[發(fā)明專利]一種面向出行者個(gè)人感知的交通擁堵狀態(tài)評(píng)價(jià)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910651310.2
• 申請(qǐng)日: 2019-07-18
• 公開（公告）號(hào): CN110276955B
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計(jì)）人: 黃合來;韓春陽;唐進(jìn)君;張可可
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G06F16/75;G06F16/783;G06K9/00;G06K9/62;G06Q10/06;G06Q50/26
• 代理公司: 長沙軒榮專利代理有限公司 43235
• 代理人: 黃藝平

1.一種面向出行者個(gè)人感知的交通擁堵狀態(tài)評(píng)價(jià)方法，其特征在于，方法包括以下步驟：

步驟101：收集實(shí)驗(yàn)所需的交通流狀態(tài)視頻和對(duì)應(yīng)視頻中的交通流客觀狀態(tài)參數(shù)，并對(duì)參數(shù)做聚類處理，所述步驟101進(jìn)一步包括以下步驟：

S1：選取典型路段，并獲取路段條件參數(shù)，包括路段長度和車道數(shù)；

S2：選取典型時(shí)段，錄制交通狀態(tài)視頻并收集相應(yīng)時(shí)段內(nèi)的交通狀態(tài)參數(shù)；

S3：采用均值化方法對(duì)所收集交通狀態(tài)參數(shù)進(jìn)行無量綱化處理，得到標(biāo)準(zhǔn)化參數(shù)數(shù)據(jù)；

S4：將標(biāo)準(zhǔn)化參數(shù)數(shù)據(jù)進(jìn)行聚類處理，得到交通流參數(shù)聚類結(jié)果；

所述標(biāo)準(zhǔn)化參數(shù)數(shù)據(jù)進(jìn)行聚類處理包括：通過模糊C-均值聚類算法，依據(jù)標(biāo)準(zhǔn)化后的車流量、平均速度和行程時(shí)間，將各時(shí)間段內(nèi)的交通狀態(tài)進(jìn)行聚類；

步驟102：通過交通狀態(tài)主觀感知實(shí)驗(yàn)，收集出行者個(gè)人屬性信息和對(duì)道路交通狀態(tài)的主觀感知結(jié)果；

步驟103：建立面向出行者個(gè)人感知的交通擁堵狀態(tài)評(píng)價(jià)模型；

步驟104：檢驗(yàn)?zāi)Ｐ偷脑u(píng)價(jià)結(jié)果是否符合出行者對(duì)交通狀態(tài)的感知；

所述步驟102中的交通狀態(tài)主觀感知實(shí)驗(yàn)進(jìn)一步包括以下步驟：

步驟201：根據(jù)所述步驟S4所述交通流參數(shù)聚類結(jié)果，截取各聚類等級(jí)下的交通狀態(tài)視頻，獲得實(shí)驗(yàn)視頻；

步驟202：選取實(shí)驗(yàn)對(duì)象，記錄實(shí)驗(yàn)對(duì)象個(gè)人屬性信息；

步驟203：實(shí)驗(yàn)對(duì)象觀看步驟201中所述實(shí)驗(yàn)視頻，并對(duì)視頻中交通狀態(tài)進(jìn)行評(píng)價(jià)，獲得道路狀態(tài)主觀感知結(jié)果；

步驟103中所述的交通擁堵狀態(tài)評(píng)價(jià)模型進(jìn)一步包括以下步驟：

步驟301：將步驟101中道路參數(shù)、交通流狀態(tài)參數(shù)，和步驟102中所述實(shí)驗(yàn)對(duì)象個(gè)人屬性信息、主觀感知結(jié)果進(jìn)行預(yù)處理，形成結(jié)構(gòu)化數(shù)據(jù)；

步驟302：檢驗(yàn)步驟301所述結(jié)構(gòu)化數(shù)據(jù)表格中各變量的共線性，刪除具有強(qiáng)共線性的變量；

步驟303：根據(jù)步驟302中處理后的結(jié)構(gòu)化數(shù)據(jù)表格，基于層級(jí)有序多分類logit模型，構(gòu)建交通擁堵評(píng)價(jià)模型：

層一模型：

其中，S_mij表示出行者個(gè)體j將交通狀態(tài)i的感知結(jié)果評(píng)價(jià)為m類的對(duì)數(shù)發(fā)生比，j＝1,2,…,J,即出行者j對(duì)交通擁堵狀態(tài)i的評(píng)分結(jié)果為m的對(duì)數(shù)發(fā)生比，x_hij為篩選出的H個(gè)客觀道路條件和交通流狀態(tài)因素，h＝1,2,…,H，如：平均車速、車道數(shù)；β_0j為層一截距項(xiàng)，表示出行者整體對(duì)交通狀態(tài)的平均感知結(jié)果，β_hj為層一系數(shù)，表示客觀因素與出行者i感知之間的聯(lián)系方向和強(qiáng)度，為待估計(jì)參數(shù)；ε_i為誤差項(xiàng)，反映其它客觀因素的殘余效應(yīng)，為待估參數(shù)；

層二模型：

其中，π_rj為出行者j的r個(gè)相關(guān)屬性因素，r＝1,2,…,R，a_0r、a_hr是層二系數(shù)，表示個(gè)人特性與層一截距項(xiàng)和系數(shù)效應(yīng)之間的聯(lián)系方向和強(qiáng)度，為待估參數(shù)；v_0j和v_hj是層二誤差項(xiàng)，為待估參數(shù)；

步驟304：估計(jì)模型參數(shù)；

所述步驟104具體包括：

步驟401：根據(jù)步驟103所述交通擁堵評(píng)價(jià)模型，計(jì)算得出面向出行者個(gè)人感知的交通擁堵狀態(tài)評(píng)價(jià)結(jié)果；

步驟402：分別計(jì)算步驟401所得主觀評(píng)價(jià)模型的評(píng)價(jià)結(jié)果，和步驟S4中基于傳統(tǒng)客觀參數(shù)的聚類評(píng)價(jià)結(jié)果，相對(duì)于出行者主觀感知結(jié)果的絕對(duì)平均誤差；

步驟403：比較絕對(duì)平均誤差的數(shù)值大小，若主觀評(píng)價(jià)模型的絕對(duì)平均誤差小于聚類模型的絕對(duì)平均誤差，代表主觀評(píng)價(jià)模型比聚類模型好。

2.根據(jù)權(quán)利要求1所述的面向出行者個(gè)人感知的交通擁堵狀態(tài)評(píng)價(jià)方法，其特征在于，所述步驟202中的選取實(shí)驗(yàn)對(duì)象進(jìn)一步包括：具體選取方法是參考當(dāng)?shù)伛{駛員人口屬性資料配備實(shí)驗(yàn)對(duì)象比例，選取不同性別、年齡、駕齡的實(shí)驗(yàn)對(duì)象，所述實(shí)驗(yàn)對(duì)象人數(shù)大于或等于30，且實(shí)驗(yàn)對(duì)象選擇具備高中以上教育背景的對(duì)象。