CN103065460B - 一种基于浮动车数据的多车车速融合方法和装置 - Google Patents

Abstract

本申请提供了一种基于浮动车数据的多车车速融合方法，涉及智能交通技术领域。所述的方法包括：样本分析步骤、样本过滤步骤、样本判断步骤、车速融合步骤。本申请通过单样本基础权重、处理策略权重和路况状态权重的引入，从浮动车行驶特征的角度综合考量了浮动车多车样本间的共性与个性差异，最大程度的区分并利用了样本差异特征；通过多种路况状态的合理划分，从定性和定量的角度细化了道路交通状态；单样本基础权重融合系数、处理策略权重融合系数、路况状态权重融合系数和多种过滤极值的引入使得在应用于不同城市或区域时，针对当地的交通特性能够对样本过滤条件以及融合权重做出快速准确的调整；保证了融合的实时性、准确性和易推广性。

Description

一种基于浮动车数据的多车车速融合方法和装置

技术领域

本申请涉及智能交通技术领域，特别是涉及一种基于浮动车数据的多车车速融合方法和装置。

背景技术

浮动车是目前国际上ITS(Intelligent Transport System，国际智能交通系统)领域中一种先进的道路交通信息采集技术。通过安装在车辆上的GPS车载装置和无线通信设备，将车辆信息(如时间、瞬时车速、经纬度坐标、方向角等参数)实时的传送到浮动车信息中心，经过处理后生成反映实时道路路况的交通信息，并通过互联网和公众移动网络对外发布，为公众出行提供帮助，同时也为交通管理部门和在交通控制、诱导方面提供决策支持。

现有技术中，对浮动车多车车速的融合计算多采用简单的算术平均或单一置信度加权平均方法计算特定时段的车速，同时设置最小样本量，当对于特定某个时段的浮动车数据样本量大于最小样本量时，采用前述加权平均方法计算得到的车速作为该时段的车速，当对于特定的某个时段的浮动车数据样本量小于最小样本量时，考虑前一时段的加权平均车速和加权平均置信度修正该时段的车速。现有技术中存在以下缺点：

首先，虽然现有技术针对单一样本设置了相应的置信度，但单一的置信度权重值不能将隐含于浮动车数据中的特征有用信息(比如体现不同数据的GPS数据源对浮动车样本表征路况时的影响，具有不同行驶特征的浮动车样本对路况表达的准确性程度等)很好的提取和表达，不能最大程度的将差异样本进行区分和利用，使得对路况的表征不够准确和合理；

其次，多样本融合时的单一置信度和样本量判断条件使得动态交通信息处理系统在应用于多个城市或地区时，不能够针对当地的交通特性做出快速准确的调整，使得动态交通信息的快速推广受到相应限制。

发明内容

本申请所要解决的技术问题是提供一种基于浮动车数据的多车车速融合方法和装置，能从浮动车行驶特征等角度，综合考量在表征实时路况时浮动车多车样本间的共性与个性差异去融合多车车速，提高了实时路况的准确性，并且可根据实际应用交通环境调整相关参数，能够快速推广。

为了解决上述问题，本申请公开了一种基于浮动车数据的多车车速融合方法，包括：

样本分析步骤、对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速；

样本过滤步骤、针对所述各浮动车样本已处理数据，依据过滤极值对各浮动车样本进行过滤，得到有效浮动车样本；

样本判断步骤、将符合预置条件的有效浮动车样本转入车速融合步骤；

车速融合步骤、根据各有效浮动车样本的单样本基础权重、处理策略权重、计算获得的路况状态权重、预置的单样本基础权重融合系数、预置的处理策略权重融合系数、预置的路况状态权重融合系数和车速获得融合车速。

优选的，所述的预置条件包括：

当有效浮动车样本数量大于2；或者，

当有效浮动车样本数量等于2时，该两个浮动车样本的车速落在相同的路况状态区间，或该两个浮动车样本的车速落在不同的路况状态区间，但高速浮动车样本的处理策略权重小于低速样本的处理策略权重，且所述两个权重只差的绝对值大于等于阈值。

