基于宏观基本图的路网状态转换点判别方法技术

本发明专利技术公开了一种基于宏观基本图的路网状态转换点判别方法，采用动态时间弯矩算法，以MFD状态点前后序列的DTW距离衡量当前状态的变化程度，通过分析序列演化模式捕捉路网状态转换点，基于局部加权回归及差分法确定最大DTW距离所处区间,然后利用布伦特法确定区间极值,完成转换点的提取，从而准确识别路网状态，制定与状态相适应的交通管控策略。

Road network state transition point discrimination method based on macroscopic basic map

The invention discloses a method for judging the state transition points of a road network based on a macroscopic basic graph. The dynamic time bending moment algorithm is adopted to measure the change degree of the current state by the DTW distance of the sequence before and after the MFD state points. The state transition points of a road network are captured by analyzing the sequence evolution patterns, and the optimum is determined by local weighted regression and difference method. Large DTW distance is located in the interval, and then Brent method is used to determine the extreme value of the interval, complete the extraction of the transition point, so as to accurately identify the state of the road network, and formulate traffic control strategies suitable for the state.

【技术实现步骤摘要】
基于宏观基本图的路网状态转换点判别方法所属领域本专利技术涉及交通信号模式控制领域,针对路网状态变化而采取管控策略最佳时机的选择提供了一种判断依据，具体地说,涉及一种基于宏观基本图的路网状态转换点判别方法。
技术介绍
在有限的城市道路资源下，对道路通行能力的有效利用及路网性能的改善是提高城市道路可达性的必要手段。路网可达性可通过交通管控实现，而有效实施管控的先决条件之一是对路网宏观状态的有效描述。宏观基本图指路网在一段时间内的累积车辆数(可用密度或占有率代替)与到达目的地车辆数关系(可用路段长度加权的平均流量代替)的模型，宏观基本图是一种无需OD输入，可直接利用道路布设的检测器获得的模型，在很多交通管控的应用中发挥了重要作用，比如拥堵收费、区域控制、路径策略、路网状态判别、交通安全、停车管理等。而实现这些应用，一个基础问题是如何利用MFD描述的路网交通流关系，从路网状态点的演变规律中找到显著变化的临界值，从而准确识别路网状态，制定与状态相适应的交通管控策略。早期学者利用仿真或实际数据，基于跟车模型、流体动力学、三相交通流、元胞自动机等理论研究了状态转换点的产生机理及影响因素。相变点(即状态转换点)被定义为高速公路瓶颈路段的流量-密度点在其关系图中开始呈现随机变化(或斜率变化规律发生变化)时的状态点。近期学者从状态划分的角度基于路段交通流状态判别、K-means时间序列聚类、模糊聚类、多元聚类等方法分析路网交通运行状态，但状态划分注重基于数据特点对状态归类，对路网状态的转换过程关注较少，也无法深入挖掘状态转换特征。此外，以上研究多集中于高速公路路段状态转换研究，不同于路段交通流关系，路网状态的复杂、异质及不确定性使得路网交通流关系变化特征难以采用类似方法捕捉，这使得基于路段的转换点识别方法无法直接用于路网中。在路网层面，有学者基于模糊集方法、平滑转换回归模型及自组织映射多维时间序列聚类等方法的路网状态划分研究，但缺乏基于实际数据的多参数路网状态转换特征研究。从MFD角度出发，路网状态转换点可分为分支点、单峰曲线容量点、梯形容量区间点等。如图1所示，若基于理论梯形基本图，可将路网状态转换点定义为最优累积区间的两拐点。但上述研究多粗略的以MFD散点图为研究对象直接标定转换点，这存在几点问题。首先，MFD中相近的散点间可能存在时间上巨大差异，而这种差异体现出的波动特征可能是捕捉转换点的关键因素，直接用散点特征缺乏对路网宏观交通流演化模式特征与状态转换点的关系的细致考虑。其次，鉴于路网状态受多种因素的共同影响，其演化过程及转换状态具有较大的不确定性，现有研究对此问题少有关注。最后，如前所述，不同于路段转换点，在实际路网中得到的MFD，由于异质性及不确定性的存在,转换状态往往难以用斜率变化等特征从MFD中捕捉得到。结合目前交通管制领域的实际发展及现有交通路网复杂和不确定性的特质，立足于我国城市交通的现状，如何获取一种更佳更准确更高效的判断依据，以此来针对路网状态变化从而可以控制采取管控策略的最佳时机，已成为业界亟待解决的课题。
