[發(fā)明專利]一種基于自適應(yīng)加權(quán)平均數(shù)據(jù)融合的路網(wǎng)MFD估測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810948765.6
• 申請(qǐng)日: 2018-08-20
• 公開（公告）號(hào): CN109308805A
• 公開（公告）日: 2019-02-05
• 發(fā)明（設(shè)計(jì)）人: 林曉輝;黃良;曹成濤;黎新華
• 申請(qǐng)（專利權(quán)）人: 廣東交通職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G06N3/02
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 林麗明

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)技術(shù)方法領(lǐng)域，更具體地，涉及一種基于自適應(yīng)加權(quán)平均數(shù)據(jù)融合的路網(wǎng)MFD估測(cè)方法，提供一種基于自適應(yīng)加權(quán)平均數(shù)據(jù)融合的路網(wǎng)MFD估測(cè)方法，將LDD估測(cè)法和FCD估測(cè)法所得的交通數(shù)據(jù)結(jié)合起來(lái)考慮，以車聯(lián)網(wǎng)下100%聯(lián)網(wǎng)車數(shù)據(jù)（Network Car Data，NCD）估測(cè)的交通參數(shù)為檢驗(yàn)數(shù)據(jù)，引入動(dòng)態(tài)誤差，分別建立路網(wǎng)加權(quán)交通流量和路網(wǎng)加權(quán)交通密度的自適應(yīng)加權(quán)平均數(shù)據(jù)融合模型，以便可獲得更加準(zhǔn)確的路網(wǎng)加權(quán)交通流量和路網(wǎng)加權(quán)交通密度，從而更加準(zhǔn)確地估測(cè)路網(wǎng)MFD。在有固定檢測(cè)器的路段，對(duì)固定檢測(cè)器和浮動(dòng)車所采集的交通數(shù)據(jù)進(jìn)行自適應(yīng)加權(quán)平均數(shù)據(jù)融合；在沒有固定檢測(cè)器的路段，用浮動(dòng)車采集的交通數(shù)據(jù)提取路段加權(quán)交通流量和加權(quán)交通密度，估測(cè)路網(wǎng)MFD。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)技術(shù)方法領(lǐng)域，更具體地，涉及一種基于自適應(yīng)加權(quán)平均數(shù)據(jù)融合的路網(wǎng)MFD估測(cè)方法。

背景技術(shù)

