[发明专利]基于数据融合技术的交通状况估计方法

权利要求书

1.一种基于数据融合技术的交通状况估计方法，其特征在于：所述方法包括如下步骤：

(1).通过传感器采集路面的交通状况信息；

(2).对步骤(1)中传感器采集的传感器数据进行预处理；

a.对GPS数据进行预处理：

首先根据GPS数据中的经纬度信息，进行道路匹配，确定GPS数据来自于哪条路段上的车辆；然后将根据该路段上的所有GPS数据中的车辆速度信息，求得该路段车辆的平均速度；

b.对环形车辆检测器数据进行预处理：

因为环形车辆检测器可以直接提供路段上的车辆行驶的平均速度，所以不再需要另外的处理；

c.由平均速度划定道路拥堵状态：

以t₀时刻城市路网中各个有向路段道路方向的平均速度为指标进行道路拥堵状态的划定，将城市路网中路段的平均速度分为五个速度等级，分别对应畅通、较畅通、不通畅、拥堵、严重拥堵五种道路拥堵状态，根据各个有向路段对应的平均速度所处的速度等级来判断各个有向路段的拥堵状态；

(3).将采集的传感器数据和当前天气、时间采用贝叶斯网络方法，对数据进行融合处理；

根据数据之间的因果关系，构建贝叶斯网络，贝叶斯网络中的每一个节点代表一个随机变量，箭头由原因指向结果，每个节点所代表的随机变量的概率分布表则经过观察统计和实验得到； 

(4).通过融合处理后得到的数据估计交通状况；

①初始化

构造一个初始的中间函数队列，将贝叶斯网络中的所有节点相对应的函数放入其中；然后对初始的函数队列根据得到的传感器数据、天气变量，设定其初始值；然后构造一个待消元变量序列，该序列不包括已知的预设值变量和待求的交通状况变量；

②如果待消元变量序列中还有待消元变量则重复执行这一步骤

构造一个新的函数队列，将原有的函数队列中的和待消元变量相关的函数全部移入新的函数队列；构造一个新的函数，该函数为新的函数队列的计算结果；对新的函数队列中所涉及到的所有变量依次赋值，即从0，0，…，0一直赋值到m，n，…，z，其中m，n，…，z是各个变量的最大取值分类号，对每次赋值计算新函数队列的连乘值，将该连乘值按待消元变量的取值进行累加后所得的值就是新函数在当前赋值条件下的函数值；将计算完毕的新函数加入到原有的函数队列中；

③将目前的函数队列中的所有函数合并为一个函数并进行归一化处理，最后所得到的函数就是在当前已知条件下待求交通状况的概率分布，即得到当前的最大概率的交通状况估计。

2.根据权利要求1所述的基于数据融合技术的交通状况估计方法，其特征在于：所述传感器包括两类：一类是汽车上所安装的全球定位系统接收机，另一类是埋在道路地下的环形车辆检测器。

3.根据权利要求1所述的基于数据融合技术的交通状况估计方法，其特征在于：所述传感器数据，既包括当前时刻的传感器数据，也包括传感器历史数 据。

4.根据权利要求2所述的基于数据融合技术的交通状况估计方法，其特征在于：所述进行融合处理的数据包括全球定位系统测量当前平均速度、上一个时刻全球定位系统测量的平均速度、环形车辆检测器测量车辆平均速度和上一个时刻环形车辆检测器测量车辆平均速度，以及天气和时间段数据。