一种交通事件检测California算法模型改进方法技术

本发明专利技术公开一种交通事件检测California算法模型改进方法，包括S1.对交通数据进行预处理；S2.若上下游检测器占有率绝对差大于K1继续S3，否则转到S6；S3.若上下游检测器占有率之比大于K2继续S4，否则转到S6；S4.若上下游检测器占有率之差与下游检测器占有率之比大于K3继续S5，否则转到S6；S5.若上游检测器占有率与流量之比和下游占检测器有率与流量之比的差值小于等于K4转到S6，否则转到S7；S6.若上游车速大于KV，则判别该检测路段处于非拥堵状态，否则继续S7；S7.判断上一周期该检测路段交通状态是否为拥堵，是则判别该检测路段处于拥堵状态，否则为非拥堵。本发明专利技术通过固定检测器得到的交通信息，对交通事件检测California算法模型进行改进，提高算法检测率，降低误报率。

An improved method of California algorithm model for traffic incident detection

The invention discloses a method for improving the traffic incident detection algorithm based on California model, including S1. to preprocess traffic data; S2. if the downstream detector share absolute difference is greater than K1 to S3, or to S6 S3.; if the downstream detector occupancy rate is more than K2 to S4, or to S6 S4.; if the upstream and downstream detector share the difference between the downstream detector share ratio is more than K3 to S5, or to S6 S5.; if the upstream detector occupancy and flow ratio and the downstream detector has accounted for the ratio of the flow rate and the difference is less than or equal to K4 to S6, or to S7 S6.; if the upstream speed is greater than KV, while the detection of discrimination the road in a non congested state, or continue to S7; S7. to determine a cycle of the detection of road traffic status is congestion, is the identification of the test section in the congested state, otherwise non congestion. Through the traffic information fixed by the detector, the improved California algorithm model of traffic incident detection is improved, and the detection rate of the algorithm is improved, and the false positive rate is reduced.

