基于固定检测器的区域交通状态判别方法

合集下载

城市道路交通状态评价指标体系

第一章绪论1.1研究背景1.1.1问题的提出改革开放以来，随着我国现代化、城市化进程的加速，交通拥挤问题也逐渐产生并日益严重。

近20年，地民用汽车年平均增长率为13.3%，私人汽车年平均增长率高达23.7% 。

其中，作为人口超过2000万人、机动车500万辆的特大城市，交通拥堵已成为制约城市开展的主要问题，2010年10月的美国“外交政策“一书更是将列为世界五大拥堵城市之首。

城市交通拥挤已严重阻碍中国城市经济及空间布局构造的良性开展，在社会各个方面造成负面效应，具体表征为时间延误、能源浪费、大气污染及情绪影响等。

这些负面效应使得社会外部本钱增高，危害了人类的经济利益和安康平安，更不符合建立和谐交通的目的。

因此，从科学的角度对城市道路拥挤的根本原因进展深入分析显得格外重要。

这不是单纯地统一增加道路根底设施建立、扩大路网规模来满足不断增长的交通需求量，而是通过拥挤识别确定城市不同道路的拥挤度来实施不同的解决措施。

建立完善的、符合我国国情的交通拥挤识别体系并合理运用成为当务之急。

1.1.2研究意义我国是一个人口众多的开展中国家。

自1991年以来，我国的经济开展速度持续超过10%，而持续的经济增长使得人民对交通的需求扩大。

汽车产量增大，人民的购置力上升，人民的配车率提高，私人小汽车的数量快速增长,城市的交通需求与交通供应出现了不平衡状况,导致了城市尤其是大城市严峻的交通拥挤问题。

因此，此次研究的目的就是通过分析交通指挥中心的固定检测器采集和实地考察的交通数据，在交通拥挤识别体系下，计算出有效的道路实时动态交通信息，根据获取的数据信息实时、准确地为管理者制定合理有效的交通拥挤疏导策略。

1.2国外研究现状1.2.1拥挤识别研究现状到目前为止，国外对很多学者研究开发了许多的 ACI 算法。

加利福尼亚算法。

通过比拟邻近检测站之间的交通参数数据，对可能存在的突发交通事件进展判别，由此确定交通拥挤的发生。

此算法于 1965-1970 年间，由加利福尼亚洲运输部开发。

交通状态检测方法的评价研究

维普资讯
７４
变通与计算机
２００６年第６期第２４卷总１３期３
交通状态检测方法的评价研究＊
劳云腾杨晓光云美萍刘竞宇
（同济大学
摘要
上海２１０）０８４
交通状态是一个感觉量，确定交通状态时存在模糊性，给交通状态检测方法的在这
测方法的时间效率和经济性，可对多种检测方法进行综合评价。
关键词交通状态；检测Ｉ评价文献标识码：Ａ中圈法分类号：９Ｕ４１
Ｏ引言
交通状态描述的是指交通系统的拥挤程度，
交通状态检测要求准确及时地把道路的交通
杨晓光云美萍
刘竞字
１２准确度分析。
Ａ∞＝ｍａＡｌ２Ａ３ｘ｛，，）
（） ห้องสมุดไป่ตู้
系统发布的交通状态信息是根据检测到的道路上流量、占有率、辆速度等信息通过建立算法车
模型，反推出道路的交通状态，同的检测算法得不
等人以拥挤识别率（）拥挤误识率（Ｉ）Ｉ，ＲＦＲ及拥挤平均识别时间（ＭＴＩ来评价交通拥挤状态的）
检测，评价方法仍未考虑到交通状态的模糊性。其
本文考虑到交通状态的模糊性，评价交通状态在检测准确性时设计了面向用户的评价方法，方该法的结果更加符合用户心理，过运用这一方法通

基于SENSYS地磁检测器的城市道路交通状态分析

与预设阈值，确定交通状态，此时的结果准确度较
高，适用于二级报警。
３交通状态分析识别
Ｒｐａｅ。整个系ｅｅｔｒ
图１ＳＮＹ地磁检测器系统图ＥＳＳ
统如图１示。所
２路段交通状态量化标准
通过地磁检测器采集到的流量数据是车辆绝对
数。在此需要通流中。通常是混合车流，车辆类型较多．一辆载重汽车或公交车相当于若干辆小汽
车．因此需要将检测到的流量转化为标准车交通
标准。地磁检测器根据车辆通过引起周围磁场变化，车型不同则磁场变化不同，因而通过地磁检测器获
量。车辆换算系数方法较多，有数学模型法、容量计算法、速度一流量计算法、超车率法、延误计算
法、车头时距法、车队头车法、计算机仿真法。在
通过这些先进的信息采集设备获取大量实时的交通
态分布，提高交通管理者和出行者的决策效率和效
果。
地磁检测器与其他固定检测器不同。主要是获
取的交通参数较为单一。目前针对固定检测器的算法很多，大部分以聚类分析为主，包括模糊聚类、
０８１．～．０＞１．０
ＳＮＹ地磁ＥＳＳ
当根据ＶＣ断处于拥堵和严重拥堵时。此时／判

交通状态划分

结合本项目中各检测器所提供的区间旅行时间、断面流量、地点平均速度和时间占有率等数据（具体情况见下表）可知，虽然速度是交通状态划分的重要指标，然而微波和线圈检测只能得到地点车速，显然用地点车速代替区间车速进行交通状态的判别是不合理的。考虑到速度和占有率的较高相关性等特点，可采用时间占有率作为本项目中交通状态判别的主要指标。针对本项目中融合模型的输入情况，具体划分方法是：根据前面所提到的占有率的阈值，分别将微波数据及线圈数据分为三类（畅通、缓慢、拥挤状态），微波与线圈数据的交通状态划分完成之后，自然认为浮动车数据及牌照数据所属的交通状态与同一链路同一时段的微波或线圈数据的交通状态划分保持一致。
交通状态划分
交通状态的评价方法及指标较多，如采用模糊评价，层次分析法等确定拥挤度等，一般将交通流量，占有率，行程速度，行程时间和延误确定为交通状态的主要衡量指标。
最小距离分类[1]
采用最小距离分类的方法进行路段交通状态分类。主要思想是将已有样本按先验知识聚合为若干类T={ },并计算出各类的中心Z={ }.对给定的输入样本x，计算出与距离最近的 ,则将x标记为第i类。最小距离分类器的构造过程就是把训练数据对象分为几个类，计算出每个类的中心。其主要是根据交通流数据，通过聚类分析计算每个状态的中心，然后以某个路段的数据为新样本数据，采用最小距离分类方法进行该路段的状态判别和每个状态类的临界值评估。
3)阻塞：该路段车辆平均密度高，行程中有较长时间的停车等候，平均行程车速低于20km／h.
对主干路的交通状态的判断也根据路段平均行程车速划分为3个级别，
1)畅通：该路段平均行程车速高于30 km／h．
2)拥挤：该路段平均行程车速低于30 km／h，高于15 km／h．
3)阻塞：该路段平均行程车速低于15 km／h，车辆几乎不能前行.

