群体诱导信息下驾驶员响应行为的数据采样和辨识系统

暂无

群体诱导信息下驾驶员响应行为的数据采样和辨识系统\n技术领域\n[0001] 本发明属于智能交通技术领域，尤其是用于群体诱导信息下驾驶员响应行为的数据采样和辨识系统。\n背景技术\n[0002] 基于可变情报板的交通诱导系统是智能交通系统的重要组成部分，在国内外许多大城市得到了推广应用，现已具有一定的规模，并取得了一定的预期效果。然而，随着交通需求的不断增长，城市交通拥堵日益严重，这种基于“实时检测交通状态”的被动诱导方式，制约了其诱导效果和水平的发挥，迫切需要实现从基于“实时检测交通状态”的被动式诱导到基于“实时交通运行态势动态推演与预估”的主动式智能诱导的提升。对群体诱导信息下驾驶员响应行为的准确掌握是实施主动式智能交通诱导的前提，也是确保交通诱导功效得以长期发挥的先决条件。\n[0003] 目前，交通信息下驾驶员的响应行为的数据采集主要采用现场调查、电子邮件、电话询问和出行仿真器的意向调查或者显式偏好调查。尽管被调查者的反应能够在一定程度上反映其行为，但基于假设场景的问卷调查和仿真可能是不可靠的，体现在相同的交通信息在不同位置的可变情报板上发布效果各异，即使在同一位置，可变情报板的效果也因不同驾驶员群体、交通条件和路网属性等而变化。\n[0004] 近年来，随着交通流检测技术的不断发展，检测手段的日益多样化，精度不断提高，覆盖范围不断扩大，为群体诱导信息下驾驶员响应行为参数模型辨识的数据采样和辨识系统的建立奠定了必要的应用基础条件，具有重要的理论意义和实用价值。其技术研发和应用推广，对于改善出行信息服务，有效调节路网交通流，降低交通出行成本，提高交通运行效率和提升我国城市交通的管理水平有重要现实意义，将会产生巨大的经济和社会效益。\n发明内容\n[0005] 本发明针对现有技术的不足，提供了一种群体诱导信息下驾驶员响应行为的数据采样和辨识系统。\n[0006] 群体诱导信息下驾驶员响应行为的数据采样和辨识系统由交通数据检测和监视子系统、通信子系统、多源检测数据综合处理平台、交通信息发布和监视子系统构成，所述的交通数据检测和监视子系统通过第一通信子系统与多源检测数据综合处理平台连接，所述的多源检测数据综合处理平台通过所述的第二通信子系统与交通信息发布和监视子系统连接。\n[0007] 所述的交通数据检测和监视子系统包括多种交通检测器、视频监视摄像机、第一通信子系统和视频通信控制和监视器，通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据并传递给所述的多源检测数据综合处理平台。\n[0008] 所述的交通信息发布和监视子系统包括可变情报板、交通信息发布控制和监视器，通过可变情报板向外场发布交通信息，同时由交通信息发布控制和监视器记录发布信息内容和时间并传递给多源检测数据综合处理平台。\n[0009] 所述的多源检测数据综合处理平台一方面对所述的多源检测数据的数据质量进行控制，经过数据融合、分析处理得到交通信息发布数据，并接收由交通信息发布控制和监视器记录的发布信息内容和时间，实现对驾驶员响应行为参数模型辨识所需原始数据的采集和汇集；另一方面，基于道路交通属性数据、多源检测交通数据和交通信息发布数据，利用群体诱导信息下驾驶员响应行为辨识系统实现驾驶员响应行为数据的自动辨识。\n[0010] 所述的多源检测数据综合处理平台中设置有多源检测数据质量控制和预估系统和驾驶员响应行为自动辨识系统。\n[0011] 所述的多源检测数据质量控制和预估系统由道路交通属性数据库、多源检测交通数据库、多源检测数据质量控制模块、行程时间估计与预测模块、交通状态估计与预测模块和交通事故自动检测模块构成；所述的多源检测数据质量控制和预估系统利用所述的道路交通属性数据库、多源检测交通数据库提供的基础交通数据，由所述的多源检测数据质量控制模块对基础交通数据进行预处理、融合和控制数据质量，并由所述的行程时间估计与预测模块、交通状态估计与预测模块和交通事故自动检测模块对基础交通数据进行处理得到交通信息发布子系统所需要的行程时间信息、交通状态信息和交通事故信息。