一种基于交通运行指数发展态势的智能交通诱导方法
【专利摘要】本发明所述的一种基于交通运行指数发展态势的智能交通诱导方法，该方法中所使用的设备包括城市路网交通信息采集系统，交通运行指数处理服务器，交通运行指数发展态势处理服务器，动态交通诱导方案数据存储服务器，以及发布终端设备，所述各设备之间依顺序信号连接，本发明通过城市路网交通信息采集系统的数据挖掘应用，构建多源异构数据融合模型、及路网交通运行指数模型以及交通运行指数发展态势模型，在交通运行指数分析的基础上进行交通发展态势预测，实现路网环境下的智能交通诱导方案。
【专利说明】一种基于交通运行指数发展态势的智能交通诱导方法
【技术领域】
[0001] 本发明涉及城市路网交通运行评价和诱导发布【技术领域】，具体涉及一种基于交通 运行指数发展态势的智能交通诱导方法。
【背景技术】
[0002] 交通运行指数是城市路网整体交通运行状况的宏观概述，通过整合多源数据，建 立数学模型，计算得到路网中各路段的运行车速并生成交通状态，再按各道路的拥堵权重， 将市区所有道路的拥堵状况综合集成为一个"交通运行指数"，可以简洁、直观的数字化描 述路网交通运行状况。
[0003] 国内外已经对交通运行指数进行了多项研究，主要基于车流速度、车流密度、交通 量和出行时间等参数，综合计算出行时间和延误、道路服务水平、平均行程速度、道路拥堵 指数等指标，内涵较为丰富、综合性较强，且应用程度较为广泛。近年来，国内也对城市交通 拥堵评价指标进行了初步探索，出台了国家层面的城市道路交通管理评价指标体系，以北 京、上海、深州为代表的国内大城市制定了地方性交通拥堵评价指标及标准、交通发展/交 通运行年度报告。基于上述情况，所以在交通运行指数的基础上综合分析路网的交通发展 趋势，制定交通诱导发布方案，把握全市或者区域交通拥堵的变化趋势和拥堵时空演化规 律，了解道路网运行的薄弱环节，为公众出行提供辅助决策依据基于上述情况是很有必要。
【发明内容】
[0004] 本发明要解决的技术问题是提供一种基于交通运行指数发展态势的智能交通诱 导方法，该方法在交通运行指数的基础上综合分析路网的交通发展趋势，制定交通诱导发 布方案，分析交通拥堵的变化和时空演化规律，构建智能交通诱导方案，为政府部门制定长 期的拥堵治理措施提供决策依据。
[0005] 为解决上述技术问题，本发明采用以下技术方案：
[0006] -种基于交通运行指数发展态势的智能交通诱导方法，该方法中所使用的设备包 括城市路网交通信息采集系统，交通运行指数处理服务器，交通运行指数发展态势处理服 务器，动态交通诱导方案数据存储服务器，以及发布终端设备，所述各设备之间依顺序信号 连接，该方法包括如下步骤：
[0007] (1)利用城市路网交通信息采集系统，基于浮动车和固定点交通信息采集设备， 进行多源异构数据融合处理，进行路段交通状态的动态感知，该交通状态包括非常畅通、畅 通、缓行、拥挤和拥堵五个级别；
[0008] (2)构建交通运行指数模型，基于道路等级分类，聚合分析计算路网整体交通运行 指数，形成交通运行指数动态变化趋势线；
[0009] (3)构建交通运行指数发展态势模型，综合分析确定目前状态下未来一定时间的 交通发展态势，奠定交通预测诱导的基础；
[0010] (4)当前路网的交通运行指数以及发展态势信息存入数据库，形成诱导发布内容， 发布终端通过调用数据库接口服务进行信息发布。
[0011] 上述步骤中，通过城市路网交通信息采集系统进行系列分析模型的构建，相关模 型需要按顺序执行，首先是构建多源异构数据融合处理模型，再构建路网交通运行指数模 型，然后构建交通运行指数发展态势模型，最终实现城市路网整体发展态势的智能交通诱 导。
[0012] 所述多源异构数据融合处理模型构建，是通过对路网各种不同的交通信息采集方 式，以及各种不同的交通数据参数进行聚合分析模型融合处理实现。