优选的，通过以下步骤进行车速融合：

各路况状态权重确认步骤、根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重；

融合总权重获得步骤、针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重；

车速获取步骤、根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。

优选的，所述浮动车样本的单样本基础权重根据浮动车样本的GPS数据源质量进行分析获得。

优选的，所述浮动车样本的处理策略权重根据浮动车样本的不同行驶特征策略分析获得。

优选的，所述单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数通过以下步骤获得：

步骤B1、根据实际交通环境设置初始单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数；

步骤B2、将由上述初始值处理得到的融合车速与实际路测车速真值进行比较，当两者误差大于阈值时，对单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数进行调整，直到所述误差小于等于阈值。

优选的，所述的路况状态的区间按照道路等级进行分配。

优选的，通过以下步骤依据过滤极值对各单样本浮动车样本进行过滤：

针对所述各浮动车样本已处理数据，对于浮动车样本车速大于样本车速极大值和小于样本车速极小值的该浮动车样本进行过滤。

优选的，还包括：

对于浮动车样本的处理策略权重小于处理策略权重极小值的浮动车样本进行过滤；

和/或，对于浮动车样本的单样本基础权重小于单样本基础权重极小值的浮动车样本进行过滤。

优选的，所述的样本车速极大值和样本车速极大值在不同的道路等级设置不同的极值。

相应的，本申请还公开了一种基于浮动车数据的多车车速融合装置，其特征在于，包括：

样本分析模块、用于对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速；

样本过滤模块、用于针对所述各浮动车样本已处理数据，依据至少两种过滤极值对各浮动车样本进行过滤，得到有效浮动车样本；

样本判断模块、用于将符合预置条件的有效浮动车样本转入车速融合步骤；

车速融合模块、用于根据各有效浮动车样本的路况状态权重、单样本基础权重、处理策略权重、预置的单样本基础权重融合系数、预置的处理策略权重融合系数、预置的路况状态权重融合系数和车速获得融合车速。

优选的，通过以下模块进行车速融合：

各路况状态权重确认模块、用于根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重；

融合总权重获得模块、用于针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重；

车速获取模块、用于根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。

与现有技术相比，本申请具有以下优点：

(1)单样本基础权重、处理策略权重和路况状态权重的引入，从浮动车行驶特征的角度综合考量了浮动车多车样本间的共性与个性差异，最大程度的区分了样本差异并对这些差异特征加以利用；

(2)多种路况状态的合理划分，从定性和定量的角度细化了道路交通状态。在平衡交通管理者以及交通参与者二者立场的基础上，对道路交通状态进行了定性划分，并针对不同应用城市或区域的实际交通状况对不同等级道路的路况色标阈值进行了定量标定；

(3)单样本基础权重融合系数、处理策略权重融合系数、路况状态权重融合系数和多种过滤极值的引入使得在应用于不同城市或区域时，针对当地的交通特性能够对样本过滤条件以及融合权重做出快速准确的调整，从而使得动态交通信息系统能够快速推广使用；

综上，通过本申请保证了融合结果的实时性、准确性和易扩展性。

附图说明

图1是本申请一种基于浮动车数据的多车车速融合方法的流程示意图；

图2是本申请一种基于浮动车数据的多车车速融合方法的最佳流程示意图；

图3是本申请一种基于浮动车数据的多车车速融合装置的结构示意图；

图4是本申请一种基于浮动车数据的多车车速融合装置的最佳结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

本申请提供了一种基于浮动车数据的多车车速融合方法和装置，能从浮动车行驶特征等角度，综合考量在表征实时路况时浮动车多车样本间的共性与个性差异去融合多车车速，提高了实时路况的准确性，并且可根据实际应用交通环境调整相关参数，能够快速推广。