技术实现思路
本专利技术正是针对现有技术对路网状态的转换过程关注较少，无法深入挖掘状态转换特征，鉴于路网状态受多种因素的共同影响，其演化过程及转换状态具有较大的不确定性，提供一种基于宏观基本图的路网状态转换点判别方法，采用动态时间弯矩算法，以MFD状态点前后序列的DTW距离衡量当前状态的变化程度，通过分析序列演化模式捕捉路网状态转换点，基于局部加权回归及差分法确定最大DTW距离所处区间,然后利用布伦特法确定区间极值,完成转换点的提取，从而准确识别路网状态，制定与状态相适应的交通管控策略。为了实现上述目的，本专利技术采用的技术方案是：基于宏观基本图的网络状态转换点判别方法，其特征包括以下步骤，S1、基于断面流量数据，得到选定路网的MFD时间序列图；S2、基于动态时间弯矩算法的时间序列宏观基本图中网络交通状态演化模式的分析：在一定状态序列长度下，对平均占有率与流量组成的二维序列进行标准化处理，并以当前长度为基准提取每个状态点前后的二维序列，计算标准化后每个状态点前后序列的动态时间弯矩距离表征其交通流模式变化程度；S3、基于布伦特法的路网交通状态转换点的判别：基于步骤S2提取的每个状态点的DTW距离，建立距离的时间序列，基于LOESS拟合距离序列并分段，采用布伦特方法对拟合的序列分段进行分析，从而求得局部极值点提取距离极大值，有效提取状态转换点，最后以路网平均速度变化程度验证转换点获取的合理性；S4、考虑不确定性的路网状态转换点模式分析：基于高斯混合模型(GMM)的转换点分布聚类及不确定性分析，并提出实时判别当前路网状态与历史数据获得的路网转换状态模式关系的方法框架，以弥补步骤S3因不同日期下交通流演化差异造成转换点出现在不同平均占有率及不同平均流量下，存在较大不确定的问题；S5、基于高斯混合模型的路网转换状态判别：通过计算实时输入的当前状态点来自各分布的概率，基于概率的判别分析方法对路网当前状态是否处于转换状态及属于某种转换状态的概率进行判断。作为本专利技术的一种改进，所述步骤S2进一步包括以下步骤：S21、采用平均变化率对不同时间间隔下的序列长度所对应的DTW距离进行了分析，基于不同时间间隔下的ACR变化图，确定时间序列的“长度”；S22、运用动态时间弯矩(DTW)算法，基于DTW的状态点变化强度进行分析；S23、状态点序列相似程度的量化。作为本专利技术的另一种改进，所述步骤S3进一步包括以下步骤：S31、基于局部加权回归法(LOESS)拟合步骤S2中计算所得的DTW距离序列；S32、将拟合后的函数y离散为n个足够多的间隔；S33、求分段端点数值--计算给定间隔下端点处的DTW距离值；S34、确定极值点所处区域的边界--根据端点距离值一阶差分后的符号确定极值点所在区域；S35、求每个边界内局部极值--基于布伦特方法确定区间局部极大值，即为路网状态转换点。作为本专利技术的另一种改进，所述步骤S4中高斯混合模型(GMM)的转换点分布聚类算法，其中GMM模型的具体过程如下：S41、提取步骤S3中计算所得的路网状态转换点(CTSs)；S42、基于高斯混合模型(GMM)计算每个CTS属于每个簇的概率；S43、基于最大似然法估计模型参数；S44、基于期望最大法求解模型参数。作为本专利技术的又一种改进，其特征在于：所述步骤S5中基于GMM模型以S4中获得的类别标签为训练数据，实时判别当前路网状态，其中计算每个状态点所属类别的概率的过程如下：与现有技术相比，本专利技术提出以城市路网微波检测设备提供的断面交通流信息为基础构建MFD，以MFD时间序列为分析对象，基于数据驱动思想提出路网状态转换点的识别即分析方法，为门限控制、拥堵收费等应用提供切换管控策略时机的判断依据。附图说明图1是本专利技术城市路网理论梯形基本图；图2是本专利技术真实路网宏观基本图序列；图3是本专利技术典型工作日下路网状态转换点的提取示意图；图4是本专利技术识别出的早晚高峰的状态转换点及其对应的平均速度示意图；图5是本专利技术聚类结果图；图6是本专利技术各簇内的元素的时间分布图；图7是本专利技术转换点状态判别结果；图8是本专利技术不同时间间隔下的DTW距离变化图；图9是本专利技术不同间隔下的ACR变化图。具本文档来自技高网...

