群体诱导信息下驾驶员响应行为的数据采样和辨识系统技术方案

本发明专利技术公开了一种群体诱导信息下驾驶员响应行为的数据采样和辨识系统，现有技术未充分利用多源检测交通数据，不能综合反映路网上各种实际因素，可靠性差，本发明专利技术由交通数据检测和监视子系统、通信子系统、多源检测数据综合处理平台、交通信息发布和监视子系统构成，所述的交通数据检测和监视子系统通过第一通信子系统与多源检测数据综合处理平台连接，所述的多源检测数据综合处理平台通过所述的第二通信子系统与交通信息发布和监视子系统连接，为实时主动式智能交通诱导系统提供交通行为参数。本发明专利技术对于改善出行信息服务，有效调节路网交通流，降低交通出行成本，提高交通的运行效率和提升我国城市交通的管理水平有重要现实意义。

【技术实现步骤摘要】

本专利技术属于智能交通
，尤其是用于群体诱导信息下驾驶员响应行为的数据采样和辨识系统。
技术介绍
基于可变情报板的交通诱导系统是智能交通系统的重要组成部分，在国内外许多大城市得到了推广应用， 现已具有一定的规模，并取得了一定的预期效果。然而，随着交通需求的不断增长，城市交通拥堵日益严重，这种基于“实时检测交通状态”的被动诱导方式，制约了其诱导效果和水平的发挥，迫切需要实现从基于“实时检测交通状态”的被动式诱导到基于“实时交通运行态势动态推演与预估”的主动式智能诱导的提升。对群体诱导信息下驾驶员响应行为的准确掌握是实施主动式智能交通诱导的前提，也是确保交通诱导功效得以长期发挥的先决条件。目前，交通信息下驾驶员的响应行为的数据采集主要采用现场调查、电子邮件、电话询问和出行仿真器的意向调查或者显式偏好调查。尽管被调查者的反应能够在一定程度上反映其行为，但基于假设场景的问卷调查和仿真可能是不可靠的，体现在相同的交通信息在不同位置的可变情报板上发布效果各异，即使在同一位置，可变情报板的效果也因不同驾驶员群体、交通条件和路网属性等而变化。近年来，随着交通流检测技术的不断发展，检测手段的日益多样化，精度不断提高，覆盖范围不断扩大，为群体诱导信息下驾驶员响应行为参数模型辨识的数据采样和辨识系统的建立奠定了必要的应用基础条件，具有重要的理论意义和实用价值。其技术研发和应用推广，对于改善出行信息服务，有效调节路网交通流，降低交通出行成本，提高交通运行效率和提升我国城市交通的管理水平有重要现实意义，将会产生巨大的经济和社会效.、/■Mo
技术实现思路
本专利技术针对现有技术的不足，提供了一种群体诱导信息下驾驶员响应行为的数据采样和辨识系统。群体诱导信息下驾驶员响应行为的数据采样和辨识系统由交通数据检测和监视子系统、通信子系统、多源检测数据综合处理平台、交通信息发布和监视子系统构成，所述的交通数据检测和监视子系统通过第一通信子系统与多源检测数据综合处理平台连接，所述的多源检测数据综合处理平台通过所述的第二通信子系统与交通信息发布和监视子系统连接。所述的交通数据检测和监视子系统包括多种交通检测器、视频监视摄像机、第一通信子系统和视频通信控制和监视器，通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据并传递给所述的多源检测数据综合处理平台。所述的交通信息发布和监视子系统包括可变情报板、交通信息发布控制和监视器，通过可变情报板向外场发布交通信息，同时由交通信息发布控制和监视器记录发布信息内容和时间并传递给多源检测数据综合处理平台。所述的多源检测数据综合处理平台一方面对所述的多源检测数据的数据质量进行控制，经过数据融合、分析处理得到交通信息发布数据，并接收由交通信息发布控制和监视器记录的发布信息内容和时间，实现对驾驶员响应行为参数模型辨识所需原始数据的采集和汇集；另一方面，基于道路交通属性数据、多源检测交通数据和交通信息发布数据，利用群体诱导信息下驾驶员响应行为辨识系统实现驾驶员响应行为数据的自动辨识。所述的多源检测数据综合处理平台中设置有多源检测数据质量控制和预估系统和驾驶员响应行为自动辨识系统。