本发明属于城市交通管理及交通系统评价的技术领域，涉及到ITS智能交通系统和ATIS出行者信息系统，特别涉及到建成环境对路段行程时间的解释及路段行程时间的估计方法。
背景技术：
Liu H X利用浮动车数据结合传统线圈数据和信号灯相位信息提出了一种信号控制道路上行程时间预测的方法；Hellinga B研究了浮动车在两次报告间的运行时间如何分配到经过的相应的路段上，将每一个观测到的总行程时间分为自由流时间、控制停车延误、拥挤延误；Rahmani M等直接基于路径讨论运行时间的估计，并且提出了一种不用参数估计的行程时间估计方法，考虑与研究路径相重合的浮动车运行轨迹，认为在路径和浮动车轨迹上的运行速度保持一致，则路径及浮动车轨迹经过各路段花费的时间正比于在该路段上行驶的距离。
技术实现要素：
本发明要解决的技术问题是用路段上车辆数的分布情况估计路段内和路段间行程时间分布的方法，用于建立行程时间历史数据库，可以代替距离作为路段运行时间分配系数。
本发明的技术方案：
基于建成环境和低频浮动车数据的路段行程时间估计方法，步骤如下：
(1)建立发送报告次数与运行时间的关系
在路段越拥堵、运行时间相对越长的路段上，浮动车发送报告的可能性越大，将浮动车发送报告这一事件作为随机变量，建立检测到的在各点浮动车发送报告次数与该点运行时间之间的关系。
浮动车发送报告的时间间隔是固定的，每个浮动车在任意时刻发送报告的可能性一致，设浮动车在每一时刻发送报告的概率均为ε，则
其中，T为浮动车两次发送报告之间的时间间隔，ε为浮动车发送报告的频率；
在任意一点，浮动车在该点x汇报其位置的可能性ρx与该浮动车在该点x的运行时间成正比
其中t(x)＜T
如果浮动车在某点处停留的时间大于u个发送报告周期，即t(x)＞uT，其中u∈N+且则u是最少发送报告的次数；其发送报告次数为u+1次的概率ρx为
假设在研究的时间段内，交通状态不变，也就是各点的运行时间均不变；分别把每个点浮动车经过作为一随机事件，假设浮动车在这一交通状态不变的时间段内运行是无差异的，认为多个浮动车经过是独立重复试验，服从伯努利分布，
则当t(x)＜T时，在各点汇报其位置次数为nx的概率px为
当t(x)＞uT,其中u∈N+时，在各点汇报其位置次数为nx的概率px为
其中，0＜nx-mu＜m，即mu＜nx＜mu(+1)，这里假设在每一个小段车辆发送报告的次数最多差一次，考虑到使用的是低频浮动车数据，这一假设比较合理。
本小节根据浮动车在某点发送报告的可能性与在该点的运行时间成正比，建立了在某点检测到的发送报告的浮动车数与该点运行时间的关系。
(2)路段运行时间与交叉口及建成环境的关系
将路段划分为若干节段，而每一节段的运行时间取决于观测到和未观测到的节段属性，节段属性包括该节段距离下游交叉口的距离、距离人行横道的距离和该节段所属路段的属性(如车道宽度、车道数、几何线形等)。特别考虑了行人进出造成对路段上车辆的干扰或机动车进出而形成机动车间相互干扰特别大的建成环境对节段运行速度的影响。
用一个线性结构表示与节段的运行时间相关的解释变量(管制因素如道路等级、路段几何线性、附近的土地利用)和特定节段的长度对节段运行时间t'(x)的影响。即
其中X表示路段，x表示其中某一节段，Aj表示影响节段运行时间的解释变量的值，例如道路等级、距离下游交叉口的距离等，αj表示各解释变量对节段运行时间的影响程度，为待估计的参数。
而得到路径运行时间的观测值为tok,k表示某一运行时间观测值，K表示所有运行时间观测值。各路段观测运行时间是其经过各节段的运行时间之和。而观测路段与节段的关系可以用一个K×X关联矩阵R表示，其中各个元素rkx表示各观测值k经过各节段x的距离与该节段总距离的比值。
上面用线性组合的方式建立了路段运行时间与交叉口及建成环境之间的关系。于是估计各个节段的运行时间就转化成了一个极大似然估计问题：
其中αj为待估计的参数，m是估计的车辆总数，nx为发送报告的车辆数。
估计的结果是各参数的值，而即可求出各个节段的运行时间。再根据路段和节段的关联矩阵即可求出路段的运行时间。
(3)路段行程时间的分配
路段内行程时间的分配：
在路段上总的运行时间是沿路段各点运行时间t"(x)的积分。即而路段内某一段运行时间是沿此段各点运行时间的积分，即
