[发明专利]一种多源数据融合的城市快速路交通状态估计方法

权利要求书

1.一种多源数据融合的城市快速路交通状态估计方法，其特征在于，该方法包括如下步骤：

步骤1：获取检测器采集到的历史数据，包括：快速路匝道进出口的交通量数据、路段断面的车辆速度数据及流量数据；

步骤2：通过分析历史数据，获得流量数据的异常数据阈值范围、车速的异常数据阈值范围，判断历史数据是否存在异常值，将异常值修正，对数据进行平滑处理，利用ArcGIS平台，对多源交通数据进行时空匹配；

步骤3：根据匝道出入口的流量数据、路段断面流量数据，对路段行程车速进行估计；

步骤4：将数据标准化处理，确定速度和流量的权重系数，对历史数据进行聚类分析；

步骤5：通过拥堵概率模型对路段拥堵进行估计，与步骤4中聚类分析共同估计快速路交通状态；

步骤6：获取实时交通流参数进行状态估计；

所述步骤2，包括如下步骤：

步骤21：通过公式(1)确定流量数据和速度数据的异常值：

0≤Q_t≤C·t·f (1)

式中：Q_t为交通量，f表示流量的修正系数，C为道路通行能力，t为观测时间；

通过公式(2)确定车速的阈值范围：

0≤v≤v_max·f′ (2)

式中：v表示速度，v_max表示快速路限速值，f′表示速度的修正参数；

通过公式(3)-(6)对数据进行平滑处理：

E_t＝ω·ε_t+(1-ω)·E_t-1 (3)

A_t＝ω·|ε_t|+(1-ω)·A_t-1 (4)

式中：E_t和A_t分别表示平滑误差和平滑的绝对误差，ω表示权重系数，q_t表示t时刻的实际测量值，表示t-1时刻预测值，ε_t表示实测值和预测值的误差，S_t为t时段的平滑值；

步骤22：对数据进行空间匹配，首先根据设备ID及安装位置确定详细的经纬度信息，将经纬信息转化为平面做坐标轴信息并导入ArcGIS软件中；时间匹配中，根据不同位置检测器采集时间间隔不同，通过数据处理转化为同一采集周期的数据，确定不同数据的融合时间范围；

所述步骤3中，根据流量数据对路段行程车速进行估计，包括如下步骤：

步骤31：将城市快速路分段成若干路段，通过非线性最小二乘法进行数据拟合，分别确定上游、下游车辆数的时间函数U(t)、D(t)，利用反函数求得平均行程时间，如公式(7)-(9)所示：

N＝U(t₂)-U(t₁) (8)

式中，U(t₂)和D(t₁)分别表示某路段上、下游位置点的所有车辆数；N表示采集时间间隔内到达的车辆总数；

式中，表示路段行程时间的估计值，L表示路段长度；

所述步骤4中，将数据标准化处理，确定速度和流量的权重系数，对历史数据进行聚类分析，包括如下步骤；

步骤41：通过公式将数据标准化处理，

式中和均为中间变量，q_i表示流量，v_i表示速度，x_i和y_i表示标准化处理后的流量和速度；

步骤42：考虑到流量和速度的数据存在波动性，数据之间存在相关关系，采用客观赋权法确定速度和流量的权重系数如公式所示：

式中r_ij表示i和j的相关系数，c_j和δ_j为中间变量，w_j为权重，m为指标数量；

步骤43：由步骤42得到的权重，通过聚类，反复迭代，计算得到不同交通状态下的聚类中心：

步骤44：通过计算各状态中心与实时数据样本的距离，确定当前的交通状态，如公式所示：

其中表示速度的第i个聚类中心c_i,v与第j个速度样本x_j,v之间的距离，ω_v和ω_q为速度和流量特征参数的权重；

所述步骤5，包括如下步骤：

步骤51：根据当前时间间隔中区段车流流速和交通量状况，通过公式(17)，计算下一时间间隔内交通流出现交通拥堵的概率，对路段的拥堵概率进行评估：

式中：q是每小时每车道的车辆通过量，单位为veh/h/ln；c是容量，单位为veh/h/ln，即通行能力；P(c≤q)是容量小于观察到流量的概率；q_i是在间隔i处观察到的交通流量，它表示速度下降之前的交通流量；k_i是指q≥q_i的时间间隔数；d_i是指交通流量达到q_i时的时间间隔数，当每一个拥堵被单独考虑时，d_i＝1；B是拥堵间隔{B₁，B₂，....}的集合；

步骤52：通过极大似然函数，对拥堵概率分布进行参数估计，似然函数如公式所示：

式中：f_c(q_i)是容量c的统计密度函数；F_c(q_i)是容量c的累积分布函数；n表示时间间隔数；δ_i＝1，时间间隔i内包括未审查对象；δ_i＝0，时间间隔i内不包括未审查对象。