【技术保护点】
1.基于宏观基本图的网络状态转换点判别方法，其特征包括以下步骤，S1、基于断面流量数据，得到选定路网的MFD时间序列图；S2、基于动态时间弯矩算法的时间序列宏观基本图中网络交通状态演化模式的分析：在一定状态序列长度下，对平均占有率与流量组成的二维序列进行标准化处理，并以当前长度为基准提取每个状态点前后的二维序列，计算标准化后每个状态点前后序列的动态时间弯矩距离表征其交通流模式变化程度；S3、基于布伦特法的路网交通状态转换点的判别：基于步骤S2提取的每个状态点的DTW距离，建立距离的时间序列，基于LOESS拟合距离序列并分段，采用布伦特方法对拟合的序列分段进行分析，从而求得局部极值点提取距离极大值，有效提取状态转换点，最后以路网平均速度变化程度验证转换点获取的合理性；S4、考虑不确定性的路网状态转换点模式分析：基于高斯混合模型(GMM)的转换点分布聚类及不确定性分析，并提出实时判别当前路网状态与历史数据获得的路网转换状态模式关系的方法框架，以弥补步骤S3因不同日期下交通流演化差异造成转换点出现在不同平均占有率及不同平均流量下，存在较大不确定的问题；S5、基于高斯混合模型的路网转换状态判别：通过计算实时输入的当前状态点来自各分布的概率，基于概率的判别分析方法对路网当前状态是否处于转换状态及属于某种转换状态的概率进行判断。...

【技术特征摘要】
1.基于宏观基本图的网络状态转换点判别方法，其特征包括以下步骤，S1、基于断面流量数据，得到选定路网的MFD时间序列图；S2、基于动态时间弯矩算法的时间序列宏观基本图中网络交通状态演化模式的分析：在一定状态序列长度下，对平均占有率与流量组成的二维序列进行标准化处理，并以当前长度为基准提取每个状态点前后的二维序列，计算标准化后每个状态点前后序列的动态时间弯矩距离表征其交通流模式变化程度；S3、基于布伦特法的路网交通状态转换点的判别：基于步骤S2提取的每个状态点的DTW距离，建立距离的时间序列，基于LOESS拟合距离序列并分段，采用布伦特方法对拟合的序列分段进行分析，从而求得局部极值点提取距离极大值，有效提取状态转换点，最后以路网平均速度变化程度验证转换点获取的合理性；S4、考虑不确定性的路网状态转换点模式分析：基于高斯混合模型(GMM)的转换点分布聚类及不确定性分析，并提出实时判别当前路网状态与历史数据获得的路网转换状态模式关系的方法框架，以弥补步骤S3因不同日期下交通流演化差异造成转换点出现在不同平均占有率及不同平均流量下，存在较大不确定的问题；S5、基于高斯混合模型的路网转换状态判别：通过计算实时输入的当前状态点来自各分布的概率，基于概率的判别分析方法对路网当前状态是否处于转换状态及属于某种转换状态的概率进行判断。2.如权利要求1所述的基于宏观基本图的网络状态转换点判别方法，其特征在于所述步骤S2进一步包括以下步骤：S21、采用平均变化率对不同时间...

【专利技术属性】
技术研发人员：洪荣荣，夏井新，安成川，陆佳炜，周东，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32