[发明专利]一种基于多源交通数据动态可靠性的交通状态预测方法

权利要求书

1.一种基于多源交通数据动态可靠性的交通状态预测方法，其特征在于，包括以下步骤：

步骤1、构建交通状态D-S证据理论识别框架，确定目标路段的M个待识别交通状态；

步骤2、将不同数据源的交通信息转化为统一的交通状态判别参数；

步骤3、利用时间序列模型中的差分自回归移动平均-广义自回归条件异方差模型预测交通状态判别参数的条件方差，其中，第i类数据源在t时刻的交通状态判别参数的条件方差为

步骤4、以步骤3预测得到的条件方差计算每个数据源的可靠性，其中，数据源i在t时刻的可靠性为n表示数据源的总个数；

步骤5、以步骤4得到的所有数据源的可靠性为基础，构建基于不同数据源动态可靠性的基本概率分配；

步骤6、通过D-S证据理论合成规则进行证据合成，得到所有待识别状态的基本概率分配函数；

步骤7、进行交通状态的决策。

2.如权利要求1所述的一种基于多源交通数据动态可靠性的交通状态预测方法，其特征在于，在所述步骤3中，所述差分自回归移动平均-广义自回归条件异方差模型的公式为：

式中，X_it为第i类数据源在t时刻的特征信息；B_i为后移算子，通过B_i^kX_it＝X_i(t-k)计算得到，k为整数；d为X_it的差分阶数；为自回归算子多项式，为自回归系数；称为滑动平均算子多项式，为移动平均系数；u_it为第i类数据源在t时刻的随机误差项；是第i类数据源在t时刻的交通状态判别参数的条件方差；Ω_i(t1)为第i类数据源在t-1时刻的信息集合；为均值为零，方差为的正态分布；e_it～IIN(0，1)，即均值为0，方差为1的独立同分布(iid)随机变量序列；α_ij和β_ij为非负系数。

3.如权利要求1所述的一种基于多源交通数据动态可靠性的交通状态预测方法，其特征在于，在所述步骤5中，构建基于不同数据源动态可靠性的基本概率分配包括以下步骤：

(1)确定每一数据源中每一种待识别交通状态的重心，组成重心向量，第i类数据源在t时刻的重心向量A_it＝[g_i1，g_i2，...，g_iM]；

(2)计算每一数据源的交通状态判别参数与所有待识别交通状态重心的距离，第i类数据源在t时刻的交通状态判别参数与所有待识别交通状态重心的距离d_it＝[d_i1，d_i2，...，d_iM]；

(3)建立每一数据源的基本概率分配，其中，第i类数据源在t时刻的基本概率分配为m_it(A_it)：

式中，β_it和γ_i为基本概率分配区分度参数；

(4)构建基于不同数据源动态可靠性的基本概率分配，其中，基于第i类数据源在t时刻可靠性w_it的基本概率分配为m′_it(A_it)：

m′_it(A_it)＝w_itm_it(A_it)。

4.如权利要求1所述的一种基于多源交通数据动态可靠性的交通状态预测方法，其特征在于，在所述步骤6中，所有待识别状态的基本概率分配函数为m_t(C_t)：

式中，C_t为任意一种待识别交通状态。

5.如权利要求1所述的一种基于多源交通数据动态可靠性的交通状态预测方法，其特征在于，所述步骤7通过最大信度法则获得最终交通状态预测结果。