一种基于交通状态突变的交通事件检测方法技术

本发明专利技术公开了一种基于交通状态突变的交通事件检测方法，包括以下步骤：S1车联网环境下提取所选路段和时段的单车基本信息；S2按统计周期统计所选路段的平均车速、平均车头间距、车速变异系数和车头间距离变异系数；S3融合交通流宏微观参数进行交通状态模糊判别；S4建立均值变点模型，以交通状态的实测值与预测值之差作为样本序列，以最小方差法搜索变点，检测交通事件。本发明专利技术充分利用交通流中单车的基本参数，从微观角度考虑车速离散性和车头间距离散性，研究交通流变化时它们的变化规律，融合宏观和微观参数对交通状态进行判别，最后基于宏微观参数融合后的交通状态的突变进行交通事件自动检测，为研究适应车联网环境的交通事件检测技术提供了新思路。

【技术实现步骤摘要】
一种基于交通状态突变的交通事件检测方法
本专利技术属于交通事件自动检测领域，具体涉及一种利用交通状态突变进行交通事件检测的方法。
技术介绍
交通事件常常导致道路的通行能力急剧下降或交通需求异常升高，它是造成交通拥堵的重要因素之一，而且对交通安全、出行规划和环境污染等有重要的影响。因此，准确及时的交通事件自动检测算法是交通事故管理体系中的关键技术之一。随着车联网环境建设的不断发展和完善，交通管理部门在新的环境下能够实时获取更多、更准确的车辆信息(如速度、位置、车道、加速度等)，充分利用这些信息能够丰富对道路交通状况的描述。而传统的交通事件检测方法按照数据的来源不同分为基于固定车检器的交通事件检测方法、基于移动车检器的交通事件检测方法和基于数据融合的交通事件检测方法。基于固定车检器的交通事件自动检测方法的本质是通过地点交通流参数的变化来判断交通事件的发生，该方法的检测效果取决于固定车检器采集的交通流数据的质量和交通流特征参数的选取。现在国内外对基于固定车检器的交通事件检测方法的研究比较完善，比较有代表的检测方法如下四大类：模式识别的方法、统计分析的方法、基于交通流模型的方法和人工智能的方本文档来自技高网...

【技术保护点】
一种基于交通状态突变的交通事件检测方法，其特征在于：包括以下步骤：S1车联网环境下提取所选路段和时段的单车基本信息；S2按统计周期统计所选路段的平均车速、平均车头间距、车速变异系数和车头间距离变异系数；S3融合交通流宏微观参数进行交通状态模糊判别；S4建立均值变点模型，以交通状态的实测值与预测值之差作为样本序列，以最小方差法搜索变点，检测交通事件。

【技术特征摘要】
1.一种基于交通状态突变的交通事件检测方法，其特征在于：包括以下步骤：S1车联网环境下提取所选路段和时段的单车基本信息；S2按统计周期统计所选路段的平均车速、平均车头间距、车速变异系数和车头间距离变异系数；S3融合交通流宏微观参数进行交通状态模糊判别；S4建立均值变点模型，以交通状态的实测值与预测值之差作为样本序列，以最小方差法搜索变点，检测交通事件。2.根据权利要求1所述的一种基于交通状态突变的交通事件检测方法，其特征在于：所述步骤S3包括以下子步骤：S31建立模糊评判因素集U；S32建立模糊评语集V；S33建立单因素模糊评判，即建立一个从U到V的模糊映射；S34综合评判，选择合适的模糊合成算子进行综合评判。3.根据权利要求1所述的一种基于交通状态突变的交通事件检测方法，其特征在于：根据平均车速、平均车头间距、车速变异系数和车头间距变异系数四个交通流特征参数的时间序列进行模糊综合评判得到交通状态实测值的时间序列为{Xi|i＝1,2,...,n}，根据平均车速、平均车头间距、车速变异系数和车头间距变异系数四个交通流特征参数的时间序列进行模糊综合评判得到的交通状态预测值的时间序列为则样本序列n表示样本总数；定义样本序列的总方差S为：式中，为样本序列的均值；将样本序列划分成两段，划分后样本序列的总方差为式中，分别为划分的样本前后两段的样本序列的均值，则

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