1.一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，包括以下步骤：(1)数据收集，预警设备根据车辆行驶状况生成高速公路截面时间流量序列和车辆运行状态；并将信息发送到中央服务器进行处理；

(2)基于车辆运行状态计算当前路段的平均流率，进而计算出当前路段的交通量；

(3)基于交通量，通过计算高速公路服务水平ε等级判断道路拥挤程度,即不同的车流状态；

(4)针对不同的车流状态分别检验、判定高速公路相邻预警设备区间的交通异常情况，并针对不同的异常状态进行相应的警示处理工作。

2.根据权利要求1所述的一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，所述预警设备包括信息处理器、超声波传感器、存储器、太阳能电源装置、警示装置、接收装置和发射装置；信息处理器通过超声波传感器收集高速公路截面时间流量序列和车辆运行状态数据，将信息保存到存储器中；发射装置将存储器中的位置信息及车辆信息传输到中央服务器进行信息处理，如果车辆发生异常状况，中央服务器将警示信息传输到后方预警设备，接受装置收到信息后将信息传输到预警设备信息处理器，预警设备信息处理器将开启警示装置，用于警示后方车辆，若车辆恢复正常则关闭警示装置。

3.根据权利要求1所述的一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，所述步骤(2)实现过程如下：对数据进行归一化处理，将三条车行道的最大通行能力和现实际通行统一改为与最左端车行道的标准；车头时距则是在该车行道前后两个车辆通过预警设备投影截面时间的差值，即该车行道中车辆之间先后通过该截面的时间差；选取前后两个预警设备所求取流率的平均值即为当前路段的平均流率,并可计算得出该区间交通量：其中， 代表第 个预警设备所记录的平均流率；Fr、Fr+1分别代表第r个预警设备和第r+

1个预警设备所记录的平均流率；F为两个预警设备间的平均流率；Fr1、Fr2、Fr3分别代表第r个预警设备所记录的三条车行道的平均流率；F(r+1)1、F(r+1)2、F(r+1)3分别代表第r+1个预警设备所记录的三条车行道的平均流率；L为前后两个预警设备之间的距离；u为根据以往数据初步估算的两个预警设备之间的平均速度；Kn为车行道之间的折减系数； 为平均车头时距，即在该车行道中 时间内所记录车辆通过该预警设备时间差值的平均值；Q为该时刻区间的交通量。

4.根据权利要求1所述的一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，所述步骤(3)实现过程如下：最左端道路通行能力为C1,第二条道路、第三条道路的通行能力为C2、C3；则根据车行道之间的折减系数Kn，将所有车行道的标准归一化为最左端道路，那么区间的最大通行能力为：通过计算高速公路服务水平ε等级判断道路拥挤程度：

5.根据权利要求1所述的一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，步骤(3)所述不同的车流状态包括自由流状态、稳定流状态和拥堵流状态；

当ε≤0.35时，相邻预警设备节点之间的车辆拥挤程度为自由流状态；

当0.35<ε≤0.9时，相邻预警设备节点之间的车辆拥挤程度为稳定流状态；

当ε>0.9时，相邻预警设备节点之间的车辆拥挤程度为拥堵流状态。

6.根据权利要求1所述的一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，所述步骤(4)实现过程如下：S1：自由流状态车辆异常评估方法：当驶入该区间车辆多于驶出车辆时则该区块为异常状态，即在第r个预警设备节点与第r+1个预警设备计数结果分析，并设定以累计记数的fs通过预警设备车辆数据判断是否异常；

S2：当区间车辆状态处于稳定流时：中央服务器获取到相邻两个预警设备的高速公路截面时间流量序列，通过最小二乘法计算高速公路相邻预警设备之间的车辆平均到达时间，并由此得到区间车辆平均速度；根据GreenShields模型中交通量密度适中的速度‑密度线性关系模型与所求区间车速的关系判断稳定流交通异常状态；

S3：当区间车流状态处于拥堵流时：监控视角的范围记为L监，所要求取的路段长度为L路；前后两个预警设备所通过车辆总数的差值，即该道路在所求路段上的车辆数为Cω；换算后车辆从其它车行道进入该条车行道的数量为τ1，离开该条车行道的数量为τ2，该条车行道的实际通行交通量为：其中，fSW为硬路肩宽修正系数；fW为车道宽度修正系数；fLG为载货汽车修正系数；PT和PR为该条高速公路车行道上货车与公共汽车、旅游汽车所占比重；ET和ER为该条高速公路车行道货车与公共汽车、旅游汽车换算为小客车的当量值；通过计算前方道路的实际交通量与该道路的最大交通量之间的差值，比较出合适的分流方向，使其提前换道分流。

7.根据权利要求6所述的一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，所述步骤S2实现过程如下：设定高速公路交通流量平均到达时间T表示区间车辆从第r个预警设备到第r+1个预警设备所用平均时间，高速公路交通流量平均速度V表示第r个预警设备到第r+1个预警设备之间的区间平均速度，车辆在高速公路上行驶速度为16.7～33.4m/s；相邻两个预警设备节点的距离为L，则区间车辆平均到达时间范围为 区间车辆平均速度范围为[16.7，33.4]；

