基于滑动平均算法的智能交通时段划分方法

摘要

一种基于滑动平均算法的智能交通时段划分方法，包括以下步骤：1)获取交叉口道路流量信息；2)运用滑动平均算法对获取的数据进行平滑处理；3)通过平滑后的数据进行差分计算，得到相应的导数，即车流量的变化趋势；4)根据车流导数的不同变化特征，进行进一步的数据判别，将一日的交通状态划分成多个时段，为下一步配时方案的设计提供依据。本发明以滑动平均算法对数据进行平滑处理，以差分结果近似数据导数，对时段进行划分，能够更加灵敏地反应车流的数据变化趋势，对路网的交通状况进行更为准确的识别，提高配时方案的有效性。

权利要求

1.一种基于滑动平均算法的智能交通时段划分方法，其特征在于，所述方法包括以下步骤：

1)输入具体的日期、路口、车道，获取相应交叉口道路的流量信息；以Δt＝5分钟为时间间隔，将一天划分为288个时段，从数据库获取到过车数据后，计算得到288维的车流量，记为V，其中V(t)代表当前路口t时段的车流量；

2)运用滑动平均算法对V进行平滑处理，计算方法如下公式(1)所示：式中：τ为滑动的半个周期长度；wi为每个时段V的权重，其中∑wi＝1； 为回归后的车流数据；

3)对 进行差分计算，近似为车流的导函数d,计算如公式(2)：

4)针对流量导数曲线进行进一步的数据判别，将一日的交通状态划分成多个时段，过程如下：

4.1)根据算法取阈值T，按阈值T把所有时段分为上升/下降时段和平稳时段经过阈值T的切割，导数曲线变换为具有时间属性的状态数字序列s(t)，其中状态数字为0,1；

4.2)开始划分时段，找到所有上升/下降，平稳的连续状态数字序列，即0,1作为一个时间段；

4.3)找到所有拐点所在处，根据前后时刻s(t)值，找到所有高峰时段的起始点和终止点，如公式(4)所示式中: 和 分别是第i个高峰时段的起始时间和结束时间。

说明书

基于滑动平均算法的智能交通时段划分方法

技术领域

[0001] 本发明涉及交通控制工程、大数据分析应用领域，尤其涉及交通峰谷状态识别和配时方案的时段划分方法。

背景技术

[0002] 伴随着城市现代化程度提高，城市交通规模也保持着告诉增长的态势，传统交通技术开始难以适应社会发展的要求。由于交通流量变化的复杂性和不确定性，其中表现较为突出的是，受早晚高峰的影响，城市交通状态变化频繁、复杂，为了缓解城市交通状况，基于不同时段的特点，就需要配置不同的方案来疏通道路，因此，峰谷时段划分的准确性和有效性显得尤为重要。而目前适合于最常见的对实际车流数据设置阈值，以区分峰谷时段的方法，存在一定的局限性，难以精确描述交通流的变化态势。因此为了能有效提高时段划分的准确性，充分发挥配时方案的效果，本发明提出基于滑动平均算法的智能交通时段划分算法，以便与时段划分的结果能够更加精确地反应交通变化趋势，提高调度的有效性。

发明内容

[0003] 为了克服城市路网交通状况复杂引起的峰谷时段划分困难，交通数据流量变化的波动性、时段性和随机性，纯粹以实际流量为标准的峰谷时段难以真实反馈路口状态，因此需对路口的交通状况进行更深入的研究，以更准确、贴切地描述路口交通变化情况。本发明提出一种基于滑动平均算法的智能交通时段划分方法。

[0004] 本发明解决其技术问题所采用的技术方案是：

[0005] 一种基于滑动平均算法的智能交通时段划分方法，包括以下步骤：

[0006] 1)输入具体的日期、路口、车道，获取相应交叉口道路的流量信息；以Δt＝5分钟为时间间隔，将一天划分为288个时段，从数据库获取到过车数据后，计算得到288维的车流量，记为V，其中V(t)代表当前路口t时段的车流量；

[0007] 2)运用滑动平均算法对V进行平滑处理，计算方法如下公式(1)所示：

[0008]

[0009] 式中：τ为滑动的半个周期长度；wi为每个时段V的权重，其中∑wi＝1；

[0010] 为回归后的车流数据；

[0011] 3)对 进行差分计算，近似为车流的导函数d,计算如公式(2)：

[0012]

[0013] 4)针对流量导数曲线进行进一步的数据判别，将一日的交通状态划分成多个时段，过程如下：

[0014] 4.1)根据算法取阈值T，按阈值T把所有时段分为上升/下降时段和平稳时段[0015]

