集得到的实时车速，或者，各传感器采集得到的实时占有率。
[0024] 步骤5、根据实时交通事件acc、实时车辆排队长度I、实时行程时间tp、实时行车 距离s、实时拥挤长度Iw、修复交通事件acc'、修复车辆排队长度1 修复行程时间t ' p、修 复行车距离s'、修复拥挤长度Γ w确定实时交通状态d的初始值为畅通、缓行、一般拥堵或 严重拥堵。
[0025] 步骤6、判定平均车流量^、平均车速[、平均占有率[、实时交通状态d是否相容， 并根据判定结果采用相容融合方法或不相容融合方法确定交通状态预测结果。
[0026] 总之，本发明所述交通态势评估方法首先尽可能的利用各种传感器采集各种道路 状况信息，并对采集过程中由于天气、传感器故障等原因导致的信息丢失进行了修复，这就 使得本发明所获取的道路状况信息比较充分，尽可能避免了信息丢失。其次，本发明方法对 道路状况原始信息与道路状况修复信息依次进行了阈值检验、机理检验，进一步去除掉了 由于天气、传感器故障或人为等因素导致的与道路实际情况不同的不合理信息，进一步保 证了信息的真实性。再次，本发明通过实时最大传感器连接组确定实时的相互关联的对实 时道路状况起重要作用的各传感器，同时，去除相互关联性差、对实时道路状况不起作用或 作用很小的传感器，也就是说，实时动态传感器组的组成是实时变化的，这就进一步保证了 道路信息的准确性，同时排除了一些不相关的道路信息。最后，本发明通过判别道路信息组 成的决策系统的相容性，确定交通态势预测是采用相容融合方法还是不相容融合方法，又 进一层保证了预测准确性。由此可见，本发明所述交通态势评估方法具有评估准确、可信度 较高的特点，同时，计算复杂度也比较小。
[0027] 图2为本发明所述相关分析法进行数值修复的流程图。如图2所示，本发明步骤 2中，所述采用相关分析法进行数值修复，具体包括如下步骤：
[0028] 步骤21、设定初始信息数值缺失时刻t之前的η个数值序列为xt n，xt n+1，…， xt i，…，xt 1;其中，X t ;为η个序列中的任一值，t、n、i均为自然数，且1彡i彡η。
[0029] 步骤22、获取xt n，xt n+1，…，xti，…，xt 阶自相关系数rk:
CN 105118289 A 明 Ti 4/7 页
且满足
[0031 ] 步骤23、获取数值缺失时刻t的修复值
[0032] 本发明步骤3中，所述阈值检验包括：
[0033] 实时车流量阈值检测，具体为：0彡qb彡f fT/60 ;修复车流量阈值检验，具体为： 0彡q' f {T/60 ;其中，C为道路通行能力，T为采样时间，f。为第一修正系数，b为自然 数且1彡b彡5。
[0034] 实时车速阈值检测，具体为：0< f vVni;修复车速阈值检验，具体为： 0彡ν' K f vVni;其中，vji道路限速，f v为第二修正系数。
[0035] 实时占有率阈值检测，具体为：0< ob< 60TS。;修复占有率阈值检验，具体为： 0 < o' 60TS ;其中，S。为所述感应线圈se i、所述红外检测器se2、所述微波检测器se3、 所述声学检测器se4或者所述视频检测器se 5的扫描频率。
[0036] 实时行程时间阈值检测，具体为：
；修复行程时间阈值检 测，具体为：其中，1为道路长度，If3为车辆排队长度，T _为红灯 信号长度。
[0037] 本发明步骤3中，所述机理关系检验包栝，
[0038] 实时车流量与实时占有率的机理关系：
[0039] 修复车流量与修复占有率的机理关系：λ〇\2+τι〇Υ-ζ σ q彡q'b彡A〇'b2+ri 〇'b2+ ζ σ q0
[0040] 实时车流量与实时车速的机理关系：
[0048] 其中，λ、η、α、β、X p x2、X3为参数；σ q为实时车流量的标准偏差，σ v为实 时车速的标准偏差，σ f为浮动车采集得到的信息的标准偏差；N为车道数；f为每公里道路 信号交叉口数；ζ、θ、μ为修正系数。
[0049] 本发明步骤4中，所述确定实时最大传感器连接组，具体包括如下步骤：
[0050] 步骤41、将道路同一断面的感应线圈Se1、红外检测器、微波检测器se 3、声学检 测器se4、视频检测器％5组成传感器组。
[0051] 步骤42、根据传感器组中各传感器的测量值，获取各传感器单独对交通状态的决 策值db，具体为：感应决策值Cl1、红外决策值d5、微波决策值d 4、声学决策值d4、视频决策值 d5〇
[0052] 步骤43、获取传感器组中各传感器之间的决策距离：Ugj= 2| (dg_l/2) (Clj-Clg) |、 Ujg= 2| (d.厂1/2) (dg-dj) I ;其中，g，j = 1，2,3,4,5 且 g 乒 j。
[0053] 步骤44、获取决策距离矩罔
[0054] 步骤45、设定判决阈值P，并4
，获取关系矩阵：
[0055]
;其中，p为实数。
[0056] 步骤46、由!Tu= r M= 1的所有传感器组成实时最大传感器连接组。
[0057] 图3为本发明所述相容判定方法的流程图。如图3所示，本发明步骤6中，所述判 定平均车流量i、平均车速；；、平均占有率J、实时交通状态d是否相容，具体为：
[0058] 步骤61、将平均车流量^、平均车速;;、平均占有率J构成初始条件属性集
将实时交通状态d构成决策属性集De = {d}，将所述最大传感器 组检测序号作为论域U，由论域U、初始条件属性集A、决策属性集De、初始条件属性值与决 策属性值组成初始决策系统。
[0059] 步骤62、将论域U分别表示为关于决策属性De的等价关系F =仏，X2, X3, XJ、关 于初始条件属性A的等价关系R ;其中，&表示决策属性值为畅通的论域集合，乂2表示决策 值为缓行的论域集合，&表示决策值为一般拥堵的论域集合，X4表示决策值为严重拥堵的 论域集合。
[0060] 步骤63、判断精度
是否成立：如 果成立，则初始决策系统相容；如果不成立，则初始决策系统不相容；其中，上近似集
下近似集
> card( ·)表示 基数，[r]R表示等价关系R中的各分类，h = 1，2,3,4。 CN 105118289 A 说明书 6/7 页
[0061] 本发明步骤6中，所述采用相容融合方法确定交通状态预测结果，包括如下步骤：
[0062] 步骤6A1、构造第一区分矩阵UA) = {q(v，w)}eXf；;其中，
且 P (dv) ^ p (dw) )}?l^v<w^e?e =card (U) 表示论域u中的元素 v的初始条件属性的属性值，/(?ρ勿表示论域u 中的元素 w的初始条件属性％的属性值，ρ (dv)表示论域U中的元素 V的决策属性d的属 性值，P (dw)表示论域U中的元素 w的决策属性d的属性值；_
[0063] 步骤6A2、根据第一区分矩阵列写第一区分函数
'并通 过对第一区分函数的化简去除冗余条件属性，获得初始决策系统的条件属性核与必要条件 属性，且由条件属性核与必要条件属性组成的简化条件