交通状态划分

交通状态划分
交通状态的评价方法及指标较多，如采用模糊评价，层次分析法等确定拥挤度等，一般将交通流量，占有率，行程速度，行程时间和延误确定为交通状态的主要衡量指标。
最小距离分类[1]
采用最小距离分类的方法进行路段交通状态分类。主要思想是将已有样本按先验知识聚合为若干类T={ },并计算出各类的中心Z={ }.对给定的输入样本x，计算出与距离最近的 ,则将x标记为第i类。最小距离分类器的构造过程就是把训练数聚类分析计算每个状态的中心，然后以某个路段的数据为新样本数据，采用最小距离分类方法进行该路段的状态判别和每个状态类的临界值评估。
速度[5]
交通状态的划分与速度的关系最为紧密，单一凭速度可以把交通状态分为三类：
对快速路的交通状态的判断也根据路段平均行程车速划分为3个级别，
1)畅通：该路段车辆平均密度小，行程中能够自由操控，平均行程车速高于45km／h．
2)拥挤：该路段平均密度较高，行程中被动的加减速频繁，平均行程车速低于45km／h，高于20km／h．
S为特定道路区间长度，为第i辆车的行程车速，n为通过的车辆数。为通过该区间所有车辆的平均行程时间。
时间占有率[6]
将交通状态划分为畅通、缓慢和拥挤3个状态，根据对以往交通状态划分阈值的综合评价，确定了基于时间占有率的交通状态划分阈值表，如表1所列。
流量[3]
根据交通流理论，流量与速度的关系如下表所示，可以看出同一流量可以对应不同的交通状态，单一的流量不能作为对交通状态的划分。
交通量
地点车速
区间车速（区间旅行时间）
时间占有率
浮动车数据
√
微波数据
√
√
√
线圈数据
√
√
√
牌照数据

交通状态判别

交通状态判别一、案例背景介绍随着机动车保有量的不断上升，城市的快速发展在促进经济繁荣、社会进步的同时，也不可避免的带来了交通拥堵问题。

在交通发展的过程当中，交通拥堵是诸多问题中产生频率最高、影响最大、持续时间最长的一个。

交通拥堵增加了人们上下班的时间代价和精神压力，降低了城市运行效率，还给国民经济带来不可估量的经济损失。

交通拥堵的产生从表面看是由城市现有的路网资源与实际的出行需求之间的矛盾导致，而根本原因是城市路网规划不合理，与城市当前发展之间的失衡造成路网负荷增加、交通运行稳定性下降。

为了实现对交通秩序的实时监测和控制，城市道路和高速公路两侧布置了大量的交通数据检测器，每天可以产生千万级别的数据。

这些交通数据体量巨大、数据结构多种多样、价值丰富却又密度低，具有大数据的典型特征。

近年来，针对这些海量的交通数据如何建立有效的分析和处理流程，从中挖掘出有价值的信息，成为智能交通系统的重点研究方向。

二、多模型建模理论多模型建模方法就是对训练数据建立多个子模型，把子模型对测试数据的分析通过某种方法结合，形成最后的分析结果。

单模型结构是对非线性系统建立数学模型时的最基本方法，一般先对样本数据使用不同的理论建立一系列不同的模型，从中选择性能最优或次优的模型参与实际的应用。

对于复杂的非线性系统，单模型是一种整体上的近似解。

Bates和Granger于1969年首次提出将多个数学模型连接以提高模型的预测能力、提高系统鲁棒性的方法，自此以后多模型建模方法在时间序列分析、状态预测估计、化工预警控制等多个领域得到广泛的研究和应用。

在模型的训练过程中，通常需要收集较多的样本数据以保证神经网络对实际生产过程的充分反映。

如果样本规模较大，神经网络的结构比较庞大、训练时间加长，实际训练中先对样本聚类分析得到规模较小的子集，理论上每个样本子集的学习速度将会加快且网络结构更加紧凑，总时间也会降低。

另外，当样本数目较大时，部分数据在距离意义上相邻较近，对应的输出在距离意义上却较远，这样的样本虽然仍可以使用单个神经网络学习，但是学习之后模型的泛化能力较差。

基于路段行程时间的道路交通状态判别方法

距
离
要为每个路段单独确定交通拥挤的判另阈值，同一区域相同ＪＩ
等级的道路只需要一个统一的判别阈值。
２基于ＧＳＰ探测车的路段实际行程时间模型
ＧＳ行程时间采集法指的是在车辆上装备ＧＰＰＳ接收装置，以一定的采集时间间隔记录日期、时间、车辆位置和车辆速度，再将数据传入计算机与路网电子地图进行匹配，从而计算出路段平均速度和行程时间［。基于ＧＰ４］Ｓ速度和时间值的估计算法：即估计车辆在路段上行驶的平均速度，计算路段长度和平均速度的比值可以得到车辆在该路段的行程
据的情况下，通过将其与预定的期望行程时间进行比较，可以实现对道路交通状态的判别［。其算法１］
工作过程如图ｌ示。所１）数据准备。对所获得的平均行程时间数据预处理，去除随机成分，行程第路段行程时间数据序列Ｔ（）和预测数据序列Ｔ（）ｉｉｆ。
２）计算每个路段行程时间实际值和预测值的差
值 △Ｔ（）￡。３）拥挤状态判别。果：如
圈１路段拥挤判别算法流程图
Ｉ ≥。意ＩＫ
实际数据的分析来确定。
［稿日期］２０ —０２收０８８— ５［者简介］孙晴（９３）作１８一，女，２０年大学些业，硕士生，现主要从事交通信息工程及控制方面的研究工作．０５。

基于参数预测的高速公路交通状态判别

１基于交通流预测的交通状态判别模型
交通流预测是从交通参数的时间变化规律出发，通过对历史数据的拟合，把握交通流未来发展的趋势。但是预测只能是对交通参数在正常交通状态下的值进行逼近，对于异常状态例如事故、拥堵等，交通预测将变得无能为力，所预测出来的交通参数跟实测结果会有比较大的差异，而本研究恰恰可以利用这种差异来判别交通拥堵的产生。模型的基本思想是：利用时刻ｔ之前ｎ个采样周期的交通参数对交通参数在ｔ时刻的值进行预测，假定预测出来的交通参数是顺畅交通状态下的值，通过比较实际检测值与预测值之间的差异
收稿日期：２０１２－０６－１４修回日期：２０１２－０９－２５＊国家科技计划支撑项目（批准号：２０１１ＢＡＧ０２Ｂ０２）、广州市经贸委技术改造投资项目（批准号：１１０１０６５３９０２０００８００）资助
第一作者简介：韦清波（１９８４），硕士．研究方向：交通仿真与交通信息处理．Ｅｍａｉｌ：ｗｑｂｅｎｔｅｒ＠１６３．ｃｏｍ
２．中山大学工学院智能交通研究中心广州５１０２７５；３．佛山科学技术学院广东佛山５２８０００）
摘要针对目前基于单截面检测数据的高速公路交通状态判别算法存在着判断阈值多，对拥挤样本依赖性强而拥挤样本采集困难等问题，提出了基于交通流预测的交通状态判别模型。预测过程中以车辆的平均占用时间作为预测的目标参数，利用神经网络建立预测模型，并通过相关系数法确定神经网络的输入层。在预测的基础上，以实测值与预测值之间的差值作为判别的依据，判别道路的交通有效性进行检验，并与经典的ＭｃＭａｓｔｅｒ检测算法做了对比，结果表明，所提出算法对拥挤样本依赖较少，判别精度高，鲁棒性高。关键词交通状态；交通流预测；神经网络；平均占用时间中图分类号：Ｕ４９１文献标志码：Ａｄｏｉ：１０．３９６３／ｊ．ｉｓｓｎ１６７４－４８６１．２０１２．０６．０１７

