详情

原文传递快速道路危险交通流特征的自动检测确认方法

专利名称：	快速道路危险交通流特征的自动检测确认方法
摘要：	快速道路危险交通流特征的自动检测确认方法，收集待检测高速公路路段的事故数据，计算交通流状态划分，并在其中确立危险交通流状态，由Bayesian判别分析方法实现交通流特征的实时自动检测，比对确定当前快速道路的交通流特征状态。本发明提出一种利用实时交通数据来自动检测确认危险交通流特征的方法，随着快速道路交通基础设施的不断完善，越来越多的城市已经在快速道路上安装智能交通系统ITS，本发明实现了实时对交通流特征状态的监测，同时充分发挥智能交通系统设备的作用，当某检测路段出现危险交通流特征时，ITS可以提前向驾驶员发布信息，提醒驾驶员谨慎驾驶，从而提升快速道路的交通安全状况。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	东南大学
发明人：	刘攀;徐铖铖;王炜
专利状态：	有效
申请日期：	2011-09-28T00:00:00+0800
发布日期：	2019-01-01T00:00:00+0800
申请号：	CN201110295598.8
公开号：	CN102360524A
代理机构：	南京天翼专利代理有限责任公司 32112
代理人：	黄明哲
分类号：	G08G1/01(2006.01)I
申请人地址：	211189 江苏省南京市江宁开发区东南大学路2号
主权项：	快速道路危险交通流特征的自动检测确认方法，其特征是包括以下步骤：1)收集待检测高速公路路段的事故数据，确定各起交通事故的发生地点，选取交通事故发生地点上游两个检测点和下游两个检测点的交通数据，所述检测点之间相距800米，交通数据包括事故发生前5分钟这段时间内各个检测点的交通占有率，交通占有率数据由设置在检测点的交通流检测设备直接检测，并且以30s为采集精度进行采集；2)对于每起交通事故，采用病例?对照研究法按1∶4比例选取事发路段正常交通流状态下，即没有发生事故时的交通占有率数据，所述1∶4指，对应于每个事故范例，选取4个相应的正常交通流状态范例；3)将事故组和非事故组组合成交通流数据样本，所述事故组为事故发生前5分钟的交通占有率数据，非事故组为正常交通流状态下交通占有率数据，采用K?means动态聚类分析方法，选用上游两个检测点和下游两个检测点共4个检测点的交通占有率进行聚类分析，得到交通流数据样本中各条数据对应的交通流状态；4)对由K?means动态聚类分析方法划分得到的各交通流状态进行病例?对照研究，自变量为交通流状态，应变量为是否发生交通事故，根据病例?对照研究中各交通流状态的比值比来确定是否存在与交通事故相关的危险交通流特征，其中比值比大于1的交通流状态代表该交通流特征与交通事故高度相关，即定义该交通流状态为事故发生前的危险交通流特征；其中某交通流状态的比值比为事故组的曝露比值除以非事故组的曝露比值，事故组的曝露比值为事故组中该种交通流状态出现的次数除以其它交通流状态出现的次数，非事故组的曝露比值为非事故组中该种交通流状态出现的次数除以其它交通流状态出现的次数；5)对实时交通流建立判别方法：采用Bayesian判别分析方法建立各种交通流实时状态的判别方法，以上游两个检测点和下游两个检测点共4个检测点的交通占有率作为Bayesian判别模型中的解释变量，以交通流状态为目标变量，确立各种交通流状态的实时检测函数；6)检测上游两个检测点和下游两个检测点共4个检测点的交通占有率，根据由Bayesian判别模型建立的判别函数，实时检测是否出现步骤4)中确立的危险交通流特征，如果出现危险交通流特征，表明有发生事故的危险性，则在前方通过可变信息板对驾驶员进行预警提示。
所属类别：	发明专利