[0013] 所述交通信息采集方式包括浮动车信息采集、视频交通信息采集、线圈信息采集 以及微波信息采集；所述交通数据参数包括交通流量、速度、密度和占有率。
[0014] 所述聚合分析模型融合处理是通过对流量、速度、密度和占有率四个参数值进行 综合处理判定，并通过四维空间的聚合距离来综合判定状态区间实现。
[0015] 所述聚合分析模型融合处理包括如下步骤：
[0016] (A)通过各种检测器，获取待测点的实时交通参数信息，该信息经所述数据通信设 备实时传回后台服务器并进行存储；
[0017] (B)对丢失数据进行识别，并对异常数据进行清洗过滤，进行数据归一化处理，提 取历史数据进行聚合分析，采用聚合分析法并生成非常畅通、畅通、缓行、拥挤和拥堵五个 聚合中心；
[0018] (C)根据实时的交通信息，计算与各聚合中心的欧氏距离，比较选取最短的聚合中 心，然后自动判定当前时刻的交通拥堵状况；
[0019] (D)重新计算各类交通状态的聚合中心，等待下个数据计算，反复迭代，实现交通 状态的实时动态提取。
[0020] 所述步骤（2)中交通运行指数模型构建，是通过对海量数据分析的基础上建立交 通运行指数TPI与拥堵里程比例NCR的函数关系模型，实时动态数据更新历史数据库后，并 反馈修正模型相关参数实现。
[0021] 所述步骤（3)中交通运行指数发展态势模型构建，是要在路网交通运行指数参数 基础上，进行历史数据的分析预测，通过计算相关信号指数，判定当前路网状态的发展态 势，确定交通诱导的内容，形成路网交通的智能交通诱导方案。
[0022] 所述拥堵里程比例NCR通过提取拥堵路段属性数据，按照道路等级划分，分别计 算快速路拥堵里程比例RCRf、主干路拥堵里程比例RCRa、次干路拥堵里程比例RCRm和支路 拥堵里程比例RCRl，然后利用车公里数加权求得。
[0023] 所述快速路拥堵里程比例RCRf通过公式
【权利要求】
1. 一种基于交通运行指数发展态势的智能交通诱导方法，该方法中所使用的设备包括 城市路网交通信息采集系统，交通运行指数处理服务器，交通运行指数发展态势处理服务 器，动态交通诱导方案数据存储服务器，以及发布终端设备，所述各设备之间依顺序信号连 接，其特征在于：该方法包括如下步骤： (1) 利用城市路网交通信息采集系统，基于浮动车和固定点交通信息采集设备，进行多 源异构数据融合处理，进行路段交通状态的动态感知，该交通状态包括非常畅通、畅通、缓 行、拥挤和拥堵五个级别； (2) 构建交通运行指数模型，基于道路等级分类，聚合分析计算路网整体交通运行指 数，形成交通运行指数动态变化趋势线； (3) 构建交通运行指数发展态势模型，综合分析确定目前状态下未来一定时间的交通 发展态势，奠定交通预测诱导的基础； (4) 当前路网的交通运行指数以及发展态势信息存入数据库，形成诱导发布内容，发布 终端通过调用数据库接口服务进行信息发布。
2. 根据权利要求1所述的基于交通运行指数发展态势的智能交通诱导方法，其特征在 于：通过城市路网交通信息采集系统进行系列分析模型的构建，相关模型需要按顺序执行， 首先是构建多源异构数据融合处理模型，再构建路网交通运行指数模型，然后构建交通运 行指数发展态势模型，最终实现城市路网整体发展态势的智能交通诱导。
3. 根据权利要求2所述的基于交通运行指数发展态势的智能交通诱导方法，其特征在 于：所述多源异构数据融合处理模型构建，是通过对路网各种不同的交通信息采集方式，以 及各种不同的交通数据参数进行聚合分析模型融合处理实现。
4. 根据权利要求3所述的基于交通运行指数发展态势的智能交通诱导方法，其特征在 于：所述交通信息采集方式包括浮动车信息采集、视频交通信息采集、线圈信息采集以及微 波信息采集；所述交通数据参数包括交通流量、速度、密度和占有率。