交通黑点判别方法

交通黑点判别方法一、引言随着社会经济的快速发展和城市化进程的加速，交通问题逐渐成为人们关注的焦点。

在复杂的交通环境中，交通黑点是影响交通安全的重要因素。

为了提高道路交通的安全性和效率，对交通黑点进行准确的判别和识别具有重要意义。

本文旨在探讨交通黑点的判别方法，并评估其性能，为相关研究和应用提供参考。

二、交通黑点判别方法交通黑点是指交通事故多发路段或道路设施存在缺陷的路段。

判别交通黑点的方法多种多样，主要分为定性和定量两类方法。

1.定性分析法定性分析法主要基于专家经验和交通安全知识，对道路状况、交通环境、交通事故类型和发生频率等因素进行综合分析和评价。

该方法主要依赖于专家的专业知识和经验，因此结果的准确性和可靠性很大程度上取决于专家的专业水平和实践经验。

常用的定性分析法包括事故多发路段判定、安全审计和危险评估等。

2.定量分析法定量分析法主要通过数学模型和统计分析方法对交通事故数据进行量化分析和预测。

该方法基于大量历史交通事故数据，通过建立数学模型来预测和评估道路的安全性。

常用的定量分析法包括基于事故频率的分析方法、基于危险因素的分析方法、基于驾驶行为的分析方法等。

（1）基于事故频率的分析方法：通过统计一定时间段内某路段的事故数量和频率，评估该路段的危险程度。

这种方法简单直观，但忽略了不同路段交通流量的差异，可能导致评估结果的偏差。

（2）基于危险因素的分析方法：综合考虑影响道路安全的不同因素，如道路状况、交通流量、驾驶员行为等，通过建立数学模型来评估道路的安全性。

这种方法相对复杂，但能够更全面地反映道路安全状况。

（3）基于驾驶行为的分析方法：通过分析驾驶员的驾驶行为和交通违法行为，评估驾驶员的交通安全意识和风险水平。

这种方法能够为驾驶员提供针对性的培训和教育，提高道路安全水平。

三、交通黑点判别方法的评估指标为了客观地评估交通黑点判别方法的性能，需要建立一系列评估指标和方法。

以下是一些常用的评估指标：1.准确率：评估判别方法识别交通黑点的准确性，计算正确识别和误判的数量，并计算准确率。

工况识别方法

工况识别方法
工况识别是指利用传感器数据和算法等手段对汽车行驶状态进行分析和识别的过程。

常见的工况识别方法包括以下三种：
1. 基于物理模型的方法：该方法基于车辆动力学原理，通过分析车辆的运动状态和传感器数据，识别车辆所处的工况。

该方法需要较为准确的车辆参数和动力学模型，适用于车辆稳定运动状态的识别。

2. 基于统计学习的方法：该方法利用机器学习算法，通过对已有数据进行训练，建立汽车行驶状态和传感器数据之间的映射关系，实现对汽车行驶状态的识别。

该方法需要大量的训练数据，并能够适应不同的车型和驾驶行为。

3. 基于深度学习的方法：该方法利用深度神经网络等深度学习算法，通过对大量数据进行学习，实现对汽车行驶状态的识别。

该方法能够自动提取特征并建立复杂的映射关系，适用于复杂工况和动态环境的识别。

请注意，以上只是工况识别的一些常见方法，随着技术的不断发展，新的方法也在不断涌现。

选择适合自己场景的工况识别方法，可以更好地实现汽车行驶状态的监测和优化。

重大突发事件下路段中断状态判断方法

第23卷第4期2023年8月交　通　工　程Vol.23No.4Aug.2023DOI:10.13986/ki.jote.2023.04.006重大突发事件下路段中断状态判断方法杨珍珍(北京掌行通信息技术有限公司,北京　100085)摘　要:中断率是公路网运行监测与服务的重要指标,针对现有研究中依据高速公路饱和度㊁设计车速和平均车速仅能判断路段缓慢或拥堵状态的问题,以及基于交通突发(阻断)事件信息判断路段中断状态时存在漏报㊁误报㊁上报不及时的问题,本文提出1种新的重大突发事件下路段中断状态判断方法.首先,提取路段一定时间段内的历史交通流量,并按照节假日㊁星期㊁小时等特征将数据进行分类;其次,计算路段交通流量在不同特征条件下的边界阈值;然后,基于高速公路电子不停车收费系统采集的车辆行驶轨迹数据,计算路段的实时交通流量;最后,判断路段是否为中断状态,如果路段的实时交通流量等于零,且路段的实时交通流量低于边界阈值,则判断路段为中断状态.以辽宁中部环线高速公路的1起重大突发事件为例,验证本文提出方法的有效性.研究结果表明,本文提出的方法能判断重大突发事件下路段的中断状态,解决了依据饱和度㊁设计车速和平均车速仅能判断路段缓慢或拥堵状态的问题,克服了基于交通突发(阻断)事件信息判断路段中断状态时存在的漏报㊁误报㊁上报不及时的问题,避免了路段没有中断但流量为零而被错误地判断为中断状态的情况,提高了路段中断状态判断的准确性.关键词:高速公路;重大突发事件;中断状态;交通流量中图分类号:U 491.31文献标志码:A文章编号:2096⁃3432(2023)04⁃035⁃07收稿日期:2022⁃10⁃08.基金项目:国家自然科学基金青年科学基金项目(72101022).作者简介:杨珍珍(1986 ),女,博士,研究方向为智能交通㊁交通大数据分析.E⁃mail:yang_zhenzhen@.Judgment Method of Road Interrupted State Under Major EmergenciesYANG Zhenzhen(Beijing PalmGo Infotech Co.,Ltd,Beijing 100085,China)Abstract :Interruption rate is an important indicator of the operation monitoring and service of road network.In the existing research,the problem of slow or congested road sections can only be judged based on expressway saturation,design speed and average speed,and traffic emergencies (blocking)events.There are problems of missed reporting,false reporting,and untimely reporting when judging the interruption status of road sections by information.This paper proposes a new method for judging the interruption status of road sections under major emergencies.First,extract the historical traffic flow of the road section within a certain period of time,and classify the data according to the characteristics of holidays,weeks,hours,etc.;secondly,calculate the boundary threshold of the traffic flow of the roadsection under different characteristic conditions;then,based on the highway electronic non⁃stop the vehicle trajectory data collected by the toll collection system calculates the real⁃time traffic flow of the road section;finally,it is judged whether the road section is in an interrupted state,if the real⁃time traffic flow of the road section is equal to zero,and the real⁃time traffic flow of the road section is lower than the boundary threshold,then it is judged that the road section is in an interrupted state .Taking amajor emergency incident on the Central Ring Expressway in Liaoning as an example,the effectiveness of交　通　工　程2023年the method proposed in this paper is verified.The research results show that the method proposed in this paper can effectively judge the interruption state of road sections under major emergencies,solve the problem that only the slow or congested state of road sections can be judged based on