\n[0012] 所述的驾驶员响应行为自动辨识系统由道路交通属性数据库、多源检测交通数据库、交通信息发布数据库、出行场景重构模块、网络交通流行为监测分析模块、驾驶员响应行为监测分析模块和驾驶员响应行为自动辨识模块构成；所述的驾驶员响应行为自动辨识系统利用所述的道路交通属性数据库、多源检测交通数据库、交通信息发布数据库提供的基础交通数据，由所述的出行场景重构模块再现群体诱导信息下的网络交通流的动力学演化过程；由网络交通流行为监测分析模块建立各分流点分流比例和交通信息下改道交通流量的关系模型；由驾驶员响应行为监测分析模块得到交通信息服从率和影响因素，构建群体诱导信息下驾驶员响应行为模型；由所述的驾驶员响应行为自动辨识模块利用自适应卡尔曼滤波技术实现群体诱导信息下驾驶员响应行为模型系数更新，得到各分流点不同时段的交通信息服从率指标。\n[0013] 所述的通信子系统采用有线和无线通信相结合的方式。\n[0014] 所述用于群体诱导信息下驾驶员响应行为参数的数据采样和辨识系统总体数据处理过程包括数据采集和汇集层，交通信息发布层，驾驶员响应行为辨识层。\n[0015] （1）数据采集和汇集层\n[0016] 该层的主要作用是汇集交通数据检测与监视子系统传递过来的原始数据，实现多源检测数据的质量控制，从而有效提高交通检测设备的利用效率和检测数据的质量。\n[0017] （2）交通信息发布层\n[0018] 该层的主要作用利用相应的数据处理模块来得到行程时间信息、交通状态信息和交通事故信息，并由所述的交通信息发布和监视子系统向外场发布，同时交通信息发布控制和监视器记录发布信息内容和时间并传递给多源检测数据综合处理平台，存储在数据库服务器。在交通信息发布层中，由行程时间估计和预测模块进行数据计算处理，得到主路径和替换路径的行程时间信息，精度在85%以上；交通状态信息由交通状态估计和预测模块进行数据计算处理得到，分为畅通、拥挤和阻塞；交通事故信息由交通事故自动检测模块进行数据计算处理，结合视频监视摄像机得到，交通事故信息用交通问题的性质和交通问题的严重程度作为表征信息的两个属性，交通问题的性质分为“常规交通状态信息”和“偶发事故信息”两个水平，交通问题的严重程度分为轻微、中等、严重三个水平。交通信息发布层数据处理过程主要集中在数据库服务器、应用服务器中进行。\n[0019] （3）交通行为辨识层\n[0020] 该层的主要作用是调用数据库服务器中的道路交通属性数据、多源检测交通数据和交通信息发布数据，利用驾驶员响应行为自动辨识系统重构出行场景，建立驾驶员响应行为模型，并利用自适应卡尔曼滤波技术实现群体诱导信息下驾驶员响应行为模型系数更新，得到各分流点不同时段的交通信息服从率指标，存储在数据库服务器。首先，由驾驶员响应行为自动辨识系统的出行场景重构模块调用道路交通属性数据、多源检测交通数据、交通信息发布数据再现群体诱导信息下交通出行场景，为驾驶员响应行为的辨识准备基础数据；其次，由网络交通流行为监测分析模块建立各分流点分流比例、检测交通量和交通信息下改道交通流量的时空关系模型；再次，由驾驶员响应行为监测分析模块分析驾驶员响应行为的影响因素，建立群体诱导信息下驾驶员响应行为模型，找出驾驶员响应行为模型时变系数和信息服从率的关系；最后，由所述的驾驶员响应行为自动辨识模块利用驾驶员响应行为模型估计可变情报板诱导信息影响下改道交通量，并根据检测到的主线交通量和分流比例的转移方程估计可变情报板诱导信息影响下改道交通量，采用自适应卡尔曼滤波技术更新驾驶员响应行为模型系数；同时利用更新系数后的驾驶员响应行为模型和检测到的主线交通量估计可变情报板诱导信息影响下实际分流比例，采用自适应卡尔曼滤波技术更新分流比例转移方程；通过循环，不断更新驾驶员响应行为模型系数，得到不同分流点不同时刻的交通信息服从率指标，为主动式智能交通诱导提供交通行为参数。\n[0021] 有益效果：本发明既充分利用了多源检测交通数据，又通过数据质量控制机制确保能够实时、准确、可靠地采集和汇集驾驶员响应行为参数模型辨识所需要的原始数据，并以此为基础实现了群体诱导信息下驾驶员响应行为参数模型的自动辨识，可以综合反映路网上各种实际因素，包括实际驾驶员群体、交通条件和路网属性的影响，这是传统交通行为数据调查方法难以体现的，有助于实现准确掌握群体诱导信息下驾驶员响应行为的目的，为基于可变情报板的交通诱导系统的规划设计、交通信息发布策略和方案的优化提供交通行为参数，为建立以交通管理者为主导的实时主动式智能交通诱导系统，提供坚实的基础，具有重要的理论意义和实用价值。