本发明属于道路智能监测与控制、智能算法，具体涉及高速公路限速的智能调节领域系统。
背景技术：
1、在现代化的交通系统中，高速公路扮演着重要的角色，提供了快速、高效的运输通道。然而，随着交通密度的增加和天气状况的变化，高速公路上的安全风险也随之增加。为了确保驾驶安全并优化交通流量，需要对高速路段固定限速进行实时调节。
2、传统的高速路段可变限速系统通常基于固定的规则或简单的模型，没有考虑到驾驶员的驾驶特性、当前的天气质量数据和当前的交通参数数据。这些因素都会影响驾驶的安全性和效率。例如，一个驾驶员的驾驶习惯可能会受到他的驾驶特性的影响，而天气条件和交通流量则可能影响路面的情况和车辆之间的相对速度。
3、因此，需要一个能够综合考虑这些因素的高速路段车辆可变限速实时调节系统。这样的系统需要能够实时获取和处理大量的数据，包括驾驶员的驾驶特性、当前的天气质量数据和当前的交通参数数据。利用数据来构建一个测量模型，该模型能够描述影响车速的因素。最后利用这个模型来实时调节高速路段固定的限速车速，以确保驾驶的安全性和效率。
技术实现思路
1、发明目的：针对背景技术中指出的问题，本发明提出了一种基于大数据的高速路段车辆可变限速实时调节方法及系统，实现对高速路段车辆固定限速的实时调节，提高了驾驶安全性、优化交通流量、信息共享与协同。
2、技术方案：本发明公开一种基于大数据的高速路段车辆可变限速实时调节方法，包括如下步骤：
3、步骤1：获取驾驶员的驾驶特性、当前天气质量数据以及交通参数数据并对数据进行预处理，驾驶员的驾驶特性包括主驾驶车位驾驶员性别s1、驾龄s2、学历s3、违规驾驶处罚记录s4、突发疾病记录s5；当前天气质量数据包括晴x1、雨x2、雾x3、霾x4、沙尘暴x5；交通参数数据包括交通量d1、时间平均速度d2、时间占有率d3；
4、步骤2：构建sem测量模型，对于sem测量模型进行数据的量化，对于测量模型的潜变量与显变量、潜变量之间的关系进行数学表达；
5、步骤3：将驾驶员特性、当前天气质量数据和当前交通参数数据进行融合构建特征矩阵j＝(1/vm|1/vc|1/vk)；
6、步骤4：基于矩阵束算法确定驾驶员的驾驶特性、当前天气质量数据以及交通参数数据的基层矩阵束1/vm、1/vc、1/vk，根据基层矩阵束确定最终的特征矩阵j；
7、步骤5：根据高速路段某路段限速最高速vhigh，限速最低速vlow，将数据集构建的特征矩阵j与路段限速结合，得到调节速度
8、进一步地，所述步骤2中构建的sem测量模型具体如下：
9、s＝esσ+δ
10、x＝exγ+ξ
11、
12、式中：s、x、d为外界信号源输出指标；es为连接外界信号源输出指标s对外生潜变量的因子荷载矩阵，σ为外界信号源输出指标s的外生潜变量，δ为外界信号源输出指标s的测量误差；ex为连接外界信号源输出指标x对外生潜变量的因子荷载矩阵，γ为外界信号源输出指标x的外生潜变量，ξ为外界信号源输出指标x的测量误差；ed为连接外界信号源输出指标d对外生潜变量的因子荷载矩阵，为外界信号源输出指标d的外生潜变量，μ为外界信号源输出指标d的测量误差；δ测量误差范围为[-0.02,+0.03]，ξ测量误差范围为[-0.03,+0.03]，μ测量误差范围为[-0.04,+0.01]；
13、对于sem测量模型进行数据的量化，对于测量模型的潜变量与显变量、潜变量之间的关系进行数学表达：
14、m＝es1s1+es2s2+es3s3+es4s4+es5s5
15、c＝ex1x1+ex2x2+ex3x3+ex4x4+ex4x5
16、k＝ed1d1+ed2d2+ed3d3
