欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018101117557
申请人: 青岛大学资产经营有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 信号装置
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于复合网络的拥堵时段的发现方法,其特征在于复合网络是由两个以上子网和子网间连边构成的,子网是构成复合网络的独立的网络,复合网络包括两个网络,即路口网络和传感器网络,该方法具体按照如下步骤进行:S1、定义拥堵指数Ti、拥堵时段和拥堵等级量化

(1)拥堵指数Ti:Ti是节点i的综合交通指数,Ti是对于节点i的交通状态评价指标,利用平均速度和时间占有率来进行计算;该指标衡量了传感器网络中某个节点的拥堵程度,Ti的值越大表示节点i的拥堵程度越高,计算公式如式(1)所示:Ti=β*Jv+γ*Jo      (1)

Jv是平均速度拥堵指数,是本周期断面速度,vf是路段自由流速度,道路的级别不同,路段的自由流速度也不相同,城市道路vf取80km/h,高速路或者快速路vf取100km/h;Jo是时间占有率指数,其中 是本周期断面时间占有率,omax为路段在饱和状态下对应的时间占有率,节点的交通指数计算如下,其中β和γ是权重系数;

(2)拥堵时段:传感器网络中某个节点k在日期d中给定时刻ti的拥堵指数为 则一天内按时间顺序,节点k的拥堵指数序列为 其中,为数据统计时间间隔,Δt的范围为5分钟到10分钟;定义拥堵指数阈值e、连续拥堵时间阈值e1和连续非拥堵时间阈值e2,如果节点k在日期d中ti时刻的拥堵指数为如果 则认为节点k在日期d中ti时刻处于拥堵状态,连续拥堵时间阈值指节点连续e1个时刻均为拥堵状态,则认为此时段拥堵,连续非拥堵时间阈值指节点连续e2个时刻均为非拥堵状态,则认为此时段不拥堵;

(3)拥堵等级量化:将拥堵等级进行划分,拥堵等级的划分标准并不固定,下述将给出一种根据拥堵指数将拥堵状态划分为五级的方法,根据拥堵评价指标的不同,拥堵等级的范围会存在一些变动,级别分类和物理意义是:拥堵级别为一级时,拥堵指数范围为[0,

0.2),物理含义为畅通;拥堵级别为二级时,拥堵指数范围为[0.2,0.4),物理含义为基本畅通;拥堵级别为三级时,拥堵指数范围为[0.4,0.6),物理含义为轻度拥堵;拥堵级别为四级时,拥堵指数范围为[0.6,0.8),物理含义为中度拥堵;拥堵级别为五级时,拥堵指数范围为[0.8,1.0),物理含义为重度堵塞;

S2、计算拥堵时段:

(1)建立路口网络与传感器网络的映射关系

为了实现传感器与路口、道路间的对应关系,传感器网络以物理设备为节点,物理设备包括微波传感器和线圈,主要采集包括平均速度、时间占有率、过车数在内的交通数据,基于这些实时交通数据,来计算节点的拥堵指数,节点之间的有向边代表设备之间能够直达;

在建立传感器网络的基础上,进一步构建路口网络,以路口为节点,根据路口之间是否存在能够关系建立建立无向边,将路口网络和传感器网络复合,形成传感器道路复合网络,即在传感器节点和路口节点间增加连边,建立传感器和路口的映射关系,具体建立方案按照如下方法进行:有r1,r2两个路口,每个路口有8个传感器,传感器之间已经按照车流方向建立传感器网络;路口间也按照路口邻近关系建立了网络;在构建复合网络时,在路口集合和传感器集合建立映射关系,在传感器与路口之间建立一对多或一对一关系,即{s11,s12,s13,s14,s15,s16,s17,s18}→{r1};若已经基于传感器网络分析出路口的拥堵时只要通过传感器与路口间的连边关系即可得到路口的拥堵情况,对于拥堵线路和拥堵区域的情况类似,只要通过拥堵线路或者区域的传感器找到相应的路口即可;

(2)一天内的拥堵时段分析:

