骤3、在当前时间t之前[t_2 δ *tb, t_ δ *tb]区间和[t- δ *tb, t]区间内，判断 位置标签所属的多边形区域内，并统计每个区域内位置签到数据的数目m。和m 1<3
[0035] 步骤4、以当前统计周期[t_ δ *tb, t]与统计周期[t_2 δ *tb, t_ δ *tb]内的位置 签到数据变化量A m = I π^-m。I与上限阈值Mmax、下限阈值Mmin比较；若Δ m〈M min，那么δ = δ +1并重复步骤3 ;若Δ m>Mmax，那么δ = δ -1并重复步骤3 ;若Δ m e [Mmin, Mmax]，则确定 动态时间粒度为S倍的时间基数。
[0036] 根据本发明位置签到数据更新统计技术实施方案，所述过滤是指对交通参与者位 置信息剔除异常记录和重复记录。
[0037] 根据本发明的基本实施流程，所述动态时间粒度的交通参数融合模块具体实施包 括以下步骤：
[0038] 步骤1、同一检测区域泰森多边形中路段在动态时间周期[t，t+δ *tb]中η个检测 器信任度的权值矩阵W= {ωι，ω2... ωη}τ，其中ωι表示第i个检测器测得数据在融合过 程中权重比。
[0039] 步骤2、在动态时间周期[t，t+S*tb]内对第i个检测源的共叫个数据计算第i个 独立检测源的信息融合
，其中xa为待融合的第i个检测器获取的交通数据。
[0040] 步骤3、在动态时间周期[t，t+ δ *tb]内多种交通信息采集方法得到的信息融合结 果为
，其中4第i个独立检测源的信息融合结果。
[0041] 本发明的有益效果：
[0042] 1)利用基础传感器获取交通数据结合移动终端APP位置签到数据对城市交通数 据处理与大数据发展的趋势相契合。
[0043] 2)移动终端APP位置签到的聚类统计，通过位置签到数量变化对时间粒度需求在 线划分。
[0044] 3)根据时间粒度变化动态数据融合能有效提高速率，具有获取运算快捷、减少存 储冗余的优点。
【附图说明】
[0045] 图1为本发明的流程图。
[0046] 图2为本发明的多源检测设备采集间隔特征图。
[0047] 图3为本发明的道路交叉口泰森多边形构造示意图。
[0048] 图4为本发明的判断位置标签在泰森多边形区域内的流程图。
【具体实施方式】
[0049] 本发明以多源地基型交通检测器数据为基础，辅助交通参与者参与的移动终端 APP动态位置签到数据，提出了一种以位置签到数据动态确定时间粒度的路段多源交通数 据融合处理方法。以下结合附图和实施实例说明本发明的技术方案。
[0050] 如图1所示，实施例的流程具体包括以下步骤：
[0051] 步骤1 :提取实例路段地磁检测器、感应线圈检测器和视频监测器采集时间间隔 并提取时间基数。从实例路段地磁检测器（DE537919498)、视频监测器（DC00004838)和感 应线圈检测器（C0IL1518017)在时间段[ts，tj内多种检测器的历史数据时间间隔特征，如 图2所示。
[0052] 该步骤提取时间基数的流程具体包括以下步骤：
[0053] ①对多源数据记录提取交通参量导入数据库，并调整数据字段DetectorlD、 LaneNo、TimeStamp、Flow、Speed、Occ，，其中 DetectorlD 为检测器编号，LaneNo 为道路车 道编号，TimeStamp为检测时间标签，Flow为检测获取的交通流量，Speed为检测获取的车 辆地点速度，〇cc为检测获取的时间占有率。
[0054] ②对历史数据记录提取时间序列，则采集的交通数据时间序列有限集 {(t!，〇!)，（t2, 〇2)，…，（tn，on)}满足 ts彡 t A tji t i〈ti+1(i = 1，2,…，n-1)，〇i为对应时间 t交通参数集包含交通流量Flow、车辆地点速度Speed、时间占有率Occ，计算时间段[t s， tj 采集数据的时间间隔{Atk| Atk= t i+1-tj i = 1，2, "'n-l};
