一种快速道路路段状态的实时监测方法技术

一种快速道路路段状态的实时监测方法，在待检查的快速道路上设置交通流检测点，各个检测点之间布设的间距为800米，每个检测点覆盖上游400米到下游400米范围的路段，收集历史交通流数据和事故数据，通过聚类分析和回归分析提取危险交通流运行状态，并通过决策树方法给出交通流运行状态的监测判别方法。本发明专利技术方法处理简单易行，便于实时鉴别快速道路事故“黑点”，使用本发明专利技术方法实时监测快速道路事故危险路段具有实际的工程运用价值。

【技术实现步骤摘要】

本专利技术属于交通智能管理和控制
，为，可实时鉴别快速道路上有发生交通事故风险的路段。
技术介绍
随着改革的深化和城市化、机动化进程的不断深入，自20世纪80年代中期开始， 我国交通运输业迅速发展，路网结构得到不断完善，交通基础设施条件不断改善，机动车保有量和交通需求迅速增加。但是，车辆与道路增长速度的不协调以及管理手段的不当，也带来了严重的交通安全问题。在这样的背景下，道路交通安全问题成为越来越受到关注的热点问题，提高我国交通安全管理工作水平，对于减少人员伤亡和财产损失，发展新时期和谐交通具有重要的现实意义。为了预防和降低交通事故数量，如何鉴别事故高发路段是首要解决的问题。目前， 交通管理相关部门主要通过一些传统的方法来实现对事故黑点的鉴别，这些方法往往需要采集较长一段时间内的事故数据、交通数据、天气数据和道路参数，一般国际上推荐采用3 年的事故数据进行分析。虽然这些方法在鉴别快速道路事故黑点方面是有效的，但是这些方法难以在短时间内对事故易发路段进行鉴别。而另一方面，在交通安全前沿研究中，学者们开始关注实时交通流信息与交通安全之间的关系。目前，交通流的不同运行状态是否与交通安全相关，它们之间关联度究竟多大，事故发生前是否存在某种可作为事故征兆的“危险”交通流状态，一直没有得到很好的解答。本专利技术提出一种提取快速道路“危险”交通流状态的方法，并将该方法应用于快速道路事故危险路段的实时鉴别中，通过检测快速道路上各个检测点的交通流状态，实时鉴别事故危险路段，从而解决已有事故黑点鉴别方法难以在短时间内鉴别危险路段的缺陷。
技术实现思路
本专利技术要解决的问题是克服已有事故黑点鉴别方法的不足，利用现有智能交通系统检测的实时交通流数据，提出一种能够实时判别快速道路危险路段的方法。本专利技术的技术方案为快速道路事故路段状态的实时监测方法，包括以下步骤1)在快速道路上每隔800米设置一个交通流检测点，收集待检查的快速道路的事故数据，确立各起交通事故的发生地点，从而确定与交通事故发生地点距离最近的一个交通流检测点，提取该检测点在事故发生前半小时内的交通数据，包括交通流率和速度，其采样精度为每5分钟采集一次；2)对于每起交通事故，采用病例-对照研究法按1 4比例选取事发路段正常交通流状态下，即没有发生事故时的交通占有率数据，所述1 4指，对应于每个事故范例，选取4个相应的正常交通流状态范例；3)将事故发生前的交通数据和步骤2、选取的对应的正常交通流状态数据以及周围发生事故最少的一个检测点2个月内交通数据组合成交通流数据样本，采用K-means动态聚类分析方法，选用交通流率和速度2个交通流参数对交通流数据样本进行聚类分析；4)对由κ-means动态聚类分析方法划分得到的各交通流状态进行Logistic回归，自变量为交通流状态，应变量为是否发生交通事故，根据Logistic回归中各交通流状态前面系数的显著水平P-value是否显著来确定交通流状态是否为危险交通流运行状态， 当显著水平P-value小于0. 05时，代表该交通流状态为危险交通流状态，反之，当显著水平 P-value大于0. 05时，代表该交通流状态不是危险交通流状态；5)采用QUEST决策树模型确立各种交通流状态的边界用于判别实时交通流状态 以交通密度作为QUEST决策树模型中的解释变量，以交通流状态为目标变量，确立各种交通流状态的边界，即各种交通流状态对应的交通密度范围，其中交通密度=交通流率/速度，交通流率与速度由检测点获得；6)每隔5分钟采集各个检测点的交通流率和速度，计算得到各个点的交通密度， 根据QUEST决策树模型确立的各种交通流状态对应的交通密度范围，判断整条快速道路是否有检测点出现危险交通流状态，如果某个检测点得到的交通密度落在危险交通流状态对应的交通密度范围，说明该检测点附近出现危险交通流状态，则表明该检测点覆盖的800 米路段为危险路段，有发生交通事故的危险性，进行预警提示。本专利技术利用快速道路上各个检测点采集的交通数据，实时检测各个检测点附近是否出现危险交通流状态，从而达到实时鉴别事故易发路段的目的。相对于传统快速道路事故黑点鉴别方法而言，本方法能够在较短时间内发现事故危险路段，并且处理简单易行。因而，使用本方法鉴别快速道路危险交通流运行状态具有实际的工程运用价值。附图说明图1为本专利技术实施例的检测点示意图。图2为本专利技术监测方法的流程图。图3为本专利技术综合运用K-means聚类、Logistic回归和QUEST决策树模型的建模程序框图。图4为本专利技术实施例的聚类后交通流状态划分图。 具体实施例方式本专利技术将K-means聚类、Logistic回归和QUEST决策树模型用于实时监测事故易发路段，一种快速道路事故危险路段的实时监测方法，包括以下步骤1)在快速道路上每隔800米设置一个交通流检测点，收集待检查的快速道路的事故数据，确立各起交通事故的发生地点，从而确定与交通事故发生地点距离最近的一个交通流检测点，提取该检测点在事故发生前半小时内的交通数据，包括交通流率和速度，其采样精度为每5分钟采集一次；2)对于每起交通事故，采用病例-对照研究法按1 4比例选取事发路段正常交通流状态下，即没有发生事故时的交通占有率数据，所述1 4指，对应于每个事故范例，选取4个相应的正常交通流状态范例；3)将事故发生前的交通数据和步骤2、选取的对应的正常交通流状态数据以及周围发生事故最少的一个检测点2个月内交通数据组合成交通流数据样本，采用K-means动态聚类分析方法，选用交通流率和速度2个交通流参数对交通流数据样本进行聚类分析；4)对由K-means动态聚类分析方法划分得到的各交通流状态进行Logistic回归，自变量为交通流状态，应变量为是否发生交通事故，根据Logistic回归中各交通流状态前面系数的显著水平P-value是否显著来确定交通流状态是否为危险交通流运行状态， 当显著水平P-value小于0. 05时，代表该交通流状态为危险交通流状态，反之，当显著水平 P-value大于0. 05时，代表该交通流状态不是危险交通流状态；5)由于聚类分析方法是对收集的历史数据进行分类，只能给出各个状态的聚类中心，无法判别当前交通流究竟处于何种状态下，因而本专利技术采用QUEST决策树模型确立各种交通流状态的边界，用于判别实时交通流状态以交通密度作为QUEST决策树模型中的解释变量，以交通流状态为目标变量，确立各种交通流状态的边界，即各种交通流状态对应的交通密度范围，其中交通密度=交通流率/速度，交通流率与速度由检测点获得；6)每隔5分钟采集各个检测点的交通流率和速度，计算得到各个点的交通密度， 根据QUEST决策树模型确立的各种交通流状态对应的交通密度范围，判断整条快速道路是否有检测点出现危险交通流状态，如果某个检测点得到的交通密度落在危险交通流状态对应的交通密度范围，说明该检测点附近出现危险交通流状态，则表明该检测点覆盖的800 米路段为危险路段，有发生交通事故的危险性，进行预警提示。步骤1) -4)将交通流划分不同状态，并利用P-value从中确立危险交通流状态，完成对交通流状态的划分；步骤幻确立危险交通流状态对应的交通密度范围，当当前交通密度落在危险交通本文档来自技高网...