saturation,design vehicle speed and average vehicle speed,and overcome the problem based on traffic emergencies (blocking)event information to judge the interruption state of the road section,the problems of missed reporting,false reporting,and untimely reporting,avoiding the situation that the road section is not interrupted but the traffic is zero and is mistakenly judged as the interruption state,and improves the judgment of the interruption state of the road section accuracy.Key words:expressway;major emergency;interrupted state;traffic flow0　引言公路网是我国交通运输行业的重要组成部分,承担着主要的客流和货物运输,是国民经济可持续发展㊁百姓高品质出行的重要保障.交通事故(例如,货物洒落㊁车辆碰撞追尾㊁油罐车爆炸㊁隧道起火)以及自然灾害(例如,雪灾㊁洪水㊁地震㊁泥石流㊁山体滑坡等)等,常常会导致道路通行能力降低,引起交通拥堵或道路中断,严重情况下甚至会导致整个路网的瘫痪,威胁公众出行安全和效率.有效评估突发事件对公路网的影响,能为交通管理部门制定和优化交通管控措施提供科学依据,同时也能为出行者合理安排出行提供参考,提高公路网服务水平.在现有的研究中,突发事件对公路网的破坏性影响评估指标主要包括脆弱性㊁鲁棒性㊁可达性㊁流量㊁速度㊁拥堵等.脆弱性和鲁棒性从不同的角度描述道路网络受突发事件的影响.其中,脆弱性描述了道路网络易受事故破坏的可能性,而鲁棒性则反映了道路网络在各种情况下能保持最初设计功能的程度.在脆弱性研究方面,Chen等[1]以及El⁃Rashidy和Grant⁃Muller1[2]制定了在道路封闭情况下识别路网中最脆弱路段的指数;Jenelius等[3⁃4]采用网格单元法分析单个路段或部分网络封闭情况下道路网络的脆弱性;Pedrozo⁃Acuna等[5]发现公路沿线最脆弱的点在洪水中更容易被破坏.在鲁棒性研究方面,Sullivan等[6]利用通行能力减少率识别最重要的路段,并量化其在地震㊁洪水和龙卷风3种破坏性场景下的稳健性;Bagloee等[7]基于离散网络设计方法定义全局鲁棒性指数,并对路段进行排序.在可达性研究方面,Sohn[8]研究了某些主要道路在洪水中断时可达性降低的情况;Taylor等[9]研究了在重要路段失效情况下可达性降低最大的位置.交通流量是给定时间内通过给定位置的车辆总数,该参数是突发事件影响分析的重要指标.在现有研究中,He等[10]研究了I⁃35W大桥坍塌前后公路网交通流量的变化情况;Danczyk等[11]进一步研究了I⁃35W大桥坍塌事件发生后警戒区内(为出行者提供替代路线的指定区域)交通流量的动态变化情况.此外,Pregnolato等[12]研究了洪水期间受影响道路上的交通流量和积水深度之间的关系.姚江贝等[13]分析了高速公路营运期交通事故的特征断面车速,发现超速㊁速度方差与标准差偏大,车辆速度分布离散是造成事故数偏高的主要原因.杨洋等[14]基于微波雷达检测器采集的动态交通流数据,分析事故前后速度变化态势,发现速度变化率的阈值越小,事故影响的开始时间越早,结束时间越晚,持续时间越长,且事故影响的距离越长.杨珍珍等[15⁃16]提出基于贝叶斯理论和3倍标准差准则的交通网络异常事件影响分析方法,建立交通流量和交通拥堵指数及其变化率的评价指标计算模型,研究受阻路段㊁绕行路段以及拥堵增加路段的识别方法.此外,交通运输部公路科学研究院主编的‘公路网运行监测与服务暂行技术要求“[17],以及地方标准(DB12/T635 2016)‘高速公路网运行监测与服务技术要求“[18]中提出中断率”指标,用路段中断状态描述某一路段处于连通还是中断状态.路段连通状态指可供车辆正常行驶的状态,用 1”表示;路段中断状态指不能供车辆正常行驶的状态,用 0”表示.路段中断状态依据交通突发(阻断)事件信息,以及路段速度和流量综合判别.齐晨[19]提出高速公路设计车速为120㊁100km/h,当路段平均车速小于30km/h,认为路段处于中断状态;高速公路设计车速80km/h,当路段平均车速小于20km/h,认为路段处于中断状态;当路段饱和度大于等于1的时候,认为路段处于中断状态.现有研究存在的主要问题包括:①当路段中断状态依据路段饱和度判断时,路段饱和度大于等于1则认为路段处于中断状态,此方法只能判断路段63　第4期杨珍珍:重大突发事件下路段中断状态判断方法交通量大,处于极度拥堵的状态,并不能判断重大突发事件下路段处于中断状态;②当路段中断状态依据高速公路设计车速和路段平均车速判断时,对于设计车速为120km/h或100km/h高速公路,当路段平均车速小于30km/h,认为路段处于中断状态;对于设计车速为80km/h高速公路,当路段平均车速小于20km/h,认为路段处于中断状态.该方法只能判断路段处于行驶缓慢或拥堵的状态,并不能判定路段处于中断状态;③当路段中断状态依据交通突发(阻断)事件信息判断时,由于交通突发(阻断)事件信息为各省上报信息,存在漏报㊁误报㊁上报不及时的问题,导致路段中断状态判断结果存在漏报㊁误报㊁上报不及时的问题.针对现有研究存在的问题,本文提出重大突发事件下路段中断状态判断方法,解决依据高速公路路段饱和度㊁设计车速和平均车速仅能判断路段缓慢或拥堵状态的问题,克服基于交通突发(阻断)事件信息判断路段中断状态时存在的漏报㊁误报㊁上报不及时问题.1　路段中断状态判断方法路段中断状态判断方法如图1所示.首先,提取路段一定时间段内的历史交通流量,按照节假日㊁星期㊁小时等特征将数据进行分类;其次,计算路段的交通流量在不同特征条件下的边界阈值;然后,基于高速公路电子不停车收费系统(Electronic TollCollection,ETC)门架采集的车辆行驶轨迹数据,计算路段的实时交通流量;最后,判断路段的实时交通流量是否等于零,如果路段的实时交通流量等于零,则进一步判断路段的实时交通流量是否低于边界阈值,如果路段的实时交通流量低于边界阈值,则判断路段为中断状态.1.1　数据分类高速公路ETC门架是设置在高速公路主线上相邻互通(收费站)之间实现所有车辆分段计费的设施,能精确记录高速公路通行车辆的轨迹,采集全样本数据[20].随着全国29个联网收费省份487个省界收费站全部取消,全国高速公路已经实现一张网”运行.截至2021年12月,全国ETC用户总量突破2.36亿[21],ETC门架日均处理数据量约10亿条[22],为高速公路交通流量采集提供了丰富的数据源.此外,基于高速公路ETC门架数据能检测高速公路车辆行驶轨迹,实现异常事件发现[23].因此,本文利用高速公路ETC门架采集的车辆行驶轨迹图1　路段中断状态判断方法数据计算路段的交通流量.当车辆经过门架时,门架会记录车辆的车牌号和车辆经过门架的时间,用Q i→j t表示门架i到门架j之间的路段在时段t的交通流量.由于不同节假日㊁星期㊁小时的交通流量存在较大差异,按照不同特征(包括节假日特征㊁星期特征㊁小时特征等)对数据进行分类.具体划分方法描述如下:首先,将日期划分为节假日和非节假日.然后,将节假日的每1天都作为1个独立的特征日,将非节假日按照星期划分为星期一到星期日7个特征日.节假日进一步划分为春节(SF)㊁清明(QMF)㊁五一(MD)㊁端午(DBF)㊁中秋(MAF)㊁国庆(ND)㊁元旦(NYD)等.非节假日分为星期一(Mon)㊁星期二(Tue)㊁星期三(Wed)㊁星期四(Thu)㊁星期五(Fri)㊁星期六(Sat)和星期日(Sun).如果星期六或星期天为节假日补班,则不能归类到正常星期六或星期日.由于节假日每天的交通流量均存在差异,且节73交　通　工　程2023年假日前1d 和后1d 的交通流量与正常的非节假日也有差异,因此,将节假日前1d㊁节假日期间和节假日后1d 的数据做进一步地细分.例如,当国庆(ND)是7d 假期时,从节前1d 工作日到节后1d 依次设置为1~9d,即ND ={ND 1,ND 2,ND 3,ND 4,ND 5,ND 6,ND 7,ND 8,ND 9};当五一(MD)是3d 假期时,从节前1d 工作日到节后1d 依次设置为1~5d,即MD ={MD 1,MD 2,MD 3,MD 4,MD 5}.用C 表示特征日集合,则C =SF ={SF 1,SF 2,SF 3, }QMF ={QMF 1,QMF 2,QMF 3, }MD ={MD 1,MD 2,MD 3, }DBF ={DBF 1,DBF 2,DBF 3, }MAF ={MAF 1,MAF 2,MAF 3, }ND ={ND 1,ND 2,ND 3, }NYD ={NYD 1,NYD 2,NYD 3, }ìîíïïïïïïïïïïïïüþýïïïïïïïïïïïï ,节假日{Mon,Tue,Wed,Thu,Fri,Sat,Sun},ìîíïïïïïïïïïïïïï非节假日(1)最后,将每个特征日按照设定间隔划分为多个时段.