立交基本段通行能力评估模型建模方法与流程

本发明涉及交通领域，尤其涉及一种立交基本段通行能力评估模型建模方法。

背景技术：

传统的通行能力的评估建模方法一般以人工交通调查获得的交通数据为基础，通过标定greenshields模型并确定道路的最大通行能力，从而进一步利用线性回归的方法确定通行能力与各影响因素的关系模型，以用于区域其他路段的通行能力评估。然而，基于传统通行能力的计算模型与线性回归方法建立的通行能力评估模型存在精度低、泛化性差等。

因此，为了解决上述技术问题，亟需提出一种新的技术手段。

技术实现要素：

本发明的目的是提供一种立交基本段通行能力评估模型建模方法，能够为立交基本段的通行能力估算提供准确的评估模型，从而有效确保立交基本段通行能力评估的精度与可靠性，并且具有良好的泛化能力，适应性强。

本发明提供的一种立交基本段通行能力评估模型建模方法，包括以下步骤：

s1.确定样本路段，并采集样本路段的交通流数据，包括交通流速度、交通流密度以及交通流量；

s2.对样本路段的交通流数据进行预处理并形成不含异常数据的交通流数据集；

s3.确定样本路段的通行能力实测值；

s4.分析影响样本路段通行能力实测值的因素并进行影响因素筛选；

s5.基于筛选的影响因素构建立交基本段通行能力评估模型。

进一步，步骤s2中，对于样本路段的交通流数据进行预处理包括：

s21.采集并获取不同时刻样本路段的交通流原始数据并形成一个样本矩阵，该样板矩阵包含交通流速度、交通流密度和交通流量三个维度，每一行表示不同时刻采集的交通流数据；

s22.计算本矩阵中，不同时刻的交通流数据的马氏距离di：

i为数据采集的时序编号，x为样本矩阵第i行数据对应的子矩阵，μ为样本路段对应的均值矩阵，∑为样本路段对应的协方差矩阵；

s23.针对交通流数据中的交通流速度、交通流密度以及交通流量所组成的三维数据中为局部为0的异常数据，并其相邻近的k个样本矩阵的马氏距离进行归一化处理：

j表示异常数据的行编号；

s24.计算异常数据的熵hi：

hj＝-pjln(pj-k-1),j∈[1,k+1]；

s25.计算异常数据的相邻数据的变异系数vj：

vi＝1-hj,j∈[1,k+1]；

s26.计算异常数据的加权值wj：

s27.对异常数据进行修复，得到修复后的数据

进一步，步骤s3中根据如下模型确定样本路段的通行能力实测值：

其中，v为速度，vf为自由流速度；k为交通密度；kf为自由流状态下的交通密度；km为最佳交通密度。

进一步，步骤s4中具体包括：

s41.基于pearson检验，检验通行能力实测值与各影响因素之间的相关性，并剔除弱相关性因素以及无关因素；

s42.检验固定效应，判断固定效应显著性p值是否大于设定值，如是，则固定效应不显著，基于混合效应建立基本段通信能力评估模型；时否则，固定效应显著，进入步骤s43中；

s43.检验随机效应，判断随机效应显著性p值是否大于设定值，如是，则随机效应不显著，基于混合效应建立基本段通行能力评估模型，否则，随机效应显著，进入步骤s44；

s44.hausman效应检验，当hausman效应检验的p值小于设定值时，基于固定效应进行建模，否则，基于随机效应建模。

进一步，步骤s5中，立交基本段通行能力评估模型为：

其中，c主线为立交主线基本段通行能力，rh为圆曲线半径，rv为竖曲线半径，vd为设计速度；phv为交通流中的大车比例，c匝道为立交匝道基本段通行能力，a为平曲线转角。

进一步，还包括步骤s6：对立交基本段通行能力评估模型进行绝对误差检验：

σ为相对误差；ξp为目标立交基本段的通行能力评估结果，ξr为目标立交基本段的实测通行能力值。

本发明的有益效果：通过本发明，能够为立交基本段的通行能力估算提供准确的评估模型，从而有效确保立交基本段通行能力评估的精度与可靠性，并且具有良好的泛化能力，适应性强。

