一种基于数据融合的道路全流量反推方法技术

一种基于数据融合的道路全流量反推系统和方法，包括：数据预处理、数据建模、模型有效性检验、确定最小模型集合、道路属性匹配和道路全流量反推。该系统和方法利用了多种交通数据来反推交通全流量，充分考虑了和交通流量有关的影响因素，提高了反推的准确性，并且可以实现基于获取的移动导航的小样本流量数据推算道路上的全部流量数据。

【技术实现步骤摘要】
一种基于数据融合的道路全流量反推方法
本专利技术涉及交通道路领域，特别涉及基于数据融合的道路全流量反推的方法。
技术介绍
交通道路的全流量估计在智能交通系统领域具有十分重要的作用。传统的道路全流量获取方法是在道路上的关键位置设置固定的检测设备（例如微波检测器、线圈检测器）。通过这些检测设备获取特定位置的道路全流量。然而这种方法需要较大的硬件投入，而且只能获取有限的位置的道路全流量。随着移动互联网的普及，越来越多的车辆上装有车载导航软件或者手机导航软件，这些车辆上的导航软件实时地和远端的服务器进行数据传递。通过这些导航软件，可以较为容易地获取道路上行使的车辆信息。因此，利用移动导航软件获取的车辆信息来估计全路网的交通流量，成为一种可行和简便的方式。但是，目前移动导航软件并未完全覆盖所有车辆，而且移动导航软件存在多家竞争的格局，例如高德、百度、腾讯、凯立德等都占据一部分市场份额，这使得每家导航软件公司能够获取的仅仅是道路上行使的一小部分车辆的数据，从这些数据并不能直接获得路网的全流量。因此，如何通过移动导航软件获取的小样本流量数据来反推路网的全流量数据，是亟待解决的技术问题，并且该问题的本文档来自技高网...

【技术保护点】
一种基于数据融合的道路全流量反推方法，包括：数据预处理步骤：考虑影响道路全流量的因素，将浮动车速度、浮动车流量和影响因素进行数据预处理，作为反推模型的输入变量值，并将道路检测器获取的断面全流量数据作为模型目标值；数据建模步骤：根据输入变量值和模型目标值，利用数据拟合方法建立反推模型；模型有效性检验步骤：确定误差判断标准，并对每个反推模型进行有效性检验； 确定最小模型集合步骤：判断每个反推模型对其他检测器断面的有效性，并确定最小模型集合； 道路属性匹配步骤：确定最小模型集合中的每个模型所对应的道路属性；道路全流量反推步骤：根据每个位置断面的道路属性，选择所对应的最小模型集合中的反推模型，反推得到...

【技术特征摘要】
1.一种基于数据融合的道路全流量反推方法，包括：数据预处理步骤：考虑影响道路全流量的因素，将浮动车速度、浮动车流量和影响因素进行数据预处理，作为反推模型的输入变量值，并将道路检测器获取的断面全流量数据作为模型目标值；数据建模步骤：根据输入变量值和模型目标值，利用数据拟合方法建立反推模型；模型有效性检验步骤：确定误差判断标准，并对每个反推模型进行有效性检验；确定最小模型集合步骤：判断每个反推模型对其他检测器断面的有效性；判断如果反推模型只能对一个断面进行流量反推，那么该反推模型将被淘汰使得剩下的反推模型中每个反推模型至少可以反推2个断面的流量；对任意一个检测器断面而言，都能够在最小模型集合中找到一个模型对其是有效的；道路属性匹配步骤：确定最小模型集合中的每个模型所对应的道路属性；道路全流量反推步骤：根据每个位置断面的道路属性，选择所对应的最小模型集合中的反推模型，反推得到该位置断面的道路全流量。2.根据权利要求1所述的方法，其特征在于：数据预处理步骤中，影响因素包括：时间、天气数据、事故数据和限号数据。3.根据权利要求1所述的方法，其特征在于：数据预处理步骤中，对于检测器获取的断面全流量数据，将其中错误的数据进行清洗删除后，得到模型目标值。4.根据权利要求1所述的方法，其特征在于：模型验证步骤中，将反推模型的输出作为该断面的流量估计值，检测器检测的实际全流量作为断面流量真实值，计算每个反推模型的估计误差，并与确定的误差判断标准相比较，判断模型是否有效。5.根据权利要求1-4任一项所述的方法，其特征在于：道路属性匹配步骤中，选择断面的道路参数和出行需求作为每个模型对应的道路属性。6.一种基于数...

【专利技术属性】
技术研发人员：李萌，姜涵，何方，陈婕妤，俞佳莹，
申请(专利权)人：姜涵，李萌，北京数行健科技有限公司，
类型：发明
国别省市：北京;11