專利名稱：基于帶耗散項宏觀交通流模型的交通擁堵監(jiān)控預報方法
技術領域：
本發(fā)明涉及一種建模方法，特別是一種基于帶耗散項宏觀交通流模型的交通擁堵監(jiān)控預報方法。
背景技術：
交通運輸是與國計民生密切相關的重大問題。建立暢通發(fā)達的交通運輸網(wǎng)絡是國家發(fā)展的既定目標，交通運輸系統(tǒng)的現(xiàn)代化程度和交通管理的先進程度，是衡量ー個國家現(xiàn)代化發(fā)展的重要標志；因此，交通運輸事業(yè)，特別是公路交通運輸，受到各個國家政府的高度重視，近年來得到了迅速發(fā)展；交通運輸?shù)臅惩ㄅc否，對城市經(jīng)濟的發(fā)展，人們的生活質量，地區(qū)乃至整個國家的國際聲譽都有很重要的影響，為了緩解交通擁堵問題，國內外學術界都投入較大精力研究模型問題。交通流模型研究是交通系統(tǒng)研究的基礎，同時作為智能交通系統(tǒng)(簡稱ITS)的基礎研究內容之一，對ITS的發(fā)展也具有重要意義。交通流理論的研究始于二十世紀三十年代，最早的交通流理論基本上采用的是概率論方法。五十年代后，隨著汽車エ業(yè)的迅速發(fā)展，道路交通流量劇增，交通流中車輛獨立性越來越小，概率論方法已經(jīng)不再適用，于是人們從不同的概念框架出發(fā)，提出了各種新的交通流理論模型?，F(xiàn)有交通流理論模型大體分為三類微觀模型、介觀模型和宏觀模型。微觀模型是將交通流視為遠離平衡態(tài)，大量分散的、相互作用的自驅動粒子。介觀模型則是基于概率描述的氣體動模型，也有學者將此類模型劃歸到微觀方法。宏觀模型則是將交通流視為由大量車輛組成的可壓縮連續(xù)流體介質，研究車輛機體的平均行為，單個車輛的個體特性并不顯式出現(xiàn)。宏觀交通流模型中，交通流被視為由大量車輛組成的可壓縮連續(xù)流體介質，研究車輛集體的平均行為，單個車輛的個體特性并不凸顯。宏觀交通流模型以車輛的平均密度P、平均速度V和流量q刻畫交通流`，研究它們所滿足的方程。與微觀模型相比，宏觀模型可以更好地刻畫交通流的集體行為，從而為設計有效的交通控制策略、模擬及估計道路幾何改造的效果等交通工程問題提供依據(jù)。數(shù)值計算方面，模擬宏觀交通流所需時間與所研究交通系統(tǒng)中車輛數(shù)目無關，只與所研究道路、數(shù)值方法的選取及其中空間X、時間t的離散步長Ax和At有夫。故此，宏觀交通流模型較適合于處理大量車輛組成的交通系統(tǒng)的交通流問題。在宏觀交通模型中，Lighthill和Whitham提出的連續(xù)交通流模型具有說明性，同時Richards也獨立提出了類似的模型，這兩個模型合稱為LWR模型，LffR模型以P (X，t)和V (X，t)表示t時刻位于X處交通流的平均密度和平均速度，它們滿足以下連續(xù)性方程
權利要求
1.一種基于帶耗散項宏觀交通流模型的交通擁堵監(jiān)控預報方法，其特點是采用以下步驟 (1)通過監(jiān)控攝像機的視頻圖像獲得車輛速度、密度和流量信息時，考慮到實際監(jiān)控攝像機在路口常年工作，不可能人為方式經(jīng)常修正圖像處理算法，按照以下圖像處理的全過程的綜合誤差性能指標選擇圖像處理算法 min (ez) =min {epara {eseg [epre (esamp) ]}} 式中，ez為圖像提取交通參數(shù)的整體誤差，min(ez)為通過選擇不同組合的圖像處理方法得到的\最小值，esamp為圖像采樣誤差，epM為圖像與處理誤差，eseg為圖像中車輛分割誤差，epara為按照分割圖像提取交通參數(shù)的誤差； (2)建立給定路段的宏觀交通流模型
全文摘要
為了克服現(xiàn)有交通流模型難以直接對交通擁堵監(jiān)控預報的技術缺陷，本發(fā)明提供一種基于帶耗散項宏觀交通流模型的交通擁堵監(jiān)控預報方法，該方法通過監(jiān)控攝像機的視頻圖像獲得車輛速度、密度和流量信息，根據(jù)新建立的交通擁堵模型對將發(fā)生的交通擁堵進行預報，解決了交通擁堵不能及時預報的技術問題。
文檔編號G08G1/01GK103035124SQ201210593370
公開日2013年4月10日 申請日期2012年12月30日 優(yōu)先權日2012年12月30日
發(fā)明者史忠科 申請人:西安費斯達自動化工程有限公司