附图说明

下面结合附图和实施例对本发明作进一步描述：

图1为本发明的流程图。

图2为基于本发明的立交主线基本段通行能力误差分布示例。

图3为基于本发明的立交匝道基本段通行能力误差分布示例。

图4为不同交通流运行状态的logistics速度-密度模型标定示例。

具体实施方式

以下对本发明的作出进一步详细说明：

本发明提供的一种立交基本段通行能力评估模型建模方法，包括以下步骤：

s1.确定样本路段，并采集样本路段的交通流数据，包括交通流速度、交通流密度以及交通流量；

s2.对样本路段的交通流数据进行预处理并形成不含异常数据的交通流数据集；

s3.确定样本路段的通行能力实测值；

s4.分析影响样本路段通行能力实测值的因素并进行影响因素筛选；

s5.基于筛选的影响因素构建立交基本段通行能力评估模型；通过上述方法，能够为立交基本段的通行能力估算提供准确的评估模型，从而有效确保立交基本段通行能力评估的精度与可靠性，并且具有良好的泛化能力，适应性强。

本实施例中，步骤s2中，对于样本路段的交通流数据进行预处理包括：

s21.采集并获取不同时刻样本路段的交通流原始数据并形成一个样本矩阵，该样板矩阵包含交通流速度、交通流密度和交通流量三个维度，每一行表示不同时刻采集的交通流数据；其中，交通流速度、交通流密度以及交通流量以列的方式形成样本矩阵，即同一时刻的三个维度的参数形成一列；

s22.计算本矩阵中，不同时刻的交通流数据的马氏距离di：

i为数据采集的时序编号，x为样本矩阵第i行数据对应的子矩阵，μ为样本路段对应的均值矩阵，∑为样本路段对应的协方差矩阵；

s23.针对交通流数据中的交通流速度、交通流密度以及交通流量所组成的三维数据中为局部为0的异常数据，并其相邻近的k个样本矩阵的马氏距离进行归一化处理：

j表示异常数据的行编号；

s24.计算异常数据的熵hi：

hj＝-pjln(pj-k-1),j∈[1,k+1]；

s25.计算异常数据的相邻数据的变异系数vj：

vi＝1-hj,j∈[1,k+1]；

s26.计算异常数据的加权值wj：

s27.对异常数据进行修复，得到修复后的数据

一般来说，交通流速度、交通流密度以及交通流量这三个维度的数据中，任意一个维度或者两个维度数据不为0，那么另外两个维度或者一个维度数据肯定是不为0的，由于在采集数据的过程中存在数据失真，往往存在同一个样本矩阵中某一个维度数据为0，即异常数据，因此，需要通过上述的步骤进行数据修复，从而确保后续步骤中处理的准确性，基于上述方法对交通数据进行标定修复。

本实施例中，步骤s3中根据如下模型确定样本路段的通行能力实测值：

其中，v为速度，vf为自由流速度；k为交通密度；kf为自由流状态下的交通密度；km为最佳交通密度，由于交通流量、交通流速度以及交通流密度之间的关系恒定，即流量等于速度与密度的乘积，因此，可通过标定速度、密度的关系曲线来确定通能力的实测值，即速度与密度的乘积达到最大时，具体实施例如图4所示。

本实施例中，步骤s4中具体包括：

s41.基于pearson检验，检验通行能力实测值与各影响因素之间的相关性，并剔除弱相关性因素以及无关因素；

s42.检验固定效应，判断固定效应显著性p值是否大于设定值，如是，则固定效应不显著，基于混合效应建立基本段通信能力评估模型；时否则，固定效应显著，进入步骤s43中；

s43.检验随机效应，判断随机效应显著性p值是否大于设定值，如是，则随机效应不显著，基于混合效应建立基本段通行能力评估模型，否则，随机效应显著，进入步骤s44；

s44.hausman效应检验，当hausman效应检验的p值小于设定值时，基于固定效应进行建模，否则，基于随机效应建模，通过上述步骤，能够有效确定出对于通行能力的影响因素，并且判断建模的基础，从而确保最终确立的评估模型的准确性；其中，上述中的设定值，一般来说是相应检验的置信度，一般取值为0.05。

本实施例中，步骤s5中，立交基本段通行能力评估模型为：

其中，c主线为立交主线基本段通行能力，rh为圆曲线半径，rv为竖曲线半径，vd为设计速度；phv为交通流中的大车比例，c匝道为立交匝道基本段通行能力，a为平曲线转角，基于上述交通评估模型，能够准确的对样本路段外的其他目标立交基本段的通行能力进行准确评估，并且具有极强的泛化能力，适应能力强。

本实施例中，还包括步骤s6：对立交基本段通行能力评估模型进行绝对误差检验：

σ为相对误差；ξp为目标立交基本段的通行能力评估结果，ξr为目标立交基本段的实测通行能力值。

通过该步骤，用于对评估模型的误差进行检验，从而判断评估模型的可行性，而通过图2和图3中实测结果，本申请的方法是完全可行的，并且具有相对误差小的优点。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。