【技术保护点】
１．一种快速道路路段状态的实时监测方法，其特征是包括以下步骤：１）在快速道路上每隔８００米设置一个交通流检测点，收集待检查的快速道路的事故数据，确立各起交通事故的发生地点，从而确定与交通事故发生地点距离最近的一个交通流检测点，提取该检测点在事故发生前半小时内的交通数据，包括交通流率和速度，其采样精度为每５分钟采集一次；２）对于每起交通事故，采用病例－对照研究法按１∶４比例选取事发路段正常交通流状态下，即没有发生事故时的交通占有率数据，所述１∶４指，对应于每个事故范例，选取４个相应的正常交通流状态范例；３）将事故发生前的交通数据和步骤２）选取的对应的正常交通流状态数据，以及周围发生事故最少的一个检测点２个月内交通数据组合成交通流数据样本，采用Ｋ－ｍｅａｎｓ动态聚类分析方法，选用交通流率和速度２个交通流参数对交通流数据样本进行聚类分析；４）对由Ｋ－ｍｅａｎｓ动态聚类分析方法划分得到的各交通流状态进行Ｌｏｇｉｓｔｉｃ回归，自变量为交通流状态，应变量为是否发生交通事故，根据Ｌｏｇｉｓｔｉｃ回归中各交通流状态前面系数的显著水平Ｐ－ｖａｌｕｅ是否显著来确定交通流状态是否为危险交通流运行状态，当显著水平Ｐ－ｖａｌｕｅ小于０．０５时，代表该交通流状态为危险交通流状态，反之，当显著水平Ｐ－ｖａｌｕｅ大于０．０５时，代表该交通流状态不是危险交通流状态；５）采用ＱＵＥＳＴ决策树模型确立各种交通流状态的边界用于判别实时交通流状态：以交通密度作为ＱＵＥＳＴ决策树模型中的解释变量，以交通流状态为目标变量，确立各种交通流状态的边界，即各种交通流状态对应的交通密度范围，其中交通密度＝交通流率／速度，交通流率与速度由检测点获得；６）每隔５分钟采集各个检测点的交通流率和速度，计算得到各个点的交通密度，根据ＱＵＥＳＴ决策树模型确立的各种交通流状态对应的交通密度范围，判断整条快速道路是否有检测点出现危险交通流状态，如果某个检测点得到的交通密度落在危险交通流状态对应的交通密度范围，说明该检测点附近出现危险交通流状态，则表明该检测点覆盖的８００米路段为危险路段，有发生交通事故的危险性，进行预警提示。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘攀，徐铖铖，王炜，
申请(专利权)人：东南大学，
类型：发明
国别省市：84