，城市交通拥堵传播与瓶颈识别，《中国科学》信息科学版，2008年第51卷7期，页码范围：948-964，提出一种基于单元传递模型的识别细粒度的时空交通瓶颈挖掘模型。中国专利技术专利201410172412.3(公开日：2014-10-22)提出一种路网交通中常发瓶颈和偶发瓶颈的识别方法，通过路段的拥堵发生频率来识别交通瓶颈。
技术实现思路
为了克服已有城市交通瓶颈挖掘方式的可靠性较差的不足，本专利技术提供了一种可靠性良好的城市交通瓶颈挖掘方法。本专利技术解决其技术问题所采用的技术方案是：一种城市交通瓶颈挖掘方法，包括如下步骤：步骤1：清洗微波和浮动车数据：针对微波数据和浮动车数据存在的数据缺失问题，进行数据插补；步骤2：以设定时间段为时间粒度估计路段交通状态2.1浮动车覆盖的路段的交通状态估计设路段L在设定时间段内有c辆汽车路过，其瞬时速度分别为v1,v2...vc，则设定时间段内该路段的区间行驶速度VL表达为：则当VL小于等于阈值T时，将路段L的交通状态估计为拥堵；2.2浮动车和微波雷达共同覆盖的路段的交通状态估计若路段L上有微波雷达传感器，测量返回的设定时间段的断面速度为vm，则设定时间段内该路段的区间行驶速度VL表达为：同理，当VL小于等于阈值T时，将路段L的交通状态估计为拥堵；2.3微波雷达覆盖的路段采用K近邻分类方法来估计微波雷达覆盖的路段；步骤3：计算统计周期内每条路段的设定时间段交通拥堵发生的总体概率设统计周期为N天，每天划分为设定时间段的时间槽，令早高峰包含n个设定时间段的时间槽，设N天的早高峰中，共有m个设定时间段发生交通拥堵，统计周期内，N天早高峰时间段内，设定时间段拥堵发生的概率Pt表达为：Pt＝m/(N*n)步骤4：计算统计周期内交通拥堵在每天的均衡度令Ci表示统计周期内第i天中设定时间段拥堵发生的次数，则在第i天，设定时间段拥堵在统计周期内的占比为：pi＝Ci/m；令U表达统计周期内交通拥堵在每天的均衡度，采用信息熵来表达均衡度：步骤5：计算统计周期内交通拥堵均衡度的上界若统计周期N天内，每天的设定时间段拥堵情况发生的次数相同，则每天的占比为1/N，这种情况下的设定时间段交通拥堵均衡度为最大，最大信息熵Umax表达为：Umax＝logN步骤6：计算统计周期内交通拥堵的归一化均衡度定义归一化均衡度Un为实际的设定时间段交通拥堵信息熵除以最大信息熵，即：Un的取值范围在(0，1]之间；步骤7：计算交通瓶颈的严重度将交通瓶颈的严重度模型定义为：Yj＝αPt+(1-α)Un，其中，Yj表示第j条路段的瓶颈严重程度，α是(0,1)之间一个参数。进一步，所述挖掘方法还包括如下步骤：步骤8：降序排序所有路段的交通瓶颈严重度，供勤务优化配置参考。再进一步，所述步骤1中，微波数据清洗方式：首先把采集到的流量、速度和占有率值与交通指挥部门根据历史数据得出的阈值进行比较，将阈值范围以外的数据定义为错误数据，对于不满足理论阈值的数据，用阈值替代错误数据；根据判别规则得到错误数据，对于不满足交通流理论的数据，采用历史数据平均的方法进行修正.所述步骤1中，浮动车数据清洗方式：当某一路段某一时刻的浮动车速度为0时，如果该路段该时刻前的三个时刻浮动车速度均不为0，我们采用该路段该时刻前的三个时刻速度均值进行修正；如果该路段该时刻前的三个时刻的浮动车速度均为0，则利用历史同期的浮动车速度均值进行修正。所述步骤2.3中，基于视频回放的方式来标注一批微波雷达样本的交通状态，标注后的样本集称为模板样本集，其格式如下：流速流量车道占有率是否拥堵对于一个待分类的路段样本S(VS,FS,OS)，其中，VS表示5分钟内路段S上的车辆平均流速，FS表示其平均流量，OS表示其车道时间占有率；先求得S到所有模板样本的欧氏距离，选出距离S最小的K个路段模板样本，然后根据模板样本的交通状态信息投票决定S的交通状态。本专利技术中，采集浮动车数据和微波雷达数据，提出的交通瓶颈计算模型不仅考虑了拥堵发生的频度，而且考虑到了概率分布的均衡性，有助于过滤由于修路占道、重大社会活动及其他特殊情况导致的偶发性交通瓶颈。本专利技术的有益效果主要本文档来自技高网...

