專利名稱：基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種交通安全技術(shù)，尤其是一種基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法。
背景技術(shù)：
目前，隨著高速公路通車里程的增加，災害性天氣對高速公路交通安全的影響日趨凸顯。在惡劣天氣情況下，駕駛員更不易及時獲取警示信息，從而造成數(shù)百輛汽車追尾的重大事故時有發(fā)生，因此，高速公路在惡劣天氣的情況下只能關(guān)閉，高速公路的快速預警及智能化管理，越來越受到人們的關(guān)注和重視。通過檢索論文發(fā)現(xiàn)程從蘭，李迅，鄭祚芳，王在文，梁旭東.北京道路氣象預警指標構(gòu)建及初步應用，第27屆中國氣象學會年會議論文集，2010，10.馮民學，高速公路交通氣象智能化檢測預警系統(tǒng)研究，南京信息工程大學博士論文，2005.張長君，鄒開其.惡劣 氣象條件下高速公路NN控制系統(tǒng)的研究，計算機工程與應用，2007,43(4):210-212.王少飛，關(guān)可.高速公路氣象信息服務系統(tǒng).中國交通信息產(chǎn)業(yè)，2007 (1):116-119.上述研究在分析不同氣象條件對通行能力影響的基礎(chǔ)上，針對不同氣象條件給出氣象預警信息。但并未直接從高速公路管理的角度出發(fā)，給出交通預警信息。湯筠筠，高海龍，張巍漢.高速公路霧區(qū)監(jiān)控系統(tǒng)結(jié)構(gòu)方案的研究，公路，2005，8.王衛(wèi)亞.基于無線傳感網(wǎng)絡的高速公路惡劣氣象監(jiān)測及交通控制模型研究，長安大學，2008.柳本民，災害性天氣下高速公路運行安全控制技術(shù)研究，同濟大學博士學位論文，2008.上述研究在分析能見度和路面附著系數(shù)對高速公路行車安全影響的前提下，通過模糊控制理論或氣象部門、高速公路管理部門以及一線司機實際經(jīng)驗與測試，對霧、雪、雨天氣下的限速值和安全間距進行規(guī)定。存在三點問題一是，并未在全面氣象監(jiān)測的基礎(chǔ)上，對車輛行車安全進行預警，考慮因素不夠全面；二是，模糊推理隸屬度直接由經(jīng)驗給出，主觀性強。三是，未考慮道路交通流狀況的影響。中國專利申請200910061448. 3公開了一種高速公路氣象監(jiān)測系統(tǒng)。以及申請?zhí)?00910060562. 4公開了一種高速公路防追尾預警系統(tǒng)。中國專利申請200710077671. 8公開了一種高速公路路段氣象信息提示系統(tǒng)。上述發(fā)明均針對高速公路預警系統(tǒng)硬件設施進行設計，并未涉及在數(shù)據(jù)采集基礎(chǔ)上，如獲取安全行車參數(shù)及交通預警的方法。

發(fā)明內(nèi)容
本發(fā)明的目的是為克服上述現(xiàn)有技術(shù)的不足，提供一種基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法，該方法通過高速公路沿線降雨量、降雪量、溫度、能見度等氣象參數(shù)的綜合檢測，利用模糊神經(jīng)網(wǎng)絡的方法，發(fā)布車輛運行限速值、車距限制值，超車限制以及換車道限制等措施。在高速公路上應用該方法，能夠在惡劣天氣條件下，提高行車安全性。為實現(xiàn)上述目的，本發(fā)明采用下述技術(shù)方案—種基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法，包括以下步驟交通流與微氣象檢測點的布設；定義模糊神經(jīng)網(wǎng)絡交通控制器；模糊神經(jīng)網(wǎng)絡交通控制器的訓練；利用最優(yōu)的模糊神經(jīng)網(wǎng)絡交通控制器生成交通安全行車參數(shù)；交通控制信息發(fā)布，具體操作步驟如下步驟I :在高速公路路側(cè)每間隔一定距離設置若干交通流與微氣象監(jiān)測點，檢測該路段交通流情況以及微氣象參數(shù)數(shù)據(jù)，通過多傳感器數(shù)據(jù)融合技術(shù)，得到路段交通流以及氣象信息，交通流與微氣象數(shù)據(jù)采集為下一步模糊神經(jīng)網(wǎng)絡控制做準備；步驟2 :采用基于Takagi-Sugeno (高木一關(guān)野)推理的模糊神經(jīng)網(wǎng)絡構(gòu)建高速公路微氣象交通控制器，定義步驟I采集得到的交通流信息和氣象信息為狀態(tài)變量，作為所述控制器的輸入值，定義高速公路控制方式、限速值以及安全間距值為控制變量，作為所述控制器的輸出值；步驟3 :采用氣象部門以及交通管理部門的氣象、交通流、控制措施及其實施效果歷史數(shù)據(jù)庫，結(jié)合專家經(jīng)驗構(gòu)建模糊神經(jīng)網(wǎng)絡交通控制器的訓練樣本，對高速公路微氣象 交通控制器進行訓練，將訓練誤差減小到預定閾值或達到訓練次數(shù)，以得到最優(yōu)控制器；步驟4 :將實時采集的交通流信息以及微氣象信息輸入最優(yōu)的模糊神經(jīng)網(wǎng)絡交通控制器，生成針對該時刻交通流狀況以及氣象信息的高速公路交通控制方案，包括預警措施、限速值以及安全間距值；步驟5 :在每個交通與微氣象監(jiān)測點上游布設可變信息板，對交通控制器輸出的安全行車預警信息進行發(fā)布。所述步驟2中模糊神經(jīng)網(wǎng)絡構(gòu)建高速公路微氣象交通控制器分為五層結(jié)構(gòu)第一層為輸入層，輸入值為高速公路交通流與微氣象檢測點采集的參數(shù)數(shù)據(jù)，表示為X = Ix1, x2，x3，. . .，X1J，其中，n表示輸入?yún)?shù)的個數(shù)，n為大于等于I的整數(shù)，而X1, X2, . . . Xn分別表示交通流參數(shù)即速度、流量、占有率以及微氣象參數(shù)即能見度、溫度、濕度、氣壓、風向、風速、地面溫度；將輸入?yún)?shù)按照從小到大的順序劃分為5個等級，分別為{NB負大，NS負小，Z零，PS正小，PB正大},其意義為相應的參數(shù)指標值為小、較小、中等、大、較大；所述控制器的系統(tǒng)輸出為控制模式、限速值以及安全距離；其中，控制模式分為三種，全線封閉、區(qū)域封閉以及匝道控制即根據(jù)交通及氣象條件來控制駛?cè)敫咚俟妨髁?；限速以及安全距離等級劃分方式與輸入?yún)?shù)相同；第二層為模糊化層，用來表示輸入量分別屬于{NB，NS，Z，PS，PB}的隸屬度為#/(x;) = exp[(x, -Cjj)2 / W]，式中，j為I至叫的整數(shù)，叫是Xi的模糊分割數(shù)，此處Hii = 5 ;Cij和O ij分別表不隸屬度函數(shù)的中心和寬度；第三層是規(guī)則前件層，每一個節(jié)點代表一條模糊規(guī)則，它的作用是用來匹配模糊規(guī)則的前件，計算出每條規(guī)則的適用度ap公式為
a} = Ml (xi)A ( .八 /4 (-^ )或Cij = "/(X1 )fiJ2 (x2)...//,；(xn)； 式中a」一模糊規(guī)則j的適用度；#/(七)一輸入Xi隸屬于第j個等級的隸屬度，j為I至m之間的整數(shù)，m為大于等于I的整數(shù)；第四層實現(xiàn)歸一化計算，公式為
權(quán)利要求
1.一種基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法，其特征是，包括以下步驟交通流與微氣象檢測點的布設；定義模糊神經(jīng)網(wǎng)絡交通控制器；模糊神經(jīng)網(wǎng)絡交通控制器的訓練；利用最優(yōu)的模糊神經(jīng)網(wǎng)絡交通控制器生成交通安全行車參數(shù)；交通控制信息發(fā)布，具體操作步驟如下 步驟I:在高速公路路側(cè)每間隔距離設置若干交通流與微氣象監(jiān)測點，檢測該路段交通流情況以及微氣象參數(shù)數(shù)據(jù)，通過多傳感器數(shù)據(jù)融合技術(shù)，得到路段交通流以及氣象信息，交通流與微氣象數(shù)據(jù)采集為下一步模糊神經(jīng)網(wǎng)絡控制做準備； 步驟2 :采用基于Takagi-Sugeno推理的模糊神經(jīng)網(wǎng)絡構(gòu)建高速公路微氣象交通控制器，定義步驟I采集得到的交通流信息和氣象信息為狀態(tài)變量，作為所述控制器的輸入值，定義高速公路控制方式、限速值以及安全間距值為控制變量，作為所述控制器的輸出值； 步驟3:采用氣象部門以及交通管理部門的氣象、交通流、控制措施及其實施效果歷史數(shù)據(jù)庫，結(jié)合專家經(jīng)驗構(gòu)建模糊神經(jīng)網(wǎng)絡交通控制器的訓練樣本，對高速公路微氣象交通控制器進行訓練，將訓練誤差減小到預定閾值或達到訓練次數(shù)，以得到最優(yōu)控制器； 步驟4 :將實時采集的交通流信息以及微氣象信息輸入最優(yōu)的模糊神經(jīng)網(wǎng)絡交通控制器，生成針對該時刻交通流狀況以及氣象信息的高速公路交通控制方案，包括預警措施、限速值以及安全間距值； 步驟5 :在每個交通與微氣象監(jiān)測點上游布設可變信息板，對交通控制器輸出的安全行車預警信息進行發(fā)布。