参照图1，示出了本申请一种基于浮动车数据的多车车速融合方法的流程示意图。

样本分析步骤110、对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速。

根据采集路段区间的特定时间段内的各浮动车样本的原始数据，即对由带有GPS传输装置的各浮动车传输到控制中心的数据进行分析处理，获得各浮动车样本的已处理数据，其中所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速。

其中，优选的，所述浮动车样本的单样本基础权重根据浮动车样本的GPS数据源质量进行分析获得。

为方便说明，所述的单样本基础权重以α表示，对于所述的单样本基础权重α，该权重α体现不同的GPS数据源质量对浮动车样本表征路况时的影响大小。实际中，浮动车样本的GPS数据源质量包括GPS“数据匹配距离”、“GPS数据上传时间间隔”、“GPS数据丢弃数量比例”、“路径推测唯一性”等指标，当然也可包括其他影响浮动车样本的数据源质量的指标。

下面以浮动车样本GPS数据源的“数据匹配距离”、“GPS数据上传时间间隔”、“GPS数据丢弃数量比例”、“路径推测唯一性”四个指标为例：

单样本基础权重α可分别从“GPS数据匹配距离”、“GPS数据上传时间间隔”、“GPS数据丢弃数量比例”、“路径推测唯一性”四个指标方面进行相应设置，实际中，所述指标可通过实际统计分析获得。所述每个指标均设有优劣判断条件，当满足优秀条件时，记为1，不满足记为0，将最终的四个指标值进行求和(最大为4，最小为0)后整除4，得到单样本基础权重α的值，该α值最大为1，表明单样本GPS数据源质量最佳，该α值最小为0，表明单样本GPS数据源质量最劣。比如GPS数据匹配距离小于等于30米时为优，GPS数据上传时间间隔小于等于30秒为优，GPS数据丢弃数量比例小于50％为优，路径推测唯一性为True(真)为优，如果某个浮动车样本的GPS数据匹配距离小于30米时，则该指标为1；GPS数据上传时间间隔大于30秒，则该指标为0；GPS数据丢弃数量比例小于50％为优，则该指标为1，路径推测唯一性为True(真)，则该指标为1，则四个指标的和为3，得到该浮动车样本的单样本基础权重α为0.75。α根据实时路况系统应用的不同交通环境而不同。单样本基础权重的设立可有效体现不同交通环境下，不同的GPS数据源质量对最终融合结果的影响。

如果有m个指标，也可通过类似原理分析浮动车样本的单样本基础权重α。

优选的，所述浮动车样本的处理策略权重根据浮动车样本的不同行驶特征策略分析获得。

为了方便说明，所述的处理策略权重以β表示。对于所述的处理策略权重以β，权重β考虑了具有不同行驶特征的浮动车样本对路况表达准确性的差异程度。在实际中，可根据不同的行驶特征对样本的处理策略可分为转弯样本处理策略、信号灯样本处理策略、复杂路网样本处理策略、路径推测修正样本处理策略、GPS重新匹配样本处理策略以及特殊行驶状态样本处理策略等类，也可分为更多的类，每类中包括至少一个相应行驶特征的处理策略，总共h项行驶特征对应h个处理策略。所述h项特征都是比较特殊的行驶状态，不同的处理策略解决不同行驶特征的浮动车在表征路况时存在的问题，在没有采用相应的处理策略之前，符合这h项行驶特征的样本不能够正确的表征路况。每个浮动车样本的行驶特征每符合h项行驶特征对应样本处理策略中的n个时，记为n。β通过1-n*(1/h)进行计算，β值越高表征不同行驶特征的浮动车样本对路况表达准确性的越好。

比如其中，转弯样本处理策略包括交叉口转弯样本处理策略、多交叉口连续转弯样本处理策略；信号灯样本处理策略包括周期内信号灯样本处理策略、周期末信号灯样本处理策略；特殊行驶状态样本的处理策略包括空车低速样本处理策略、速度异常波动样本处理策略、调头行驶样本处理策略、空重车状态转换样本处理策略、行驶覆盖率不足样本处理策略，样本处理策略总共包括12项。

