[发明专利]一种基于浮动车数据加权张量重建的交通状态估计方法

权利要求书

1.一种基于浮动车数据加权张量重建的交通状态估计方法，其特征在于，该方法包括：

(1)获取浮动车数据；

(2)根据所述浮动车数据构建张量模型和权重因子张量模型，所述张量模型和所述权重因子张量模型具有相同尺寸和阶数，所述权重因子张量的各初始赋值为1；

(3)在现有张量填充算法的基础山，对引入权重因子的张量重建算法进行设计；

(4)由于权重值代表着浮动车数据的可靠性，因此根据各个影响数据可靠性的因素对其数据进行重新赋值；

(5)将浮动车数据张量和重新赋值后的权重因子张量带入(3)确定的张量重建算法中，获得完整可靠的浮动车数据和交通状态信息；

步骤(1)中所述获取浮动车数据的过程是通过仿真获取浮动车数据；

步骤(2)中所述张量模型为：

其中，LINK表示城市路网的路段，WEEK表示周，DAY表示天，INTERVAL表示间隔时段；

步骤(3)中所述设计引入权重因子的张量重建算法，包括：

将权重因子张量引入基于最小化张量秩的张量填充算法，其中，权重因子张量每个数值均是常数：

其中，是重建后的张量，是重建后的张量的第i个元素，λ代表调节参数,||·||_F代表Frobenius范数,*代表Hadamard乘积.Hadamard乘积是元素积，权重因子张量，与有相同的尺寸和阶数，中每个时空位置点对应的数值表示观测值相应时空位置数据的可靠性，a_i是一个常数，并且满足a_i≥0和

步骤(4)所述根据各个影响浮动车数据可靠性的因素对权重因子张量进行重新赋值，即确定权重因子张量的数值，进一步包括：

将浮动车数据构建成四阶张量：

其中，12是天数，54是路段数目，180是一天当中总的采样间隔，a_ijk表示的元素数值，权重因子张量与有相同的尺寸大小；

w_ijk代表中相应位置的元素，表示a_ijk相应位置的权重大小；

通过四种模型之一，确定权重因子张量，所述四种模型如下：

(1)模型1:W_a

W_a与真实的交通条件相互联系，速度越低，相应的权重值就越小，意味着拥堵区域拥有比较小的权重，W_a的每一个元素值定义为观测速度值与参数β的比值，如公式(11)所示：

其中，β是一个可变参数，为与当前相应路段的自由流速度值相同大小的数值；

(2)模型2:W_b

对于此权重因子张量，将有浮动车存在的时空位置标为1，将没有浮动车通过的时空位置标为0，如公式(12)所示：

(3)模型3:W_c

如果某个位置存在浮动车，则相应位置的权重值为n/m，否则，对应的权重值为0：

其中，n代表该路段该时间间隔内的浮动车数量，m是假定的交通流量，其大小与该路段一分钟时间时间间隔内的设计小时交通流量相等；

(4)模型4:W_d

如果有浮动车路过该位置，则对应的权重值设为l/l_max，否则权重值设为0：

其中，l代表相应路段的长度，l_max是所有路段中长度最长路段对应的长度值。