[發(fā)明專利]基于向量相似性的交通流時間序列變點(diǎn)識別方法

有效

• 申請?zhí)枺?/td>: 201310406641.2
• 申請日: 2013-09-09
• 公開（公告）號: CN103488878A
• 公開（公告）日: 2014-01-01
• 發(fā)明（設(shè)計）人: 孫棣華;劉衛(wèi)寧;趙敏;鄭林江;廖孝勇;徐靜;肖軍
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06F19/00
• 分類號: G06F19/00;G08G1/01
• 代理公司: 北京匯澤知識產(chǎn)權(quán)代理有限公司 11228
• 代理人: 張瑾

技術(shù)領(lǐng)域

本發(fā)明涉及交通流狀態(tài)分析領(lǐng)域，尤其涉及一種交通流時間序列變點(diǎn)識別方法。

背景技術(shù)

隨著汽車保有量的急劇增長，道路負(fù)荷加重，交通供給不能滿足日益膨脹的交通需求，交通擁擠、交通事故頻繁發(fā)生。這不僅延誤出行者的行程時間，降低交通運(yùn)行效率，擾亂正常的交通秩序，污染環(huán)境，浪費(fèi)能源，嚴(yán)重時還可能威脅到出行者的生命安全。因此，分析交通流狀態(tài)，及時、準(zhǔn)確地辨識交通情況，掌握交通流演變特性，對于制定合理有效的交通誘導(dǎo)和控制具有重要意義。

以往針對交通流狀態(tài)分析體系的研究主要集中在交通狀態(tài)的實(shí)時辨識和預(yù)辨識上，注重交通狀態(tài)的質(zhì)變，而忽略了對交通流演變過程中量變規(guī)律的研究。量變是質(zhì)變的前提，質(zhì)變是量變的累積，當(dāng)量變達(dá)到一定程度就會引發(fā)質(zhì)變，進(jìn)而引起交通狀態(tài)的改變。量變和質(zhì)變都屬交通流狀態(tài)突變范疇，因此，研究交通流突變，不僅要判別交通狀態(tài)的質(zhì)變，也應(yīng)及時辨識量變及其變點(diǎn)位置，這樣才能及時發(fā)現(xiàn)交通狀態(tài)可能出現(xiàn)的異常，還能提前對可能出現(xiàn)的交通異常作好預(yù)防工作。針對交通流突變及其變點(diǎn)識別問題，傳統(tǒng)統(tǒng)計法要求交通流參數(shù)符合特定的分布，且需建立大量模式特征模型，使其實(shí)用性受限；山東理工大學(xué)王曉原等以最小二乘、最小方差等均值變點(diǎn)分析方法來搜索變點(diǎn)，雖然避免了對交通流參數(shù)分布特性的要求，但卻較適于分析交通流均值基本穩(wěn)定的情況，對交通流均值逐漸變化的情況適應(yīng)性不佳。交通流的演變在時間上具有很強(qiáng)的相關(guān)性，表現(xiàn)在交通參數(shù)在時間方向上的變化角符合一定規(guī)律，而目前對交通流狀態(tài)突變及其變點(diǎn)問題的研究，并未從交通參數(shù)在時間方向上的變化角來分析。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種基于向量相似性的交通流時間序列變點(diǎn)識別方法，能在交通流參數(shù)隨時間逐漸變化的情況下，從交通參數(shù)在時間方向上的變化角出發(fā)，判斷交通流狀態(tài)突變及其變點(diǎn)位置，提前預(yù)防可能出現(xiàn)的交通異常。

本發(fā)明通過以下技術(shù)手段解決上述技術(shù)問題：

基于向量相似性的交通流時間序列變點(diǎn)識別方法，包括如下步驟：

1）通過檢測器采集檢測路段的斷面交通流參數(shù)，并存儲到交通流參數(shù)數(shù)據(jù)庫；

2）從交通流參數(shù)數(shù)據(jù)庫中按時間順序讀取交通流參數(shù)，建立交通流時間序列的交通流向量集；

3）根據(jù)交通流向量集，建立交通流時間序列的向量相似度函數(shù)，以得到各時間點(diǎn)前后交通流參數(shù)演變規(guī)律的相似程度；

4）根據(jù)各時間點(diǎn)前后交通流參數(shù)演變規(guī)律的相似程度及變化的持續(xù)時間來識別交通流時間序列中各點(diǎn)的類型，然后判斷是否發(fā)生突變，并識別出突變發(fā)生的位置。

進(jìn)一步，所述步驟1）中，交通流參數(shù)為交通流量、速度和占有率中的至少一種。

進(jìn)一步，所述步驟1）中，交通流參數(shù)的采集時間間隔為GT，GT∈[3min，8min]。

進(jìn)一步，所述步驟2）中，交通流時間序列的交通流向量集為離散排列的交通流參數(shù)按時間先后順序連接起來所形成的向量集合：

TFV={TFV_j,i|j>i;i=1,2,…,n,j=1,2,…,n}；

上式中，TFV為交通流時間序列的交通流向量集，TFV_j,i表示交通流從i時刻到j(luò)時刻的變化向量，其表達(dá)式如下所示：

TFV_j,i=(Q_j-Q_i,j-i)；

上式中，Q_j與Q_i分別為j時刻與i時刻的交通流參數(shù)。

進(jìn)一步，所述步驟3）中，交通流時間序列的向量相似度函數(shù)通過下式獲得，