[發明專利]基于隱馬爾科夫鏈的交叉口實時飽和流率估計方法

有效

• 申請號: 201710124151.1
• 申請日: 2017-03-03
• 公開（公告）號: CN106846804B
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 祁宏生;羅玉芳;江南;唐守鵬;崔巖磊;王殿海
• 申請（專利權）人: 浙江大學
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 萬尾甜,韓介梅

1.一種基于隱馬爾科夫鏈的交叉口實時飽和流率估計方法，其特征在于，該方法包括以下步驟：

1)建立綠燈信號期間車頭時距的隱馬爾科夫鏈模型,包含:

①發射概率，即隱含狀態和觀測值之間的概率關系，所述的隱含狀態為根據車輛穿過停車線瞬間的狀態將其分為五種：加速狀態、穩定狀態、不停車駛過狀態、減速狀態1和減速狀態2；發射概率用對數正態分布來表達：當在第k個車頭時距且車頭時距狀態為m時，車頭時距的觀測值的分布為:

bk,m(t)=12πσk,m2texp-(ln(t)-μk,m)22σk,m2]]>

其中，m為狀態的編號，取值范圍為1～5；k為該車頭時距在整個車頭時距序列中的編號，取值范圍為1～N，N為綠燈期間總的車頭時距的數量；

②狀態轉移矩陣A＝[a_ij]，其中a_ij表示車頭時距的狀態從i轉移到狀態j的概率；

③初始的隱含狀態分布π＝{π₁,π₂,π₃,π₄,π₅},表示第一個隱含狀態為五種狀態某一種的概率；

其中待確定參數λ＝(A，{μ_k,m；σ_k,m},π)；

2)采集一系列綠燈期間的車頭時距的數據，包含車頭時距對應的狀態以及車頭時距本身的值；

3)利用EM算法對模型進行訓練，得到模型參數的值；

4)利用訓練之后的隱馬爾科夫車頭時距模型對車頭時距進行狀態估計，得到車頭時距對應的狀態序列；

5)僅僅利用狀態序列中的穩定狀態，對其求平均，其倒數作為飽和流率的估計值。

2.根據權利要求1所述的基于隱馬爾科夫鏈的交叉口實時飽和流率估計方法，其特征在于，步驟2)具體為：利用停車線的檢測器檢測的數據，以及手工識別的車頭時距狀態信息，具體用攝像機拍攝經過停車線的車隊，之后通過人工識別，統計車頭時距及其對應的狀態：如果通過停車線的車輛仍然處于加速中，則車頭時距為加速狀態；如果車輛從完全靜止狀態加速至最大速度通過停車線，則該車頭時距狀態為穩定狀態；如果車輛沒有經過停車而直接在綠燈期間通過停車線，則車頭時距狀態為不停車駛過狀態；紅燈啟亮后停止的車輛如果在上一個紅燈沒有停車，則為減速狀態2；紅燈啟亮后停止的車輛如果在上一個紅燈停車，在本次紅燈啟亮時再次停止，則為減速狀態1。

3.根據權利要求1所述的基于隱馬爾科夫鏈的交叉口實時飽和流率估計方法，其特征在于，步驟5)具體為：得到車頭時距對應的狀態序列后，對狀態序列中穩定狀態的車頭時距序列o_s,1,o_s,2......o_s,n求平均，并將該平均值的倒數作為飽和流率的估計值，即:

其中，n為車頭時距隱含狀態中穩定狀態的個數。