一种道路运行风险防控的节能控制系统及方法
技术领域
本发明属于道路运行风险实时监测与主动防控
技术领域
，尤其涉及一种道路运行风险防控的节能控制系统及方法。背景技术
近年来高速公路建设里程和汽车保有量迅猛增加，每年的车辆数都在发生变化，所以车流量也在变。传统的静态限速标志具有很强的约束性，不能适应交通流的变化。可变限速控制技术成为各国广泛关注的交通控制技术。可变限速系统可对变化中的交通环境特征做出实时的反应，自动调整当前限速值。从而对车流进行引导，保证交通路网的安全通畅，减少交通事故的发生及造成的损失。
而目前高速公路上并没有大量使用可变限速板，其原因之一是成本高，供电困难，功耗大，目前已有的可变限速板主要是用于风险防控，并没有节能型可变情报板的推出。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种道路运行风险防控的节能控制系统及方法，能够在保证风险防控的条件下，有选择地临时关闭一些可变限速板，对其实现节能控制。
为了达到上述目的，本发明采用如下技术方案予以实现：
(一)一种道路运行风险防控的节能控制系统，包括：设置在公路路侧的交通监测设备、云计算平台、可变信息板；所述交通流监测设备包含雷达、交通检测器、视觉传感器；
所述雷达用于检测公路上的车辆的车速，并将其传输给云计算平台；
所述交通检测器用于实时检测公路上的交通事件，并将其传输给云计算平台；
所述视觉传感器用于实时采集公路上的车辆运行轨迹，并将其传输给云计算平台；
所述云计算平台根据车辆的车速、交通事件和车辆的运行轨迹，确定交通异常等级并发布相应的防控策略；
所述可变信息板设置在公路的路侧，用于根据控制策略显示路段的限速值。
(二)一种道路运行风险防控的节能控制方法，包括以下步骤：
步骤1，将高速公路等间距划分成多个子路段，每个子路段上设置一个限速节点，每个限速节点设置一个限速设备，每个限速设备对应一种限速状态，每个子路段上设置有交通监测设备，获取子路段上的车辆的车速、交通事件和车辆运行轨迹；
其中，通过安装在路侧的雷达、交通检测器和视觉传感器分别获取车辆的车速、交通事件和车辆运行轨迹；
步骤2，根据所有子路段上的车辆的车速、交通事件和车辆运行轨迹，预测各个子路段上的路段风险；
步骤3，获取子路段上的交通流，将各个子路段上的路段风险加载到交通流上，根据交通流在路段上的传导演化规律，预测各个子路段上的路段风险的时空等级分布；
步骤4，根据各个子路段上的路段风险的时空等级分布，确定各个子路段上的限速设备的限速值；
步骤5，根据各个子路段的上的限速设备的限速值，确定下游可变限速板的工作状态。
进一步的，所述限速设备状态，具体为：
若子路段上设置了固定限速标志，该路段上的限速节点对应的限速设备状态为1；
若子路段上设置了可变限速标志，该路段上的限速节点对应的限速设备状态为2。
进一步的，预测各个子路段上的路段风险，具体为：
(2.1)建立贝叶斯深度学习模型，利用贝叶斯统计方法对贝叶斯深度学习模型进行训练和测试；
(2.2)获取训练样本集和测试样本集，通过训练样本训练贝叶斯深度学习模型，得到训练后的贝叶斯深度学习模型；再通过测试样本对训练后的贝叶斯深度学习模型进行测试，当贝叶斯深度学习模型的输出与测试样本的标签之间的平均绝对误差小于预设的误差阈值，则确定贝叶斯深度学习模型训练完成，其中，预设的误差阈值根据实际预测过程中对贝叶斯深度学习模型的精度进行设置，本发明在此不做具体限定；
其中，训练样本集和测试样本集分别选自历史样本，每个样本为车辆的车速、交通事件和车辆运行轨迹；
(2.3)将当前获取的各个子路段上的车辆的车速、交通事件和车辆运行轨迹作为训练完成的贝叶斯深度学习模型的输入数据，经过训练完成的贝叶斯深度学习模型的训练学习，输出各个子路段上的路段风险。
进一步的，预测各个子路段上的路段风险的时空等级分布，具体为：将路段风险分为五级，分别为低风险、一般风险、中度风险、较大风险和重大风险五级，其中，低风险、一般风险、中度风险、较大风险和重大风险对应的风险发生概率区间分别为(0，5％]，(5％，20％]，(20％，50％]，(50％，80％]和(80％，100％]。
进一步的，风险发生概率的计算公式如下：
其中，(S1,S2,S3,……Sn)为预测交通风险A的因素集，其中S1,S2,S3,……Sn为相互独立的变量。
进一步的，确定各个子路段上的限速设备的限速值，具体为：
当风险发生概率区间在(0，5％]时，限速值取120km/h；
