基于ＳＣＡＴＳ线圈数据的交通状态在线定量评价与预测方法技术

一种基于ＳＣＡＴＳ线圈数据的交通状态在线定量评价与预测方法，涉及交通技术领域中的交通状态在线定量评价与预测方法，ＳＣＡＴＳ线圈采集交通参数上传至交通信息中心，计算机对实测数据进行质量评价与控制，对质量评价与控制后的实测数据进行交通参数虚拟时间序列构建，对虚拟时间序列数据进行质量评价与控制，对参数的虚拟时间序列数据进行交通拥挤自动识别，对交通参数的虚拟时间序列数据进行短时多步预测及数虚拟时间序列数据短时多步预测的基础上进行交通拥挤扩散范围和持续时间预测，并向交通管理部门发布预测结果，为其提供更有力的决策依据。

【技术实现步骤摘要】

本专利技术涉及智能交通
中的交通状态在线定量评价与预测方法，具体涉及 一种基于SCATS线圈数据的交通状态在线定量评价与预测方法。
技术介绍
SCATS(悉尼协调自适应交通系统)是一种用计算机控制交通信号的控制系统。从 控制理念和技术的角度看，SCATS技术成熟、功能齐全、控制方式灵活，是一种比较优秀的信 号控制系统，在世界范围内得到了广泛的应用。 但目前，SCATS获取的动态交通数据仅用于信号控制系统。从数据共享的角度看， 如果能够将其所获得的动态交通数据用于该系统所覆盖道路的交通状态在线定量评价，则 可在降低动态交通信息成本的同时，为制定有效的交通管理措施提供更有力的决策依据。 然而，SCATS中的线圈布设位置及其所提供的交通数据具有很强的独特性，已有的交通状态 在线定量评价与预测方法难以在这种条件下有效发挥作用。 与快速路和SCOOT中的感应线圈获得的动态交通数据相比，目前SCATS中的感应 线圈仅能提供流量和平均车头时距的动态数据，因此，在进行交通状态在线定量评价时的 可用信息量偏小。而且，在SCATS中，感应线圈布设在路段下游靠近交叉口停车线的位置， 由于这种动态交通数据无法体现路段上不同排队车辆数的影响，因此在对路段拥挤程度进 行在线定量评价时，其效果将会有所降低。 SCATS是一种实时自适应控制系统，其动态交通数据的采样间隔由所属信号机的 信号周期决定，而信号周期是不断变化的参数。在时变的采样间隔条件下，动态交通数据不 具有可比性，不但无法依据这些动态数据进行交通状态的在线定量评价，而且也不能将其 作为建立预测模型的基础实现对未来交通状态的估计。
技术实现思路
本专利技术要解决的技术问题是，针对上述SCATS感应线圈动态交通数据的独特性， 克服已有交通状态在线定量评价与预测方法应用于SCATS中的不足，提供一种有效的基于 SCATS线圈数据的交通状态在线定量评价与预测方法，在降低动态交通信息成本的同时，为 制定有效的交通管理措施提供更有力的决策依据。 本专利技术解决其技术问题所采用的技术方案是，具体方法流程如下 (1) SCATS线圈自动采集交通参数并通过网络连接上传至交通信息中心； (2)交通信息中心通过计算机对SCATS线圈实测数据进行质量评价与控制，包括对交通事件进行自动检测，并向交通管理部门发布检测结果，为其提供更有力的决策依据； (3)交通信息中心通过计算机对质量评价与控制后的SCATS线圈实测数据进行交 通参数虚拟时间序列构建； (4)交通信息中心通过计算机对SCATS交通参数的虚拟时间序列数据进行质量评4价与控制，； (5)交通信息中心通过计算机对SCATS交通参数的虚拟时间序列数据进行交通拥挤自动识别，并向交通管理部门发布判别结果，为其提供更有力的决策依据； (6)交通信息中心通过计算机对SCATS交通参数的虚拟时间序列数据进行短时多步预测； (7)交通信息中心通过计算机对SCATS交通参数虚拟时间序列数据短时多步预测 的基础上进行交通拥挤扩散范围和持续时间预测，并向交通管理部门发布预测结果，为其 提供更有力的决策依据。 其中， (1)依据交通状态定义及分类，分析基于SCATS线圈数据可识别的交通状态类型； (2)设计基于SCATS线圈数据的交通事件自动检测(Automatedlncident Detection, AID)方法； (3)对SCATS线圈实测数据进行质量评价与控制，主要是对丢失数据及事件影响 数据的识别与控制，为后续模块提供更为可靠的数据基础； (4)研究SCATS线圈动态交通数据的特点，提出虚拟采样间隔方案以突破SCATS交 通参数无法进行预测的瓶颈，并构建SCATS交通参数虚拟时间序列，设计延迟因子计算方 法，分析不同时间尺度下虚拟时间序列的规律性，以确定合理的虚拟采样间隔； (5)对SCATS交通参数的虚拟时间序列数据进行质量评价与控制，为后续的交通 预测、拥挤识别等提供更为可靠的基础数据； (6)设计基于SCATS交通参数时间序列数据的交通拥挤自动识别(Automated Congestion Identification, ACI)方法； (7)研究SCATS交通参数虚拟时间序列的短时多步预测方法，为交通状态预测提 供数据基础； (8)设计交通拥挤扩散范围和持续时间预测方法，为交通管理者制定管理方案及 出行者制定出行计划提供依据。 所述的分析基于SCATS线圈数据可识别的交通状态类型是指，依据连续交通流中交通状态的定义及分类，结合SCATS感应线圈布设位置和动态交通数据特点，得出基于SCATS线圈数据可识别顺畅状态及阻滞状态而无法识别拥堵状态的结论。 所述的设计基于SCATS线圈数据的交通事件自动检测算法包括基础交通参数的选取和交通事件自动检测算法的设计两个步骤，其中选取的基础交通参数为流量这一交通参数，交通事件自动检测算法采用标准偏差法。 所述的SCATS线圈实测数据质量评价与控制是指，丢失数据的识别采用横向时间 序列分段移动平均的近视识别方法，对丢失数据的控制采用横向时间序列分段移动平均值 进行修复；事件数据的识别采用所设计的基于SCATS线圈数据的交通事件自动检测算法， 尽管交通事件条件下的实测数据通常会偏离正常的有效范围，但这是一种真实的数据，无 须对其进行修复控制，对丢失数据及事件影响数据的识别与控制的目的是，为后续模块提 供更为可靠的数据基础。 所述的SCATS交通参数虚拟时间序列的构建方法包括 (1) SCATS交通参数实测采样间隔到虚拟采样间隔的映射关系分析； (2)单个交叉口虚拟采样间隔的确定方法； (3)路网统一虚拟采样间隔的确定方法。 为了更真实的实现折算流量的从实际采样间隔到虚拟采样间隔的映射，引入平均 交通流量这个概念。定义平均交通流量为折算流量与信号周期的比值，单位为辆/秒，折 算流量从实际采样间隔到虚拟采样间隔的映射关系为虚拟采样间隔被其跨越实际采样间 隔所分时段与相应的平均交通流量乘积之和；平均车头时距从实际采样间隔到虚拟采样间 隔的映射关系为虚拟采样间隔被其跨越实际采样间隔所分时段与相应的平均交通流量以 及平均车头时距乘积之和，除以虚拟采样间隔被其跨越实际采样间隔所分时段与相应的平 均交通流量乘积之和； 单个交叉口虚拟采样间隔的确定方法从交通状态在线定量评价对实时性要求的 角度考虑，选取延误作为虚拟采样间隔的确定指标，定义数据提取点时间为每个周期结束 的时间，决策点时间为每个虚拟采样间隔结束的时间，定义数据提取点延迟为决策点时间 先于数据提取点时间的时间差，决策点延迟为数据提取点时间先于决策点时间的时间差。 每个决策点的延迟等于本决策点的数据提取点延迟与决策点延迟之和，定义一天24小时 所有决策点的延迟之和为延迟因子，每个虚拟采样间隔对应着一个延迟因子，延迟因子最 小的虚拟采样间隔就是此方法确定的值； 路网统一虚拟采样间隔的确定方法为通过延迟因子算法，可以得到每个交叉口 延迟因子最小的虚拟采样间隔，且不同的交叉口得到的虚拟采样间隔是不同的。而整个 SCATS系统需要一个统一的虚拟采样间隔来进行信息发布。本专利技术提出采用系统延迟因子 最小和虚拟时间序列数据的稳定性两个因素确定系统虚拟采样间隔。但人本文档来自技高网...

