车路协同下高速公路运行态势监测方法

胡启洲 张晓亮 吴翊恺 林娟娟

(1交通运输部公路科学研究院智能交通技术交通运输行业重点实验室, 北京 100088)(2南京理工大学自动化学院, 南京210094)

随着车路协同技术和北斗导航技术应用于智能交通领域,车路协同下高速公路运行态势的监测方法逐渐成为智慧交通的研究方向.目前, 国内外的相关研究主要为不确定性数学理论的信息融合技术, 通过将定性问题转化为定量问题进行系统分析, 用以解决交通管理问题[1-3].通过车路协同技术来增强高速公路交通信息管理和服务能力, 并基于北斗导航技术来传输有关数据和服务信息[4-5].文献[6-7]分析了车路协同下车路信息交互特征与数据优势, 选取了高速公路车辆排队时间评价交叉口通行效率.文献[8-10]根据网联车状态评价指标参数多源异构的特点, 结合驾驶人、车辆和环境等多方面因素构建了车辆安全状态评价体系.文献[11-12]考虑车路协同下未来智能车载与路侧终端应用, 使得获取的动态车辆行驶数据更加准确.文献[13-14]为了探讨车路协同下交通安全性, 提出了一种基于多维度安全指数的交通风险识别方法.文献[15-16]采用不确定性方法研究了复杂环境下高速公路交通安全问题.文献[17-18]采用模糊综合评价法对高速公路运营态势问题进行了综合评价.文献[19-20]基于大数据提出了一种考虑车辆运行态势和道路几何信息的综合评价方法.

综上, 高速公路运行态势监测研究已取得一定成果, 但是缺乏监控和评判协同的一体化方法.基于此, 本文结合信息融合与车路协同技术优势, 基于北斗导航技术提出一种车路协同环境下高速公路运行态势的监测系统.并在此基础上, 利用不确定性数学方法, 构建高速公路态势评估的数学模型, 采用模糊语言界定出运行态势监测结果等级, 将车辆实时数据与静态道路参数通过聚类分析相融合, 实现高速公路运行态势监测和评估的目的.

1 车路协同下高速公路运行态势的监测评估模型

为修正以往高速公路运行态势监测与评定方法, 本文提出了一种综合数据主观性与交通参与者客观性的新方法来监测高速公路运行态势.该方法首先根据高速公路交通事故时空分布特性, 获得运行态势的监测指标, 利用熵值法确定对应权重, 进而采用量化理论建立车路协同下高速公路运行态势监测模型, 最终得到运行态势综合监测值.

1.1 监测指标体系

从交通管理的实际需求出发, 在深入研究交通状态的数据获取、评估的基础上, 形成高速公路运行态势监测指标体系.遵循系统性、动态性、代表性原则, 选择最能表征运行态势特性的车、路、环境3个指标进行分析.根据实时交通信息以及交通事故分布特性, 进一步细分监测指标, 如表1所示.

表1 车路协同下高速公路运行态势的监测指标

1.2 监测模型

设高速公路运行态势的监测对象集A=(A1,A2,…,Am), 监测指标集I=(I1,I2,…,In),监测指标的权重向量W={w1,w2,…,wn}.利用监测指标集对监测对象Ai进行考察时, 在t时刻的考察值为xij(t), 则车路协同下高速公路运行态势的监测矩阵为

D(t)=(xij(t))m×n

(1)

式中,xij(t)为t时刻第j(j=1,2，…,n)个监测指标在第i(i=1,2，…,m)条高速公路运行态势的监测值；D(t)为t时刻车路协同下高速公路运行态势的监测矩阵.

1) 确定监测指标的考察值及标准化处理.通过构造关联函数将各监测指标进行标准化处理, 统一变化到[0,1]范围内.本文对车路协同下高速公路运行态势监测的定量指标进行无量纲化处理.对定性指标则采用模糊语言来量化处理, 主要采用等级量化来界定其值.

2) 界定监测指标的权重系数.针对决策者对各监测指标的不同重视程度, 以及各指标在决策过程中传输给决策者的不同信息, 采用熵值法来确定权重系数.