当风险发生概率区间(5％，20％]时，限速值取100km/h；
当风险发生概率区间(20％，50％]时，限速值取80km/h；
当风险发生概率区间(50％，80％]时，限速值取60km/h；
当风险发生概率区间(80％，100％]时，限速值取小于60km/h；
进一步的，确定下游可变限速板的工作状态，具体为：
当各个子路段上的限速设备的限速值与上游子路段上的限速设备的限速值相等时，该子路段上的可变限速板进入睡眠模式；否则，该子路段上的可变限速板进入工作模式。
本发明与现有技术相比，其有益效果在于：
本发明在风险防控的基础上，根据风险传导演化规律，预测各个子路段上的风险等级，根据各个子路段上的风险等级预测各个子路段上的路段风险的时空等级分布，并根据各个子路段上的路段风险的时空等级分布确定各个子路段上的限速设备对应的限速值，然后比较各个子路段上的限速设备的限速值与上游子路段上的限速值的大小，当各个子路段上的可变限速板上的限速值与上游子路段上的限速值相等时，关闭该子路段上的可变限速板，以达到节能的效果。
附图说明
图1是本发明实施例1提供的道路运行风险防控的节能控制系统的结构图；
图2是本发明实施例2提供的道路运行风险防控的节能控制方法的流程框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。下列实施例中未注明具体条件的试验方法，通常按照常规条件，或者按照各制造商所建议的条件。
实施例1
参考图1，一种道路运行风险防控的节能控制系统，包括：设置在公路路侧的交通监测设备、云计算平台、可变信息板；所述交通流监测设备包含雷达、交通检测器、视觉传感器；
所述雷达用于检测公路上的车辆的车速，并将其传输给云计算平台；
所述交通检测器用于实时检测公路上的交通事件，并将其传输给云计算平台；
所述视觉传感器用于实时采集公路上的车辆运行轨迹，并将其传输给云计算平台；
所述云计算平台根据车辆的车速、交通事件和车辆的运行轨迹，确定交通异常等级并发布相应的防控策略；
所述可变信息板设置在公路的路侧，用于根据控制策略显示路段的限速值。
实施例2
参考图2，一种道路运行风险防控的节能控制方法，包括以下步骤：
步骤1，将高速公路等间距划分成多个子路段，每个子路段上设置一个限速节点，每个限速节点设置一个限速设备，每个限速设备对应一种限速状态，每个子路段上设置有交通监测设备，获取子路段上的车辆的车速、交通事件和车辆运行轨迹；
沿车辆运行方向，对各个限速节点依次进行编号，具体编号为a1，a2，a3，……，an，其中，n为管控区域内的限速节点的总数量；
其中，通过安装在路侧的雷达、交通检测器和视觉传感器分别获取车辆的车速、交通事件和车辆运行轨迹；
具体的，限速设备状态的状态有如下两种：
1)若子路段上设置了静态限速板，该路段上的限速节点对应的限速设备状态为1；
2)若子路段上设置了可变限速板，该路段上的限速节点对应的限速设备状态为2；
也就是说，每个子路段上的限速设备是动态限速板或静态限速板。
步骤2，根据所有子路段上的车辆的车速、交通事件和车辆运行轨迹，预测各个子路段上的路段风险；
具体的，预测各个子路段上的路段风险，具体为：
(2.1)建立贝叶斯深度学习模型，利用贝叶斯统计方法对贝叶斯深度学习模型进行训练和测试；
具体的，使用贝叶斯统计方法对深度学习模型的待优化参数进行参数估计，其中，待优化参数包括各层之间的权重参数和偏置参数。用于使用所述训练集训练参数优化后的贝叶斯深度学习模型；
进一步的，使用贝叶斯统计方法对深度学习模型的待优化参数进行参数估计的具体过程为：
首先，设定待优化参数的先验概率服从标准正态分布，通过似然度和先验概率，确定待优化参数的后验概率分布；
其次，使用MCMC方法对权重参数和偏置参数的分布进行多次采样，以获得参数组合集；
最后，使用参数组合集和训练数据集，对贝叶斯深度学习模型对进行训练。
其中，贝叶斯深度学习模型包括dropout层，并使用Relu激活函数拟合训练数据集和参数组合集中的数据；
(2.2)获取训练样本集和测试样本集，通过训练样本训练贝叶斯深度学习模型，得到训练后的贝叶斯深度学习模型；再通过测试样本对训练后的贝叶斯深度学习模型进行测试，当贝叶斯深度学习模型的输出与测试样本的标签之间的平均绝对误差小于预设的误差阈值，则确定贝叶斯深度学习模型训练完成；
其中，训练样本集和测试样本集分别选自历史样本，每个样本为车辆的车速、交通事件和车辆运行轨迹；
