道路交通状态识别技术研究

道路交通状态识别技术研究・技术与方法

道路交通状态识别技术研究

■张雷元,袁建华,赵永进

公安部交通管理科学研究所,无锡　214151

摘　要:交通拥堵和突发事件已成为困扰当前城市交通的2大难题,重点讲述了如何识别交通状态,提出了1种基于模糊推理的交通拥堵等级评判算法和1种基于双变量模型的交通事件识别算

法。经过验证,这2种算法可达到较好的交通状态识别效果。

关键词:交通状态;模糊推理;交通事件;双变量模型

0　引言

随着国民经济的高速发展和城市化进程的加快,我国的机动车拥有量及道路交通流量急剧增加,日益增长的交通需求与城市道路基础设施建设之间的矛盾已成为目前城市交通的主要矛盾,由此导致交通拥挤和堵塞现象频频发生[1]。交通拥堵严重地影响了人们的日常出行活动,制约着城市经济的发展。因此,对交通事件尤其是交通拥堵的识别就显得尤其重要。交通状态识别就是根据当前的交通流特征参数作出判断,识别出拥挤事件的存在,最大限度地减少拥挤事件对正常交通的影响,保证路网的畅通[2]。

目前,国内外研究人员已对城市和高速公路交通状态进行了一些研究。在城市路网交通状态研究方面,主要从检测数据得出相关结论。例如:任江涛和张毅等人应用模式识别的理论和方法,对城市交通网络和高速公路网络中的模式进行研究,得出了交通状态可化为重复出现、数量有限且不同类型的模式的结果[3];郭伟和姚丹亚等人利用模式识别方法,提取出路口交通流运行状况的特征向量并通过路口数据相似性建立交通状况的评估模型[4]。这些研究工作都取得了不错的效果,为交通状态识别技术的研究提供了很好的参考。

本文将主要提出2种算法,一种是基于模糊推理的交通拥堵等级评判算法,该方法用于对交通拥堵等级进行评判,以量的形式说明交通拥堵的状况;另一种是基于概率统计的双变量模型法,该方法利用占有率的变化来判断是否发生交通事件,其使用简单,输入要求低,适合一般突发事件的检测。

1　交通拥堵等级评判算法

交通拥堵等级判别就是根据当前的交通流特征信息,结合交通知识将交通拥挤程度进行等级划分,以量的形式告诉人们目前的交通拥挤情况。交通拥挤程度是一个模糊的概念,形容一个交通状态是否拥挤并没有很确切的数据,因此通常采用模糊推理的方式来评判交通拥堵状态。

模糊推理法原理是根据交通流量、占有率和交通拥挤状态之间的关系组成模糊规则矩阵,然后利用交通流量、占有率的实测数据作为输入,通过一系列的

收稿日期:2008-1-21

基金项目:国家高技术研究发展计划(863计划)现代交通技术领域综合交通运输系统与安全技术专题,课题“新一代智能化交通控制系统技术”(2006AA11Z229)作者简介:张雷元(1978—),男,江西宜春,助理研究员,主要研究方向:智能交通技术。E-mail:zhangleiyuan@

92

道路交通与安全・第9卷第2期2009年4月

模糊运算推断出交通拥堵状态。模糊推理的基本算法步骤如下:

1)定义模糊论域

把交通流量、占有率2个模糊集合的论域统一定义为:

U 1=U 2=U ={“非常小”,“小”,“中”,“大”,

“非常大”}={1,2,3,4,5};

把拥堵状态模糊集合的论域定义为:

V ={“畅通”,“正常”,“拥挤”,“堵塞”,“严重

堵塞”}={0,1,2,3,4}。

2)定义模糊关系

交通流量、占有率和拥挤度之间的模糊关系如图1

所示。

图1　交通流量、占有率和拥挤度之间的模糊关系3)定义隶属度函数

交通流量和占有率隶属度函数:

图2中v vs 、v s 、v m 、v l 、v vl 分别代表“非常小”、“小”、“中”、“大”、“非常大”模糊度的临

界值。

图2　隶属度函数

4)模糊运算

第1步:输入值模糊化。根据图2所表示的隶属

度函数计算对应的隶属度,然后将隶属度组成模糊集合:

U ={μvs ,μs ,μm ,μl ,μvl }

(1)

μvs 、μs 、μm 、μl 、μvl 分别代表“非常小”、“小”、“中”、“大”、“非常大”隶属度。

第2步:计算模糊关系矩阵。假设每一条模糊规则对应一个模糊关系R i (i =1,2,L ,n ),则进行模糊关系融合得到模糊关系矩阵:

R =R 1 R 2 L R n

(2)

第3步:计算模糊输出:

V =U 1 U 2 R

(3)

第4步:模糊结果判决。模糊结果采用重心法进行判决,假设输出模糊集合V ={μ0,μ1,μ2,μ3,μ4},则输出值为:

v =

∑v i

×μ

i ∑

μi

=

0×μ0+1×μ1+2×μ2+3×μ3+4×μ4

μ0+μ1+μ2+μ3+μ4

(4)

2　交通事件识别算法

交通事件识别就是利用交通事件发生时的特征和

采集到的交通流参数,如车道占有率、平均速度、流量等交通参数,通过一定的检测规则和算法,推断出是否发生交通事件的过程。

交通事件识别方法主要有:(1)基于状态估计的方法。如1980年Wills ky 等提出的多重模型法(MM 法),它根据观测向量{y 1,y 2,…,y k }以及1组假设模型,在滤波估计的基础上,判断哪个假设模型的状态估计最接近当前真实系统,就可以判断该假设模型的事件已经发生;(2)基于模式识别的方法。如美国加利福尼亚州运输部开发的California 算法,该算法分别比较上下游相邻检测器获得的占有率的差和相对差以及下游前后时间段占有率相对差值,与事先给定阈值相比较,超出阈值就发出报告,该算法还有一

系列改进的算法得到了广泛的承认和应用;(3)基于统计预测或滤波的方法。此算法在以往观测数据的基础上利用统计方法对当前交通状态做出预测,再与实

3