[发明专利]一种基于可信度验证的城市道路交通状态实时估计方法

摘要

一种基于可信度验证的城市道路交通状态实时估计方法，包括：（1）在融合模型参数训练中，对通过不同采集方式得到的历史交通数据分别估计道路交通状态，与真实道路交通状态统计成各数据源的交通状态信息表，并计算各源交通状态与真实道路交通状态的状态概率分布表；（2）在多源交通数据融合中，对训练好的各数据源的状态概率分布表通过计算融合成验证表。（3）将实时的多源交通数据分别估计成交通状态，根据最大似然法则及公式，从融合成的验证表中得出验证结果；计算实时验证结果的可信度，用可信度进行互为验证，获得最终的实时交通状态的估计结果。本发明可提高城市道路交通状态实时估计系统的准确性和鲁棒性。

主权项

1.一种基于可信度验证的城市道路交通状态实时估计方法，其特征在于：所述估计方法包括以下步骤：(1)融合模型参数训练：把估计得到的各源历史交通状态与相应的真实道路交通状态统计成各源交通状态信息表，将各源历史交通状态与相应的真实道路交通状态信息通过基本概率计算公式得到各数据源的状态概率分布表，基本概率计算公式定义为m(C_k)_x,y=P(B_x|A_y)式中：x,y为交通道路状态；k为数据源的编号；C_k表示不同的数据源；B_x是某数据源历史的真实交通道路状态为x的信息；A_y是某数据源历史交通状态为y的信息；(2)多源交通数据融合：对通过上一步训练好的各数据源的状态概率分布表用下述算法融合成验证表，具体如下：设Ω={ω₁,ω₂,...,ω_N}是一个识别框架，Ω的幂集为基本概率分配函数定义为2^Ω→[0,1]的映射，并且满足其中，当A为空集时,多个源的验证结果用下式进行结合：式中：m_x(A),m_y(B)为基本概率。当时，m(C)=0；(3)可信度验证的实时交通状态估计：先将实时的多源交通数据估计成交通状态，然后根据最大似然法则，即从融合得到的验证表这个模型中，利用下面公式得到概率最大的交通状态作为验证结果，该公式定义为:z=argmax(m(C)g1,g2...gn)]]>式中：g₁,g₂...g_n为n个数据源估计得到的实时交通状态；是以n个数据源的交通状态为g₁,g₂...g_n时融合后的各状态概率；Z是以n个数据源的交通状态为g₁,g₂...g_n时融合后最大概率所对应的交通状态值，作为验证结果；通过可信度公式计算得到该实时验证结果的可信度，利用可信度对其进行验证：若可信度高于预设阈值，则用验证结果作为最终实时交通状态估计结果；否则进行人工干预，可信度公式定义为：S=m(C1)Z,y1+m(C2)Z,y2+...+m(Ck)Z,ykk]]>式中：Z为多源实时数据的验证结果；k为数据源的编号；C_k表示不同的数据源,；y_k为根据数据源C_k的实时数据估计出的交通状态；为数据源C_k的数据估计出交通状态为y_k且对应真实道路交通状态为Z的基本概率；S为可信度。