所述12项特征都是比较特殊的行驶特征状态，不同的处理策略解决不同行驶特征的浮动车在表征路况时存在的问题，在没有采用相应的处理策略之前，符合这12项行驶特征的样本不能够正确的表征路况。每个浮动车样本的行驶特征每符合12项行驶特征对应样本处理策略中的n个时，记为n。β通过1-n*(1/12)进行计算，β值越高表征不同行驶特征的浮动车样本对路况表达准确性的越好。

另外，还可对浮动车样本的原始数据进行处理得到每个浮动车样本的车速。在实际中，如果一浮动车样本β值为1，则可直接对该浮动车样本的原始数据进行处理得到该样本的车速；如果一浮动车样本β值不为1，即浮动车样本运用了前述特殊行驶特征，则先对浮动车样本的原始数据应用处理策略进行处理，再分析处理该浮动车样本的车速。

样本过滤步骤120、针对所述各浮动车样本已处理数据，依据过滤极值对各浮动车样本进行过滤，得到有效浮动车样本。

优选的，针对所述各浮动车样本已处理数据，对于浮动车样本车速大于样本车速极大值和小于样本车速极小值的该浮动车样本进行过滤。

在此基础之上，还可以处理策略权重极值对各浮动车样本进行过滤。其中，在某个城市的目标路段区间，所述的样本车速极大值和样本车速极小值可根据不同的道路等级设置不同的极值。比如根据北京的实际交通环境，在北京的快速路的样本车速极大值可设置为120，主干路的样本速度极大值可设置为100。

优选的，对于浮动车样本的处理策略权重小于处理策略权重极小值的浮动车样本进行过滤；

和/或，对于浮动车样本的单样本基础权重小于单样本基础权重极小值的浮动车样本进行过滤。

本申请的最佳过滤极值组合为根据实际交通环境分析确定样本车速极大值V_max，样本车速极小值V_min、处理策略权重极小值β_min和单样本基础权重以α_min。那么可将前述步骤110中得到的各浮动车样本的车速＞＝V_max或者＜＝V_min，或者处理策略权重＜＝β_min，或者单样本基础权重以＜＝α_min的浮动车样本进行过滤删除，保留其余的浮动车样本作为有效样本。以北京交通西二环交通路段为例，可根据西二环交通路段的实际情况，将快速路的样本车速极大值V_max设定为120，主干路的样本车速极大值V_max设定为100，所有等级道路的样本车速极小值V_min设为0，所有等级的处理策略权重极小值β_min设为0.5，所有等级的单样本基础权重以α_min设定为0.25，然后针对采集到的西二环路段的所有浮动车样本通过前述条件进行过滤，去除劣质样本。

样本过滤步骤对不满足最终融合条件的样本浮动车进行过滤，有效的屏蔽了劣质样本对最终融合计算的干扰。并且过滤极值可以根据不同的实际应用交通环境快速的进行调整，以过滤符合实际情况的劣质样本，方便快速扩展。

样本判断步骤130、将符合预置条件的有效浮动车样本转入车速融合步骤。

其中，所述的预置条件包括：当有效浮动车样本数量大于2；或者，

当有效浮动车样本数量等于2时，该两个浮动车样本的车速落在相同的路况状态区间，或该两个浮动车样本的车速落在不同的路况状态区间，但高速浮动车样本的处理策略权重小于低速样本的处理策略权重，且所述两个权重只差的绝对值大于等于阈值。

针对步骤120过滤得到的有效样本，可统计其有效样本的总量N_val，首先将N_val与2进行比较，如果有效样本数量大于2，则直接进入车速融合步骤140；如果样本数量等于2，且符合以下两种情况：(1)当两个浮动车样本的车速落在相同路况状态的区间；(2)当两个浮动车样本的车速落在不同路况状的态区间时，但高速样本处理策略权重＜低速样本处理策略权重，且|Δβ|＞＝阈值；那么进入车速融合步骤140。