[0016] 经过阈值T的切割，导数曲线可以变换为具有时间属性的状态数字序列s(t)，其中状态数字为0,1；

[0017] 4.2)开始划分时段，找到所有上升/下降，平稳的连续状态数字序列，即0,1作为一个时间段；

[0018] 4.3)找到所有拐点所在处，根据前后时刻s(t)值，找到所有高峰时段的起始点和终止点，如公式(4)所示

[0019]

[0020] 式中: 和 分别是第i个高峰时段的起始时间和结束时间。

[0021] 本发明的有益效果表现在：以滑动平均算法对数据进行平滑处理，以差分结果近似数据导数，对时段进行划分，能够更加灵敏地反应车流的数据变化趋势，对路网的交通状况进行更为准确的识别，提高配时方案的有效性

附图说明

[0022] 图1是基于滑动平均算法的智能交通时段划分算法的逻辑流程图；

[0023] 图2是台州市市府大道与白云山路交叉口地图；

[0024] 图3是实施例时段划分算法的结果示意图。

具体实施方式

[0025] 下面结合附图对本发明作进一步描述。

[0026] 参照图1～图3，一种基于滑动平均算法的智能交通时段划分方法，包括以下步骤：

[0027] 1)输入具体的日期、路口、车道，获取相应交叉口道路的流量信息；以Δt＝5分钟为时间间隔，将一天划分为288个时段，从数据库获取到过车数据后，计算得到288维的车流量，记为V，其中V(t)代表当前路口t时段的车流量；

[0028] 2)运用滑动平均算法对V进行平滑处理，计算方法如下公式(1)所示：

[0029]

[0030] 式中：τ为滑动的半个周期长度；wi为每个时段V的权重，其中∑wi＝1； 为回归后的车流数据；

[0031] 3)对 进行差分计算，近似为车流的导函数d,计算如公式(2)：

[0032]

[0033] 4)针对流量导数曲线进行进一步的数据判别，将一日的交通状态划分成多个时段，过程如下：

[0034] 4.1)根据算法取阈值T，按阈值T把所有时段分为上升/下降时段和平稳时段[0035]

[0036] 经过阈值T的切割，导数曲线可以变换为具有时间属性的状态数字序列s(t)，其中状态数字为0,1；

[0037] 4.2)开始划分时段，找到所有上升/下降，平稳的连续状态数字序列，即0,1作为一个时间段；

[0038] 4.3)找到所有拐点所在处，根据前后时刻s(t)值，找到所有高峰时段的起始点和终止点，如公式(4)所示

[0039]

[0040] 式中: 和 分别是第i个高峰时段的起始时间和结束时间。

[0041] 本实施例以台州市某一实际路口为实施例，如图2所示，一种基于滑动平均算法的智能交通时段划分方法，包括以下步骤：

[0042] 1)搜索2017年5月25日台州市市府大道与白云山路交叉口，获取相应交叉口道路的流量信息；以Δt＝5分钟为时间间隔，将一天划分为288个时段，从数据库获取到过车数据后，计算得到288维的车流量，记为V，其中V(t)代表当前路口t时段的车流量；

[0043] 2)运用滑动平均算法对V进行平滑处理，计算方法如下公式(1)所示：

[0044]

[0045] 式中：τ为滑动的半个周期长度；wi为每个时段V的权重，其中∑wi＝1； 为回归后的车流数据；

[0046] 3)对 进行差分计算，近似为车流的导函数d,计算如公式(2)：

[0047]

[0048] 4)针对流量导数曲线进行进一步的数据判别，将一日的交通状态划分成多个时段，过程如下：

[0049] 4.1)根据算法取阈值T，按阈值T把所有时段分为上升/下降时段和平稳时段[0050]

[0051] 经过阈值T的切割，导数曲线可以变换为具有时间属性的状态数字序列s(t)，其中状态数字为0,1；

[0052] 4.2)开始划分时段，找到所有上升/下降，平稳的连续状态数字序列，即0,1作为一个时间段；

[0053] 4.3)找到所有拐点所在处，根据前后时刻s(t)值，找到所有高峰时段的起始点和终止点，如公式(4)所示

[0054]

[0055] 式中 和 分别是第i个高峰时段的起始时间和结束时间。

[0056] 以台州市某一实际路口为实施例，运用以上方法得到车流时段划分结果，如图3所示。

[0057] 以上阐述的是本发明给出的一个实施例表现出来的优良效果，可以发现该方法可以较好的提取不同时段的交通状态，将之划分为各个不同时段，以便于优化和调度的进行，对疏解交通状况、提高调度效果具有显著作用。