其技术研发和应用推广，对于改善出行信息服务，有效调节路网交通流，降低交通出行成本，提高交通的运行效率和提升我国城市交通的管理水平有重要现实意义。 \n附图说明\n[0022] 图1是本发明一种群体诱导信息下驾驶员响应行为的数据采样和辨识系统的一个优选实施例的系统体系架构示意图。\n[0023] 图2是本发明一种群体诱导信息下驾驶员响应行为自动辨识系统的一个优选实施例的系统软件结构示意图。\n[0024] 图3是本发明一种群体诱导信息下驾驶员响应行为的数据采样和辨识系统的数据流程图。\n具体实施方式\n[0025] 如图1所示，本发明由交通数据检测和监视子系统、通信子系统、多源检测数据综合处理平台、交通信息发布和监视子系统构成。所述的交通数据检测和监视子系统通过所述的第一通信子系统与多源检测数据综合处理平台连接，所述的多源检测数据综合处理平台通过所述的第二通信子系统与交通信息发布和监视子系统连接。所述的交通数据检测和监视子系统通过外场多种交通检测器和视频监视摄像机采集道路网络上的交通数据并传递给所述的多源检测数据综合处理平台。该交通数据检测和监视子系统包括快速路监控系统检测器、地面道路交通控制系统检测器、车牌识别系统检测器、浮动车系统检测器、新增线圈检测器、五个交通数据采集控制和监视器、第一通信子系统和视频通信控制和监视器。\n[0026] 快速路监控系统的线圈检测器可以采集并传递断面交通量、车速和占有率数据，视频监视摄像机可以实现道路交通状况的人工巡视和确认；地面道路交通控制系统的线圈检测器可以采集并传递断面交通量、车速和占有率数据；车牌识别系统可以采集并传递断面交通量和区间车速数据；浮动车系统可以采集并传递车辆位置和车速数据。没有检测设备的位置新增加线圈检测器。这些交通数据通过交通数据采集控制和监视器接口软件经过第一通信子系统传递给多源检测数据综合处理平台，作为该平台的基础交通数据。\n[0027] 交通信息发布和监视子系统通过可变情报板向外场发布交通信息，同时由交通信息发布控制和监视器记录发布信息内容和时间并通过第二通信子系统传递给多源检测数据综合处理平台。多源检测数据综合处理平台一方面对多源检测数据的数据质量进行控制，经过数据融合、分析处理得到交通信息发布数据，并接收由交通信息发布控制和监视器记录的发布信息内容和时间，实现对驾驶员响应行为参数模型辨识所需原始数据的采集和汇集；另一方面，基于道路交通属性数据、多源检测交通数据和交通信息发布数据，利用群体诱导信息下驾驶员响应行为辨识系统实现驾驶员响应行为数据的自动辨识。通信子系统可以采用有线和无线通信相结合的方式。\n[0028] 本发明体系架构是交通数据采集中采用交通数据采集控制和监视器记录数据采集时间和内容，交通信息发布中采用交通信息发布控制和监视器记录交通信息发布的时间和内容，并传递给多源检测数据综合处理平台；交通数据采集控制和监视器和交通信息发布控制和监视器同步运行相同时间周期的指令，保证在辨识系统中交通信息发布与响应数据采样中的高度同步性，进而获得真实、准确、实时的模型辨识原始数据。\n[0029] 多源检测数据综合处理平台中设置有多源检测数据质量控制和预估系统和驾驶员响应行为自动辨识系统。多源检测数据质量控制和预估系统由道路交通属性数据库、多源检测交通数据库、多源检测数据质量控制模块、行程时间估计与预测模块、交通状态估计与预测模块和交通事故自动检测模块构成；所述的多源检测数据质量控制和预估系统利用所述的道路交通属性数据库、多源检测交通数据库提供的基础交通数据，由所述的多源检测数据质量控制模块对基础交通数据进行预处理、融合和控制数据质量，并由所述的行程时间估计与预测模块、交通状态估计与预测模块和交通事故自动检测模块对基础交通数据进行处理得到交通信息发布子系统所需要的行程时间信息、交通状态信息和交通事故信息。本发明数据处理的主要特色之一是对多源检测数据的质量控制，充分利用多源检测交通数据，保证了数据采集的可靠性，为群体诱导信息下驾驶员响应行为参数的数据采样和辨识做好准备。\n[0030] 如图2所示，所述多源检测数据综合处理平台中设置有驾驶员响应行为自动辨识系统，这是本发明的核心部分所在。