例如,按照1h 间隔划分为24个时间段,也可按照早晚高峰划分为早高峰㊁白天平峰㊁晚高峰㊁夜间4个时间段.用Q i →jC ,t 表示门架i 到门架j 之间的路段在特征日C 时段t 的交通流量.1.2　交通流量边界阈值有些路段在正常情况下流量等于零,例如,夜间车流量少的时候.如果直接根据流量等于零判断路段中断,则容易将正常情况下流量等于零的路段错误地判断为中断状态.为了避免门架间路段流量为零但没有中断而被错误地判断为中断状态的情况,增加历史特征时段门架间流量的比对过程.通过历史数据统计门架对之间路段交通流量在不同特征条件下的边界阈值,筛选交通流量等于零且低于边界阈值的路段,判定为交通状态中断.提取一定时间段的历史交通流量,用Q i →jC ,t ,k 表示门架i 到门架j 之间的路段在特征日C 时段t 的交通流量的第k 个样本,n 表示样本量,Q i →j C ,t ={Q i →j C ,t ,1,Q i →j C ,t ,2, ,Q i →j C ,t ,k , ,Q i →j C ,t ,n },k =1,2, ,n.定义μi →jC ,t表示门架i 到门架j 之间的路段在特征日C 时段t 交通流量的平均值,σi →jC ,t 表示门架i 到门架j 之间的路段在特征日C 时段t 交通流量的标准差.门架i 到门架j 之间的路段在特征日C 时段t 的交通流量的平均值μi →j C ,t 和标准差σi →jC ,t 的计算公式如下:μi →j C ,t =1n(Q i →j C ,t ,1+Q i →j C ,t ,2+ +Q i →jC ,t ,k + +Qi →jC ,t ,n)=1n∑nk =1Q i →jC ,t ,k (2)σi →j C ,t =1n -1((Q i →j C ,t ,1-μi →j C ,t )2+ +(Q i →j C ,t ,k -μi →j C ,t )2+ +(Q i →j C ,t ,n -μi →j C ,t )2)=1n -1∑nk =1(Q i →j C ,t ,k -μi →j C ,t )2(3)定义ε为门架对之间的交通流量在不同特征条件下的边界阈值,εi →jC ,t 为门架i 到门架j 之间的路段在特征日C 时段t 交通流量的边界阈值,εi →j C ,t 的计算公式如下:εi →jC ,t=μi →j C ,t-θσi →j C ,t=1n∑nk =1Q i →jC ,t ,k -θ1n -1∑nk =1(Q i →j C ,t ,k -μi →j C ,t )2(4)式中,θ表示边界阈值系数,当θ=1时,Q i →j C ,t ≥εi →jC ,t 的概率是84.135%,Q i →j C ,t <εi →j C ,t 的概率是15.865%;当θ=2时,Q i →j C ,t ≥εi →j C ,t 的概率是97.725%,Q i →j C ,t <εi →j C ,t 的概率是2.275%;当θ=3时,Q i →j C ,t ≥εi →j C ,t 的概率是99.865%,Q i →j C ,t <εi →j C ,t 的概率是0.135%.通常情况下,θ取值3,此时Q i →j C ,t <εi →jC ,t 的概率是0.135%,表示门架i 到门架j 之间的路段在特征日C 时段t 交通流量小于边界阈值的概率是0.135%.1.3　路段中断状态判定条件计算门架对之间的实时交通流量,判断门架对之间的路段的实时交通流量是否等于零;如果门架对之间的路段的实时交通流量等于零,则进一步判断门架对之间的路段的实时交通流量是否低于边界阈值;如果门架对之间的路段的实时交通流量低于边界阈值,则判断门架对之间的路段是中断状态.中断状态判定条件:当Q i →j C ,t =0且Q i →j C ,t <εi →jC ,t 时,判定门架i 到门架j 之间路段的为中断状态.用ηi →j C ,t 表示门架i 到门架j 之间的路段在特征日C 时段t 的通行状态.如果门架i 到门架j 之间的路段在特征日C 时段t 的通行状态是中断状态,则ηi →j C ,t =0;否则,ηi →jC ,t =1.即ηi →jC ,t=0,Q i →j C ,t =0且Q i →j C ,t <εi →j C ,t1,{其他(5)2　案例研究以2021年7月22日16:35(星期四)发生在辽83　第4期杨珍珍:重大突发事件下路段中断状态判断方法宁中部环线高速公路的1起重大突发事件为例,验证本文提出方法的有效性.事件发生位置为辽宁中部环线高速公路铁岭方向197km +700m 处,事故详情为1辆货车驶入对向车道与1辆客车发生交通事故,造成4人当场死亡㊁4人因抢救无效死亡㊁部分人员受伤.2.1　中断状态判断结果事故所在位置的上游门架和下游门架之间路段的交通流量如图2所示.由于事故发生当天7月22日是星期四且为非节假日,因此,提取历史相同星期特征且非节假日的交通流量,包括4月8日㊁4月15日㊁4月22日㊁4月29日㊁5月6日㊁5月13日㊁5月20日㊁5月27日,共8d 星期四且非节假日的数据.基于这8d 交通流量数据,利用式(2)计算路段交通流量的平均值μi →jC ,t,利用式(3)计算路段交通流量的标准偏差σi →jC ,t ,利用式(4)计算交通流量的边界阈值εi →j C ,t ,计算结果如表1和图3所示.例如,在18:00时,交通流量平均值μi →jThu,18=87.0辆/h,交通流量标准偏差σi →j Thu,18=9.4辆/h,当θ取值3时,根据式(4)计算得到交通流量的边界阈值εi →j Thu,18=μi →j Thu,18-θσi →j Thu,18=87.0-3×9.4=58.7辆/h .将实时交通流量与交通流量边界阈值进行对比,如果实时交通流量等于零,且实时交通流量低于边界阈值,则判断门架对之间的路段是中断状态.利用式(5)计算路段的通行状态ηi →jC ,t.例如,在18:00时,Q i →j Thu,18=0辆/h,即Q i →j Thu,18<εi →j Thu,18;由于Q i →j Thu,18=0且Q i →j Thu,18<εi →j Thu,18,通过式(5)可得出ηi →j Thu,18=0,即事故所在位置的上游门架和下游门架之间路段的通行状态是中断状态.从表1和图3可得出,门架对之间的路段的交通流量在事故当天的17:00 19:00等于0,且小于交通流量边界阈值,说明路段在17:00 19:00是处于完全中断的状态.图2　交通流量表1　参数计算结果辆/h 小时交通流量平均值交通流量标准偏差交通流量边界阈值实时交通流量036.86.916.169137.510.75.389239.94.725.872341.94.528.378452.57.230.992593.616.245.21586136.827.753.72427134.321.071.12428142.511.5108.02919159.820.199.532510156.122.688.327711133.117.780.027612131.112.593.626613131.821.268.128514120.810.589.330115123.16.6103.334116110.517.558.01761793.318.139.00(中断)1887.09.458.70(中断)1988.511.055.60(中断)2083.110.053.212170.06.750.022253.96.833.622341.46.123.0193图3　交通流量与边界阈值对比2.2　分析与讨论现有的路段中断状态判断方法主要包括基于饱和度的判断方法㊁基于设计车速和平均车速的判断93交　通　工　程2023年方法㊁基于交通突发(阻断)事件信息的判断方法㊁基于流量的判断方法.1)基于饱和度的路段中断状态判断方法分析现有的基于饱和度的路段中断状态判断方法描述:路段饱和度大于等于1则认为路段处于中断状态[19].饱和度等于道路实际交通流量与实际通行能力的比值,见式(6).S i→j C,t=Q i→j C,tCapacity i→j C,t(6)式中,S i→j C,t为门架i到门架j之间的路段在特征日C时段t的饱和度,Q i→j C,t为门架i到门架j之间的路段在特征日C时段t的实际交通流量,Capacity i→j C,t为门架i到门架j之间的路段在特征日C时段t的实际通行能力.道路服务水平根据饱和度确定:当S i→j C,t≤0.35表示1级服务水平,交通流处于自由流状态;0.35< S i→j C,t≤0.55表示2级服务水平,交通流基本处于自由流状态;0.55<S i→j C,t≤0.75表示3级服务水平,交通流处于稳定流的上半段;0.75<S i→j C,t≤0.9表示4级服务水平,交通流处于稳定流的下半段;0.9< S i→j C,t≤1表示5级服务水平,交通流处于拥挤状态; S i→j C,t>1表示6级服务水平,交通流处于拥堵状态,车辆排队行驶[24].在本案例分析中,门架对之间的路段的交通流量在事故当天17:00 19:00等于0(如表1所示),通过式(6)可得出,事故当天17:00 19:00的饱和度也都等于0(如表2所示).此时,按照道路服务水平与饱和度之间的关系可知,饱和度S i→j C,t=0≤0.35,表示1级服务水平,交通流处于自由流状态.因此,在道路中断㊁交通流量等于零的情况下,无法得出路段饱和度大于等于1的结果,也无法得出路段处于中断状态的结果.表2摇饱和度小时实时交通流量饱和度170018001900 当路段饱和度大于等于1时,表明路段交通流量超过实际通行能力,道路交通状态为拥堵状态,道路服务水平为6级,但无法判断路段状态为重大突发事件下的中断状态.