基于交通流的实时交通状态辨识及事故风险预警方法技术

基于交通流的实时交通状态辨识及事故风险预警方法，包括以下步骤：步骤1，数据准备：步骤2，选取能够直观反映交通运行状态的交通流参数，其构成了交通状态空间；步骤3，在状态空间中描绘各观测数据的状态点，对安全域边界进行估计，将交通状态空间分为安全域和非安全域，不同区域代表不同的交通运行状态；步骤4，交通运行状态辨识：计算实时的交通流运行数据，在状态空间中描绘对应的状态点，根据安全域边界的划定，进而辨识实时的交通状态并输出结果。本发明专利技术立足于交通流对交通安全的影响，充分挖掘高速公路交通事故与交通流特性之间潜在的规律和特征，构建基于交通流的实时交通事故风险预警模型，为高速公路交通管理提供安全管理措施。

Real time traffic state identification and accident risk early warning method based on traffic flow

【技术实现步骤摘要】
基于交通流的实时交通状态辨识及事故风险预警方法
本专利技术属于交通预警
，特别涉及基于交通流的实时交通状态辨识及事故风险预警方法。
技术介绍
随着科学技术的发展，高新技术逐渐被应用到综合交通运输管理系统中，这其中包括先进的传感技术、网络通讯技术、控制技术和计算机技术，可以实时、准确的监测高速公路运行状态。(1)数据分析、挖掘程度低。高速公路已经建立交通数据采集系统，但是缺乏深层次的数据分析与数据挖掘工作，导致交通检测数据、交通事故数据只能以原始的方式呈现给管理者，没有对两类之间的一般规律进行深层次的分析、挖掘。(2)交通安全管理被动，不适应现实和未来高速公路的发展要求。高速公路运营管理者对交通事故的管理通常是被动管理，单纯事故预防和跟随控制模式与现实要求不适应。当下交通安全管理侧重发生交通事故后救援物资调配及救援车辆路径优化，以便在发生交通事故后及时进行事故处理，属于交通事故后应急措施，不能对行车过程中的风险进行预警提示，缺乏连续时间上的交通事故风险监测预警。(3)交通流特性与高速公路交通事故的发生建立关联性分析，本文档来自技高网...

【技术保护点】
1.基于交通流的实时交通状态辨识及事故风险预警方法，其特征在于，包括以下步骤：/n步骤1，数据准备：对历史的交通事故数据和交通流数据进行提取、融合和预处理，在数据提取时基于交通事故由交通流变化引发，并且能够获得交通事故发生位置交通流参数，数据融合后对无效数据进行剔除和交通流数据转化处理；/n步骤2，选取能够直观反映交通运行状态的交通流参数，其构成了交通状态空间，在交通流参数提取中，对变量的要求不能过多；/n步骤3，在状态空间中描绘各观测数据的状态点，对安全域边界进行估计，将交通状态空间分为安全域和非安全域，不同区域代表不同的交通运行状态；/n步骤4，交通运行状态辨识：计算实时的交通流运行数据，...

【技术特征摘要】
1.基于交通流的实时交通状态辨识及事故风险预警方法，其特征在于，包括以下步骤：
步骤1，数据准备：对历史的交通事故数据和交通流数据进行提取、融合和预处理，在数据提取时基于交通事故由交通流变化引发，并且能够获得交通事故发生位置交通流参数，数据融合后对无效数据进行剔除和交通流数据转化处理；
步骤2，选取能够直观反映交通运行状态的交通流参数，其构成了交通状态空间，在交通流参数提取中，对变量的要求不能过多；
步骤3，在状态空间中描绘各观测数据的状态点，对安全域边界进行估计，将交通状态空间分为安全域和非安全域，不同区域代表不同的交通运行状态；
步骤4，交通运行状态辨识：计算实时的交通流运行数据，在状态空间中描绘对应的状态点，根据安全域边界的划定，进而辨识实时的交通状态并输出结果。


2.根据权利要求1所述的基于交通流的实时交通状态辨识及事故风险预警方法，其特征在于，步骤1中，交通流数据预处理包括：交通流数据变换，采用公路交通情况机动车型折算系数对车辆交通量换算成标准当量；
采用客车和货车两类特征变量，具体计算如下式所示：



式中：V客车表示采集周期内客车的平均速度，单位km/h；Ni表示采样周期内第i类型客车交通量，单位veh；Vi表示采样周期内第i类型客车的平均速度，单位km/h；



式中：V货车表示采集周期内货车的平均速度，单位km/h；Ni表示采样周期内第i类型货车交通量，单位veh；Vi表示采样周期内第i类型货车的平均速度，单位km/h。


3.根据权利要求1所述的基于交通流的实时交通状态辨识及事故风险预警方法，其特征在于，步骤1中，交通流数据预处理还包括：交通流数据标准化处理；
数据标准化处理，又称数据规范化，采用数据归一化，将不同变量的数据变换为[0,1]之间的数；对交通流参数进行规范化处理，依据Z-score规范化对预处理后的交通流参数数据进行标准化处理，其规范化方法如式所示：



式中：μ为交通流参数的均值；σ为交通流参数的标准差，x为标准化之前的交通流参数；xnew为标准化之后的交通流参数。


4.根据权利要求1所述的基于交通流的实时交通状态辨识及事故风险预警方法，其特征在于，步骤1中，交通流数据预处理还包括：交通事故数据与交通流数据融合，对样本数据进行筛选，只选择发生在晴天、道路线形条件和驾驶人员差异引起的交通事故；选择事故数据均为多车追尾和相撞事故类型的样本数据。


5.根据权利要求1所述的基于交通流的实时交通状态辨识及事故风险预警方法，其特征在于，步骤2中，状态变量的选取过程中依据以下几方面的原则：
(1)可获得性：指交通流运行参数的可获得性，这是建立模型的最基本原则，同时对获得数据质量的准确性也有一定的要求，这是建立模型的基础；
(2)合理性：在状态变量选取时，考虑状态变量是否能够对交通运行风险有合理的解释；
(3)全面性：在选取状态变量时，全面的选择对交通运行状态有显著性影响的交通流运行参数，并且要尽可能减少不同状态变量之间的相关性。


6.根据权利要求5所述的基于交通流的实时交通状态辨识及事故风险预警方法，其特征在于，依据状态变量选取原则，对交通流参数的状态变量进行提取，并对状态变量与交通运行状态结果进行关联性分析，筛选出对运行状态有显著性影响的状态变量，剔除对运行状态无显著性影响的状态变量；
采用曼恩-惠特尼U检验方法对六种交通流运行参数进行关联性检验；将六类交通流参数作为总体样本，选择发生交通事故的数据作为样本X，选择没有发生交通事故数据作为样本Y，通过曼恩-惠特尼U检验法分析不同运行状态下的各状态变量差异显著性，进一步判断出各交通流参数状态变量对交通运行状态的关...

【专利技术属性】
技术研发人员：王萍，贾渊杰，靳引利，刘坤，张志新，高买军，杨建，王军，马党利，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61