[發(fā)明專利]一種基于半監(jiān)督機器學習的交通狀態(tài)劃分方法

有效

• 申請?zhí)枺?/td>: 201410057898.6
• 申請日: 2014-02-20
• 公開（公告）號: CN103778782A
• 公開（公告）日: 2014-05-07
• 發(fā)明（設(shè)計）人: 倪升華;麻銳;俞立;王輝;吳越
• 申請（專利權(quán)）人: 銀江股份有限公司
• 主分類號: G08G1/00
• 分類號: G08G1/00;G06F15/18
• 代理公司: 杭州之江專利事務(wù)所(普通合伙) 33216
• 代理人: 張慧英

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通識別技術(shù)領(lǐng)域，尤其涉及一種基于半監(jiān)督機器學習的交通狀態(tài)劃分方法。

背景技術(shù)

城市道路交通擁堵問題已經(jīng)成為我國乃至世界各大城市的主要社會問題之一,嚴重影響城市的可持續(xù)發(fā)展以及人們的日常生活。為了緩解交通擁堵,提供給交通管理者及時、可靠的交通狀態(tài)信息是非常重要的。如果能準確得到城市道路的交通運行狀態(tài)，將有助于交通管理者制定高效的交通管理措施，同時為出行者做出合理的出行方案,從而緩解交通擁擠情況。可見對交通狀態(tài)進行合理的分類是極其重要的。目前常見的交通狀態(tài)分類有以下幾種。

一、根據(jù)受阻排隊長度劃分交通狀態(tài)。按照中國公安部發(fā)布的公共安全行業(yè)標準GA115-1995《道路交通阻塞度及評價方法》，對于城市道路路段，車輛在車道上受阻排隊長度超過1000米為阻塞，排隊長度超過1500米為嚴重阻塞。這種劃分方法雖然簡單直觀，但相對于復雜的交通系統(tǒng)其過于機械化。而且，測量排隊長度必須至少2個以上的檢測器聯(lián)合測定，成本較高。

二、根據(jù)速度劃分交通狀態(tài)。對于道路交通狀態(tài)的判斷根據(jù)路段平均車速劃分為三個級別：

暢通，該路段平均行程車速高于30千米／小時；

擁擠，該路段平均行程車速低于30千米／小時，高于15千米／小時；

阻塞，該路段平均行程車速低于15千米／小時。

這種僅依據(jù)速度劃分交通狀態(tài)的方法在特定的時間、地點的交通狀態(tài)估計可能有效，但對于動態(tài)變化的交通狀態(tài)很難準確估計。

三、通過對各種交通數(shù)據(jù)進行回歸算法運算，將結(jié)果與專家經(jīng)驗得出的閾值進行比較。小于該閾值的為暢通，大于該閾值的為擁堵。這種依靠專家經(jīng)驗得到的閾值不能自我校正。當在不同道路，或者道路有異常情況時，如修路、事故等，對通過固定的閾值得到的狀態(tài)不能正確反映出實際路況。

機器學習是人工智能的核心。一個不具有學習能力的系統(tǒng)不能稱為一個智能系統(tǒng)。但是，現(xiàn)有的交通狀態(tài)判別系統(tǒng)都普遍缺少學習的能力。例如，它們遇到錯誤時不能自我校正；不會通過經(jīng)驗改善自身的性能。它們的推理僅限于演繹而缺少歸納。因此，至多只能夠證明已存在事實、規(guī)則，而不能發(fā)現(xiàn)新的規(guī)律和規(guī)則等。機器學習是一種能自動改進計算機算法的方法。

針對現(xiàn)有劃分方法不能智能地對復雜的交通狀態(tài)進行合理劃分，也不符合人們對交通狀態(tài)的主觀感受。本發(fā)明以簡單、智能、有效地劃分交通狀態(tài)為目標，設(shè)計了一種基于半監(jiān)督機器學習的交通狀態(tài)劃分方法。

發(fā)明內(nèi)容

本發(fā)明為克服上述的不足之處，目的在于提供一種基于半監(jiān)督機器學習的交通狀態(tài)劃分方法，簡單、智能、有效地劃分交通狀態(tài)。

本發(fā)明是通過以下技術(shù)方案達到上述目的：一種基于半監(jiān)督機器學習的交通狀態(tài)劃分方法，包括：數(shù)據(jù)預處理步驟、數(shù)據(jù)特征提取步驟、數(shù)據(jù)分類步驟、分類結(jié)果輸出；

數(shù)據(jù)預處理步驟包括：

1）統(tǒng)計指定卡點指定時間片段內(nèi)的車輛流量；

2）計算指定時間片段內(nèi)的車輛平均速度；

數(shù)據(jù)特征提取步驟包括：

1）對經(jīng)過預處理的數(shù)據(jù)計算速度最佳帶寬和流量最佳帶寬，并用速度最佳帶寬直方圖和流量最佳帶寬直方圖顯示；

簡化標準差：Sd=1N×[X12+X22+···+XN2-M2]]]>

簡化最佳帶寬：BW＝K×S_d