[發明專利]基于智能手機的實時交通擁堵自動檢測方法

無效

• 申請號: 201410566158.5
• 申請日: 2014-10-22
• 公開（公告）號: CN104318765A
• 公開（公告）日: 2015-01-28
• 發明（設計）人: 呂明琪
• 申請（專利權）人: 浙江工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;H04W4/04;H04M1/725
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

技術領域

本發明涉及智能交通領域，具體涉及一種實時交通擁堵檢測方法。

背景技術

實時交通擁堵檢測是智能交通系統最重要的組成部分之一，可為道路選擇、交通疏導等工作提供重要的決策依據。目前實時交通擁堵檢測技術主要依賴于路邊固定設施(如環形感應線圈檢測器、微波檢測器、交通攝像頭等)或浮動車監控設施，對其采集到的車速、車道占有率、交通流量、車流圖像等信息進行分析以估計道路路段的交通擁堵狀態。然而，基于路邊固定設施或浮動車監控設施的交通擁堵檢測技術存在如下問題：1)實施、維護費用高昂，難以覆蓋所有道路路段；2)采集到的數據主要面向交通管理部門，普通用戶難以獲得。

另一方面，目前的智能手機已具備較強的傳感、計算和通信能力，且已實現了大范圍的普及，這使得采用智能手機對其用戶所訪問的道路路段的交通擁堵狀態進行實時檢測成為可能。然而，如何利用智能手機在日常生活中檢測交通擁堵是一個富有挑戰的任務。現有方法需要用戶在乘車時主動打開檢測程序，或者依賴于高能耗的智能手機傳感器(如GPS)，因此存在干擾大、能耗高、實用性差等問題。

發明內容

為了克服已有基于智能手機的交通擁堵檢測方法的干擾大、能耗高、實用性差的不足，本發明提供一種無干擾、能耗低、實用性良好的基于智能手機的實時交通擁堵自動檢測方法。

本發明解決其技術問題所采用的技術方案是：

一種基于智能手機的實時交通擁堵自動檢測方法，所述檢測方法僅使用智能手機的加速度傳感器和蜂窩網絡信號，其實施步驟如下：

步驟1：乘車狀態檢測

由于在日常生活中用戶的運動狀態復雜多變，而只有處于乘車狀態時其智能手機才有可能進行交通擁堵檢測，因此，基于智能手機的加速度傳感器對用戶的運動狀態進行監測，確定其乘車時間段，即一段乘車行程的開始和結束時間；

步驟2：地圖匹配

蜂窩基站定位即估計智能手機的位置為其當前所連接的蜂窩基站的位置，相對于GPS、WiFi等定位技術，蜂窩基站定位具有能耗低、穩定性高等優勢，但存在定位精度低的問題，因此，基于HMM(隱馬爾科夫模型)對蜂窩基站標識數據進行處理，判斷用戶在乘車時間段內所訪問的道路路段；

步驟3：交通擁堵狀態識別

由于用戶在乘車時間段內可能訪問不同道路路段，且同一道路路段的交通擁堵狀態也可能隨時間變化，因此，同時考慮用戶位置變化情況、運動狀態變化情況和交通擁堵狀態轉變規律，采用CRF(條件隨機場模型)估計用戶在乘車時間段內所訪問道路路段的交通擁堵狀態變化情況。

本發明中，所述交通擁堵狀態包括嚴重擁堵、一般擁堵和通暢。進一步，所述步驟1中，為適應用戶在日常生活中運動狀態的復雜性，基于智能手機加速度傳感器確定用戶乘車時間段的詳細步驟如下：

1.1、運動檢測：當用戶處于靜止狀態時，采用計算壓力較小的閾值檢測方法檢測用戶是否發生運動：即當基于一個設定大小和步進的滑動窗口采集的三軸加速度向量幅值數據的標準差大于設定閾值時，判定用戶發生了運動。

1.2、運動狀態識別：當用戶處于運動狀態時，基于機器學習方法識別用戶當前的瞬時運動狀態，運動狀態識別步驟考慮三種類型的運動狀態：靜止、非乘車(包括走、跑、騎車)、乘車。運動狀態識別分為模型訓練和狀態識別兩部分。模型訓練部分工作流程如下：1.2.1.1)以大量正確標注了運動類型的訓練數據集為基礎，訓練數據集以設定時間間隔采集的加速度向量幅值數據為單位，從中抽取各類運動特征，包括時域特征和頻域特征兩類。時域特征包括：均值、方差、最大值、最小值和能量；頻域特征包括：頻域熵、頻率幅值及最顯著頻率。為計算頻域特征，首先對時間間隔內的數據進行離散傅立葉變換，然后計算1～10Hz頻率的幅值的熵、各頻率幅值及幅值最大的頻率。1.2.1.2)基于運動特征和運動類型標注，采用C4.5算法訓練得到決策樹分類器。狀態識別部分工作流程如下：1.2.2.1)基于一個設定大小和步進的滑動窗口計算實時加速度向量幅值數據的各類運動特征。1.2.2.2)將運動特征輸入訓練得到的分類器，得到運動狀態分類結果。

1.3、乘車時間段檢測：當用戶處于乘車狀態時，基于一個持續時長閾值確定乘車時間段：即當檢測到用戶的連續乘車狀態時長大于設定閾值時，判定乘車行程開始；當檢測到用戶的連續非乘車狀態時長大于設定閾值時，判定乘車行程結束。乘車時間段內的運動狀態連續識別結果可表示為一個運動狀態序列。

進一步，所述步驟2中，為減少智能手機的定位能耗，基于蜂窩基站定位的地圖匹配的詳細步驟如下：