所述的多源检测数据质量控制和预估系统由道路交通属性数据库、多源检测交通数据库、多源检测数据质量控制模块、行程时间估计与预测模块、交通状态估计与预测模块和交通事故自动检测模块构成；所述的多源检测数据质量控制和预估系统利用所述的道路 交通属性数据库、多源检测交通数据库提供的基础交通数据，由所述的多源检测数据质量控制模块对基础交通数据进行预处理、融合和控制数据质量，并由所述的行程时间估计与预测模块、交通状态估计与预测模块和交通事故自动检测模块对基础交通数据进行处理得到交通信息发布子系统所需要的行程时间信息、交通状态信息和交通事故信息。所述的驾驶员响应行为自动辨识系统由道路交通属性数据库、多源检测交通数据库、交通信息发布数据库、出行场景重构模块、网络交通流行为监测分析模块、驾驶员响应行为监测分析模块和驾驶员响应行为自动辨识模块构成；所述的驾驶员响应行为自动辨识系统利用所述的道路交通属性数据库、多源检测交通数据库、交通信息发布数据库提供的基础交通数据，由所述的出行场景重构模块再现群体诱导信息下的网络交通流的动力学演化过程；由网络交通流行为监测分析模块建立各分流点分流比例和交通信息下改道交通流量的关系模型；由驾驶员响应行为监测分析模块得到交通信息服从率和影响因素，构建群体诱导信息下驾驶员响应行为模型；由所述的驾驶员响应行为自动辨识模块利用自适应卡尔曼滤波技术实现群体诱导信息下驾驶员响应行为模型系数更新，得到各分流点不同时段的交通信息服从率指标。所述的通信子系统采用有线和无线通信相结合的方式。所述用于群体诱导信息下驾驶员响应行为参数的数据采样和辨识系统总体数据处理过程包括数据采集和汇集层，交通信息发布层，驾驶员响应行为辨识层。(I)数据采集和汇集层 该层的主要作用是汇集交通数据检测与监视子系统传递过来的原始数据，实现多源检测数据的质量控制，从而有效提高交通检测设备的利用效率和检测数据的质量。(2)交通信息发布层 该层的主要作用利用相应的数据处理模块来得到行程时间信息、交通状态信息和交通事故信息，并由所述的交通信息发布和监视子系统向外场发布，同时交通信息发布控制和监视器记录发布信息内容和时间并传递给多源检测数据综合处理平台，存储在数据库服务器。在交通信息发布层中，由行程时间估计和预测模块进行数据计算处理，得到主路径和替换路径的行程时间信息，精度在85%以上；交通状态信息由交通状态估计和预测模块进行数据计算处理得到，分为畅通、拥挤和阻塞；交通事故信息由交通事故自动检测模块进行数据计算处理，结合视频监视摄像机得到，交通事故信息用交通问题的性质和交通问题的严重程度作为表征信息的两个属性，交通问题的性质分为“常规交通状态信息”和“偶发事故信息”两个水平，交通问题的严重程度分为轻微、中等、严重三个水平。交通信息发布层数据处理过程主要集中在数据库服务器、应用服务器中进行。(3)交通行为辨识层 该层的主要作用是调用数据库服务器中的道路交通属性数据、多源检测交通数据和交通信息发布数据，利用驾驶员响应行为自动辨识系统重构出行场景，建立驾驶员响应行为模型，并利用自适应卡尔曼滤波技术实现群体诱导信息下驾驶员响应行为模型系数更新，得到各分流点不同时段的交通信息服从率指标，存储在数据库服务器。首先，由驾驶员响应行为自动辨识系统的出行场景重构模块调用道路交通属性数据、多源检测交通数据、交通信息发布数据再现群体诱导信息下交通出行场景，为驾驶员响应行为的辨识准备基础数据；其次，由网络交通流行为监测分析模块建立各分流点分流比例、检测交通量和交通信息下改道交通流量的时空关系模型；再次，由驾驶员响应行为监测分析模块分析驾驶员响应 行为的影响因素，建立群体诱导信息下驾驶员响应行为模型，找出驾驶员响应行为模型时变系数和信息服从率的关系；最后，由所述的驾驶员响应行为自动辨识模块利用驾驶员响应行为模型估计可变情报板诱导信息影响下改道交通量，并根据检测到的主线交通量和分流比例的转移方程估计可变情报板诱导信息影响下改道交通量，采用自适应卡尔曼滤波技术更新驾驶员响应行为模型系数本文档来自技高网...

【技术保护点】
群体诱导信息下驾驶员响应行为的数据采样和辨识系统，其特征在于：由交通数据检测和监视子系统、通信子系统、多源检测数据综合处理平台、交通信息发布和监视子系统构成，所述的交通数据检测和监视子系统通过第一通信子系统与多源检测数据综合处理平台连接，所述的多源检测数据综合处理平台通过所述的第二通信子系统与交通信息发布和监视子系统连接。

【技术特征摘要】

【专利技术属性】
技术研发人员：徐天东，郝媛，孙立军，
申请(专利权)人：浙江大学，
类型：发明
国别省市：