对于有效浮动车样本数量等于2，不符合上述两种情况，而符合下述两种情况：(1)当速度不落在相同路况区间时，高速样本处理策略权重＞低速样本处理策略权重；(2)当速度不落在相同路况区间时，高速样本处理策略权重＜低速样本处理策略权重，且|Δβ|＜阈值；则采用高速优选策略获得该路段区间的车速。比如直接以高速的浮动车样本的车速作为该路段区间的最终车速，或者将高速的浮动车样本给以高权重，低速的浮动车样本给以低权重，然后加权平均得到该路段区间的最终车速。其中，所述阈值根据实际应用交通环境设定。

对于有效浮动车样本数量等于1的情况，可以直接以该浮动车样本的车速作为该路段区间的最终车速，也可通过步骤140获取该路段区间的融合车速。

样本判断步骤实现在不同的样本数量级别下，采用不同的融合算法，最大程度的利用当前计算周期内的优质浮动车样本，从而保证了融合结果的实时性和准确性。

其中，所述的路况状态区间为根据实际交通环境对多种路况状态的配置范围。优选的，本申请将路况状态分为5种：严重拥堵、中度拥堵、轻度拥堵、畅通、非常畅通。然后将车速化为从低到高划分为5个区间，分别对应5种路况状态。当然，也可以根据实际情况将路况状态分为其他种类。

优选的，所述的路况状态的区间按照道路等级进行分配。因为在不同的道路等级上车速的范围有所差别，所以为了提高实际交通情况的准确度，可以按照道路等级确认各种路况状态的区间。

下面以北京市为例，根据北京市的实际交通特性，可设置5种实时路况状态的色标阈值和路况状态区间，见表一：

表一

5种实时路况状态对应的色标颜色分别为：红色(严重拥堵)，橙色(中度拥堵)，黄色(轻度拥堵)，绿色(畅通)，蓝色(非常畅通)。

车速融合步骤140、根据各有效浮动车样本的单样本基础权重、处理策略权重、计算获得的路况状态权重、预置的单样本基础权重融合系数、预置的处理策略权重融合系数、预置的路况状态权重融合系数和车速获得融合车速。

优选的，各路况状态权重确认步骤A1、根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重。

如前面所述，本申请可根据实际情况预置多种路况状态，对于每种路况状态设置一个浮动车样本车速区间。其中，所述的区间可根据道路等级进行分配。那么对于各个有效浮动车样本的车速，就落在各种路况状态的区间内，则可统计每个路况状态的有效浮动车样本数量。对于路况状态权重γ，考虑了浮动车样本量对路况表达准确性的影响程度。不同车速的样本落在相同的路况状态区间时，具有相同的γ值。该值最大为1，表明所有样本全部落在同一路况状态区间，最小为0，表明该路况状态区间内无浮动车样本。γ的设置使得实时路况处理系统能够合理的反映“大多数”浮动车样本的行驶状态。

比如前述的5中路况状态，统计得到每种路况状态之中的有效样本数量分别为n₁，n₂，n₃，n₄，n₅，由公式(1)计算5种路况对应的路况状态权重f₁，f₂，f₃，f₄，f₅。

$f_i=n_i/\underset{i=1}{\overset{5}{\mathrm{\Σ}}}{n}_i---\left(1\right)$

融合总权重获得步骤A2、针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重。

在获得了每种路况状态的权重后，因为每个有效浮动车样本的车速都会分入一个路况状态区间，即会属于一种路况状态，那么每个有效浮动车样本γ_i就会对应一个路况状态权重f_i，而f_i的值已经通过前述步骤确定。那么对于每个浮动车样本i，结合通过前述步骤获得的该样本的单样本基础权重α_i和处理策略权重β_i，可以通过公式(2)获得每个浮动车样本i的融合权重w_i：

