[發明專利]一種基于混合高斯模型的非機動車道服務水平評價方法在審
| 申請號: | 201810570404.2 | 申請日: | 2018-06-05 |
| 公開(公告)號: | CN108776650A | 公開(公告)日: | 2018-11-09 |
| 發明(設計)人: | 金盛;徐亮;周禹佳;常偉;王殿海 | 申請(專利權)人: | 浙江大學 |
| 主分類號: | G06F17/18 | 分類號: | G06F17/18;G06Q10/06 |
| 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 |
| 地址: | 310058 浙江*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 非機動車道 混合高斯模型 服務水平 服務水平評價 物理隔離 軟分類 交通流運行狀態 建立服務 交通規劃 理論支持 水平評價 外界環境 波動性 度量 騎行 貼合 機動車 判定 直觀 概率 規劃 服務 管理 建設 | ||
1.一種基于混合高斯模型的非機動車道服務水平評價方法,其特征在于,包含以下步驟:
(1)采集路段非機動車交通流參數,包括流量、密度、速度、超車次率、電動自行車比例、男性比例參數;
(2)同時拍攝基于騎行者第一視角的視頻,記錄非機動車交通流運行狀態,與所采集的交通流參數一一對應;
(3)將非機動車道服務水平人為劃分為N個等級,每等級對應一個分值;采用騎行者打分的方式,收集不同騎行者對視頻片段的等級評分,并取其平均值作為每個片段的得分;
(4)通過顯著性分析對交通流參數的篩選,選擇顯著相關的交通流參數作為評價指標;
(5)采用混合高斯模型,考慮騎行者感受的波動性,每個交通流狀態所對應的服務水平等級存在概率關系,建立服務水平評價模型。
2.根據權利要求1所述的基于混合高斯模型的非機動車道服務水平評價方法,其特征在于,步驟(1)具體為:采集具有物理隔離的非機動車道路段的寬度信息,統計一定時間段內的車流及各非機動車的速度,獲得單位寬度的流量q和該時間段內非機動車的平均速度數據v,通過交通流三參數的關系q=kv得到密度信息k;超車次率通過以下公式計算得
其中,
r:超車次率;
P:統計間隔內所發生的超車次數;
Q:統計間隔內所通過的車輛數;
電動自行車比例、男女比例均通過人工計數統計。
3.根據權利要求1所述的基于混合線性模型的非機動車道服務水平評價方法,其特征在于,步驟(4)具體為:以所有視頻片段的得分作為因變量,步驟(1)采集的路段非機動車交通流參數作為自變量,使用spss軟件進行顯著性分析,選擇顯著相關的參數作為評價指標。
4.根據權利要求1所述的基于混合線性模型的非機動車道服務水平評價方法,其特征在于,步驟(5)具體為:
①、將評價指標樣本數據進行歸一化處理,公式如下
其中,
x:樣本數據原始值;
x':樣本數據歸一化后的值;
min:樣本數據最小值;
max:樣本數據最大值;
②、考慮騎行者感受的波動性,建立非機動車道服務水平評價模型:
多元高斯分布概率密度函數的形式為
其中,n為評價指標的個數,x=(x1,x2,…,xn)T是n個評價指標所構成的向量,μ=(μ1,μ2,…,μn)T是多元高斯分布的均值向量,μn是第n個評價指標的均值,∑是協方差矩陣;
因為將服務水平分為N個等級,所以,建立的混合高斯模型為由N個多元高斯分布組合成的混合分布,概率密度函數可以表示為
其中,wi為第i個多元高斯分布在混合模型中的權重,且有
通過EM算法進行模型的參數估計,獲得非機動車道服務水平評價模型。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于浙江大學,未經浙江大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810570404.2/1.html,轉載請聲明來源鉆瓜專利網。





