[发明专利]基于多源信息融合的交通状态估计方法和装置

说明书

本发明是关于一种基于多源信息融合的交通状态估计方法和装置，方法包括：将高速路网按照出入口匝道位置、ETC门架位置和车道数变化位置划分成若干个元胞；基于划分的元胞，以交通流密度为交通状态变量，建立高速路网的交通流模型，并确定高速路网中各个类型的交通传感器对应的输出矩阵；根据由高速路网系统矩阵和每个类型的交通传感器对应的输出矩阵组成的高速路网系统的可观测性或可检测性构建至少一个状态观测器；基于每个状态观测器计算高速路网对应的车辆密度估计值；对所有车辆密度估计值进行加权求和的融合计算，得到最终车辆密度估计值；根据最终车辆密度估计值估计高速路网的交通状态。通过该技术方案，可以提升交通状态的估计精度。

技术领域

本公开涉及智能交通系统技术领域，尤其涉及一种基于多源信息融合的交通状态估计方法和装置。

背景技术

传统的基于状态观测器的交通路网状态估计研究，大多数都是基于单一的传感器测量源，虽然实现较为简单，但是由于是单一的测量输出会导致状态估计误差较大，且一旦传感器出现故障则状态观测器的设计受阻进而不能实现交通状态的估计和预测。

发明内容

为克服相关技术中存在的问题，本公开提供一种基于多源信息融合的交通状态估计方法和装置，从而更加精准的对路网状态进行估计和预测。

根据本公开实施例的第一方面，提供一种基于多源信息融合的交通状态估计方法，所述方法包括：

将高速路网按照出入口匝道位置、ETC门架位置和车道数变化位置划分成若干个元胞；

基于划分的元胞，以交通流密度为交通状态变量，建立所述高速路网的交通流模型，并确定所述高速路网中各个类型的交通传感器对应的输出矩阵，其中，所述交通传感器的类型包括以下至少两项：ETC门架装置、视频采集装置、微波检测装置和浮动车；

根据由高速路网系统矩阵和每个类型的交通传感器对应的输出矩阵组成的高速路网系统的可观测性或可检测性构建至少一个状态观测器；

基于每个状态观测器计算所述高速路网对应的车辆密度估计值；

对所有车辆密度估计值进行加权求和的融合计算，得到最终车辆密度估计值；

根据所述最终车辆密度估计值估计所述高速路网的交通状态。

在一个实施例中，优选地，所述高速路网的交通流模型包括：

其中，x表示所述高速路网的交通流密度向量，x∈Rⁿ，n表示划分的元胞的数量；u表示高速路网系统的控制输入，u∈R^p，p表示入口匝道的数量；y表示所述高速路网中交通传感器获取的交通参数，y∈R^m，m表示所述高速路网中布设交通传感器的路段的数量；A表示高速路网系统矩阵；B表示高速路网系统的输入矩阵；C表示与所述高速路网布设的交通传感器对应的输出矩阵；F表示常数阵。

在一个实施例中，优选地，各个类型的交通传感器对应的输出矩阵包括：

其中，l表示交通传感器的种类，C_l表示相应交通传感器对应的输出矩阵，

在一个实施例中，优选地，根据由高速路网系统矩阵和每个类型的交通传感器对应的输出矩阵组成的高速路网系统的可观测性或可检测性构建至少一个状态观测器，包括：

判断由高速路网系统矩阵A和每个类型的交通传感器对应的输出矩阵C_i组成的高速路网系统(A，C_i)是否可观测或可检测；

若有m个可观测或可检测的高速路网系统，则构建m个状态观测器，每个高速路网系统对应一个状态观测器；