$\left(\begin{array}{c}{w}_1\\ \·\\ \·\\ \·\\ w_{N_{\mathrm{val}}}\end{array}\right)=\left(\begin{array}{ccc}{\mathrm{\α}}_1& {\mathrm{\β}}_1& {\mathrm{\γ}}_1\\ \·& \·& \·\\ \·& \·& \·\\ \·& \·& \·\\ {\mathrm{\α}}_{N_{\mathrm{val}}}& {\mathrm{\β}}_{N_{\mathrm{val}}}& {\mathrm{\γ}}_{N_{\mathrm{val}}}\end{array}\right)*\left(\begin{array}{c}a\\ b\\ c\end{array}\right)---\left(2\right)$

其中，a为单样本基础权重融合系数、b为处理策略权重融合系数和c为路况状态权重融合系数。

其中，优选的，所述单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数通过以下步骤获得：

步骤B1、根据实际交通环境设置初始单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数。

单样本基础权重融合系数a、处理策略权重融合系数b和路况状态权重融合系数c根据实时路况处理系统所应用的不同交通环境而不同，在系统应用初始时，赋予a、b、c以根据实际统计得到的初始参考值。

步骤B2、将由上述初始值处理得到的融合车速与实际路测车速真值进行比较，当两者误差大于阈值时，对单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数进行调整，直到所述误差小于等于阈值。

按照实时路况数据质量评测标准，根据本申请前述的步骤获得融合车速。根据多次实际路测的路段平均速度与每次通过前述过程处理计算得到的FCD(Floating Car Data，浮动车数据)速度(即融合车速)之间的比较结果，对a、b和c进行相应的调整，当实际路测速度真值与FCD速度间相对误差小于等于阈值时(一般为20％)，a、b、c参数的调整过程即告结束，即可作为本实时路况环境的a、b、c参数。三个参数的值不是唯一不变的，可随着系统优化升级和交通环境的改变而调整。

车速获取步骤A3、根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。

在获得了指定路段区间指定时段的每个有效浮动车样本的融合权重W_i后，在结合各有效浮动车样本的车速V_i采样公式(2)获得最终融合车速。

$V_{\mathrm{fusion}}=\underset{i=1}{\overset{N_{\mathrm{val}}}{\mathrm{\Σ}}}{V}_i\·w_i/\underset{i=1}{\overset{N_{\mathrm{val}}}{\mathrm{\Σ}}}{w}_i---\left(2\right)$

通过上述步骤得到指定路段区间指定时间段内的融合车速后，即可根据融合车速判断实时路段交通情况。

参照图2，示出了本申请一种基于浮动车数据的多车车速融合方法的最佳流程示意图。包括：

样本分析步骤210，对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速。

其中，所述浮动车样本的单样本基础权重根据浮动车样本的GPS数据源质量进行分析获得。

所述浮动车样本的处理策略权重根据浮动车样本的不同行驶特征策略分析获得。

然后进入步骤220，根据过滤极值进行判断各浮动车样本是否应该过滤，如果是，即该样本应该过滤，进入步骤230，即将劣质样本进行过滤；如果否，即该样本为有效样本，进入步骤240。其中过滤极值进行判断为：针对所述各浮动车样本已处理数据，对于浮动车样本车速大于样本车速极大值和小于样本车速极小值的该浮动车样本进行过滤；和/或对于浮动车样本的处理策略权重小于处理策略权重极小值的浮动车样本进行过滤；和/或，对于浮动车样本的单样本基础权重小于单样本基础权重极小值的浮动车样本进行过滤。

对于有效浮动车样本，步骤240判断其是否符合预置条件，如果不符合，转入步骤250，采用高速优先策略获得所述路段区间的车速；如果符合，转入各路况状态权重确认步骤260。其中所述的预置条件为：当有效浮动车样本数量大于2；或者，当有效浮动车样本数量等于2时，该两个浮动车样本的车速落在相同的路况状态区间，或该两个浮动车样本的车速落在不同的路况状态区间，但高速浮动车样本的处理策略权重小于低速样本的处理策略权重，且所述两个权重之差的绝对值大于等于阈值；

