一种基于门架数据的高速公路交通状态确定方法及系统

本发明涉及交通状态检测，特别是涉及一种基于门架数据的高速公路交通状态确定方法及系统。

背景技术：

1、目前，随着人们汽车保有量的增加，高速公路仍然会出现拥堵问题。为更好的评估高速公路运行状态，门架系统应运而生，目前，中国已建成了2.66万套门架系统，门架系统记录了海量的行车感知数据，并且现阶段数据挖掘技术逐渐成熟，通过智能化手段从海量的门架数据中挖掘出复杂的交通流变化态势是当前交通研究的热点与难点，目前，研究高速公路路段时空维度的交通运行状态，对引导出行者出行，提高路段通行效率具有重要意义。

技术实现思路

1、本发明的目的是提供一种基于门架数据的高速公路交通状态确定方法及系统，实现了各个路段交通状态的准确的检测。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于门架数据的高速公路交通状态确定方法，包括：

4、获取目标时间段内目标交通走廊范围内各路段两端的门架数据；

5、对各路段两端的门架数据进行拼接处理，得到交通基础数据；

6、剔除所述交通基础数据中异常速度行驶的车辆数据，得到交通数据集；

7、根据所述交通数据集计算出各路段的各个车型的交通量和平均行程速度；

8、根据各路段的各车型的交通量和平均行程速度计算出各路段设定时间段内的交通状态指数。

9、可选地，每个路段两端的门架为上游门架和下游门架；所述交通基础数据中每个数据的格式为：[车牌号，经过上游门架时间，经过下游门架时间，车型，路段平均行程速度]。

10、可选地，所述剔除所述交通基础数据中异常速度行驶的车辆数据，得到交通数据集，具体包括：

11、判断目标交通走廊范围内是否设有服务区；

12、若设有服务区，则根据所述交通基础数据，采用k-means聚类算法在时间维度和平均行程速度维度上将车辆划分为驶入服务区车辆和未驶入服务区车辆；

13、采用密度聚类算法在平均行程速度维度上，对未驶入服务区车辆进行分类，将当前产生的类别中数量最多的类别的车辆记为第一正常行驶的车辆；

14、将第一正常行驶的车辆交通基础数据构成交通数据集；

15、若没有服务区，则采用密度聚类算法在平均行程速度维度上，对所述交通基础数据进行分类，将当前产生的类别中数量最多的类别的车辆记为第二正常行驶的车辆；

16、将第二正常行驶的车辆的交通基础数据构成交通数据集。

17、可选地，k-means聚类算法的初始聚类中心为(10km/h,t/2)和(80km/h,t/2)，其中t表示所选的聚类时序长度，t取值范围为12h-24h。

18、可选地，所述密度聚类算法的邻域半径设置为1km/h，邻域密度阈值设置为3。

19、可选地，根据所述交通数据集计算出各路段的各个车型的交通量和平均行程时间，具体包括：

20、根据公式计算各路段的各个车型的交通量；

21、根据公式计算各路段的各个车型的平均行程时间；

22、其中，为路段w中c车型的交通量，为上游门架c车型通过的交通量，为下游门架c车型通过的交通量，路段w中c车型的平均行程时间，为c车型中车辆i通过路段w的平均行程时间，n为c车型的车辆总数。

23、可选地，根据各路段的各车型的交通量和平均行程时间计算出各路段设定时间段内的交通状态指数，具体包括：

24、根据公式计算各路段的设定时间段内各车型的交通状态指数；

25、根据公式计算各路段的设定时间段内的加权交通状态指数；

26、其中，表示路段w的设定时间段j内c车型的交通状态指数，为c车型的预设理想平均行程速度，为路段w设定时间段j内c车型的平均行程速度；twj为路段w设定时间段j的交通状态指数，为路段w的设定时间段j内c车型的交通量，n表示车型数量。

27、本发明公开了一种基于门架数据的高速公路交通状态确定系统，包括：

28、门架数据获取模块，用于获取目标时间段内目标交通走廊范围内各路段两端的门架数据；

29、交通基础数据确定模块，用于对各路段两端的门架数据进行拼接处理，得到交通基础数据；

30、异常数据剔除模块，用于剔除所述交通基础数据中异常速度行驶的车辆数据，得到交通数据集；

31、交通量和平均行程速度计算模块，用于根据所述交通数据集计算出各路段的各个车型的交通量和平均行程速度；

32、交通状态指数计算模块，用于根据各路段的各车型的交通量和平均行程时间计算出各路段设定时间段内的交通状态指数。

33、根据本发明提供的具体实施例，本发明公开了以下技术效果：

34、本发明基于各路段两端的门架数据，通过对车辆进行分类能够识别出各车型各路段的车辆数据，实现了各个路段交通状态的准确的检测。

技术特征：

1.一种基于门架数据的高速公路交通状态确定方法，其特征在于，包括：

2.根据权利要求1所述的基于门架数据的高速公路交通状态确定方法，其特征在于，每个路段两端的门架为上游门架和下游门架；所述交通基础数据中每个数据的格式为：[车牌号，经过上游门架时间，经过下游门架时间，车型，路段平均行程速度]。

3.根据权利要求1所述的基于门架数据的高速公路交通状态确定方法，其特征在于，剔除所述交通基础数据中异常速度行驶的车辆数据，得到交通数据集，具体包括：

4.根据权利要求1所述的基于门架数据的高速公路交通状态确定方法，其特征在于，k-means聚类算法的初始聚类中心为(10km/h,t/2)和(80km/h,t/2)，其中t表示所选的聚类时序长度，t取值范围为12h-24h。

5.根据权利要求3所述的基于门架数据的高速公路交通状态确定方法，其特征在于，所述密度聚类算法的邻域半径设置为1km/h，邻域密度阈值设置为3。

6.根据权利要求1所述的基于门架数据的高速公路交通状态确定方法，其特征在于，根据所述交通数据集计算出各路段的各个车型的交通量和平均行程速度，具体包括：

7.根据权利要求1所述的基于门架数据的高速公路交通状态确定方法，其特征在于，根据各路段的各车型的交通量和平均行程速度计算出各路段设定时间段内的交通状态指数，具体包括：

8.一种基于门架数据的高速公路交通状态确定系统，其特征在于，包括：

技术总结
本发明公开一种基于门架数据的高速公路交通状态确定方法及系统，涉及交通状态检测技术领域，该方法包括：获取目标时间段内目标交通走廊范围内各路段两端的门架数据；对各路段两端的门架数据进行拼接处理，得到交通基础数据；剔除所述交通基础数据中异常速度行驶的车辆数据，得到交通数据集；根据所述交通数据集计算出各路段的各个车型的交通量和平均行程速度；根据各路段的各车型的交通量和平均行程速度计算出各路段设定时间段内的交通状态指数。本发明实现了各个路段交通状态的准确的检测。

技术研发人员：贾健民,刘春生,张辉,王晓涵,时柏营
受保护的技术使用者：山东建筑大学
技术研发日：
技术公布日：2024/1/16