一种交通拥堵指数评价方法技术

本发明专利技术涉及交通拥堵评价技术领域，且公开了一种交通拥堵指数评价方法，包括以下步骤：步骤一、获取24小时内每个路段的自由流速度，所述自由流速度为交通量较小道路完全畅通情况下车辆的行驶速度，计算每个路段的时间指数。该交通拥堵指数评价方法，本发明专利技术利用交通数据本身的统计特性给出了划分拥堵等级的科学方法，避免了人为设置拥堵等级的主观性和盲目性，完善了拥堵分级理论，通过历史地点车速数据的聚类分析得出每一交通拥堵等级对应的临界地点车速值，并求解出模型的参数值，使模型建立之初就与待测路段的交通特性很好地契合，时间汇集度的计算依据待测路段交通拥堵状态实际持续时间和最大最小极端值确定。态实际持续时间和最大最小极端值确定。

【技术实现步骤摘要】
一种交通拥堵指数评价方法


[0001]本专利技术涉及交通拥堵评价
，具体为一种交通拥堵指数评价方法。

技术介绍

[0002]交通拥堵是经济发展不平衡导致的口分布不均、城市交通供给有限及城市布局与经济发展不匹配等各种社会矛盾的集中体现，是一个世界性难题。为了全面深入理解交通拥堵的本质，为交通管理、规划、政策出台等方方面面工作提供支持并合理引导公众出行，切实缓解日益严峻的拥堵现状，需要一套能切实反映道路拥堵状况的评价指标体系，其中就包括交通拥堵指数
[0003]中国专利公开号CN110349410B公开了一种交通拥堵指数测定方法，种交通拥堵指数测定方法，包括至少2个数据源，每个数据源的数据包括历史数据DH和实时数据D，还包括依次进行的以下步骤：将数据源进行分类，为每个类别建立标签，对每个标签的历史数据进行处理得到总体历史数据DH1、本周历史数据DH2和上一日历史数据DH3，解决了现有的拥堵指数评估一般采用固定标准评估，当一个路段每天都是严重拥堵时，该路段的拥堵指数对用户的作用就不大了，用户无法通过拥堵指数判断该路段的拥堵较往常有什么区别的问题。
[0004]该方法的缺点在于：
[0005]现有的拥堵指数计算方法在分级策略上主观意识较强，无法从定量的角度做到精确分级，人为设定拥堵等级，对拥堵等级划分的主观性太强，缺乏科学含义。

技术实现思路

[0006](一)解决的技术问题
[0007]针对现有技术的不足，本专利技术提供了一种交通拥堵指数评价方法，具备精确分级和科学含义强烈等优点，解决了无法从定量的角度做到精确分级，人为设定拥堵等级，对拥堵等级划分的主观性太强，缺乏科学含义的问题。
[0008](二)技术方案
[0009]为实现上述目的，本专利技术提供如下技术方案：一种交通拥堵指数评价方法，包括以下步骤：
[0010]步骤一、获取24小时内每个路段的自由流速度，所述自由流速度为交通量较小道路完全畅通情况下车辆的行驶速度，计算每个路段的时间指数，构建路段交通拥堵指数计算模型如下：
[0011]RCI＝0(x≤0)xα*2(0＜x≤α)2+x
‑
αβ
‑
α*2(α＜x≤β)4+x
‑
βγ
‑
β *2(β＜x≤γ)6+x
‑
γλ
‑
γ*2(γ＜x≤λ)8+x
‑
λη
‑
λ*2(λ＜x≤η)10(x ＞η)x＝vf
‑
vsvf*F，其中，RCI表示路段交通拥堵指数，x表示分段函数自变量，α、β、γ、λ、η、F表示模型参数，vs表示地点车速，vf表示路段交通自由流速度；
[0012]步骤二、根据时间指数值的大小将路网全部路段某一时刻的数据进行聚类分析，
对全路网的时间指数数据依照类间差异尽可能大、类内差异尽可能少的原则确定最佳分类数；
[0013]步骤三、将模型参数F的初始值设为待测路段的交通自由流速度，将各临界地点车速代入计算模型中，求出模型参数α、β、γ、λ、η的值，得到待测路段的交通拥堵指数计算模型；
[0014]步骤四、将数据源进行分类，为每个类别建立标签，对每个标签的实时数据D进行清洗得到平均实时数据D1，去除误差较大的数据，对于对每个类求其包含样本梯度模的均值，各类在拥堵指数上的映射范围与其梯度模成正比，将拥堵指数范围0
‑
10分配给各个类；
[0015]步骤五、确定待测路段的时间汇集度，将连续的历史地点车速数据代入待测路段的交通拥堵指数计算模型中，得到相应的交通拥堵指数；
[0016]步骤六、根据交通拥堵指数，确定对应的交通拥堵等级，确定每个标签的拥堵指数P＝0.6*D1/DH1+0.3*D1/DH2+0.1*D1/DH，当P≤1.2时，基本没有拥堵；当1.2＜P≤1.5时，为轻度拥堵；当1.5＜P≤1.8时，为中度拥堵；当1.8＜P≤2.1时，为重度拥堵；当2.1＜P时，为严重拥堵。
[0017]优选的，所述步骤四中的数据分类按照数据源的车辆类型进行分类，包括私家车、出租车和公交车。
[0018]优选的，所述总体历史数据DH1为该标签下所有历史数据的平均值，本周历史数据DH2为该标签下近7日所有历史数据的平均值，上一日历史数据 DH3为该标签下上一日所有历史数据的平均值。
[0019]优选的，将24小时分成y个相等的时间间隔，对每个路段计算各个时间间隔内的车辆的平均速度，再分别对每个路段在24小时内的y个样本中求速度最大的前15％样本的均值作为该路段的自由流速度。
[0020]优选的，确定最佳分类数的步骤如下：设第i个路段的旅行时间指数为样本ai，那么d(i)＝meanaj∈K(i)(di，j)，其中d(i)为样本ai与其所属类内其他样本的平均距离，i≠j且aj∈K(i)，K(i)为样本ai归属的类，di，j 为样本ai与aj间距离。
[0021]优选的，若所述最小时间长度大于12分钟，则将时间汇集度设定为12 分钟，若最小时间长度小于5分钟，则将时间汇集度设定为5分钟。
[0022]优选的，所述将固定检测器和浮动车检测器采集到的待测路段的地点车速数据进行融合，具体为：对不同数据格式进行同一化转换，再根据各检测器数据量的多少对地点车速进行加权平均，将得到的速度平均值作为代表性地点车速。
[0023]优选的，当待测路段的交通拥堵指数计算模型需要修正模型参数时，返回步骤二对模型参数进行修正，具体修正时先调节F的值，再对α、β、γ、λ、η进行微调；然后跳转至步骤三。
[0024]优选的，所述步骤二中对路网所有路段的时间指数进行聚类包括如下迭代处理步骤：从n个样本任意选择M个作为初始聚类中心，计算每个样本与各个类中心点的距离，并根据最小距离的原则将样本划分进某一类，计算每个类的中心，类的中心点为其到所属类中其他所有点的距离之和最小的点。
[0025]优选的，对于分类数为m情况下的聚类结果计算所有样本的平均 Silhouette测度值PmPm＝Σi＝1NSil(i)/N，其中N为样本量，则最佳分类数m 为使Pm获得最大值时的分类
数。
[0026](三)有益效果
[0027]与现有技术相比，本专利技术提供了一种交通拥堵指数评价方法，具备以下
[0028]有益效果：
[0029]该交通拥堵指数评价方法，本专利技术利用交通数据本身的统计特性给出了划分拥堵等级的科学方法，避免了人为设置拥堵等级的主观性和盲目性，完善了拥堵分级理论，通过历史地点车速数据的聚类分析得出每一交通拥堵等级对应的临界地点车速值，并求解出模型的参数值，使模型建立之初就与待测路段的交通特性很好地契合，时间汇集度的计算依据待测路段交通拥堵状态实际持续时间和最大最小极端值确定，如果时间汇集度太大，RCI不能起到实时反映交通拥堵状态的效果，如果时间汇集度太小，则会浪费系统资源。
具体实施方式...