或者当有效浮动车样本数量等于2，符合下述两种情况：(1)当速度不落在相同路况区间时，高速样本处理策略权重＞低速样本处理策略权重；(2)当速度不落在相同路况区间时，高速样本处理策略权重＜低速样本处理策略权重，且|Δβ|＜阈值；则采用高速优选策略获得该路段区间的车速。当有效浮动车样本数量等于1时，采用高速优先策略。

各路况状态权重确认步骤260，根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重。

融合总权重获得步骤270，针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重。

车速获取步骤280，根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。

参照图3，示出了本申请一种基于浮动车数据的多车车速融合装置的结构示意图，包括：

样本分析模块310、用于对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速。

样本过滤模块320、用于针对所述各浮动车样本已处理数据，依据至少两种过滤极值对各浮动车样本进行过滤，得到有效浮动车样本。

样本判断模块330、用于将符合预置条件的有效浮动车样本转入车速融合步骤。

车速融合模块340、用于根据各有效浮动车样本的路况状态权重、单样本基础权重、处理策略权重、预置的单样本基础权重融合系数、预置的处理策略权重融合系数、预置的路况状态权重融合系数和车速获得融合车速。

其中所述的车速融合模块340包括：

各路况状态权重确认模块、用于根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重。

融合总权重获得模块、用于针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重。

车速获取模块、用于根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。

参照图4，示出了本申请一种基于浮动车数据的多车车速融合装置的最佳结构示意图，包括：

样本分析模块410、用于对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速。

样本过滤模块420、用于针对所述各浮动车样本已处理数据，依据至少两种过滤极值对各浮动车样本进行过滤，得到有效浮动车样本。

样本判断模块430、用于将符合预置条件的有效浮动车样本转入车速融合步骤。

高速优先策略模块440，用于技术不符合预置条件的有效浮动车样本的车速。

各路况状态权重确认模块450、用于根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重。

融合总权重获得模块460、用于针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重；

车速获取模块470、用于根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上对本申请所提供的一种基于浮动车数据的多车车速融合方法和装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (8)

1.一种基于浮动车数据的多车车速融合方法，其特征在于，包括：

样本分析步骤、对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速；

样本过滤步骤、针对所述各浮动车样本已处理数据，依据过滤极值对各浮动车样本进行过滤，得到有效浮动车样本；其中，所述浮动车样本的单样本基础权重根据浮动车样本的GPS数据源质量进行分析获得，所述单样本基础权重表示不同的GPS数据源质量对浮动车样本表征路况时的影响大小；所述浮动车样本的处理策略权重根据浮动车样本的不同行驶特征策略分析获得，所述处理策略权重表示具有不同行驶特征的浮动车样本对路况表达准确性的差异程度；

样本判断步骤、将符合预置条件的有效浮动车样本转入车速融合步骤；其中，所述的预置条件包括：当有效浮动车样本数量大于2；或者，

当有效浮动车样本数量等于2时，该两个浮动车样本的车速落在相同的路况状态区间，或该两个浮动车样本的车速落在不同的路况状态区间，但高速浮动车样本的处理策略权重小于低速样本的处理策略权重，且所述两个权重之差的绝对值大于等于阈值；

车速融合步骤、根据各有效浮动车样本的单样本基础权重、处理策略权重、计算获得的路况状态权重、预置的单样本基础权重融合系数、预置的处理策略权重融合系数、预置的路况状态权重融合系数和车速获得融合车速；

其中，所述单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数通过以下步骤获得：

步骤B1、根据实际交通环境设置初始单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数；

步骤B2、将由上述初始值处理得到的融合车速与实际路测车速真值进行比较，当两者误差大于阈值时，对单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数进行调整，直到所述误差小于等于阈值；

其中，当每次实际路测的路段平均速度与每次计算得到的融合车速之间的误差大于阈值时，对单样本基础权重融合系数a、处理策略权重融合系数b和路况状态权重融合系数c进行调整。