(2.3)将当前获取的各个子路段上的车辆的车速、交通事件和车辆运行轨迹作为训练完成的贝叶斯深度学习模型的输入数据，经过训练完成的贝叶斯深度学习模型的训练学习，输出各个子路段上的路段风险；
步骤3，获取子路段上的交通流信息，将各个子路段上的路段风险加载到交通流上，根据交通流在路段上的传导演化规律，预测各个子路段上的路段风险的时空等级分布；
具体的，预测各个子路段上的路段风险的时空等级分布，具体为：将路段风险分为五级，分别为低风险、一般风险、中度风险、较大风险和重大风险五级，其中，低风险、一般风险、中度风险、较大风险和重大风险对应的风险发生概率区间分别为(0，5％]，(5％，20％]，(20％，50％]，(50％，80％]和(80％，100％]；
其中，本发明中路段风险等级的划分依据的是北京市出台的地方标准《城市道路交通拥堵评价指标体系》，该标准中就路段和区域交通拥堵指标进行了分别确定，其中路段拥堵以平均行程速度为划分依据，将其划分为5个等级；而区域的拥堵程度则是通过计算区域日交通拥堵指数的大小，将道路网拥堵等级划分为非常畅通、畅通、轻度拥堵、中度拥堵和重度拥堵五级；
进一步的，当发生拥堵的概率高时，说明区域或路段处于高风险，当发生拥堵的概率低时，路段或区域处于低风险；
基于此，本申请以拥堵发生概率作为风险分级指标，将大型活动交通拥堵风险分为低风险、一般风险、中度风险、较大风险和重大风险五级，分别对应风险发生概率区间(0，5％]，(5％，20％]，(20％，50％]，(50％，80％]和(80％，100％]，而交通拥堵风险等级对应的风险发生概率区间依据的是《基于动态贝叶斯网络的大型活动交通风险预警模型》；
进一步的，风险发生概率的计算公式如下：
其中，(S1,S2,S3,……Sn)为预测交通风险A的因素集，其中S1,S2,S3,……Sn为相互独立的变量；
具体的，风险发生概率的具体计算过程为：
根据条件独立性有：
整理可得：
步骤4，根据各个子路段上的路段风险的时空等级分布，确定各个子路段上的限速设备的限速值；
进一步的，确定各个子路段上的限速设备的限速值，具体为：
当风险发生概率区间在(0，5％]时，限速值取120km/h；
当风险发生概率区间(5％，20％]时，限速值取100km/h；
当风险发生概率区间(20％，50％]时，限速值取80km/h；
当风险发生概率区间(50％，80％]时，限速值取60km/h；
当风险发生概率区间(80％，100％]时，限速值取小于60km/h；
具体的，风险发生的概率区间对应的限速值的取值依据的是《GB 238262009高速公路LED可变限速标志》，风险发生概率越高，说明发生风险的可能性越大，对应的限速值越小，这样可以通过限速值的发布诱导路段上的车辆按照发布的限速值进行行驶，避免交通事故的发生，降低交通事故的发生概率；
步骤5，根据各个子路段的上的限速设备的限速值，确定下游可变限速板的工作状态；
进一步的，确定下游可变限速板的工作状态，具体为：
当各个子路段上的限速设备的限速值与上游子路段上的限速设备的限速值相等时，该子路段上的可变限速板进入睡眠模式；否则，该子路段上的可变限速板进入工作模式；
其中，每个子路段上的限速设备状态有两种，每个子路段上的限速设备是静态限速板或动态限速板；当子路段上布设的是静态限速板时，通过步骤4确定的限速设备的限速值与该子路段的上游子路段上的限速值相等时，不考虑静态限速板的关闭，因为静态限速板上的限速值是确定的；而当子路段上布设的是动态限速板时，通过步骤4确定的限速设备的限速值与该子路段的上游子路段上的限速值相等时，关闭该子路段上的可变限速板，实现节能的效果，同时可变限速板上限速值的发布可以诱导车辆安全行驶，避免交通事故的发生概率。
综上，本发明所提供的道路运行风险防控的节能控制方法在风险防控的基础上，每隔时间段t秒检测各个子路段上的车辆的车速、交通事件和车辆运行轨迹，根据风险传导演化规律，预测各个子路段上的风险等级，根据各个子路段上的风险等级预测各个子路段上的路段风险的时空等级分布，并根据各个子路段上的路段风险的时空等级分布确定各个子路段上的限速设备对应的限速值，然后比较各个子路段上的限速设备的限速值与上游子路段上的限速值的大小，当各个子路段上的可变限速板上的限速值与上游子路段上的限速值相等时，关闭该子路段上的可变限速板t秒，可变限速板根据此工作模式循环往复，以达到节能的效果。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
