浮动车数据与固定检测数据融合的旅行时间估计误差机理研究

浮动车采集和固定采集两种方式已成为交通信息采集的主要方式，由于在时空上具有显著的互补性，数据融合可弥补单一检测方式的不足。然而既有数据融合算法更加重视其相容性和互补性，忽略了由数据源本身的误差问题，导致放大互补性忽视矛盾性。数据采集及处理过程产生的误差将发生传递，进一步影响数据融合。本研究提出融合路况信息误差可识别性的概念，尝试应用盲信号分离理论和方法"逆向推理"数据融合过程，重点开展面向城市路段旅行时间估计的数据融合误差识别和模式判断研究，揭示数据融合过程中误差产生的机理。以乌鲁木齐市城市干道为实证研究对象，讨论数据融合后旅行时间估计的误差分布状态，构建误差专家库和数据融合误差模式识别系统，实现多源数据融合的快速前检验处理，简化分离冗余数据，识别数据融合条件。本研究将为多源数据融合提供一种崭新的研究方法，成为评价多源数据融合的基础研究，对于提高交通信息服务水平具有不可忽视的重要意义。

浮动车数据和固定检测数据已成为交通流参数的重要信息源，两数据的融合可实现提供广域全时间覆盖的交通信息，而数据融合的精度受到数据采集及处理过程的误差传递影响。本研究重点提出融合路况信息误差可识别性的概念，开展面向城市路段旅行时间估计的数据融合误差识别和模式判断研究，揭示数据融合过程中误差产生的机理。本项目取得主要研究成果如下：（1）城市道路路段旅行时间估计的误差识别与判断，调查并总结国内外在浮动车与固定检测器数据融合方法及实证研究方面的相关文献，深入分析各种算法的局限性，并对相关实证案例进行了研究，在此基础上比较了各类数据差异及其对数据可靠性的影响；（2）浮动车及固定检测数据差异分析，从分析浮动车数据与固定检测数据的时空覆盖范围和观测样本等基本特征着手，比较浮动车行程时间数据与固定检测交通参数数据及行程时间估计数据的异同点，进一步分析导致数据源差异和误差产生的各种机理；（3）基于多数据源的路径诱导系统，提出了浮动车数据与实时交通管制信息数据相融合以提高旅行时间预测精度的算法；（4）基于仿真数据的误差分布及模式识别，采用仿真数据分析数据融合的误差特征，并在此基础上对误差进行模式识别。在掌握不同融合算法下行程时间估计值误差分布特征的基础上，本研究利用K-均值聚类算法，对行程时间估计误差进行聚类，聚类结果表明，利用K-均值聚类算法可以实现行程时间估计误差的模式识别，确定行程时间估计误差的来源，为误差修正及提高数据融合精度奠定了基础，同时探索基于误差分类的数据融合算法及误差修正方法。