本文提出的重大突发事件下路段中断状态判断方法,增加了历史特征时段门架间流量的比对过程,通过历史数据计算路段交通流量在不同特征条件下的边界阈值,当路段交通流量等于零且低于边界阈值时,路段交通状态判定为中断,该方法能有效识别重大突发事件下的异常中断状态.部分路段的饱和度经常大于等于1,虽然不属于重大突发事件下的异常中断状态,但属于常发高流量路段.通过饱和度大于等于1识别常发高流量路段,一方面能为交通管理部门制定交通管控措施,发布智能诱导信息,引导交通流量均衡分布,疏导车流量大路段提供数据支撑;另一方面能为交通规划和建设部门制定道路改扩建方案提供科学依据,从而提升路网的整体服务水平.2)基于设计车速和平均车速的路段中断状态判断方法分析现有的基于设计车速和平均车速的路段中断状态判断方法描述:对于设计车速为120km/h或100km/h高速公路,当路段平均车速小于30km/h,判断路段处于中断状态;对于设计车速为80km/h 高速公路,当路段平均车速小于20km/h,判断路段处于中断状态[19].平均车速小于30km/h或20km/h,均只能说明路段处于缓慢通行或拥堵状态,并不能识别出路段在重大突发事件下的中断状态.对于部分常发拥堵路段,路段平均车速经常小于30km/h或20km/h,如果按照现有基于设计车速和平均车速的路段中断状态判断方法,这些常发拥堵路段会被误判为中断状态,无法识别出真正的重大突发事件下的中断状态. 3)基于交通突发(阻断)事件信息的路段中断状态判断方法分析基于交通突发(阻断)事件信息的路段中断状态判断方法描述:路段连通状态指可供车辆正常行驶的状态,路段中断状态指不能供车辆正常行驶的状态,路段中断状态依据交通突发(阻断)事件信息,以及路段速度和流量综合判别[17⁃18].当路段中断状态依据交通突发(阻断)事件信息判断时,由于交通突发(阻断)事件信息为各省上报信息,存在漏报㊁误报㊁上报不及时的问题,导致路段中断状态判断结果也会存在漏报㊁误报㊁上报不及时的问题.本文提出的基于高速公路ETC门架数据的重大突发事件下路段中断状态判断方法,能有效弥补基于交通突发(阻断)事件信息判断路段中断状态存在的问题.04　第4期杨珍珍:重大突发事件下路段中断状态判断方法4)基于流量的路段中断状态判断方法分析数据分析发现,部分路段在正常情况下流量等于零,例如,夜间车流量少的时候.如果直接根据流量等于零判断路段中断,则容易将正常情况下流量等于零的路段错误地判断为中断状态.为了避免门架间路段流量为零但没有中断而被错误地判断为中断状态的情况,本文提出的重大突发事件下路段中断状态判断方法增加了历史特征时段门架间流量的比对过程,通过历史数据计算路段交通流量在不同特征条件下的边界阈值,当路段交通流量等于零且低于边界阈值时,路段交通状态判定为中断.该方法有效避免了门架间路段流量为零但没有中断而被错误地判断为中断状态的情况.3摇结束语本文提出了基于高速公路ETC门架数据的重大突发事件下路段中断状态判断方法,包括数据分类方法㊁交通流量边界阈值计算模型㊁路段中断状态判定条件.该方法增加了历史特征时段门架间流量的比对过程,通过历史数据计算路段交通流量在不同特征条件下的边界阈值,当路段交通流量等于零且低于边界阈值时,路段交通状态判定为中断.以辽宁中部环线高速公路的1起重大突发事件为例,验证本文提出方法的有效性.研究结果表明,本文提出的重大突发事件下路段中断状态判断方法,能有效判断重大突发事件下路段的中断状态,解决了依据饱和度㊁设计车速和平均车速仅能判断路段缓慢或拥堵状态的问题,克服了基于交通突发(阻断)事件信息判断路段中断状态时存在的漏报㊁误报㊁上报不及时的问题,避免了路段没有中断但流量为零而被错误地判断为中断状态的情况,提高了路段中断状态判断的准确性.本文利用门架对之间的交通流量变化情况判断门架对之间路段的中断状态,研究对象是门架到门架之间的路段.目前已经有研究提出基于多源异构数据(例如,视频图像检测器和高速公路收费系统收集的数据等)动态估计高速公路任意横断面的交通流量[25⁃27],得到更细粒度的交通流量,例如,高速公路任意百米桩㊁公里桩等位置的交通流量.在未来的工作中,可考虑基于高速公路任意横断面的交通流量判断路段中断状态,进一步提升路段中断状态定位的精准程度,实现更精细化的高速公路状态监测.参考文献:[1]Chen B Y,Lam W H K,Sumalee A,et al.Vulnerability analysis for large⁃scale and congested road networks with demand uncertainty[J].Transportation Research Part A: Policy and Practice,2012,46(3):501⁃516. [2]El⁃Rashidy R A,Grant⁃Muller1S M.An assessment method for highway network vulnerability[J].Journal of Transport Geography,2014,34:34⁃43.[3]Jenelius E,&Mattsson L.Road network vulnerability analysis of area⁃covering disruptions:A grid⁃based approach with case study[J].Transportation Research Part A:Policy and Practice,2012,46(5):746⁃760. [4]Jenelius E,Mattsson L.Road network vulnerability analysis: Conceptualization,implementationand application[J]. Computers,Environment and Urban Systems,2015,49: 136⁃147.[5]Pedrozo⁃Acuna A,Moreno G,Mejía⁃Estrada P,Paredes⁃Victoria P,Brena⁃Naranjo J A,&Meza C.Integrated approach to determine highway flooding and critical points of drainage[J].Transportation Research Part D:Transport and Environment,2017,50:182⁃191.[6]Sullivan J L,Novak D C,Aultman⁃Hall L,&Scott D M. Identifying critical road segments and measuring system⁃wide robustness in transportation networks with isolating links:A link⁃based capacity⁃reduction approach[J]. Transportation Research Part A:Policy and Practice, 2010,44(5):323⁃336.[7]Bagloee S A,Sarvi M,Wolshon B,Dixit V.Identifying critical disruption scenarios and a global robustness index tailored to real life road networks[J].Transportation Research Part E:Logistics and Transportation Review, 2017,98:60⁃81.[8]Sohn J.Evaluating the significance of highway network links under the flood damage:An accessibility approach[J]. Transportation Research Part A:Policy and Practice,2006, 40:491⁃506.[9]Taylor M A P,Susilawati.Remoteness and accessibility in the vulnerability analysis of regional road networks[J]. Transportation Research Part A:Policy and Practice, 2012,46:761⁃771.[10]He X Z,Liu H X.Modeling the day⁃to⁃day traffic evolutionprocess after an unexpected network disruption[J].Transportation Research Part B:Methodological,2012,46:50⁃71.[11]Danczyk A,Di X,Liu H X,Levinson D M.Unexpectedversus expected network disruption:Effects on travelbehavior[J].Transport Policy,2017,57:68⁃78.(下转第72页)14。

