[发明专利]基于浮动车车速置信度的交通状态参数估计方法

说明书

技术领域

本发明涉及智能交通技术领域，尤其涉及浮动车信息采集技术领域，更具体地说，涉及一种基于浮动车车速置信度的交通状态参数估计方法。

背景技术

浮动车(Float Car)，也被称作“探测车(Probe car)”，是近年来国际智能交通系统(ITS)中所采用的获取道路交通信息的先进技术手段之一。其基本原理是：根据装备车载全球定位系统的浮动车在其行驶过程中定期记录的车辆位置，方向和速度信息，应用地图匹配、路径推测等相关的计算模型和算法进行处理，使浮动车位置数据和城市道路在时间和空间上关联起来，最终得到浮动车所经过道路的车辆行驶速度以及道路的行车旅行时间等交通拥堵信息。如果在城市中部署足够数量的浮动车，并将这些浮动车的位置数据通过无线通讯系统定期、实时地传输到一个信息处理中心，由信息中心综合处理，就可以获得整个城市动态、实时的交通拥堵信息。

浮动车数据采集技术(Floating Car Data，FCD)具有安装成本低、维护简易、高效、实时、自动化水平高、检测参数全面等优点，得到了大量推广应用。目前各大中城市都建立了ITS平台并配置了大量的基于出租车或公交车的浮动车设备，其采集到的交通信息数据可以应用于交通状态估计、预测等交通信息服务领域。

交通状态判别通常由浮动车交通信息采集、GPS原始数据预处理、GPS/GIS地图匹配、交通状态参数估计、交通状态判别几个步骤组成：

浮动车交通信息采集系统主要由车载GPS设备、无线通信网络和基于GIS的交通信息处理平台等组成。车载GPS设备接收卫星信号并通过无线通信网络将车辆坐标、速度等数据传送到交通信息中心。基于GIS的交通信息处理平台是指交通信息处理与分析软件系统、数据库及计算机设备等。

GPS原始数据预处理的目的是筛除其中的异常数据，例如，FCD数据中某些数据速度值异常高或小于0；某些数据经纬度信息在一段时间内保持不变，但速度不为0；某些数据方向角异常。对这些异常数据的处理直接影响着路段交通状态参数的准确性。

GPS/GIS地图匹配将浮动车发送的GPS数据与GIS道路信息数据进行比较，用特定的算法判断出浮动车在路网上最有可能的位置，并将此FCD数据匹配到这个路段，使每一条FCD数据属于唯一路段。

交通状态参数估计是利用特定的算法将各路段上的速度数据经过计算得出该路段的状态参数，此过程需考虑浮动车数据的数据量不足等诸多因素，以达到反映路段的真实交通状态的目的。

交通状态判别是根据交通状态参数确定路段的拥堵程度，此过程一般需要考虑判断的阈值设定以及判别结果的鲁棒性。

上述技术环节中，交通状态参数(主要是指车速)估计是交通状态判别的核心技术环节，如果无法对交通状态参数进行有效、接近真实交通状态的估计，整个交通状态的判别根本无从下手。

现有的交通状态估计方法中，比较常见的比如数据排除法，其是人为的将采集到的不确定的回报信息，诸如速度较大和较小的数据、回报时间间隔较大的数据、车速小于前一回报间隔的75％的数据进行排除，这样做虽然简单，但明显的后果是往往把现实道路中真实有用的信息也一起去掉了，最后的结果是道路运行情况始终保持稳定的状态，却不能充分反映全面真实的道路交通状况。也有设置参数简单的将历史数据进行融合的估计方法，但终归存在各种各样的问题，比较难反应真实的交通状况。

发明内容

本发明的目的是解决现有技术存在的缺陷和不足，基于对浮动车数据特性的分析，引入置信度因素，着重考虑浮动车数据样本数量、车速以及交通状态在时间上的延续性，提出了一种基于置信度优化的交通状态参数(车速)估计方法。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于置信度优化的交通状态参数估计方法，包括如下步骤：

1、对路段区间每个时段内采集到的所有浮动车车速数据设置权重值，根据权重值计算每个时段的加权平均车速以及每个时段加权平均车速的置信度；

2、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量大于或等于最低样本量，则以步骤1中该时段的加权平均车速作为该时段的平均车速；

3、对特定的某个时段，若该时段内采集到的浮动车车速数据样本量小于最低样本量，则考虑上一时段加权平均车速和上一时段加权平均车速的置信度对该时段平均车速的影响，通过修正步骤1中该时段的加权平均车速，计算该时段的平均车速。