城市交通擁堵給城市交通帶來(lái)了巨大的挑戰(zhàn)。如何緩解城市交通擁堵問題已成為了眾多學(xué)者的重點(diǎn)研究方向，學(xué)者們提出了各種交通控制策略，在一定程度上有效緩解了城市交通擁堵，但隨著車流的不斷增大，交通擁堵愈演愈烈，各種交通控制策略將不適用。近期，Daganzo和Geroliminis兩位學(xué)者[iiiiiiivv～vi]揭示了宏觀基本圖(MacroscopicFundamental Diagrams，MFD)的客觀存在性，他們認(rèn)為MFD不僅可以對(duì)城市路網(wǎng)從宏觀層面進(jìn)行描述，而且可以監(jiān)視和預(yù)測(cè)路網(wǎng)交通運(yùn)行狀態(tài)，為從宏觀層面對(duì)過飽和路網(wǎng)實(shí)施交通控制策略提供了新思路，然而如何得到城市路網(wǎng)的MFD又成為一大難點(diǎn)。目前路網(wǎng)MFD可通過固定檢測(cè)器(如環(huán)形感應(yīng)線圈、微波、視頻檢測(cè)器等)或GPS浮動(dòng)車采集的交通數(shù)據(jù)來(lái)估測(cè)。固定檢測(cè)器數(shù)據(jù)估測(cè)方法(Loop Detector Data，LDD估測(cè)法)是通過安裝在路段的固定檢測(cè)器實(shí)時(shí)采集交通數(shù)據(jù)，然后利用MFD相關(guān)理論，估測(cè)路網(wǎng)MFD。浮動(dòng)車數(shù)據(jù)估測(cè)法(Floating Car Data，F(xiàn)CD估測(cè)法)是通過安裝有 GPS車載終端的車輛(如出租車、公交)，實(shí)時(shí)采集路網(wǎng)浮動(dòng)車交通數(shù)據(jù)，采用 Edie(1963)[vii]提出的行車軌跡估測(cè)法，得到路網(wǎng)加權(quán)交通流量和加權(quán)交通密度，從而估測(cè)路網(wǎng)MFD。部分學(xué)者對(duì)兩種估測(cè)方法進(jìn)行了研究，如(Courbon 等人，2011)[viii]對(duì)理論分析法、LDD估測(cè)法、FCD估測(cè)法等三種路網(wǎng)MFD 估測(cè)方法進(jìn)行比較分析，研究固定檢測(cè)器位置和浮動(dòng)車覆蓋均衡性對(duì)MFD估測(cè)的影響。(Nagle等人，2013)[ix]提出浮動(dòng)車覆蓋率至少15％時(shí)，采用FCD估測(cè)法，可獲得較為準(zhǔn)確的路網(wǎng)MFD，但采用這種方法的前提是必須知道浮動(dòng)車覆蓋率，且浮動(dòng)車在路網(wǎng)的分布是均勻的。(Lu等人，2013)[x]利用實(shí)際交叉口視頻檢測(cè)數(shù)據(jù)和出租車浮動(dòng)數(shù)據(jù)，估測(cè)路網(wǎng)MFD，并發(fā)現(xiàn)數(shù)據(jù)處理時(shí)間間隔會(huì)影響路網(wǎng)MFD的估測(cè)結(jié)果.(Leclercq等人，2014)[xi]利用實(shí)際路網(wǎng)獲取的交通數(shù)據(jù)，比較了LDD估測(cè)法和FCD估測(cè)法等兩種路網(wǎng)MFD估測(cè)方法差異，并探討了兩種方法的適用范圍。(Du等人，2016)[xii]針對(duì)浮動(dòng)車覆蓋率在路網(wǎng)中不均勻的實(shí)際情況，假定某個(gè)特定起點(diǎn)到終點(diǎn)中的浮動(dòng)車比例是已知的，估測(cè)路網(wǎng)交通流量所需的等價(jià)浮動(dòng)車比例，并利用少數(shù)浮動(dòng)車數(shù)據(jù)估算路網(wǎng)交通流量和交通密度，從而估測(cè)路網(wǎng)MFD。但實(shí)際上固定檢測(cè)器只能采集到部分路段的交通數(shù)據(jù)，未安裝固定檢測(cè)器的路段則無(wú)法獲取交通數(shù)據(jù)，而GPS浮動(dòng)車的覆蓋率低，交通數(shù)據(jù)量不足，所估測(cè)的路網(wǎng)MFD存在較大的誤差。(Ambühl L等人，2016) [xiii]針對(duì)大多數(shù)文獻(xiàn)都僅采用上述其中一種方法估測(cè)路網(wǎng)MFD，很少將兩者結(jié)合起來(lái)的情況，提出了將上述兩種方法進(jìn)行數(shù)據(jù)融合，從而估測(cè)更加準(zhǔn)確的路網(wǎng) MFD，但其數(shù)據(jù)融合算法是經(jīng)過大量經(jīng)驗(yàn)實(shí)驗(yàn)得到的，并不具有普遍適用性。(金盛等人，2018)[xiv]提出對(duì)微波檢測(cè)器和車牌識(shí)別的數(shù)據(jù)進(jìn)行融合，構(gòu)建MFD 估測(cè)方法，但其數(shù)據(jù)融合模型以檢測(cè)器所在路段長(zhǎng)度占路網(wǎng)總長(zhǎng)度的比例為權(quán)重，未考慮交通流離散性和檢測(cè)器性能對(duì)交通參數(shù)精度的影響。

發(fā)明內(nèi)容