3) 综合监测模型.采用量化理论建立高速公路运行态势监测模型, 得到监测综合值为

(2)

式中,Ei(t)为t时刻第i条高速公路的综合监测值；wj(t)为t时刻第j个监测指标的权重系数；rij(t)为第j个监测指标在第i条高速公路运行态势的监测值，该数据是标准化处理后的值.

2 高速公路运行态势的等级界定

为了得到高速公路运行态势监控科学合理的监测结果, 将运行态势监控结果界定为5个级别, 采用模糊语言来界定区间级别.

1) 区间界定函数.依据模糊语言处理准则, 构建等级区间的语言类模糊数集, 车路协同下高速公路运行态势的区间函数关系为

(3)

式中，0

2) 区间值界定原则.通过聚类分析和判别分析法对被聚对象进行初始分类, 逐步调整后得到最终分类中心，中心纵坐标即为a1、a2、a3、a4值.

3) 区间耦合原则.根据监测值Ei(t)落入式(3)的等级区间,来判定该高速公路运行态势的级别.

3 监测评估模型的求解算法

车路协同下高速公路运行态势的监测系统是在对高速公路各部分、各阶段、各层次子系统监测的基础上, 寻求运行态势监测系统整体最优, 不断向决策者及管理者提供各种关联信息.综合监测评估模型的具体计算步骤如下：

①计算各监测指标的属性值xij(t)；

②计算各属性值xij(t)的标准化处理值rij(t)；

③利用熵权法确定各监测指标的权值wj(t)；

④根据式(2), 计算综合监测值Ei(t)；

⑤利用式(3)进行等级耦合, 获得车路协同下高速公路运行态势等级.

4 算例分析

根据车路协同下高速公路运行态势监测模型, 选取江苏省内19条高速公路进行研究, 利用表1中16个指标对高速公路运行态势进行监测.

1) 确定区间a1、a2、a3、a4的值.对高速公路原始监测数据进行标准化处理, 结果见表2.

为了快捷地监测高速公路运行态势, 本文利用K-means和系统聚类分析法获取等级界定a1、a2、a3、a4的准确值.按式(3)中的类聚确定初始聚类的各变量中心点, 经迭代运算后类别间各变量中心值得到修正.并对聚类结果的类别间距离进行方差分析, 当类别间距离差异的概率值均小于0.001时, 聚类效果最好.计算过程如下：

表2 高速公路的历史数测定值

①以表1中监测指标为依据, 基于式(3)将高速公路运行态势分成5个安全等级；

②利用Friedman检验对历史数据聚类效果进行分析, 聚类结果分布如图1所示；

③在聚类图中显示每一类的中心, 即是等级界定的函数值, 也是聚类结果.

利用系统聚类分析法对图1中数据自动分类, 最优分类为4类, 具体分类结果如图2所示.结合高速公路运行态势级别中未知变量数目, 利用K-means 聚类分析法设置类别K=4, 即划分成4个类簇,由图2可见, 聚类分析结果完全一致, 即K-means聚类分析分为4类数据的准确性较好.由于K-means聚类图类簇中心的纵坐标即为a1、a2、a3、a4, 因而可得a1=0.239,a2=0.441,a3=0.634,a4=0.849.为了本文研究方便, 对聚类中心的数据四舍五入取偶取整数，得到a1=0.2,a2=0.4,a3=0.6,a4=0.8.

2) 江苏省的高速公路运行态势界定.基于式(3)得到综合监测值及对应等级，如表3所示.

图1 高速公路原始数据分布图

图2 系统聚类分类图

表3 江苏省境内高速公路各时段运行态势的等级界定

江苏省境内19条高速公路运行态势属于二级和三级, 即较安全和一般, 符合江苏省高速公路实时运行情况(见江苏交通出行网实时路况查询).

5 结论

1)分析了交通事故时空分布特性, 采用量化理论建立了基于大数据的车路协同下高速公路运行态势监测模型.

2) 确定了高速公路运行态势归属等级, 利用系统聚类和K-means聚类分析法, 研究了江苏省内的19条高速公路运行态势, 聚类分析结果属于二级和三级.

3) 将交通安全系统中定性监测分析转化成定量监测分析, 增加了决策的科学性和准确性, 对进一步改善高速公路运行安全状况, 促进交通发展具有重要的意义和实用价值.