【技术实现步骤摘要】
本专利技术涉及的是，属于智能交通研究领域。
技术介绍
智能交通系统正日益成为提高运输效率、改善交通拥堵、减少空气污染的重要途径，交通状态实时估计是其中一项重要的技术。该技术通过对交通数据的有效处理和分析，实现对交通状态的实时估计，主要应用于交通疏导验证和出行路线规划。其中，数据采集是提高交通状态估计方法准确率的重要保证，但是传统交通状态估计系统常使用单一类型的采集技术来采集数据，不仅采集得到的交通信息数据类别较少，而且各采集器存在各自固有的缺陷，例如感应线圈的主要问题是高故障率和不准确的交通状态计算方法，而GPS探测车的缺陷是低采样率和地图匹配误差大，导致准确度较低。每种采集技术也有其自身优势，可适用于不同应用要求的场合。将通过多种采集技术得到的数据进行互补融合，可以提高交通状态估计的准确性和鲁棒性。例如:基于GPS定位的采集技术相对于其他采集技术，它的优势是能够方便、实时、准确地得到车辆的位置和速度等信息；它的不足在于:对车辆的形状信息无能为力、车辆必须安装相应的GPS车载设备、GPS卫星信号受楼群等建筑物的影响导致定位精度降低等，而这些不足之处却分别是视频检测、感应线圈检测和基于蜂窝网络的采集技术的优势。已有一些研究者在基于多源交通数据融合的交通状态估计方面进行了研究，以下是现有的用多源交通数据融合来估计交通状态的方法。公开号为CN101064061的中国专利公开了一种异类交通信息实时融合方法:通过对多个传感器检测到的信息进行特征提取，在特征级上进行实时的交通状态融合估计，步骤包括局部融合和全局融合，最后得出融合结果。公开号为CN101937616的...
【技术保护点】
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(Ck)x,y=P(Bx|Ay)式中：x,y为交通道路状态；k为数据源的编号；Ck表示不同的数据源；Bx是某数据源历史的真实交通道路状态为x的信息；Ay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,...,ωN}是一个识别框架，Ω的幂集为基本概率分配函数定义为2Ω→[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：mx(A),my(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，...
【技术特征摘要】
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(Ck)x,y=P(Bx|...
【专利技术属性】
技术研发人员：夏莹杰，单振宇，王燕妮，叶周敏，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。