5. 根据权利要求3所述的基于交通运行指数发展态势的智能交通诱导方法，其特征在 于：所述聚合分析模型融合处理是通过对流量、速度、密度和占有率四个参数值进行综合处 理判定，并通过四维空间的聚合距离来综合判定状态区间实现。
6. 根据权利要求5所述的基于交通运行指数发展态势的智能交通诱导方法，其特征在 于：所述聚合分析模型融合处理包括如下步骤： (A) 通过各种检测器，获取待测点的实时交通参数信息，该信息经所述数据通信设备实 时传回后台服务器并进行存储； (B) 对丢失数据进行识别，并对异常数据进行清洗过滤，进行数据归一化处理，提取历 史数据进行聚合分析，采用聚合分析法并生成非常畅通、畅通、缓行、拥挤和拥堵五个聚合 中心； (C) 根据实时的交通信息，计算与各聚合中心的欧氏距离，比较选取最短的聚合中心， 然后自动判定当前时刻的交通拥堵状况； (D) 重新计算各类交通状态的聚合中心，等待下个数据计算，反复迭代，实现交通状态 的实时动态提取。
7. 根据权利要求1所述的所述的基于交通运行指数发展态势的智能交通诱导方法，其 特征在于：所述步骤（2)中交通运行指数模型构建，是通过对海量数据分析的基础上建立 交通运行指数TPI与拥堵里程比例NCR的函数关系模型，实时动态数据更新历史数据库后， 并反馈修正模型相关参数实现。
8. 根据权利要求1所述的基于交通运行指数发展态势的智能交通诱导方法，其特征在 于：所述步骤（3)中交通运行指数发展态势模型构建，是要在路网交通运行指数参数基础 上，进行历史数据的分析预测，通过计算相关信号指数，判定当前路网状态的发展态势，确 定交通诱导的内容，形成路网交通的智能交通诱导方案。
9. 根据权利要求7所述的基于交通运行指数发展态势的智能交通诱导方法，其特征在 于：所述拥堵里程比例NCR通过提取拥堵路段属性数据，按照道路等级划分，分别计算快速 路拥堵里程比例RCRf、主干路拥堵里程比例RCRa、次干路拥堵里程比例RCRm和支路拥堵里 程比例RCRl，然后利用车公里数加权求得。
10. 根据权利要求9所述的基于交通运行指数发展态势的智能交通诱导方法，其特征 φ JfH +* ?I .Ua It-- m |Γ,1 在于：所述快速路拥堵里程比例RCRf通过公式RCRi' =.......签_.爾.蟲羅皆邊|^1计算得到， 主干路拥堵里程比例RCRa通过公式i?CTa=盔豪侧華.學|害畫縁疊.计算得到,次干路拥 TiΨMWifl*IYi ΨΛIS ft- 堵里程比例RCRm通过= ......：计算得到，支路拥堵里程比例RCRl ΗψφM -bfi (iii ?&1? ft1- 通过公式λο?ι= 计算得到，路网路段拥堵里程比例ncr，通过公式 从^ = 1?0^*(〇1+1?〇^*(〇2+1?〇^1*(〇3+1?〇?1*(〇 4计算得到，式中（〇1，（〇2，（〇3，（〇4分别代表快速路、主干路、次干路和支路的权重值。
11. 根据权利要求7所述的基于交通运行指数发展态势的智能交通诱导方 法，其特征在于：所述交通运行指数TPI与拥堵里程比例NCR的模型通过公式
实现，其中a=NCR*100,X，y,Z,P,m值是道路交通拥堵感 受优化参数。
12. 根据权利要求1所述的基于交通运行指数发展态势的智能交通诱导方法，其特征 在于：所述步骤（3)中，交通运行指数发展态势模型，包括整理TPI数据曲线，计算模型参 量，发展态势分类，发展态势判定。
【文档编号】G08G1/09GK104464321SQ201410787517
【公开日】2015年3月25日 申请日期:2014年12月17日 优先权日:2014年12月17日
【发明者】高万宝, 吴先会, 张广林 申请人:合肥革绿信息科技有限公司