[0055] ③计算多源检测数据采集时间间隔的时间基数，即在时间段[ts，tj中，数据记录 了 m种时间间隔提取时间基数仇为
，其中Pik为第i个检测源中第k个 采集时间间隔A tk出现的概率，Γι为第i个检测源的采集数据量占所有检测数据的比例， η为区域内检测源数目。
[0056] 步骤2、按各地基型交通检测源提取空间位置参数DLatitude、DLongitude，对检 测数据进行空间信息加载得到交通数据的统一字段DetectorlD、DLatitude、DLongitude、 LaneNo、TimeStamp、Flow、Speed、Occ，其中 DLatitude 为检测器位置炜度，DLongitude 为 检测器位置经度。
[0057] 该步骤中单检测源数据基于时间基数的数据质量控制流程具体包括以下步骤：
[0058] ①若唯一
，则数据（ti，〇i)修正到（々,7+;)化，〇i);
[0059] ②若多个
则k个数据分别设为数据（ty 〇11)，（tl 2， 〇1_2)，…，（tl k，〇1_k)，数据^
:得到范化数据
[0060] ③若没有（ty 〇1) e (nTb，（n+l)tj，则交通数据在时间域上具有连续性，因 而利用前后两时间周期进行时间周期数据平移修复。设前后周期数据分别设为数据 (ti 2, Oi 2)，（ti p Oi D 和（ti+1，oi+1)，（ti+2, oi+2)，数据
得到范化数据
[0061] 步骤3、对涉及检测源的历史数据相关度因子、设备数据精度因子、环境影响因子 等方面定量评估，综合得到检测源信任度评估系数；
[0062] 该步骤检测源信任度评估流程具体包括以下步骤：
[0063] ①确定路段待融合的η个数据检测源，对第i个检测源数据^计算与第j个检测 源数据X]在一天内离散数据相关系数r u为
，其中X lk 为第i个检测源数据一天内第k个时间基数的数据，x]k为第j个检测源数据一天内第k个 时间基数的数据。
[0065] ②根据检测源离散数据相关系数中计算第i个检测源的数据相关度因子为
，其中为第i个检测源数据X ^十算与第j个检测源数据X ,相关系数。
[0066] ③对第i个检测源计算设备数据精度因子，其中为该类检测源固有检 测精度。
[0067] ④根据第i个检测源特性赋值环境影响因子Si，且
[0068] ⑤计算第i个独立检测源信任度评估系数ω
，其中Ci为第i个检 测源数据相关度因子，4为第i个检测源的设备数据精度因子，S i为第i个检测源的环境 影响因子。
[0069] 步骤4、对移动终端APP位置签到信息数据转换和过滤，并对检测区域内移动终端 APP位置签到数据动态变化更新；
[0070] 该步骤具体包括以下步骤：
[0071] ①检查位置签到数据的属信息是否齐全，对于缺失属性的位置签到数据予以删 除，并对数据按照标准字段 Venue id、Venue name、Latitude、Longitude、Checked UserlD 格式进行修正，其中Venue id为位置签到数据编号、Venue name为签到位置名称、Latitude 为签到位置炜度、Longitude为签到位置经度、Checked UserlD为位置签到数据来源移动终 端编号；
[0072] ②对相同Checked UserlD的重复位置签到数据进行数据合并处理，降低数据的冗 余度。
[0073] ③所有相邻检测道路交叉口连成三角形，作这些三角形各边的垂直平分线，于是 每个交叉口周围的若干垂直平分线便围成泰森多边形，如图3所示。唯一的道路交叉口包 涵在唯一的泰森多边形，并初始化时间基数系数δ为1。
[0074] ④将大量离散签到位置点集聚在多边形中，以时间基数的δ倍时间为统计周期， 在当前时间t之前[t-2 δ *tb，t- δ *tb]区间和[t- δ *tb，t]区间内，以扫描线法判断位置 标签所属的多边形区域