156-基于FCM城市区域道路交通状态时空分层判别方法

收稿日期：２０１１０９０６；修回日期：２０１１１０２８基金项目：国家自然科学基金资助项目（６１１７４１７６）；浙江省科技公益项目（２０１０Ｃ３３２４５）；特种装备制造与先进加工技术教育部／浙江省重点实验室开放基金；杭州市社会发展科研专项资助项目（２０１１０５３３Ｂ０２）作者简介：董红召（１９６９），男，教授，博士，主要研究方向为智能交通机电系统（ｉｔｓ＠ｚｊｕｔ．ｅｄｕ．ｃｎ）；马帅（１９８６），女，硕士研究生，主要研究方向为交通数据时空分析；郭明飞（１９７７），男，讲师，博士研究生，主要研究方向为智能交通系统．基于ＦＣＭ城市区域道路交通状态时空分层判别方法董红召，马　帅，郭明飞（浙江工业大学智能交通联合研究所，杭州３１００１４）摘　要：为了解决城市区域路网交通状态的时空分析问题，提出了一种基于模糊Ｃ均值聚类（ＦＣＭ）道路交通状态判别模型及分析方法。

通过路网的空间单元交通状态的定量分析和对大量的历史数据进行ＦＣＭ分析，挖掘出各空间单元的各类交通状态的聚类中心，并将实时采集的交通数据与聚类中心进行匹配，评判其实时交通状态，最后根据空间单元在路网空间分布，获得各状态下点、线、面的空间分层分析结果。

实例结果表明，判别方法能准确地实现区域路网的交通状态时空判别，为交通精细化管理提供辅助决策信息。

关键词：交通状态；时空分析；模糊Ｃ均值聚类中图分类号：Ｕ４９１．３文献标志码：Ａ文章编号：１００１３６９５（２０１２）０４１２６３０４ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１２．０４．０１７ＳｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｍｏｄｅｌｆｏｒｕｒｂａｎｒｅｇｉｏｎａｌｔｒａｆｆｉｃｓｔａｔｅａｎａｌｙｓｉｓｂａｓｅｄｏｎｆｕｚｚｙＣｍｅａｎｓｃｌｕｓｔｅｒｉｎｇＤＯＮＧＨｏｎｇｚｈａｏ，ＭＡＳｈｕａｉ，ＧＵＯＭｉｎｇｆｅｉ（ＩＴＳＪｏｉｎｔＩｎｓｔｉｔｕｔｅ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ３１００１４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｉｓｐａｐｅｒｄｅｖｅｌｏｐｅｄａｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｈｉｅｒａｒｃｈｉｃａｌｍｏｄｅｌｂａｓｅｄｏｎｆｕｚｚｙＣｍｅａｎｓｃｌｕｓｔｅｒｉｎｇｆｏｒａｒｅａｔｒａｆｆｉｃｓｔａｔｅａｎａｌｙｓｉｓｔｏｐｒｅｄｉｃｔａｒｅａｔｒａｆｆｉｃｓｔａｔｅｓ．Ｆｉｒｓｔｌｙ，ｉｔｑｕａｎｔｉｔａｔｉｖｅｌｙａｎａｌｙｚｅｄｔｈｅｔｒａｆｆｉｃｓｔａｔｅｏｆｔｈｅｕｎｉｔｏｆｔｈｅｒｏａｄｎｅｔｗｏｒｋ．ＴｈｅｎｇａｉｎｅｄｔｈｅｃｌｕｓｔｅｒｃｅｎｔｅｒｓｏｆｅａｃｈｔｒａｆｆｉｃｓｔａｔｅｆｏｒｔｈｅｕｎｉｔｏｆｔｈｅｒｏａｄｎｅｔｗｏｒｋｂａｓｅｄｏｎｔｈｅｍｅｔｈｏｄｏｆｆｕｚｚｙＣｍｅａｎｓｃｌｕｓｔｅｒｉｎｇ．Ａｆｔｅｒｔｈｉｓ，ｉｔｒｅｃｏｇｎｉｚｅｄａｎｄｃｌａｓｓｉｆｉｅｄｔｈｅｒｅａｌｔｉｍｅｔｒａｆｆｉｃｓｔａｔｅｃｏｍｂｉｎｉｎｇｉｔｓｒｅａｌｔｉｍｅｔｒａｆｆｉｃｄａｔａ．Ａｃｃｏｒｄｉｎｇｔｈｅｕｎｉｔｓ’ｓｐａｃｅｄｉｓｔｒｉｂｕｔｉｏｎｉｎｔｈｅｎｅｔｗｏｒｋ，ｔｈｅｍｏｄｅｌｐｒｅｓｅｎｔｅｄｔｈｅｄｉｆｆｅｒｅｎｔｋｉｎｄｓｏｆｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｕｎｄｅｒｄｉｆｆｅｒｅｎｔｔｒａｆｆｉｃｓｔａｔｅｓ．Ｔｈｅｒｅｓｕｌｔｏｆｅｘａｍｐｌｅｐｒｏｖｅｓｔｈａｔｔｈｉｓａｎａｌｙｔｉｃａｌｍｅｔｈｏｄｏｂｔａｉｎｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｔｒａｆｆｉｃｓｔａｔｅａｃｃｕｒａｔｅｌｙ．Ｉｔａｌｓｏｓｕｐｐｌｉｅｓｔｈｅａｓｓｉｓｔａｎｔｄｅｃｉｓｉｏｎｍａｋｉｎｇｉｎｆｏｒｍａｔｉｏｎｆｏｒｔｒａｎｓｐｏｒｔａｔｉｏｎｓｙｓｔｅｍｍａｎａｇｅｒｓ．Ｋｅｙｗｏｒｄｓ：ｔｒａｆｆｉｃｓｔａｔｅ；ｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌａｎａｌｙｓｉｓ；ｆｕｚｚｙＣｍｅａｎｓｃｌｕｓｔｅｒｉｎｇ*　引言对城市道路交通状态准确的把握，是实行高效的精细化交通管理与控制、缓解车路资源矛盾的重要基础。