17、其中，m为驾驶员的驾驶特性潜变量，c为当前天气质量数据特性潜变量，k为当前交通参数数据特性潜变量；es1为驾驶员性别因子荷载，es2为驾驶员驾龄因子荷载，es3为驾驶员学历因子荷载，es4为驾驶员违规驾驶处罚记录因子荷载，es5为驾驶员突发疾病记录因子荷载；ex1为天气质量晴因子荷载，ex2为天气质量雨因子荷载，ex3为天气质量雾因子荷载，ex4为天气质量霾因子荷载，ex5为天气质量沙尘暴因子荷载；ed1为交通量的因子荷载，ed2为时间平均速度的因子荷载，ed3为时间占有率的因子荷载。
18、进一步地，获取的数据进行处理时，确定如下因子荷载：
19、s1.1规定主驾驶车位驾驶员性别s1为男性时因子荷载es1为0.26，主驾驶车位驾驶员性别s1为女性时因子荷载es1为0.14；
20、s1.2规定主驾驶车位驾驶员驾龄s2低于5年因子荷载es2为0.19，规定主驾驶车位驾驶员驾龄s2高于或等于5年因子荷载es2为0.52；
21、s1.3规定主驾驶车位驾驶员学历s3低于高中水平因子荷载es3为0.09，规定主驾驶车位驾驶员学历s3高于高中水平因子荷载es3为0.12；
22、s1.4规定主驾驶车位驾驶员违规驾驶处罚记录s4低于5次因子荷载es4为0.46，规定主驾驶车位驾驶员违规驾驶处罚记录s4高于5次因子荷载es4为0.05；
23、s1.5规定主驾驶车位驾驶员突发疾病记录s5记录在案因子荷载es5为0.15，规定主驾驶车位驾驶员无突发疾病记录s5因子荷载es5为0.33；
24、s1.6规定天气质量晴x1因子荷载ex1为0.51；
25、s1.7规定天气质量雨x2因子荷载ex2为0.32；
26、s1.8规定天气质量雾x3因子荷载ex3为0.11；
27、s1.9规定天气质量霾x4因子荷载ex4为0.05；
28、s1.10规定天气质量沙尘暴x5因子荷载ex5为0.01；
29、s1.11规定交通量d1＝q/t，交通量d1的因子荷载ed1为0.34；q为观测时段与观测距离内车辆总数，t为单次观测时段；
30、s1.12规定时间平均速度时间平均速度d2的因子荷载ed2为0.52；um为车辆m的瞬时速度；
31、s1.13规定时间占有率时间占有率d3的因子荷载ed3为0.37，tm为第m辆车的占有时间，t为单次观测时段。
32、进一步地，在步骤1中对数据进行预处理时，使用minmax缩放器对驾驶特性、当前天气质量数据和当前交通参数数据集进行归一化预处理。
33、进一步地，所述步骤4中基于矩阵束算法确定驾驶员的驾驶特性、当前天气质量数据以及交通参数数据的基层矩阵束1/vm、1/vc、1/vk，根据基层矩阵束确定最终的特征矩阵j，具体过程如下：
34、s4.1基于矩阵束算法将sem测量模型由驾驶特性潜变量分量、天气质量数据特性潜变量分量、交通参数数据特性潜变量分量组成数学模型，根据同步数据建立hankel矩阵，将hankel矩阵的总集合分解为多个子hankel矩阵；通过对hankel矩阵分块进行分块处理，对于矩阵类型进行降维处理，对于hankel矩阵的重叠部分进行整理合并；
35、s4.2对高维基阵数据j＝(1/vm|1/vc|1/vk)进行降维分块处理，获取j矩阵中一个潜变量，对于潜变量设置阵元间距为d，规定阵列是均匀的分布，矩阵块的输入数据为m＝[m1 m2…mn]h，其中mi矩阵块的输入采样数据，w为输入采样数据的协方差矩阵，将协方差矩阵进行降维分解，将协方差矩阵规定为hankel矩阵的偏移常数，得到：
36、
37、s4.3对于协方差矩阵w求解其逆矩阵，建立增广矩阵求解逆矩阵公式o＝[o1,o2]，得协方差矩阵逆矩阵求解公式：
38、
39、其中，1/vm为驾驶员特性的基层矩阵束；
40、s4.4利用s4.2、s4.3方法求解当前天气质量和交通参数数据的基层矩阵束：
