[发明专利]一种交通状态参数的估计方法和系统

权利要求书

1.一种交通状态参数的估计方法，其特征在于，该方法包括：

实时获取交通数据样本；

当当前时间段内所采集的当前交通数据样本的数量大于预设的交通采集最小样本量时，根据预设的训练模型对当前交通数据样本进行数据拟合，得到拟合后的数据；基于误差比判别准则通过修正矩阵对拟合后的数据进行修正，并根据修正后的数据获取交通状态参数的估计值；

当当前时间段内所采集的当前交通数据样本的数量小于或等于预设的交通采集最小样本量时，为当前交通数据样本、上一时间段的交通数据样本和历史量化数据分别设置相应的权重系数；并根据当前交通数据样本、上一时间段的交通数据样本、历史量化数据以及各自的权重系数，计算得到交通状态参数的估计值。

2.根据权利要求1所述的方法，其特征在于：

所述交通状态参数为车速。

3.根据权利要求1所述的方法，其特征在于，所述实时获取交通数据样本包括：

实时采集原始交通数据；

根据所采集的原始交通数据和路段信息，通过地图匹配算法生成位置信息关联路段的GPS数据，并对所述GPS数据进行量化，得到量化后的速度概率数据，将所述量化后的速度概率数据作为交通数据样本。

4.根据权利要求3所述的方法，其特征在于，所采集的原始交通数据包括：

车辆编号、出租车公司、接收时间、经度、纬度、方位角、瞬时速度和运营状态。

5.根据权利要求1所述的方法，其特征在于，在根据预设的训练模型对当前交通数据样本进行数据拟合之前，该方法还进一步包括：

根据交通状态参数的历史量化数据，并利用曲线拟合算法计算得到相应训练数据方程的各个参数，获得训练数据方程，并根据该训练数据方程预先设置相应的训练模型。

6.根据权利要求1或5所述的方法，其特征在于，所述基于误差比判别准则通过修正矩阵对拟合后的数据进行修正，并根据修正后的数据获取交通状态参数的估计值包括：

利用所述预设的训练模型，根据历史量化数据获取当前路段当前时刻下的交通状态参数的概率历史拟合曲线；

根据所获取的交通数据样本确定交通状态参数的概率函数；

根据概率历史拟合曲线和交通状态参数的概率函数得到样本的误差比矩阵K；

根据所述误差比矩阵K得到互补矩阵I；

根据互补矩阵I得到各交通数据样本的修正矩阵Λ；

根据所述修正矩阵Λ，得到修正后的各交通数据样本的修正值Z'；

根据所述各交通数据样本的修正值，通过加权平均算法计算得到交通状态参数的估计值。