【技术保护点】

【技术特征摘要】
1.一种交通拥堵指数评价方法，其特征在于，包括以下步骤：步骤一、获取24小时内每个路段的自由流速度，所述自由流速度为交通量较小道路完全畅通情况下车辆的行驶速度，计算每个路段的时间指数，构建路段交通拥堵指数计算模型如下：RCI＝0(x≤0)xα*2(0＜x≤α)2+x
‑
αβ
‑
α*2(α＜x≤β)4+x
‑
βγ
‑
β*2(β＜x≤γ)6+x
‑
γλ
‑
γ*2(γ＜x≤λ)8+x
‑
λη
‑
λ*2(λ＜x≤η)10(x＞η)x＝vf
‑
vsvf*F，其中，RCI表示路段交通拥堵指数，x表示分段函数自变量，α、β、γ、λ、η、F表示模型参数，vs表示地点车速，vf表示路段交通自由流速度；步骤二、根据时间指数值的大小将路网全部路段某一时刻的数据进行聚类分析，对全路网的时间指数数据依照类间差异尽可能大、类内差异尽可能少的原则确定最佳分类数；步骤三、将模型参数F的初始值设为待测路段的交通自由流速度，将各临界地点车速代入计算模型中，求出模型参数α、β、γ、λ、η的值，得到待测路段的交通拥堵指数计算模型；步骤四、将数据源进行分类，为每个类别建立标签，对每个标签的实时数据D进行清洗得到平均实时数据D1，去除误差较大的数据，对于对每个类求其包含样本梯度模的均值，各类在拥堵指数上的映射范围与其梯度模成正比，将拥堵指数范围0
‑
10分配给各个类；步骤五、确定待测路段的时间汇集度，将连续的历史地点车速数据代入待测路段的交通拥堵指数计算模型中，得到相应的交通拥堵指数；步骤六、根据交通拥堵指数，确定对应的交通拥堵等级，确定每个标签的拥堵指数P＝0.6*D1/DH1+0.3*D1/DH2+0.1*D1/DH，当P≤1.2时，基本没有拥堵；当1.2＜P≤1.5时，为轻度拥堵；当1.5＜P≤1.8时，为中度拥堵；当1.8＜P≤2.1时，为重度拥堵；当2.1＜P时，为严重拥堵。2.根据权利要求1所述的一种交通拥堵指数评价方法，其特征在于，所述步骤四中的数据分类按照数据源的车辆类型进行分类，包括私家车、出租车和公交车。3.根据权利要求1所...

【专利技术属性】
技术研发人员：赵先明，林昀，
申请(专利权)人：北京红山信息科技研究院有限公司，
类型：发明
国别省市：