本发明专利技术公开了一种基于交通数据和天气数据的减少交通事故的车辆调控方法，包括以下步骤：步骤10）获取事故路段在事故发生前的交通信息；步骤20）获取事故路段在事故发生前的天气信息；步骤30）采集事故路段在正常状态下的交通数据和天气数据；步骤40）建立交通流数据总样本；步骤50）建立标定后的交通事故概率关系式；步骤60）检测路段发生交通事故概率,并调控车辆；步骤70）重复步骤60），进行下一个设定时间T路段发生交通事故概率的检测，直至结束检测。该车辆调控方法利用交通流检测设备获取实时交通数据，以及环境气象站获取的天气数据，实时检测快速道路发生交通事故概率，对车辆进行调控，减少交通事故。
【技术实现步骤摘要】
本专利技术属于城市快速道路车辆交通智能管理和控制领域，具体来说，涉及一种。
技术介绍
恶劣天气条件会对城市快速道路交通安全产生显著的不良影响。恶劣天气不仅会显著影响驾驶员的反映时间，例如在雾天中，由于视线不好，驾驶人需要更长的时间来辨认前车的距离；而且会降低车轮与路面之间的摩擦力，导致驾驶人需要更长的距离来减速。已有研究表明在恶劣天气下单位时间内的交通事故数量是晴天的几倍甚至几十倍。这些年来，城市快速道路动态交通控制系统得到了快速地发展。这些动态交通控制系统的出现，例如快速道路匝道控制系统和快速道路可变限速控制系统，使得主动式干预并提升快速道路交通安全状况成为可能。如何实时检测快速道路交通安全风险成为其中最关键技术之一，因为它能够实时判别高风险交通流状态，决定当前是否需要启动控制算法来降低交通事故风险从而提升快速道路交通安全状况。目前，很多城市快速道路装备了交通流检测设备，越来越多的学者开始研究如何利用交通流检测设备获取的交通数据来实时检测快速道路交通事故风险，用以实时判别高风险交通流状态。虽然已有研究表明使用城市快速道路上交通流检测设备获取的数据能够对交通事故风险进行实时检测，但是仅仅采用交通流数据对交通事故风险进行实时检测往往忽略了恶劣天气条件对交通事故风险的影响。
技术实现思路
技术问题:本专利技术所要解决的技术问题是:提供一种，该车辆调控方法利用交通流检测设备获取实时交通数据，以及环境气象站获取的天气数据，实时检测快速道路发生交通事故概率，对车辆进行调控，减少交通事故。技术方案:为解决上述技术问题，本专利技术采用的，该车辆调控方法包括以下步骤:步骤10)获取事故路段在事故发生前的交通信息:在快速道路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的快速道路设为一个路段，并且在快速道路上安装m个环境气象站；根据交通事故的发生时间和发生路段，采集交通事故发生路段上游和下游两个交通流检测设备获取的交通数据，交通数据包括交通事故发生前设定时间T内，上游交通占有率平均值X1、下游车辆平均速度X2、上下游车辆速度差绝对值的平均值X3和下游车辆速度标准差X4 ;q和m均为大于I的整数；步骤20)获取事故路段在事故发生前的天气信息:通过距离交通事故发生地点最近的环境气象站，采集交通事故发生时的天气数据，天气数据是交通事故发生前设定时间T内的天气状况χ5，当天气状况为晴天时，X5=O,当天气状况不为晴天时，X5=I ；步骤30)采集事故路段在正常状态下的交通数据和天气数据:对于每起交通事故，采用病例对照研究法，按1:a比例选取交通事故发生路段在正常状态下交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的l:a是指对应于每个交通事故的交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括正常状态下设定时间T内，上游交通占有率平均值X1、下游车辆平均速度X2、上下游车辆速度差绝对值的平均值X3和下游车辆速度标准差X4 ;天气数据是正常状态下设定时间T内的天气状况X5 ；a为大于等于2的整数；步骤40)建立交通流数据总样本:对于每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在正常状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含η个交通流数据样本的交通流数据总样本；步骤50)建立标定后的交通事故概率关系式:首先利用逻辑回归模型，建立如式(I)所示的交通事故概率关系式:权利要求1.