技术特征：
1.一种基于多源数据融合的交通运行状态监测方法，其特征在于，所述方法包括：针对待检测路段，获取多个车辆在当前周期中的至少两种数据源类型的交通初始数据；针对每一种数据源类型，基于当前周期中该数据源类型的交通初始数据，确定当前周期中车辆在该数据源类型下的观测平均速度；针对每一种数据源类型，获取并根据当前周期中该数据源类型的交通初始数据的平均延时及当前周期中该数据源类型的交通初始数据的平均缺失率，确定当前周期中该数据源类型的数据质量影响系数；针对每一种数据源类型，获取并根据上一周期中该数据源类型下的平均速度估计值及平均速度估计方差，确定当前周期中该数据源类型的速度预测值及速度预测方差；针对每一种数据源类型，根据当前周期中该数据源类型的速度预测值、速度预测方差、观测平均速度、数据质量影响系数，确定当前周期中该数据源类型下的平均速度估计值及平均速度估计方差；对当前周期中各所述数据源类型下的平均速度估计值及平均速度估计方差进行融合，得到所述待检测路段在当前周期中的车辆融合速度；根据所述待检测路段在当前周期中的车辆融合速度，确定所述待检测路段在当前周期中的交通运行状态。2.根据权利要求1所述的方法，其特征在于，所述至少两种数据源类型包括视频车检类型及gps类型；针对任一车辆，该车辆的视频车检类型的交通初始数据包括检测到该车辆的两个视频检测点之间的距离及所述两个视频检测点各自检测到该车辆的时刻；针对任一车辆，该车辆的gps类型的交通初始数据包括该车辆在指定时刻的位置。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：针对每一种数据源类型，获取当前周期中该数据源类型下各车辆对应的、采集交通初始数据的数据采集时间及接收到交通初始数据的数据接收时间；所述针对每一种数据源类型，获取并根据当前周期中该数据源类型的交通初始数据的平均延时及当前周期中该数据源类型的交通初始数据的平均缺失率，确定当前周期中该数据源类型的数据质量影响系数，包括：针对每一种数据源类型，根据当前周期中该数据源类型下各车辆对应的数据采集时间及数据接收时间，计算当前周期中该数据源类型下各车辆对应的数据传输时延，以及当前周期中该数据源类型下所有车辆数据传输时延的平均值，并基于所述平均值确定当前周期中该数据源类型的交通初始数据的平均延时；根据历史周期内该数据源类型下交通初始数据的缺失状态，确定当前周期中该数据源类型的交通初始数据的平均缺失率；根据当前周期中该数据源类型的交通初始数据的平均延时及当前周期中该数据源类型的交通初始数据的平均缺失率，确定当前周期中该数据源类型的数据质量影响系数。4.根据权利要求3所述的方法，其特征在于，所述根据当前周期中该数据源类型的交通初始数据的平均延时及当前周期中该数据源类型的交通初始数据的平均缺失率，确定当前周期中该数据源类型的数据质量影响系数，包括：利用如下表达式，计算当前周期中该数据源类型的数据质量影响系数：
其中，表示当前周期，表示当前周期中第个数据源类型的数据质量影响系数，表示当前周期中第个数据源类型的交通初始数据的平均延时，表示当前周期中第个数据源类型的交通初始数据的平均缺失率。5.根据权利要求1所述的方法，其特征在于，所述针对每一种数据源类型，获取并根据上一周期中该数据源类型下的平均速度估计值及平均速度估计方差，确定当前周期中该数据源类型的速度预测值及速度预测方差，包括：针对每一种数据源类型，获取上一周期中该数据源类型下的平均速度估计值及平均速度估计方差；利用预设的预测转换函数对上一周期中该数据源类型下的平均速度估计值进行转换，得到当前周期中该数据源类型的速度预测值；利用预设的预测转换函数对上一周期中该数据源类型下的平均速度估计方差进行转换，得到当前周期中该数据源类型的速度预测方差。6.根据权利要求5所述的方法，其特征在于，所述利用预设的预测转换函数对上一周期中该数据源类型下的平均速度估计值进行转换，得到当前周期中该数据源类型的速度预测值，包括：利用如下表达式，计算当前周期中该数据源类型的速度预测值：所述利用预设的预测转换函数对上一周期中该数据源类型下的平均速度估计方差进行转换，得到当前周期中该数据源类型的速度预测方差，包括：利用如下表达式，计算当前周期中该数据源类型的速度预测方差：数据源类型的速度预测方差：表示当前周期，表示上一周期，表示当前周期中第个数据源类型的速度预测值，表示上一周期中第个数据源类型下的平均速度估计值，表示上一周期中第个数据源类型下的平均速度估计方差，表示当前周期中第个数据源类型的速度预测方差，表示预测转化函数，表示预测过程误差的方差，表示的转置。7.根据权利要求1所述的方法，其特征在于，所述针对每一种数据源类型，根据当前周期中该数据源类型的速度预测值、速度预测方差、观测平均速度、数据质量影响系数，确定当前周期中该数据源类型下的平均速度估计值及平均速度估计方差，包括：针对每一种数据源类型，利用如下表达式，计算当前周期中该数据源类型下的平均速度估计值及平均速度估计方差：