以所记录的高速公路截面时间流量序列数为n的数据计算区间内车辆平均到达时间，在该计数区间内车辆总数为A，理想状态下该计数区间内所有车辆速度相同，则所行驶的距离公式：AL＝AVT

而实际在该计数区间内每辆车的行驶速度不同，每一组中都有不同于平均到达时间T时刻到达的车辆，将Bn代表为第n组车辆在平均到达时间T所通过的数量，则n组车辆行驶的总距离:AL＝B1VT+σ1+B2VT+σ2+B3VT+σ3+…+BnVT+σn＝(B1+B2+B3+…Bn)VT+(σ1+σ2+σ3+…+σn)

σ为随机误差，即在该组内不同于平均到达时间T的车辆行驶距离：

σn＝v1t1+v2t2+…vjtj

σn越小，现实中区间车辆平均到达时间越接近于T，所获得的平均到达时间T和区间平均速度V越准确；将距离误差转为车辆是否在平均到达时间T时刻从第r个预警设备到达第r+1个预警设备，在该时刻到达的车辆数越多，所求得的平均达到时间越准确，平均到达时间T通过在滑动窗口 上移动，相邻预警设备之间的高速公路截面流量计数结果产生的误差在不断变化，但存在一个最小值：其中，ξ表示Sr+1,t和Sr,t‑T序列中车辆不同于平均到达时间T所产生的误差，Sr+1,t表示为t时刻第r+1个预警设备单位时间内所到达的截面车辆数，Sr,t‑T表示为t‑T时刻第r个预警设备内所通过的截面车辆数，T在 时间段内进行滑动用于计算时刻序列中最小误差，选取得最小值ξmin，此时对应的时间T即为高速公路交通流量平均到达时间；

通过高速公路相邻预警设备交通流量平均到达时间T计算区间平均车速V：

其中，V为区间平均车速；Vi为第i辆车的行驶车速；A为在该计数区间内行驶于该区间路段的车辆数；ti为第i辆车的行驶时间；

对于GreenShields模型而言，交通流速度与交通流密度呈线性关系，满足：式中，VG交通流速度；Vf为道路限速；kj为堵塞密度；K表示该区间交通流量密度，即通过相邻预警设备节点所记录车辆通行计数差值得出在该区域内车辆数N,根据 得出此刻区间交通流密度，代入GreenShields模型中得到此刻区间平均速度；以d为区间平均速度序列上限，通过计算对应时刻GreenShields模型与最小二乘法所得出区间平均速度序列差值Ud＝|VGt‑Vt|是否平稳检验该区间车辆运行是否异常。

8.根据权利要求6所述的一种基于预警设备计数的高速公路异常交通评估方法，其特征在于，所述通过区间平均速度序列差值是否平稳检验该区间车辆运行是否异常实现过程如下：区间平均速度差值序列为[U1,U2,U3,U4…Ud]，通过累加生成算子将该区间平均速度差值序列转变成一个递增数列设定高速公路相邻预警设备节点区间平均速度差值序列 可由d阶线性回归过程连接；通过判断该多元线性回归方程是否具有线性关系判断该区间车辆是否发生异常：其中， 表示自回归系数，ε表示误差项，具有独立性，正态性，εij～N(0,2

σ)；

最小二乘法求解自回归系数：

检验d阶线性回归方程是否符合线性回归:模型假设原假设为H0：所有的自回归系数都为0， 备择假设H1：至少有一个自回归系数 不为0；

若模型假设中拒绝原假设说明高速公路相邻预警设备节点区间平均速度差值序列可以组成d阶线性回归方程；通过求导得出d阶线性回归方程在 处的斜率，求得的区间平均速度序列之间的差值在平稳时所通过累加生成算子所求得的斜率应当稳定，所以通过d阶线性回归方程在点 处的斜率与整体斜率之间的关系判断序列差值是否平滑；用d阶线性回归方程的整体斜率 代替在所有点位置斜率xi的平均值求取

2 2

方差，设定阈值&，如果方差的取值S ≤&则说明该区间车辆运行状态正常，若S>&则该区间车辆运行状态异常；

若模型假设中不拒绝原假设则说明高速公路相邻预警设备节点区间平均速度差值序列不可以组成d阶线性回归方程，该区间平均速度差值序列不平稳，车辆运行异常。

9.一种采用如权利要求1至8任一所述方法的基于预警设备计数的高速公路异常交通评估系统，其特征在于，包括：数据收集模块，预警设备根据车辆行驶状况生成高速公路截面时间流量序列和车辆运行状态；并将信息发送到中央服务器进行处理；

中央处理器，对预警设备传来的数据进行分析处理，将相应指令重新发送回指定预警设备并执行相应的指令；

车流状态划分模块，基于车辆运行状态计算当前路段的平均流率，进而计算出当前路段的交通量；并通过交通量计算高速公路服务水平ε等级判断道路拥挤程度,即不同的车流状态；

异常状态判定及警示模块：针对不同的车流状态分别检验、判定高速公路相邻预警设备区间的交通异常情况，并针对不同的异常状态进行相应的警示处理。