【技术保护点】
一种城市交通瓶颈挖掘方法，其特征在于：所述挖掘方法包括如下步骤：步骤1：清洗微波和浮动车数据：针对微波数据和浮动车数据存在的数据缺失问题，进行数据插补；步骤2：以设定时间段为时间粒度估计路段交通状态2.1浮动车覆盖的路段的交通状态估计设路段L在设定时间段内有c辆汽车路过，其瞬时速度分别为v1,v2...vc，则设定时间段内该路段的区间行驶速度VL表达为：则当VL≤阈值T时，将路段L的交通状态估计为拥堵；2.2浮动车和微波雷达共同覆盖的路段的交通状态估计若路段L上有微波雷达传感器，测量返回的设定时间段的断面速度为vm，则设定时间段内该路段的区间行驶速度VL表达为：同理，当VL≤阈值T时，将路段L的交通状态估计为拥堵；2.3微波雷达覆盖的路段采用K近邻分类方法来估计微波雷达覆盖的路段；步骤3：计算统计周期内每条路段的设定时间段交通拥堵发生的总体概率设统计周期为N天，每天划分为设定时间段的时间槽，令早高峰包含n个设定时间段的时间槽，设N天的早高峰中，共有m个设定时间段发生交通拥堵，统计周期内，N天早高峰时间段内，设定时间段 拥堵发生的概率Pt表达为：Pt＝m/(N*n)步骤4：计算统计周期内交通拥堵在每天的均衡度令Ci表示统计周期内第i天中设定时间段拥堵发生的次数，则在第i天，设定时间段拥堵在统计周期内的占比为：pi＝Ci/m；令U表达统计周期内交通拥堵在每天的均衡度，采用信息熵来表达均衡度：步骤5：计算统计周期内交通拥堵均衡度的上界若统计周期N天内，每天的设定时间段拥堵情况发生的次数相同，则每天的占比为1/N，这种情况下的设定时间段交通拥堵均衡度为最大，最大信息熵Umax表达为：Umax＝logN步骤6：计算统计周期内交通拥堵的归一化均衡度定义归一化均衡度Un为实际的设定时间段交通拥堵信息熵除以最大信息熵，即：Un的取值范围在(0，1]之间；步骤7：计算交通瓶颈的严重度将交通瓶颈的严重度模型定义为：Yj＝αPt+(1‑α)Un，其中，Yj表示第j条路段的瓶颈严重程度，α是(0,1)之间一个参数。...

【技术特征摘要】
1.一种城市交通瓶颈挖掘方法，其特征在于，所述挖掘方法包括如下步骤：步骤1：清洗微波和浮动车数据：针对微波数据和浮动车数据存在的数据缺失问题，进行数据插补；步骤2：以设定时间段为时间粒度估计路段交通状态2.1浮动车覆盖的路段的交通状态估计设路段L在设定时间段内有c辆汽车路过，其瞬时速度分别为v1,v2...vc，则设定时间段内该路段的区间行驶速度VL表达为：则当VL小于等于阈值T时，将路段L的交通状态估计为拥堵；2.2浮动车和微波雷达共同覆盖的路段的交通状态估计若路段L上有微波雷达传感器，测量返回的设定时间段的断面速度为vm，则设定时间段内该路段的区间行驶速度VL表达为：同理，当VL小于等于阈值T时，将路段L的交通状态估计为拥堵；2.3微波雷达覆盖的路段采用K近邻分类方法来估计微波雷达覆盖的路段；步骤3：计算统计周期内每条路段的设定时间段交通拥堵发生的总体概率设统计周期为N天，每天划分为设定时间段的时间槽，令早高峰包含n个设定时间段的时间槽，设N天的早高峰中，共有m个设定时间段发生交通拥堵，统计周期内，N天早高峰时间段内，设定时间段拥堵发生的概率Pt表达为：Pt＝m/(N*n)步骤4：计算统计周期内交通拥堵在每天的均衡度令Ci表示统计周期内第i天中设定时间段拥堵发生的次数，则在第i天，设定时间段拥堵在统计周期内的占比为：pi＝Ci/m；令U表达统计周期内交通拥堵在每天的均衡度，采用信息熵来表达均衡度：步骤5：计算统计周期内交通拥堵均衡度的上界若统计周期N天内，每天的设定时间段拥堵情况发生的次数相同，则每天的占比为1/N，这种情况下的设定时间段交通拥堵均衡度为最大，最大信息熵Umax表达为：Umax＝logN步骤6：计算统计周...

【专利技术属性】
技术研发人员：李建元，温晓岳，吴越，
申请(专利权)人：银江股份有限公司，
类型：发明
国别省市：浙江;33