[發明專利]一種基于Kernel?KNN匹配的道路交通狀態獲取方法

有效

• 申請號: 201410852124.2
• 申請日: 2014-12-31
• 公開（公告）號: CN104751630B
• 公開（公告）日: 2017-01-18
• 發明（設計）人: 徐東偉;王永東;周曉根;張貴軍;馮遠靜;郝小虎;陳銘
• 申請（專利權）人: 浙江工業大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 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

本發明屬于交通狀態獲取領域，涉及一種道路交通狀態獲取方法。

背景技術

道路交通狀態獲取是進行交通流控制和誘導等交通管理的重要前提，是制定交通安全管理策略、交通事故檢測、交通事故致因分析等交通安全保障措施的必要基礎，是交通基礎設施管理、監控和維護不可缺少的第一手資料。因此交通狀態獲取是交通管理、交通安全保障和交通基礎設施監控維護的基礎性重要問題。

在既有的道路交通狀態獲取方法中，由于道路交通系統的復雜多變性，參數模型、人工智能等方法往往具有很多限制性條件，很難實現具有廣泛性的道路交通狀態獲取。而非參數模型(KNN)中對總體分布的一般性假設條件的范圍很寬，所以基于非參數統計建立的模型具有較好的魯棒性和適應性。但在既有的基于KNN獲取道路交通狀態的算法中，沒有考慮是道路交通狀態的多維多粒度的特性。存在的技術缺陷是：準確性較差。

發明內容

為了克服已有道路交通狀態獲取方法的準確性較差的不足，本發明提供了一種有效獲取道路交通狀態、準確性較好的基于Kernel-KNN匹配的道路交通狀態獲取方法。

本發明解決其技術問題所采用的技術方案是：

一種基于Kernel-KNN匹配的道路交通狀態獲取方法，所述獲取方法包括以下步驟：

(1)建立道路交通特征參考序列：

設計道路交通特征參考序列，提取具有代表性的道路交通數據并進行數據預?處理，建立道路交通運行特征參考序列；

(2)構建道路交通數據序列核函數：

選取多維多粒度的道路交通數據序列，利用核函數將道路交通數據序列映射到特征空間，構建道路交通數據序列核函數；

(3)基于Kernel-KNN獲取道路交通狀態：

提取道路交通特征參考數據序列和當前道路交通數據序列，獲取道路交通特征參考數據序列和當前道路交通數據序列在高維特征空間的歐式距離，通過KNN方法選取k個最近鄰道路交通特征參考數據序列；從道路交通特征參考數據序列中，選取這k個最近鄰道路交通特征參考數據序列的下一時刻的道路交通狀態，最后通過對這k個道路交通狀態加權平均獲取道路交通狀態。

進一步，所述步驟(1)中，假設交通流檢測器采集交通狀態信息的時間間隔為Δt，單一交通流檢測器每天采集的交通狀態信息的數量為N_um，設定選取的時間維度為c×Δt，選取的道路交通參數粒度為d，則t時刻選取的道路交通數據序列X(t)為：

X(t)＝[S(t-(c-1)Δt)?…?S(t-Δt)?S(t)]^T

S(t)＝[S₁(t)?S₂(t)?…?S_d(t)]^T

其中，S(t)為t時刻路段的道路交通狀態參數集，S_i(t)為路段在時間段[t，t+Δt]內的第i種道路交通狀態參數值，i＝1，2，…d；

所述步驟將道路交通數據序列X(t)通過非線性映射φ映射到高維特征空間得到φ(X(t))，則特征空間中t₁時刻和t₂時刻的道路交通數據序列高維特征的點積用Mercer核表示為：

K(X(t₁)，X(t₂))＝<φ(X(t₁))，φ(X(t₂))>。

再進一步，所述步驟(3)中，基于Kernel-KNN獲取道路交通狀態的過程如?下：

步驟3.1：不同道路交通數據序列的選取

設定共選取a天的道路交通狀態數據建立道路交通特征參考序列，則道路交通特征參考序列中交通狀態信息的數量為a×N_um。定義道路交通特征參考序列中第h個數據點的時刻為(h·Δt)，則該時刻道路交通特征參考數據序列X_S(h·Δt)為：

X_S(h·Δt)＝[S(h·Δt-(c-1)Δt)?…?S(h·Δt-Δt)?S(h·Δt)]^T

S(h·Δt)＝[S₁(h·Δt)?S₂(h·Δt)?…?S_d(h·Δt)]^T