[发明专利]基于数据融合的交通状态估计装置和方法

权利要求书

1.一种交通状况估计装置，包括：

模式归类单元，用于将路网中一条或多条道路的交通数据、或者交通数据与至少一个交通状况影响因素归类到多个预定模式之一；

模型选择单元，用于根据模式归类单元所归类的模式，从多个神经网络模型中选择对应的神经网络模型；以及

数据融合单元，用于将交通数据、或者交通数据和至少一个交通状况影响因素输入选择的神经网络模型，进行数据融合并估计所述一条或多条道路的交通状况。

2.根据权利要求1所述的交通状况估计装置，还包括：模型构建单元，用于预先构建所述多个神经网络模型，

其中，在预先构建所述多个神经网络模型时，

所述模式归类单元针对路网中每一条道路，将关于该道路的多种交通数据、或者多种交通数据与至少一个交通状况影响因素归类到多个预定模式，以及

所述模型构建单元利用模式归类单元归类的交通数据或者交通数据和交通状况影响因素，针对多个预定模式，利用神经网络方法构建多个对应的神经网络模型。

3.根据权利要求2所述的交通状况估计装置，其中，模型构建单元包括：

模型初始化单元，用于初始化神经网络模型；以及

模型训练单元，用于采用训练数据和预设参数，对初始化的神经网络模型进行训练，得到训练后的神经网络模型，作为神经网络模型构建单元所构建的神经网络模型。

4.根据权利要求3所述的交通状况估计装置，其中，神经网络模型构建单元还包括：

精度校验单元，用于使用校验数据对训练后的神经网络模型的精度进行校验，如果精度达到预定阈值，则将该训练后的神经网络模型作为模型构建单元所构建的神经网络模型，如果精度未达到预定阈值，则要求模型训练单元修改预设参数并进行重新训练，直到精度达到预定阈值为止。

5.根据权利要求1所述的交通状况估计装置，还包括：

数据匹配单元，用于从来自多种数据源的交通数据中获得与所述一条或多条道路匹配的交通数据，作为提供给模式归类单元的交通数据。

6.根据权利要求1所述的交通状况估计装置，还包括：

数据预处理单元，用于对来自多种数据源的交通数据进行预处理，以去除异常数据，补充数据缺失，得到预处理后的实时交通数据，作为提供给模式归类单元的交通数据。

7.根据权利要求2所述的交通状况估计装置，还包括：

归类数据存储单元，用于与多个预定模式中每一个模式相关联地存储归类的交通数据或者归类的交通数据和至少一个交通状况影响因素；

其中，模型构建单元从归类数据存储单元中获取归类的交通数据或者归类的交通数据和至少一个交通状况影响因素，以用于构建神经网络模型。

8.根据权利要求1所述的交通状况估计装置，其中，交通数据是通过各种交通检测设备采集或者人工观察到的指示道路交通状况的数据，包括指示道路上行驶速度的交通数据，估计的交通状况是对道路交通状况的预测，包括道路上的行驶速度。

9.根据权利要求1所述的交通状况估计装置，其中，所述多个预定模式中每一个模式对应于多种交通数据的不同组合之一或者对应于多种交通数据与所述至少一个交通状况影响因素的不同组合之一，

所述多个预定模式是基于交通数据的数据源类型和/或交通数据的特点和/或交通状况影响因素而设。

10.一种交通状况估计方法，包括：

模式归类步骤，用于将路网中一条或多条道路的交通数据、或者交通数据与至少一个交通状况影响因素归类到多个预定模式之一；

模型选择步骤，根据所归类的模式，从多个神经网络模型中选择对应的神经网络模型；以及

数据融合步骤，将交通数据、或者交通数据和至少一个交通状况影响因素输入选择的神经网络模型，进行数据融合，并估计所述道路的交通状况。