详情

原文传递一种快速路交通状态判别方法

专利名称：	一种快速路交通状态判别方法
摘要：	本发明公开了属于快速路交通状态判别技术领域的一种快速路交通状态判别方法。本发明选取道路中车辆的流量、速度和占有率作为模型的输入参数，路段的状态：“红”(拥堵)、“黄”(缓行)、“绿”(畅通)作为输出参数。通过利用流量和占有率，占有率和速度，速度与流量作为交通流分类器的输入，设计了三个模糊分类器，然后采用投票法进行集成，如遇到三个分类器分别得到三种不同的状态，此时交通状态为黄的概率最大，认为此时实际交通状态为 “黄”。之后对集成分类器的参数进行训练，实现了通过城市快速路上的固定检测器提供的实时的交通信息数据，快速、准确判断道路交通状态，及时发布道路交通信息的作用。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京交通大学
发明人：	陈德旺;贾晓哲
专利状态：	有效
申请日期：	2009-07-17T00:00:00+0800
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN200910089374.4
公开号：	CN101599217
分类号：	G08G1/00(2006.01)I
申请人地址：	100044北京市海淀区西直门外上园村3号
主权项：	1.一种快速路交通状态判别方法，其特征在于，该方法包括以下步骤：步骤一，设计单个模糊分类器，主要包括以下三个部分： (1)确定输入、输出变量及模糊化原则，本发明将车辆的流量、速度、占有率作为输入变量，输出变量便是当前路段的状态：“红”(拥堵)、“黄”(缓行)、 “绿”(畅通)，模糊集分别为高、中、低，高斯函数作为隶属度函数； (2)确定模糊规则，通过分析速度-密度、流量-密度的关系，得到下面模糊规则：占有率低，速度高，交通状态为绿；占有率中，速度中，交通状态为黄；占有率高，速度低，交通状态为红；流量低，占有率低，交通状态为绿；流量中，占有率中，交通状态为黄；流量低，占有率高，交通状态为红； (3)进行模糊推理，本发明利用Sugeno型进行模糊推理确定高斯函数的中心和方差，根据速度和占有率的值实时的判别交通状态；步骤二，集成三个模糊分类器：第一个模糊分类器采用流量、占有率作为输入，按照步骤一中的模糊推理思路，判别交通状态；第二个模糊分类器采用占有率和速度作为输入，同样根据模糊推理的思路，判别交通状态；第三个模糊分类器采用现存的速度与流量加权平均作为输入对交通状态进行判别；这样通过三个参数全面地分析并判别交通状态，三个模糊分类器分别得到各自交通状态，由集成学习的方法进行综合；步骤三，训练集成模糊分类器：通过检测器提供的数据，对三个模糊分类器进行训练，若只有单个检测器提供数据，则利用单个检测器的数据对三个模糊分类器进行训练，若有多个检测器提供数据，则把多个检测器提供的数据按照信息融合的方法综合成一组数据对三个模糊分类器进行训练，本发明利用神经网络中有导师学习的思想，对模糊分类器进行训练，调整模糊分类器的参数，单个模糊分类器参数训练的步骤如下： (1)确定模糊分类器输入变量的取值范围； (2)根据高斯隶属度函数的曲线特征，确定输入变量的方差； (3)在方差改变±30％，均值不变条件下，当模糊分类器判别的结果与人工判别的结果吻合率最大时，得到最佳方差； (4)再在方差不变，均值改变±30％条件下，两者吻合率最大时，得到最佳均值； (5)保存最佳方差与最佳均值；按照上述步骤依次训练三个模糊分类器，分别保存最佳参数，至此，集成模糊分类器训练完毕；步骤四，判别最终交通状态：若路段只有单个检测器提供数据，则把单个检测器的数据输入步骤三中的集成模糊分类器中，来综合判别得出路段的交通状态，若路段上有多个检测器提供数据，则把多个检测器提供的数据按照信息融合的方法综合成一组数据，然后输入步骤三中的集成模糊分类器中，来综合判别得出路段的交通状态。
所属类别：	发明专利