由于节点k的拥堵指数序列统计的时间间隔通常较短,因此具有大的波动性,为了准确找出一天内的拥堵时段,通过给定滑动窗口的卷积实现数据平滑,具体如下:设窗口的大小为w,卷积向量为(1/w,1/w,......,1/w),步长s,即对相邻两次滑动卷积间隔的数据个数,通常s=1,设滑动计算后的序列为 对于边界数据的卷积计算可采用日期d+1的数据,如果没有日期d+1的数据则根据窗口内数据个数,减少卷积窗口大小w;

在获得后,通过给定拥堵指数阈值来判定每个 的拥堵状态,当 时,即认为节点k在时刻ti拥堵,最终将获得节点k的拥堵序列数据为

在获得节点k的拥堵序列数据<yk>后,然后根据<yk>来确定拥堵时段,根据已定义的拥堵序列数据<yk>,给出节点k的拥堵指数序列示意图,长线段表示拥堵,短的表示非拥堵;

根据e1和e2两个阈值将<yk>数据划分为四种状态:状态符号为a时,其状态含义为:拥堵时长>=e1,拥堵状态为拥堵;状态符号为b时,其状态含义为:拥堵时长=e2,拥堵状态为不拥堵;状态符号为d时,其状态含义为:非拥堵时长

在对<yk>进行e1和e2两个阈值处理后,<yk>最终将变为由a b c d构成的时间状态序列,这个序列是由a,b和c,d相间构成的序列,具体能够通过以下文法给出:该文法定义为四元组G=(V,T;P,S)

V:变量集,这里V={S,X,Y}

T:终极符集,T={a,b,c,d}

S:S称为初始符,S∈V

P:产生式集,P={S→a|b|c|d|aX|bX|cY|dY,X→cY|dY,Y→aX|bX}具体拥堵时段判定为:一个新的拥堵时段开始于状态a,遇到状态c或序列尾端时结束,拥堵级别通过拥堵时段内拥堵指数平均值给予评价,具体计算方式采用拥堵序列计算方法或者拥堵时长计算方法来计算,具体计算方式按照如下步骤进行:(3)拥堵序列计算方法

在该方法中应用了滑动窗口,用以对数据实现平滑,以S1中定义的节点k为基础,节点k为一天内的拥堵指数序列 由于不同数据集采集数据的间隔并不相同,定义不同大小的滑动窗口,得到平滑后的拥堵指数序列,因此,针对<xk>按照步长s以此获取w个数据,并计算平均值,从而获得 对于<x,k>中每一元素,若 则记 否则, 给出拥堵序列数据

(4)采用拥堵时长计算方法

该方法能够找出单个节点的拥堵时长序列集合,以S1中定义的节点k拥堵指数序列和S2中定义的阈值e1和e2为基础,来计算拥堵时长集合先遍历拥堵指数序列,然后将<yk>划分为表2定义的四种状态,得到由a b c d组成的状态集,,每个状态实际上对应着一段连续时间的拥堵指数,该步骤将拥堵指数序列转变成拥堵状态序列Zk,再遍历拥堵状态序列Zk,对于拥堵时段Ci,存在两种情况,以状态a,d为拥堵序列的起点,当a为起点时,直到遇到状态c,不包括c,找到一个拥堵时段,当以d为起点时,遇到状态b,不包括b,C=C∪Ci;

S3、常发拥堵时段分析:

常发的拥堵时段指一个节点,或传感器、路口在一定时间周期内,该周期选择一月或者一年,具有高频的拥堵所对应的时间范围,为了获得常发拥堵时段,采用S2中所述的方法计算一个节点,一段时间周期内,每天的拥堵序列,并统计该周期内拥堵天数比例,拥堵天数超过给定阈值f,则认为常发的拥堵,具体计算方式如下:根据算法一中拥堵序列计算算法对数据进行平滑,计算节点k每天的拥堵序列d∈D,再根据 统计节点k在时段ti的拥堵频次 统计七天内早上八点的拥堵发生频次,若 否则

终产生常发拥堵序列 根据 调用S2中步骤

(2)中拥堵时长计算算法,得到拥堵时长集合;

对于拥堵时长中的拥堵状况的评价采用该时段内拥堵指数的平均值,在某个拥堵时段tc=,那么tc的拥堵指数计算公式如下:最后根据 对拥堵时段进行分级。