基于分布式光纤传感DAS的高速公路交通拥堵判定方法和系统与流程

摘要: 本发明涉及,尤其涉及一种基于分布式光纤传感das的高速公路交通拥堵判定方法和系统。背景技术:1、在高速公路交通拥堵监测领域,分布式光纤声学传感技术(das)为交...
基于分布式光纤传感DAS的高速公路交通拥堵判定方法和系统与流程

本发明涉及,尤其涉及一种基于分布式光纤传感das的高速公路交通拥堵判定方法和系统。

背景技术:

1、在高速公路交通拥堵监测领域,分布式光纤声学传感技术(das)为交通拥堵的精准判定提供了全新的技术手段。

2、目前,基于das的交通拥堵判定方法主要包括:通过计算路段平均速度,当速度低于预设阈值时判定为拥堵,或者,通过监测车流量的突变来识别拥堵的发生与消散,或者,通过分析车辆轨迹的中断和聚集现象判断拥堵。

3、但这种采用单一的平均速度或车流量阈值进行判定,无法区分低速行驶的正常车流与真正的拥堵,在大型货车占比高的路段误判率在20%以上。而且,这些方法只能判定是否发生拥堵,无法区分常发性拥堵(节假日高峰、早晚高峰)和偶发性拥堵(交通事故、道路施工),导致应急处置响应不及时。

技术实现思路

1、为解决背景技术中存在的技术问题,本发明提出一种基于分布式光纤传感das的高速公路交通拥堵判定方法和系统。

2、第一方面,本发明提出的一种基于分布式光纤传感das的高速公路交通拥堵判定方法,包括:

3、实时获取由预先铺设在预设高速公路区间的das系统采集的车辆振动信号;

4、根据车辆振动信号,得到预设高速公路区间中的每个基础路段和拥堵风险路段的全路段交通流参数;其中,全路段交通流参数包括:平均车速、车辆密度、车流量和平均车头时距;

5、根据每个基础路段和拥堵风险路段的全路段交通流参数,得到各个基础路段和拥堵风险路段的拥堵判定结果、拥堵类型、每个拥堵的起止位置和拥堵长度。

6、优选地,根据车辆振动信号,得到预设高速公路区间中的每个基础路段和拥堵风险路段的全路段交通流参数,具体包括:

7、对于预设高速公路区间中的每个基础路段和拥堵风险路段,对该路段的车辆振动信号进行异常检测,并在异常检测结果为异常时,将其对应的异常振动信号从车辆振动信号中去除;

8、从通过异常检测或去除异常振动信号的车辆振动信号中提取出该路段的所有车辆的车辆轨迹;

9、根据所有车辆的车辆轨迹,对车辆振动信号进行并行车辆检测;若存在并行车辆,则对并行车辆对应的车辆振动信号进行解混叠,得到多辆车的独立的车辆振动信号;

10、基于该路段的所有车辆的车辆轨迹,得到该路段的全路段交通流参数。

11、优选地,对车辆振动信号进行异常检测,得到异常检测结果,具体包括:

12、对车辆振动信号进行异常信号增强预处理;

13、对经过异常信号增强预处理的车辆振动信号进行多尺度时频特征提取,得到多尺度时频特征;

14、利用预设的双阶段异常检测框架对多尺度时频特征进行双阶段异常识别,得到异常检测结果;其中,异常检测结果分为正常和异常。

15、优选地,对车辆振动信号进行异常信号增强预处理,具体包括:

16、获取分布式光纤传感系统在无车辆行驶时段采集的环境噪声数据,建立背景噪声统计模型;基于背景噪声统计模型和预设的自适应滤波算法,将车辆振动信号中的背景噪声去除;

17、采用小波包变换对车辆振动信号进行多尺度分解,得到包括不同频带、不同尺度的多个子带信号的子带信号集和子带系数集;从子带信号集的所有子带信号中,筛选出包含异常事件特征的频带并将其组合形成异常事件信号集;对子带系数集中与异常事件信号集对应的系数进行幅值增强,并使用子带系数集对子带信号集执行逆变换重构。

18、优选地,从通过异常检测或去除异常振动信号的车辆振动信号中提取出所有车辆的车辆轨迹,具体包括:

19、对通过异常检测或去除异常振动信号的车辆振动信号进行多层级噪声剔除;对经过多层级噪声剔除的车辆振动信号进行多维特征提取,得到多维特征集;

20、基于多维特征集,确定初始轨迹点;基于初始轨迹点,进行轨迹点关联,得到初始车辆轨迹;