驾驶员响应行为自动辨识系统由道路交通属性数据库、多源检测交通数据库、交通信息发布数据库、出行场景重构模块、网络交通流行为监测分析模块、驾驶员响应行为监测分析模块和驾驶员响应行为自动辨识模块构成；所述的驾驶员响应行为自动辨识系统利用所述的道路交通属性数据库、多源检测交通数据库、交通信息发布数据库提供的基础交通数据，由所述的出行场景重构模块再现群体诱导信息下的网络交通流的动力学演化过程；由网络交通流行为监测分析模块建立各分流点分流比例和交通信息下改道交通流量的关系模型；由驾驶员响应行为监测分析模块得到交通信息服从率和影响因素，构建群体诱导信息下驾驶员响应行为模型；由所述的驾驶员响应行为自动辨识模块利用自适应卡尔曼滤波技术实现群体诱导信息下驾驶员响应行为模型系数更新，得到各分流点不同时段的交通信息服从率指标。\n[0031] 如图3所示，所述群体诱导信息下驾驶员响应行为参数模型辨识系统总体数据处理过程分别是数据采集和汇集层，交通信息发布层，驾驶员响应行为辨识层。\n[0032] （1）数据采集和汇集层\n[0033] 该层的主要作用是汇集交通数据检测与监视子系统传递过来的原始数据，实现多源检测数据的质量控制，从而有效提高交通检测设备的利用效率和检测数据的质量。基础数据来源如下现有系统的检测器和新增加线圈检测器，这些数据经过数据校验与预处理汇集得到多源交通检测数据，存储到数据库服务器，并由交通信息发布层和交通行为辨识层的数据处理模块进行处理。\n[0034] （2）交通信息发布层\n[0035] 该层的主要作用利用数据处理模块来得到行程时间信息、交通状态信息和交通事故信息，并由所述的交通信息发布和监视子系统向外场发布，同时交通信息发布控制和监视器记录发布信息内容和时间并传递给多源检测数据综合处理平台，存储在数据库服务器。在交通信息发布层中，由行程时间估计和预测模块进行数据计算处理，得到主路径和替换路径的行程时间信息，精度在85%以上，如“至中环快速路，某路径行程时间为30分钟，某路径行程时间为22分钟。”。交通状态信息由交通状态估计和预测模块进行数据计算处理得到，畅通的速度值介于40～90km/h，拥挤的速度介于20～40km/h，阻塞的速度介于\n0～20km/h。交通事故信息由交通事故自动检测模块进行数据计算处理，结合视频监视摄像机得到，交通事故信息用交通问题的性质和交通问题的严重程度作为表征信息的两个属性，交通问题的性质分为“常规交通状态信息”和“偶发事故信息”两个水平，交通问题的严重程度分为轻微、中等、严重三个水平。交通信息发布层数据处理过程主要集中在数据库服务器、应用服务器中进行。\n[0036] （3）交通行为辨识层\n[0037] 该层的主要作用是调用数据库服务器中的道路交通属性数据、多源检测交通数据和交通信息发布数据，利用驾驶员响应行为自动辨识系统重构出行场景，建立驾驶员响应行为模型，并利用自适应卡尔曼滤波技术实现群体诱导信息下驾驶员响应行为模型系数更新，得到各分流点不同时段的交通信息服从率指标，存储在数据库服务器。首先，由驾驶员响应行为自动辨识系统的出行场景重构模块调用道路交通属性数据、多源检测交通数据、交通信息发布数据再现群体诱导信息下交通出行场景，为驾驶员响应行为的辨识准备基础数据；其次，由网络交通流行为监测分析模块建立各分流点分流比例、检测交通量和交通信息下改道交通流量的时空关系模型；再次，由驾驶员响应行为监测分析模块分析驾驶员响应行为的影响因素，建立群体诱导信息下驾驶员响应行为模型，找出驾驶员响应行为模型时变系数和信息服从率的关系；最后，由所述的驾驶员响应行为自动辨识模块利用驾驶员响应行为模型估计可变情报板诱导信息影响下改道交通量，并根据检测到的主线交通量和分流比例的转移方程估计可变情报板诱导信息影响下改道交通量，采用自适应卡尔曼滤波技术更新驾驶员响应行为模型系数；同时利用更新系数后的驾驶员响应行为模型和检测到的主线交通量估计可变情报板诱导信息影响下实际分流比例，采用自适应卡尔曼滤波技术更新分流比例转移方程；通过循环，不断更新驾驶员响应行为模型系数，得到不同分流点不同时刻的交通信息服从率指标，为主动式智能交通诱导提供交通行为参数。\n[0038] 上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。