得到的车辆数的期望等于在该点汇报其位置的概率p(x)与试验次数(即经过该点的总车辆数m)的乘积E(x)＝mp(x)。
而观测到的在该点汇报其位置的车辆数nx是期望的无偏估计。浮动车在该点的运行时间与浮动车在路段上各点汇报其位置的可能性成正比。所以，可以认为浮动车在该点的运行时间与浮动车在路段上各点汇报其位置的次数成正比。即t(x)∝p(x)∝E(x)∝nx。
可对路段进行分段，统计一定时间间隔内在各段期间车辆报告位置的总次数，则各段的运行时间与路段总运行时间的比值等于在这一段车辆发送报告的总次数与整条路段上车辆发送报告的总次数n(x)的比值。
其中α1表示第一段的运行时间与路段总运行时间的比值，t1表示第一段的运行时间，l1、l2表示第一、第二段的起点，L表示最后一段的终点。
路段间行程时间的分配：
在进行路段间出行时间的分配时，仍然沿用上述思路，认为在相同交通状态下，车辆通过两条或多条路段的任意位置是一独立重复试验。两个路段运行时间的比值根据同时经过这两个路段的车辆在这两个路段上发送报告的总次数之比得到
其中T1、T2分别表示两路段的运行时间，L1、L2分别表示两路段的长度，这样就得出了所有路段之间的比值，也就解决了路段间运行时间分配的问题。
本发明的有益效果：加入建成环境作为路段运行时间的解释变量，证明了建成环境对于路段运行时间的解释性；把交叉口运行时间包含到路段行程时间中，把与交叉口的距离作为路段行程时间的解释变量，能够有效考虑交叉口处交通管理与控制设施对运行时间的影响。还给出了一种用路段上车辆数的分布情况估计路段内和路段间行程时间分配系数的方法，用于建立行程时间历史数据库，作为路段运行时间分配系数，提高路段行程时间估计结果的精度。
具体实施方式
以下结合技术方案叙述本发明的具体实施方式，并模拟发明的实施效果。
实施例
基于建成环境和低频浮动车数据的路段行程时间估计方法，步骤如下：
1.不同时段影响路段运行时间的各变量对应的参数值
各个路段本身的设计等级、几何线性、车道数等对运行时间的影响设定为一个参数，相当于该路段在远离交叉口、远离各种设施时，在研究时段内的运行时间。其他影响运行时间的因素有交叉口、信号控制、行人进出量较大的路边建成环境以及停车场、加油站等。选取交叉口、学校、医院、诊所、加油站作为五类影响设施，以各个节段距离设施的距离作为变量。为了体现距离设施的距离越近，影响越大这一特征，把变量取为距离的减函数。由于节段与设施远离到一定程度就可忽略该设施的影响，认为距离大于一公里的节段不再受影响。一公里范围内的各节段的距离变量的值取为1-distance/1000，而一公里范围外的各节段的距离变量取为0。注意，对于交叉口的处理是选取距离下游交叉口的距离，且每一个路段仅有一个下游交叉口，如果对于信号交叉口和无信号交叉口或者不同的交叉形式分别看作参数，任意一个节段的各个交叉口变量个数应小于等于1。
划分时段为10分钟，故每十分钟得到一组变量的值，六点钟到六点半之间得到的浮动车数据量较少，且试算的结果运行时间的估计值之间差别并不大，把这三个时段合并为一个时段。得到的参数结果如表所示。
出行时间各参数估计值
前16个变量相当于该路段在远离交叉口和各种设施时，在研究时段内的运行时间(单位s/m)。交叉口、学校、医院、诊所和加油站变量表示距离在一公里以内时，各建成环境增加的运行时间。所有变量的值都是正的，路段运行时间与建成环境之间是正相关的。
不加周围建成环境的解释变量时，其最大似然函数值与加周围建成环境的解释变量的极大似然函数值的对数的相反数对比如下所示。下表说明最小的似然比-2(LL-L0)＝30，而自由度为5，α＝0.05的χ2值为11.071，表明了把已建成环境作为解释变量的合理性。
有无建成环境解释变量的最大似然函数值的对数的相反数(-LL)对比
2.计算一条路径的运行时间
用所得参数计算沿锦山大街从丹东市公共交通总公司一公司到丹东市环境科学研究院的运行时间，结果如下表所示。同样体现了6：00-8：00之间增加的趋势。
沿锦山大街从丹东市公交一公司到环境科学研究院的运行时间随时间的变化
将所得时间与百度地图所测得的“约2.8公里/5分钟”基本吻合。而从六点钟开始行程时间逐渐增加也与实际情况相符。