【技术实现步骤摘要】
一种交通事件检测California算法模型改进方法
本专利技术涉及高速公路交通事件检测领域，具体涉及一种交通事件检测California算法模型改进方法。
技术介绍
目前，高速公路为人们提供了一个舒适快捷的生活方式，产生了巨大的社会效益和经济效益。然而日益增长的交通需求量和相对较低的道路通行能力产生了矛盾，导致平均车速下降、交通流量减少，进而导致的交通事件频发使高速公路效率降低，运行时间无法估计，严重的影响人们的出行，造成了不良的社会影响，日益成为高速公路运营的重要问题，因此为保证高速公路的运行安全和社会公众出行畅通，需要对高速公路的运行状态进行交通事件检测和应急管理。由于道路上发生的交通事故、车辆抛锚、货物散落等偶然事件引起路段通行能力下降的交通事件存在难预测性，因此需要通过交通事件检测方法来进行判别。交通事件检测方法主要包括非自动事件检测和自动事件检测。非自动事件检测就是人通过通讯手段报警或通过摄像头监测到事故发生，这样消耗的人力非常大，而且具有滞后性。自动事件检测是利用图像处理技术等来检测交通状态的发生状况或者利用交通流参数的异常变化来对交通状态进行检测，该种算法快捷方便，及时可靠并且适应性强。因此采用自动事件检测方法及时、准确地发现事件，对减少交通延误，保障道路安全，避免二次事故的发生具有十分重要的意义。基于现有的技术，现阶段国内外研究的算法主要包括模式识别算法、统计算法、突变理论和人工智能事件检测算法，模式识别算法大都是在对所选定交通变量之间的关系以及变化规律进行推导、假设的基础上构建模型并利用仿真或实际数据进行检测，此类算法能在一定程度上较好地描述交通流实际运行状态，并已成功应用到实际工程中。其中California算法是一种经典的模式识别算法，它作为最早出现的高速公路事件检测算法用于洛杉矶公路管理控制中心，因该算法具有原理简单，过程直观的优势，已经成熟地应用于国内外各种工程实践中。然而在实际应用中还存在一些问题影响着检测效果，从算法模型看，检测过程过于简单，实际情况复杂时算法的误报率会上升，影响交通管理者的判断。
技术实现思路
有鉴于此，本专利技术的目的是提供一种交通事件检测California算法模型改进方法，该方法针对多种流量环境和多种路段等复杂情况，采用固定型车检器收集的交通数据，利用California算法的改进模型对交通事件进行检测。本专利技术的目的是通过以下技术方案来实现的，一种交通事件检测California算法模型改进方法，包括步骤S1.获取检测路段上下游检测器的交通数据，进行数据预处理；步骤S2.将上下游检测器占有率之差与阈值K1进行比较，如果所述上下游检测器占有率之差大于K1继续步骤S3，否则转到步骤S6；步骤S3.将上下游检测器占有率之比与阈值K2进行比较，如果所述上下游检测器占有率之比大于K2继续步骤S4，否则转到步骤S6；步骤S4.将上下游检测器占有率之差与下游检测器占有率之比与阈值K3进行比较，如果所述上下游检测器占有率之差与下游检测器占有率之比大于K3继续步骤S5，否则转到步骤S6；步骤S5.将上游检测器占有率与流量之比和下游占检测器有率与流量之比的差值与阈值K4进行比较，如果所述上游检测器占有率与流量之比和下游占检测器有率与流量之比的差值小于等于阈值K4转到步骤S6，否则转到步骤S7；步骤S6.将上游车速与阈值KV进行比较，如果所述上游车速大于阈值KV则判别该检测路段处于非拥堵状态，否则继续步骤S7；步骤S7.判断上一周期该检测路段的交通状态是否为拥堵，是则判别该检测路段处于拥堵状态，否则为非拥堵状态。进一步，所述步骤S1中，对数据进行预处理包括：对原始数据进行故障的分析与判断，判定其是否为故障数据，并对故障数据进行剔除与修复。进一步，采用当前路段的实测数据与历史数据的加权方式得出的值来对所述故障数据进行剔除与修复；其中，为t时段的数据修复值；x(t-1)为t-1时段的实际检测值；x'‘(t)为同一时刻前n天的采集数据的历史均值；α为遗忘因子，α∈[0,1]。由于采用了上述技术方案，本专利技术具有如下的优点：本专利技术通过固定检测器所得到的交通信息，对交通事件检测California算法模型进行改进，提高了算法检测率，降低误报率。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述，其中：图1为模型改进方法的整体流程图；图2为单一流量下道路处于异常状态时上下游交通占有率变化图；图3为单一流量下道路处于异常状态时上下游车速变化图；图4为单一流量下道路处于异常状态时上下游交通流量变化图；图5为不同流量下道路处于异常状态时上下游交通占有率变化图；图6为不同流量下道路处于异常状态时上下游车速变化图；图7为不同流量下道路处于异常状态时上下游交通流量变化图。具体实施方式以下将结合附图，对本专利技术的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。交通事件检测California算法模型改进方法的流程图如图1所示。以下是实施的具体过程：步骤一、原始数据获取(1)获取检测路段上下游固定车检器的交通数据，进行数据预处理。可以通过高速集团提供的车检器数据，直接得到检测断面在5min内车辆的平均车速、车检器编码、行车方向等。高速公路交通数据字段定义如表1所示：表1：高速公路交通数据字段定义表(2)获取固定车检器数据后需对数据进行一定的预处理，主要是对原始数据进行故障的分析与判断，判定其是否为故障数据，并对故障数据进行剔除与修复。主要有：1)对于原始数据进行故障的分析与判断，判定其是否为故障数据。由于检测器或传输线路出现故障会产生数据失真或数据丢失，车速和占有率同时很高时判断为失真，流量车速占有率均为0时判断为丢失。2)对于故障数据的剔除与补充修复，采用当前路段的实测数据与历史数据的加权方式得出的值来对故障数据进行补充修复，公式如下：其中，为t时段的数据修复值；x(t-1)为t-1时段的实际检测值；x′(t)为同一时刻前n天的采集数据的历史均值；α为遗忘因子，α∈[0,1]，α取值的大小决定对于历史的数据依赖程度。步骤二、上下游检测器占有率的绝对差判断计算上下游检测器占有率的绝对差，和阈值K1比较，如果超过K1继续步骤三，否则转到步骤六，公式如下：OCCDF＝OCC(i,t)-OCC(i+1,t)≥K1其中，OCC(i,t)为t时刻上游检测器的占有率；OCC(i+1,t)为t时刻下游检测器的占有率。步骤三、上下游占有率之比判断计算上下游占有率之比，和阈值K2比较，如果超过K2继续步骤四，否则转到步骤六。由图2-4采样的交通流参数可知，当道路交通状态发生异常时，上下游占有率之差，上下游占有率之差/下游占有率的值会产生明显的突变，但是由于异常状态发生时上游占有率和上下游占有率之差都会增大，因此此时上下游占有率之差/上游占有率的值不会发生明显的变化。当道路交通状态发生异常时，上游占有率会显著的提高，而下游占有率的变化不是特别的明显，因此我们可以将原始加州算法对上下游占有率之差/下游占有率的判定规则修改为如下公式：其中，OCC(i,t)为t时刻上游检测器的占有率；OCC(i+1,t)为t时刻下游检测器的占有率。步本文档来自技高网...