一种，其特征在于，该车辆调控方法包括以下步骤: 步骤10)获取事故路段在事故发生前的交通信息:在快速道路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的快速道路设为一个路段，并且在快速道路上安装m个环境气象站；根据交通事故的发生时间和发生路段，采集交通事故发生路段上游和下游两个交通流检测设备获取的交通数据，交通数据包括交通事故发生前设定时间T内，上游交通占有率平均值X1、下游车辆平均速度X2、上下游车辆速度差绝对值的平均值X3和下游车辆速度标准差X4 ;q和m均为大于I的整数； 步骤20)获取事故路段在事故发生前的天气信息:通过距离交通事故发生地点最近的环境气象站，采集交通事故发生时的天气数据，天气数据是交通事故发生前设定时间T内的天气状况x5，当天气状况为晴天时，x5=0,当天气状况不为晴天时，X5=I ； 步骤30)采集事故路段在正常状态下的交通数据和天气数据:对于每起交通事故，采用病例对照研究法，按1:a比例选取交通事故发生路段在正常状态下交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的l:a是指对应于每个交通事故的交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括正常状态下设定时间T内，上游交通占有率平均值X1、下游车辆平均速度X2、上下游车辆速度差绝对值的平均值X3和下游车辆速度标准差X4 ;天气数据是正常状态下设定时间 T内的天气状况X5 ；a为大于等于2的整数； 步骤40)建立交通流数据总样本:对于每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采 集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在正常状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含η个交通流数据样本的交通流数据总样本； 步骤50)建立标定后的交通事故概率关系式: 首先利用逻辑回归模型，建立如式(I)所示的交通事故概率关系式:2.按照权利要求1所述的，其特征在于，所述的步骤10)中，相邻的两个交通流检测设备之间距离为500米到1500米，相邻的两个环境气象站之间距离为5公里到15公里，且交通流检测设备和环境气象站均沿快速道路均匀布置。3.按照权利要求1所述的，其特征在于，所述的交通流检测设备为电磁感应线圈，或者视频交通流检测设备。4.按照权利要求1所述的，其特征在于，所述的步骤60)中，Ptl=0.2。5.按照权利要求1所述的，其特征在于，所述的步骤10)中，通过上游和下游两个交通流检测设备，按照采样步长采集检测路段的交通流数据，该交通流数据包括上游交通占有率、下游车辆速度和上下游车辆速度差绝对值三个参数，然后每隔设定时间T测算各参数的平均值或标准差，获得上游交通占有率平均值X1、下游车辆平均速度X2、上下游车辆速度差绝对值的平均值X3,以及下游车辆速度标准差X4;在采集交通流数据的同时，每隔设定时间T通过环境气象站检测路段的实时天气状况X5气象信息。6.按照权利要求5所述的，其特征在于，所述的采样步长为30秒。7.按照权利要求1所述的，其特征在于，所述的步骤30)中，a=4。8.按照权利要求1所述的，其特征在于，所述的步骤60)中，设定时间T为5—1本文档来自技高网...