2.如權(quán)利要求I所述的基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法，其特征是，所述步驟2中模糊神經(jīng)網(wǎng)絡構(gòu)建高速公路微氣象交通控制器分為五層結(jié)構(gòu) 第一層為輸入層，輸入值為高速公路交通流與微氣象檢測點采集的參數(shù)數(shù)據(jù)，表示為X=Ix1, X2, X3,. . .，X1J ,其中，n表示輸入?yún)?shù)的個數(shù),n為大于等于I的整數(shù),而X1, x2,. . . Xn分別表示交通流參數(shù)即速度、流量、占有率以及微氣象參數(shù)即能見度、溫度、濕度、氣壓、風向、風速、地面溫度； 將輸入?yún)?shù)按照從小到大的順序劃分為5個等級，分別為{NB負大，NS負小，Z零，PS正小，PB正大}，其意義為相應的參數(shù)指標值為小、較小、中等、大、較大；所訴控制器的系統(tǒng)輸出為控制模式、限速值以及安全距離；其中，控制模式分為三種，全線封閉、區(qū)域封閉以及匝道控制即根據(jù)交通及氣象條件來控制駛?cè)敫咚俟妨髁?；限速以及安全距離等級劃分方式與輸入?yún)?shù)相同； 第二層為模糊化層，用來表示輸入量分別屬于{NB，NS，Z，PS，PB}的隸屬度為
3.如權(quán)利要求2所述的基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法，其特征是，所述步驟3中基于模糊神經(jīng)網(wǎng)絡的微氣象交通控制器的訓練，具體內(nèi)容如下 訓練樣本的選取 訓練樣本考慮由三部分組成第一部分，氣象部分、高速公路交通管理部門的歷史數(shù)據(jù)，包括歷史氣象參數(shù)信息、交通流參數(shù)信息、當時采取的預警信息及其發(fā)布后的效果；第二部分，交通工程領(lǐng)域?qū)＜覇柧?，通過設置不同氣象以及交通流情景，詢問專家可能采用的預警措施；第三部分，該系統(tǒng)建成后，將不同氣象、交通流狀況下的交通預警方案實施效果添加入歷史數(shù)據(jù)庫； 訓練算法 網(wǎng)絡需要學習的參數(shù)是步驟2中第二層隸屬度函數(shù)的中心值Cij和寬度0 u以及第五層網(wǎng)絡連接權(quán)重Wr，該網(wǎng)絡的學習算法選擇反向傳播BP算法；BP算法由正向傳播和誤差反向傳播兩個過程組成；在正向傳播過程中，輸入信息從輸入層經(jīng)隱層單元逐層處理，通過所有的隱層之后，傳向輸出層；在隱含層逐層處理的過程中，每一層神經(jīng)元的狀態(tài)只對下一層神經(jīng)元的狀態(tài)產(chǎn)生影響；在輸出層將實際輸出和期望輸出進行比較，如果實際輸出與期望輸出的差值不再可接受范圍之內(nèi)，則轉(zhuǎn)入反向傳播過程，將實際值與期望輸出之間的誤差沿原來的連接通路返回，通過修改各層神經(jīng)元的連接權(quán)重使誤差減少，然后再轉(zhuǎn)入正向傳播過程，如此反復計算，直至誤差小于設定值為止。
4.如權(quán)利要求3所述的基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法，其特征是，所述網(wǎng)絡的學習算法選擇反向傳播BP算法，步驟如下 ①設Xk為輸入向量，xk= (xi，x2，...，xn)，k為I至K之間的整數(shù)，式中K為樣本個數(shù)，n代表特征參數(shù)的個數(shù)；對應交通模式的輸出向量為yk，初始化網(wǎng)絡權(quán)值、閾值； ②第二層各單元的輸入為
全文摘要
本發(fā)明公開了一種基于模糊神經(jīng)網(wǎng)絡的高速公路微氣象交通預警方法，包括以下步驟交通流與微氣象檢測點的布設；定義模糊神經(jīng)網(wǎng)絡交通控制器；模糊神經(jīng)網(wǎng)絡交通控制器的訓練；利用最優(yōu)的模糊神經(jīng)網(wǎng)絡交通控制器生成交通安全行車參數(shù)；交通控制信息發(fā)布，該方法通過高速公路沿線降雨量、降雪量、溫度、能見度等氣象參數(shù)的綜合檢測，利用模糊神經(jīng)網(wǎng)絡的方法，發(fā)布車輛運行限速值、車距限制值，超車限制以及換車道限制措施。在高速公路上應用該方法，能夠在惡劣天氣條件下，提高行車安全性。
文檔編號G08G1/09GK102722989SQ20121022278
公開日2012年10月10日 申請日期2012年6月29日 優(yōu)先權(quán)日2012年6月29日
發(fā)明者劉廷新, 商岳, 姜華, 孟祥茹, 張萌萌, 張遠, 李海波, 李耿, 白翰, 范威, 趙穎, 馬香娟 申請人:山東交通學院