交通状态判别概要

基于京津塘高速数据的K-mean交通状态判别方法的研究摘要：近年来，随着道路网络的逐步成熟和道路交通需求量的进一步增加，与交通事件无关的常发性交通拥挤越来越严重。

交通高峰期的持续时间不断延长，高峰期出现交通拥挤的路段不断增加，严重影响了道路交通的安全性和运行效率，因此，常发性交通拥挤也逐渐成为交通监控的重要内容之一。

以发现道路上的突发交通事件为目的AID方法研究，已经扩展成为对道路上所有交通拥挤状态自动判别方法的研究。

并且，交通状态判别有重要的意义所在，它可以对交通管理者实时了解路网交通状态变化的信息，及时采取对策，疏导交通、减少拥挤，提高交通安全保障，使有限的路网时空资源发挥最大的效率而提供帮助。

京津塘高速是连接北京和天津的主要道路交通干道，承担了两个城市间的大部分道路交通运输，它的交通状态在相当程度上反应了两城市之间交通状态与出行质量。

本文以京津塘高速某段下行行车道线圈传感器数据为基础，研究了基于K-mean的交通状态判别方法研究交通状态预测方法，主要的研究工作如下：文章首先对京津塘高速公路2009年4月的下行行车道交通数据用excel进行了处理，并应用K-mean分析方法对此交通流基础特征数据进行分析，最后用matlab编程实现，得到用于交通状态判断的参照标准，并画出关于车流量，车流密度和平均速度的数据图，以及它们三者之间的三维关系图。

关键词：道路交通状态；自动判别；智能交通系统一、引言如何应对城市现代化带来的交通问题，是城市交通管理者面对的需要解决的十分迫切的问题。

国内外实践经验证明，单纯依靠修建道路基础设施是不能很好的解决城市交通问题，现代化的交通管理起着非常重要的作用。

发达国家交通经验实践表明，采用智能交通系统(ITS)是解决交通拥堵、减少交通事故、防止交通污染、提高交通管理水平的最有效的方法和手段。

交通状态分析和判别能够从全局角度实时地反应路网的服务水平，是交通控制系统与交通流诱导系统协同的重要依据。

基于地点车速的路段交通拥堵指数计算方法

基于地点车速的路段交通拥堵指数计算方法
宋志洪;江金凤;尹少东;梁子君
【期刊名称】《现代工业经济和信息化》
【年(卷),期】2015(0)15
【摘要】利用固定检测器提供的地点车速等参数,选用聚类分析方法建立固定检测设备的交通状态判别算法模型,不同类的交通指数对应不同的计算方法,为城市交通拥堵指数准确计算、交通决策、交通诱导等提供依据,有利于缓解城市道路交通拥堵现状.
【总页数】4页(P64-67)
【作者】宋志洪;江金凤;尹少东;梁子君
【作者单位】城市交通管理集成与优化技术公安部重点实验室,安徽合肥230088;安徽科力信息产业有限责任公司,安徽合肥230088;城市交通管理集成与优化技术公安部重点实验室,安徽合肥230088;安徽科力信息产业有限责任公司,安徽合肥230088;城市交通管理集成与优化技术公安部重点实验室,安徽合肥230088;安徽科力信息产业有限责任公司,安徽合肥230088;城市交通管理集成与优化技术公安部重点实验室,安徽合肥230088;安徽科力信息产业有限责任公司,安徽合肥230088
【正文语种】中文
【中图分类】U491.23
【相关文献】
1.基于人均行驶速度的路段交通拥堵指数算法 [J], 胡盼
2.基于路段消散指数的交通拥堵评价 [J], 范馨月; 沈齐; 何清龙; 李建森; 张姣
3.基于路段消散指数的交通拥堵评价 [J], 范馨月; 沈齐; 何清龙; 李建森; 张姣
4.一种交通拥堵指数智能计算方法 [J], 周燕华
5.基于平均车速和车速标准差的路段安全分析方法 [J], 吴义虎;武志平
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Wi-Fi Direct的道路交通状态信息采集方法

基于Wi-Fi Direct的道路交通状态信息采集方法
李珺
【期刊名称】《计算机测量与控制》
【年(卷),期】2015(23)12
【摘要】针对传统交通状态信息采集中采用的环形线圈车辆检测器存在布设和维护难度较大等问题,提出了一种基于Wi-Fi Direct的道路交通状态信息采集方法,以实现对基本的道路交通流状态参数进行采集估计;该方法利用车路通讯设备实现车辆与路侧设备的通信;以车载通讯设备的Wi-Fi芯片介质访问控制层地址完成车辆个体识别;通过车载通讯设备中的北斗定位装置向路侧设备提供车辆实时位置及时间信息,进而实现道路区段内交通流基本状态信息估计;实验测试表明,该方法能够完成路段平均速度、交通流量及车流密度的采集和估计,是一种有效的道路交通信息采集方法.
【总页数】5页(P4172-4176)
【作者】李珺
【作者单位】长安大学信息与网络管理处,西安 710064
【正文语种】中文
【中图分类】TP399
【相关文献】
1.基于信道状态信息的Wi-Fi认证方法 [J], 周泽仑;戴欢;束沁冬;史文华;石鹏展
2.基于Wi-Fi信道状态信息的身份识别 [J], 张丹;谭运林;邱嘉炜;徐悦月;田林芳;张
连明
3.基于信道状态信息测距的Wi-Fi室内定位误差界分析方法 [J], 周牧;张振亚;杨小龙;谢良波;田增山
4.基于Wi-Fi信道状态信息的行走识别与行走参数估计 [J], 李晟洁;李翔;张越;王亚沙;张大庆
5.基于Wi-Fi信道状态信息的免训练入侵检测系统 [J], 于怡然;常俊;吴柳繁;彭予因版权原因，仅展示原文概要，查看原文内容请购买。