一种考虑出行时间分布特征的道路交通检测器布局优化方法

本发明属于交通检测，具体涉及一种考虑出行时间分布特征的道路交通检测器布局优化方法。

背景技术：

1、为了有效缓解交通拥堵，必须建立有效的交通监控系统。随着人工智能和信息通信技术的进步，以视频电警为代表的avi(automatic vehicle identification，车辆自动识别)传感器在我国得到了广泛的应用。avi传感器可以捕获更丰富的车辆行驶信息，包括车辆的车牌号码、出现时间位置以及瞬时速度。通过合理布置avi检测器，不仅可以直接获得检测断面的交通流量，还可以用于推断全局网络所有路径上的交通流(即路径流量)分布。以路径为单元刻画交通流的来源和去向，不仅可以实现交通拥堵的溯源分析，即回答“拥堵位置的流量从哪儿来、到哪里去”这一现实难题，还可以深度解析交通拥堵产生和演化的影响因素，为数据驱动的精细化精准化交通管控与拥堵治理提供理论支撑。

2、如何优化检测器布局，实现全局网络路径流量的完整观测成为管理部门和研究人员共同关心的课题。然而，现有的方法重时段统计数据、轻个体运行信息，只知断面集计流量，未知非集计车辆轨迹，未能充分利用avi数据中记录的个体出行时间信息。这些方法虽然可以给出实现全局路网观测的检测器布局方案，但不能保证所需检测器的数量最少，增加了交通检测系统建设的成本。

技术实现思路

1、本发明所要解决的技术问题在于：针对现有的道路交通检测器布局优化方法大多都无法充分利用avi检测器监测到的出行时间信息，即现有方法虽然能够保证交通流观测的唯一性，但不能保证使用的检测器最少。本发明提供了一种考虑出行时间分布特征的道路交通检测器布局优化方法，更好地减少交通检测系统建设的成本，实现资源优化。

2、为解决以上技术问题，本发明提供如下技术方案：一种考虑出行时间分布特征的道路交通检测器布局优化方法，包括如下步骤：

3、s1、基于服从正态分布的路径出行时间，估算路径出行时间概率密度函数；

4、s2、计算每两条路径的出行时间概率密度函数交并比，然后确定每两条路径的出行时间可区分度；

5、s3、根据每两条路径的出行时间可区分度、以及路段设置检测器的状态，建立考虑出行时间分布特征的路径完全观测模型；

6、s4、利用启发式方法完成路径完全观测模型的求解，获得道路交通检测器布局优化结果。

7、进一步地，前述的步骤s1中，路径出行时间概率密度函数，如下式：

8、

9、其中，g(t|r)为路径r的出行时间概率密度函数，为路径r的出行时间样本均值，为路径r的出行时间样本方差。

10、进一步地，前述的路径r的出行时间样本均值和路径r的出行时间样本方差计算如下式：

11、

12、

13、其中，cl,n是第n个车辆样本在路段l上的行驶时间，nl是路段l的车辆样本总数，var(cl)是路段l的车辆行驶时间方差。

14、进一步地，前述的步骤s2中，出行时间概率密度函数交并比pr(r1,r2)计算如下式：

15、

16、其中，g(t|r1)和g(t|r2)为路径r1和r2的出行时间概率密度函数；t0为两个出行时间概率密度函数的交点。

17、进一步地，前述的两个出行时间概率密度函数的交点t0计算如下式：

18、

19、其中，x为自变量，该一元二次方程的解t0不唯一时，取使得概率密度函数g(t0|r)最大的t0。

20、进一步地，前述的步骤s2中，出行时间区分度，计算如下式：

21、

22、进一步地，前述的步骤s3中，考虑出行时间分布特征的路径完全观测模型如下：

23、

24、

25、

26、其中，a,b为路段；r,r1,r2为路径；a为所有路段的集合；r为所有路径的集合；za和zb为0-1变量，za＝1表示在路段a或b设置检测器，za＝0表示不在路段a或b设置检测器；为路段a和b都设置了检测器时，路径r1和r2的时间可区分度；为0-1变量，表示路段a在路径r上；表示路段a不在路径r上。

27、进一步地，前述的步骤s4包括如下子步骤：

28、s4-1、初始化布置传感器的路段集u为空集；

29、s4-2、判断u是否为考虑出行时间分布特征的道路交通检测器布局优化模型的可行解，是则执行u作为局部最优解，获得一种考虑出行时间分布特征的道路交通检测器布局优化的结果，否则执行步骤s4-3；

30、s4-3、选取c(u,a)最大值对应的路段a；若c(u,a)最大值不唯一，则选取其中使得d(u,a)最大的路段a；若使得c(u,a)最大且d(u,a)最大的路段不唯一，则依照初始路段次序集ir中的路段顺序选定新的设置检测器的路段，并更新布置检测器的路段集u，然后返回执行步骤s4-2；

31、其中，a为新增的布置检测器的路段，c(u,a)为新增的满足约束的路径r的数量，d(u,a)为新增的满足约束：

32、的路径对(r1,r2)的数量；ir定义为：当u为空集时，根据c(u,a)+d(u,a)的大小，对所有路段排序即得到初始路段次序集。

33、相较于现有技术，本发明采用以上技术方案的有益技术效果如下：

34、1、充分利用了avi数据中的出行时间信息，与现有技术相比，在完成相同的路径完全观测任务时，本发明提出的考虑出行时间分布特征的道路交通检测器布局优化模型使用的检测器数量更少。

35、2、现有技术大多基于模拟数据进行方法测试，而本发明在大型实测数据集πneuma数据集上对本发明的方法和传统方法进行了对比测试，更好地反映了现实情况，有助于有效解决实际问题。

技术特征：

1.一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，步骤s1中，路径出行时间概率密度函数，如下式：

3.权利要求2述的一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，路径r的出行时间样本均值和路径r的出行时间样本方差计算如下式：

4.根据权利要求1所述的一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，步骤s2中，出行时间概率密度函数交并比pr(r1,r2)计算如下式：

5.根据权利要求4所述的一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，两个出行时间概率密度函数的交点t0计算如下式：

6.根据权利要求4所述的一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，步骤s2中，出行时间区分度，计算如下式：

7.根据权利要求4所述的一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，步骤s3中，考虑出行时间分布特征的路径完全观测模型如下：

8.根据权利要求1所述的一种考虑出行时间分布特征的道路交通检测器布局优化方法，其特征在于，步骤s4包括如下子步骤：

技术总结本发明提供了一种考虑出行时间分布特征的道路交通检测器布局优化方法，包括：基于路径出行时间服从正态分布的假设，估算路径出行时间概率密度函数；计算每两条路径的出行时间概率密度函数交并比，并依此确定每两条路径的出行时间可区分度；建立考虑出行时间分布特征的路径完全观测模型；最后使用启发式方法完成模型的求解并给出检测器布局方案。本发明充分利用AVI数据中的出行时间信息，实现了使用更少的检测器完成所有路径流量的观测，并在真实数据集πNEUMA数据集上验证了模型的有效性。本发明能更好地减少交通检测系统建设的成本，实现资源优化。技术研发人员：曹奇,祁垚,任刚,陈果尔,邓玥,宋建华,马景峰,杜建玮,蔺文谢受保护的技术使用者：东南大学技术研发日：技术公布日：2024/6/2