21、对初始车辆轨迹进行断裂点检查,若未通过断裂点检查,则依据初始车辆轨迹的前后轨迹点的运动趋势进行插值修复;采用拉东滤波对通过断裂点检查或完成插值修复后的车辆轨迹进行平滑处理;对经过平滑处理的车辆轨迹进行虚假车辆轨迹滤除。

22、优选地,基于该路段所有车辆的车辆轨迹,得到该路段的全路段交通流参数,具体包括:

23、基于该路段每辆车的车辆轨迹,确定每辆车的实时位置、瞬时速度和行驶轨迹;基于所有车辆的实时位置、瞬时速度和行驶轨迹,得到每个车道的交通流参数;其中,交通流参数包括车头时距、车道占有率、交通密度、车流量、平均车速;

24、根据各个车道的核心交通流参数,得到全断面的交通流参数;采用时空插值算法,将全断面的交通流参数扩展为连续的全路段交通流参数;对全路段交通流参数进行平滑处理。

25、优选地,根据每个基础路段和拥堵风险路段的全路段交通流参数,得到各个基础路段和拥堵风险路段的拥堵判定结果、拥堵类型、每个拥堵的起止位置和拥堵长度,具体包括:

26、利用预先构建的车辆密度-平均车速双阈值拥堵判定模型基于每个基础路段和拥堵风险路段的全路段交通流参数进行拥堵判定,得到各个基础路段和拥堵风险路段的拥堵判定结果;其中,拥堵判定结果分为畅通状态、缓行状态和拥堵状态、追尾风险状态和低速行驶状态;

27、对于处于拥堵状态的基础路段或拥堵风险路段,基于预设的光纤通道-高速里程映射关系,定位该路段的拥堵的起止位置和拥堵长度;

28、根据异常检测结果和预设的光纤通道-高速公路里程映射关系,判断该路段是否存在异常事件;当异常检测结果为异常时,判定该路段存在异常事件;若是,则判定该路段的拥堵类型为偶发性拥堵;若否,则判定该路段的拥堵类型为常发性拥堵;

29、基于预设的光纤通道-高速里程映射关系和拥堵状态的路段,分别定位每个拥堵的起止位置和拥堵长度。

30、优选地,判断拥堵状态的路段是否存在异常事件,具体包括:根据异常检测结果和预设的光纤通道-高速公路里程映射关系,判断拥堵状态的路段是否存在异常事件;当异常检测结果为异常时,判定拥堵状态的路段存在异常事件。

31、优选地,车辆密度-平均车速双阈值拥堵判定模型包括畅通密度阈值k1、拥堵密度阈值k2、畅通速度阈值v1和拥堵速度阈值v2,v2

32、当kiv1时,判定为畅通状态;其中,ki表示车辆密度,vi表示平均车速;

33、当k1≤ki

34、当ki≥k2且vi

35、当ki≥k2且vi>v1时,判定为追尾风险状态;

36、当k1≤ki

37、优选的,在得到各个基础路段和拥堵风险路段的拥堵判定结果、拥堵类型、每个拥堵的起止位置和拥堵长度之后,还包括:

38、基于各个基础路段和拥堵风险路段的交通状态、拥堵等级、拥堵类型、每个拥堵的拥堵长度和拥堵起止位置以及预设的分级预警策略,进行分级预警。

39、第二方面,本发明还提出了一种基于分布式光纤传感das的高速公路交通拥堵判定系统,包括:

40、获取模块,用于实时获取由预先铺设在预设高速公路区间的das系统采集的车辆振动信号;

41、处理模块,用于根据车辆振动信号,得到预设高速公路区间中的每个基础路段和拥堵风险路段的全路段交通流参数;其中,全路段交通流参数包括:平均车速、车辆密度、车流量和平均车头时距;

42、根据每个基础路段和拥堵风险路段的全路段交通流参数,得到各个基础路段和拥堵风险路段的拥堵判定结果、拥堵类型、每个拥堵的起止位置和拥堵长度。

43、本发明中,所提出的基于分布式光纤传感das的高速公路交通拥堵判定方法和系统,通过根据车辆振动信号,得到预设高速公路区间中的每个基础路段和拥堵风险路段的全路段交通流参数;根据每个基础路段和拥堵风险路段的全路段交通流参数,得到各个基础路段和拥堵风险路段的拥堵判定结果、拥堵类型、每个拥堵的起止位置和拥堵长度。

44、本发明能够精准区分高速公路中的各种拥堵类型,精准定位拥堵的长度和起止位置,极大地降低了大型货车占比高的路段的拥堵误判率,从而便于后续进行及时地、精准地预警,提高预设高速公路区间的行驶安全性。