【技术保护点】
一种基于交通数据和天气数据的减少交通事故的车辆调控方法，其特征在于，该车辆调控方法包括以下步骤：?步骤10）获取事故路段在事故发生前的交通信息：在快速道路上安装q个交通流检测设备，将相邻两个交通流检测设备之间的快速道路设为一个路段，并且在快速道路上安装m个环境气象站；根据交通事故的发生时间和发生路段，采集交通事故发生路段上游和下游两个交通流检测设备获取的交通数据，交通数据包括交通事故发生前设定时间T内，上游交通占有率平均值x1、下游车辆平均速度x2、上下游车辆速度差绝对值的平均值x3和下游车辆速度标准差x4；q和m均为大于1的整数；?步骤20）获取事故路段在事故发生前的天气信息：通过距离交通事故发生地点最近的环境气象站，采集交通事故发生时的天气数据，天气数据是交通事故发生前设定时间T内的天气状况x5，当天气状况为晴天时，x5=0，当天气状况不为晴天时，x5=1；?步骤30）采集事故路段在正常状态下的交通数据和天气数据：对于每起交通事故，采用病例对照研究法，按1：a比例选取交通事故发生路段在正常状态下交通数据和天气数据，所述的正常状态是指路段没有发生交通事故时的状态，所述的1:a是指对应于每个交通事故的交通数据和天气数据，选取该交通事故发生路段在正常状态下的a个交通数据和a个天气数据；交通数据包括正常状态下设定时间T内，上游交通占有率平均值x1、下游车辆平均速度x2、上下游车辆速度差绝对值的平均值x3和下游车辆速度标准差x4；天气数据是正常状态下设定时间T内的天气状况x5；a为大于等于2的整数；?步骤40）建立交通流数据总样本：对于每个路段，将该路段上游和下游两个交通流检测设备在设定时间T内采集的交通数据，以及距离该路段最近的环境气象站采集的天气数据组合后，建立一个交通流数据样本；在每个路段中，所有在发生交通事故状态下形成的交通流数据样本组成事故组数据样本，所有在正常?状态下形成的交通流数据样本组成正常组数据样本；将该快速道路所有路段中的事故组数据样本和正常组数据样本组合后，形成包含n个交通流数据样本的交通流数据总样本；?步骤50）建立标定后的交通事故概率关系式：?首先利用逻辑回归模型，建立如式（1）所示的交通事故概率关系式：?其中，i＝1、2、…、n；P(yi＝1|xi)表示交通流数据总样本中第i个交通流数据样本发生交通事故的概率，yi表示交通流数据总样本中第i个交通流数据样本发生交通事故的状况，yi的值为1或0，yi=1表示交通流数据总样本中第i个交通流数据样本发生交通事故，yi=0表示交通流数据总样本中第i个交通流数据样本没有发生交通事故,P(yi＝0|xi)表示交通流数据总样本中第i个交通流数据样本没有发生交通事故的概率，P(yi＝0|xi)=1?P(yi＝1|xi)；x1i表示交通流数据总样本中第i个交通流数据样本上游交通占有率平均值，x2i表示交通流数据总样本中第i个交通流数据样本下游车辆平均速度；x3i表示交通流数据总样本中第i个交通流数据样本上下游车辆速度差绝对值的平均值；x4i表示交通流数据总样本中第i个交通流数据样本下游车辆速度标准差；x5i表示交通流数据总样本中第i个交通流数据样本天气状况；β0为常数，β1为x1i的系数，β2为x2i的系数，β3为x3i的系数，β4为x4i的系数，β5为x5i的系数；?然后通过测算式（2）的最大值，确定β0、β1、β2、β3、β4和β5值；?式(2)?其中，lnL(xi)表示似然函数的自然对数值；?接着将β0、β1、β2、β3、β4和β5，带入式（1）中，得到标定后的交通事?故概率关系式；?步骤60）检测路段发生交通事故概率,并调控车辆：设定该快速道路发生交通事故概率的阈值P0，利用步骤10）设置的交通流检测设备和环境气象站，实时采集设定时间T内的交通数据和天气数据x5，交通数据包括上游交通占有率平均值x1、下游车辆平均速度x2、上下游车辆速度差绝对值的平均值x3和下游车辆速度标准差x4，并带入步骤50）得到的标定后的交通事故概率关系式中，测算该设定时间T内第j个路段的交通事故概率P(yj＝1|xj)，如果P(yj＝1|xj)>P0时，则表明第j个路段当前有发生交通事故的风险，在该路段前方通过可变信息板对驾驶员进行预警提示，在该路段前方通过可变信息板对驾驶员进行预警提示，并启动控制设备，通过控制快速道路的匝道或者快速道路的交叉口信号灯，降低上游车辆流量，通过可变限速板对当前车辆限速，降低上游车辆的行驶速度；当P(xi)≤P0时，则表明第j个路段当前为安全状态，无需发出警报提示；...
【技术特征摘要】
【专利技术属性】
技术研发人员：徐铖铖，刘攀，王炜，李志斌，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。