【技术保护点】
一种交通事件检测California算法模型改进方法，其特征在于：包括步骤S1.获取检测路段上下游检测器的交通数据，进行数据预处理；步骤S2.将上下游检测器占有率之差与阈值K1进行比较，如果所述上下游检测器占有率之差大于阈值K1，继续步骤S3，否则转到步骤S6；步骤S3.将上下游检测器占有率之比与阈值K2进行比较，如果所述上下游检测器占有率之比大于阈值K2，继续步骤S4，否则转到步骤S6；步骤S4.将上下游检测器占有率之差与下游检测器占有率之比与阈值K3进行比较，如果所述上下游检测器占有率之差与下游检测器占有率之比大于阈值K3，继续步骤S5，否则转到步骤S6；步骤S5.将上游检测器占有率与流量之比和下游占检测器有率与流量之比的差值与阈值K4进行比较，如果所述上游检测器占有率与流量之比和下游占检测器有率与流量之比的差值小于等于阈值K4，转到步骤S6，否则转到步骤S7；步骤S6.将上游车速与阈值KV进行比较，如果所述上游车速大于阈值KV，则判别该检测路段处于非拥堵状态，否则继续步骤S7；步骤S7.判断上一周期该检测路段的交通状态是否为拥堵，是则判别该检测路段处于拥堵状态，否则为非拥堵状态。

【技术特征摘要】
1.一种交通事件检测California算法模型改进方法，其特征在于：包括步骤S1.获取检测路段上下游检测器的交通数据，进行数据预处理；步骤S2.将上下游检测器占有率之差与阈值K1进行比较，如果所述上下游检测器占有率之差大于阈值K1，继续步骤S3，否则转到步骤S6；步骤S3.将上下游检测器占有率之比与阈值K2进行比较，如果所述上下游检测器占有率之比大于阈值K2，继续步骤S4，否则转到步骤S6；步骤S4.将上下游检测器占有率之差与下游检测器占有率之比与阈值K3进行比较，如果所述上下游检测器占有率之差与下游检测器占有率之比大于阈值K3，继续步骤S5，否则转到步骤S6；步骤S5.将上游检测器占有率与流量之比和下游占检测器有率与流量之比的差值与阈值K4进行比较，如果所述上游检测器占有率与流量之比和下游占检测器有率与流量之比的差值小于等于阈值K4，转到步骤S6，否则转到步骤S7；步骤S6.将上游车速与阈值KV进行比较，如果所述上游车速大于阈...

【专利技术属性】
技术研发人员：赵敏，孙棣华，郑林江，刘严磊，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50