41、
42、
43、其中，1/vc为当前天气质量的基层矩阵束；
44、1/vk为当前交通流参数数据的基层矩阵束；
45、s4.5基于s4.1，s4.3和s4.4得到数据集构建特征矩阵j＝(1/vm|1/vc|1/vk)，
46、
47、其中，1/vmin是数据中每个特征的最小值，1/vmax是数据中每个特征的最大值；得到数据集构建特征矩阵
48、进一步地，将调节速度v发布到可变限速显示牌，供驾驶员选择合适配速。
49、本发明还公开一种基于大数据的高速路段车辆可变限速实时调节系统，包括：人脸识别设备、气象检测器、交通流检测设备、控制中心、可变限速显示牌；
50、人脸识别设备用于获取驾驶员的驾驶特性；气象检测器用于获取当前天气质量数据；交通流检测设备用于获取交通参数数据；
51、控制中心安装于高速公路信息控制中心，通过minmax缩放器、sem测量模型和矩阵束算法对各项数据参数进行拟合归一化降维处理，得j矩阵与路段限速结合，获取可限速调节时速；所述控制中心中设置有如上所述的基于大数据的高速路段车辆可变限速实时调节方法的步骤；
52、可变限速显示牌用于发布当前可变限速值。
53、有益效果：
54、1.本发明提高驾驶安全性：该系统通过实时调整车速以适应当前的道路和天气条件，从而减少事故发生的风险。
55、2.优化交通流量：通过合理地调节车辆速度，可以平衡高速公路上的交通负荷，减少拥堵现象，提高道路使用效率。
56、3.信息共享与协同：整合来自不同数据源的信息(如驾驶员的驾驶特性、天气质量和交通参数)，并利用这些信息进行智能决策，促进了信息的共享和车辆间的协同。
57、4.降低计算复杂度：应用矩阵束算法对数据进行处理，将高维矩阵分解为低维矩阵，降低了计算的复杂性，使得系统能够更快地进行实时数据处理和决策制定。
58、5.个性化车速控制：系统考虑到了个别驾驶员的驾驶特性，在确定车速时能更加个性化，符合不同驾驶员的驾驶习惯和反应模式。
59、6.应对恶劣天气：通过考虑当前天气质量数据，系统可以在恶劣天气条件下自动调整车速，确保安全。
60、7.动态调整能力：由于系统依赖于实时数据，它可以根据当前的交通状况动态调整车速限制，提供更为灵活和即时的速度控制。
61、8.提升道路管理效率：该系统可以为道路管理者提供实时数据和分析工具，帮助他们更有效地监控和调节交通流。
1.一种基于大数据的高速路段车辆可变限速实时调节方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于大数据的高速路段车辆可变限速实时调节方法，其特征在于，所述步骤2中构建的sem测量模型具体如下：
3.根据权利要求2所述的一种基于大数据的高速路段车辆可变限速实时调节方法，其特征在于，获取的数据进行处理时，确定如下因子荷载：
4.根据权利要求1所述的一种基于大数据的高速路段车辆可变限速实时调节方法，其特征在于，在步骤1中对数据进行预处理时，使用minmax缩放器对驾驶特性、当前天气质量数据和当前交通参数数据集进行归一化预处理。
5.根据权利要求1所述的一种基于大数据的高速路段车辆可变限速实时调节方法，其特征在于，所述步骤4中基于矩阵束算法确定驾驶员的驾驶特性、当前天气质量数据以及交通参数数据的基层矩阵束1/vm、1/vc、1/vk，根据基层矩阵束确定最终的特征矩阵j，具体过程如下：
6.根据权利要求1至6任一所述的一种基于大数据的高速路段车辆可变限速实时调节方法，其特征在于，将调节速度v发布到可变限速显示牌，供驾驶员选择合适配速。
7.一种基于大数据的高速路段车辆可变限速实时调节系统，其特征在于，包括：人脸识别设备、气象检测器、交通流检测设备、控制中心、可变限速显示牌；