2.如权利要求1所述的方法，其特征在于，通过以下步骤进行车速融合：

各路况状态权重确认步骤、根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重；

融合总权重获得步骤、针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重；

车速获取步骤、根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。

3.如权利要求1或2所述的方法，其特征在于：

所述的路况状态的区间按照道路等级进行分配。

4.如权利要求1所述的方法，其特征在于，通过以下步骤依据过滤极值对各单样本浮动车样本进行过滤：

针对所述各浮动车样本已处理数据，对于浮动车样本车速大于样本车速极大值和小于样本车速极小值的该浮动车样本进行过滤。

5.如权利要求4所述的方法，其特征在于，还包括：

对于浮动车样本的处理策略权重小于处理策略权重极小值的浮动车样本进行过滤；

和/或，对于浮动车样本的单样本基础权重小于单样本基础权重极小值的浮动车样本进行过滤。

6.如权利要求4所述的方法，其特征在于：

所述的样本车速极大值和样本车速极小值在不同的道路等级设置不同的极值。

7.一种基于浮动车数据的多车车速融合装置，其特征在于，包括：

样本分析模块、用于对采集的路段区间特定时间段内的各浮动车样本的原始数据进行分析处理，获得各浮动车样本的已处理数据；所述已处理数据包括该浮动车样本的单样本基础权重、处理策略权重和车速；其中，所述浮动车样本的单样本基础权重根据浮动车样本的GPS数据源质量进行分析获得，所述单样本基础权重表示不同的GPS数据源质量对浮动车样本表征路况时的影响大小；所述浮动车样本的处理策略权重根据浮动车样本的不同行驶特征策略分析获得，所述处理策略权重表示具有不同行驶特征的浮动车样本对路况表达准确性的差异程度；

样本过滤模块、用于针对所述各浮动车样本已处理数据，依据至少两种过滤极值对各浮动车样本进行过滤，得到有效浮动车样本；

样本判断模块、用于将符合预置条件的有效浮动车样本转入车速融合步骤；其中，所述的预置条件包括：当有效浮动车样本数量大于2；或者，

当有效浮动车样本数量等于2时，该两个浮动车样本的车速落在相同的路况状态区间，或该两个浮动车样本的车速落在不同的路况状态区间，但高速浮动车样本的处理策略权重小于低速样本的处理策略权重，且所述两个权重之差的绝对值大于等于阈值；

车速融合模块、用于根据各有效浮动车样本的路况状态权重、单样本基础权重、处理策略权重、预置的单样本基础权重融合系数、预置的处理策略权重融合系数、预置的路况状态权重融合系数和车速获得融合车速；

其中，所述单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数通过以下步骤获得：

步骤B1、根据实际交通环境设置初始单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数；

步骤B2、将由上述初始值处理得到的融合车速与实际路测车速真值进行比较，当两者误差大于阈值时，对单样本基础权重融合系数、处理策略权重融合系数和路况状态权重融合系数进行调整，直到所述误差小于等于阈值；

其中，当每次实际路测的路段平均速度与每次计算得到的融合车速之间的误差大于阈值时，对单样本基础权重融合系数a、处理策略权重融合系数b和路况状态权重融合系数c进行调整。

8.如权利要求7所述的装置，其特征在于，通过以下模块进行车速融合：

各路况状态权重确认模块、用于根据预置的多种路况状态的区间，将每种路况状态区间中的浮动车样本数量除以总浮动车样本数量得到各路况状态权重；

融合总权重获得模块、用于针对每一有效浮动车样本，将该浮动车样本的单样本基础权重与单样本基础权重融合系数之积，该浮动车样本的处理策略权重与处理策略权重融合系数之积，该浮动车样本的路况状态权重与路况状态权重融合系数之积三者之和作为所述浮动车样本的融合总权重；

车速获取模块、用于根据每个有效浮动车样本的融合总权重，将各浮动车样本的车速进行加权平均得到融合车速。