表示当前周期，表示上一周期，表示当前周期中第个数据源类型的增益函数，表示当前周期中第个数据源类型的速度预测方差，表示观测转化函数，表示的转置，表示当前周期中第个数据源类型的数据质量影响系数，表示观测值误差的方差，表示当前周期中第个数据源类型下的平均速度估计值，表示当前周期中第个数据源类型的速度预测值，表示当前周期中第个数据源类型下的观测平均速度，表示当前周期中第个数据源类型下的平均速度估计方差，表示单位矩阵。8.根据权利要求1所述的方法，其特征在于，所述对当前周期中各所述数据源类型下的平均速度估计值及平均速度估计方差进行融合，得到所述待检测路段在当前周期中的车辆融合速度，包括：利用如下表达式，对当前周期中各所述数据源类型下的平均速度估计值及平均速度估计方差进行融合：其中，表示当前周期，表示待检测路段在当前周期中的车辆融合速度，表示当前周期中第一个数据源类型下的平均速度估计方差，表示当前周期中第二个数据源类型下的平均速度估计方差，表示当前周期中第一个数据源类型下的平均速度估计值，当前周期中第二个数据源类型下的平均速度估计值。9.一种基于多源数据融合的交通运行状态监测装置，其特征在于，所述装置包括：交通数据获取模块，用于针对待检测路段，获取多个车辆在当前周期中的至少两种数据源类型的交通初始数据；第一速度确定模块，用于针对每一种数据源类型，基于当前周期中该数据源类型的交通初始数据，确定当前周期中车辆在该数据源类型下的观测平均速度；影响系数确定模块，用于针对每一种数据源类型，获取并根据当前周期中该数据源类
型的交通初始数据的平均延时及当前周期中该数据源类型的交通初始数据的平均缺失率，确定当前周期中该数据源类型的数据质量影响系数；第二速度确定模块，用于针对每一种数据源类型，获取并根据上一周期中该数据源类型下的平均速度估计值及平均速度估计方差，确定当前周期中该数据源类型的速度预测值及速度预测方差；第三速度确定模块，用于针对每一种数据源类型，根据当前周期中该数据源类型的速度预测值、速度预测方差、观测平均速度、数据质量影响系数，确定当前周期中该数据源类型下的平均速度估计值及平均速度估计方差；多源速度融合模块，用于对当前周期中各所述数据源类型下的平均速度估计值及平均速度估计方差进行融合，得到所述待检测路段在当前周期中的车辆融合速度；交通状态确定模块，用于根据所述待检测路段在当前周期中的车辆融合速度，确定所述待检测路段在当前周期中的交通运行状态。10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-8任一所述的方法步骤。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一所述的拍摄时间校准方法。
技术总结
本申请实施例提供了一种基于多源数据融合的交通运行状态监测方法及装置，方法包括：获取待检测路段多个车辆在当前周期至少两种数据源类型的交通初始数据；针对每一数据源类型，基于当前周期交通初始数据确定观测平均速度，根据当前周期交通初始数据的平均延时及平均缺失率，确定数据质量影响系数，根据上一周期平均速度估计值及平均速度估计方差，确定当前周期速度预测值及速度预测方差，根据当前周期速度预测值、速度预测方差、观测平均速度及数据质量影响系数，确定平均速度估计值及平均速度估计方差；对不同数据源类型平均速度估计值及平均速度估计方差融合得到车辆融合速度，确定当前周期交通运行状态，提高交通运行状态监测结果的准确度。监测结果的准确度。监测结果的准确度。
技术研发人员：姜伟浩 叶赛敏
受保护的技术使用者：杭州海康威视数字技术股份有限公司
技术研发日：2022.01.21
技术公布日：2022/2/24