【技术保护点】
一种基于ＳＣＡＴＳ线圈数据的交通状态在线定量评价与预测方法，其特征在于包括如下步骤：（１）ＳＣＡＴＳ线圈自动采集交通参数并通过网络连接上传至交通信息中心；（２）交通信息中心通过计算机对ＳＣＡＴＳ线圈实测数据进行质量评价与控制，包括对交通事件进行自动检测，并向交通管理部门发布检测结果，为其提供更有力的决策依据；（３）交通信息中心通过计算机对质量评价与控制后的ＳＣＡＴＳ线圈实测数据进行交通参数虚拟时间序列构建；（４）交通信息中心通过计算机对ＳＣＡＴＳ交通参数的虚拟时间序列数据进行质量评价与控制；（５）交通信息中心通过计算机对ＳＣＡＴＳ交通参数的虚拟时间序列数据进行交通拥挤自动识别，并向交通管理部门发布判别结果，为其提供更有力的决策依据；（６）交通信息中心通过计算机对ＳＣＡＴＳ交通参数的虚拟时间序列数据进行短时多步预测；（７）交通信息中心通过计算机对ＳＣＡＴＳ交通参数虚拟时间序列数据短时多步预测的基础上进行交通拥挤扩散范围和持续时间预测。

【技术特征摘要】

【专利技术属性】
技术研发人员：姜桂艳，李琦，常安德，牛世峰，杨兆升，李红伟，李明涛，李继伟，吴正言，张伟，张玮，张春勤，姜卉，孟志强，唐永勇，
申请(专利权)人：吉林大学，
类型：发明
国别省市：82[中国|长春]