CN104715610A - 一种面向城市交通的交通指数计算方法 - Google Patents

Abstract

本发明涉及一种面向城市交通的交通指数计算方法，本计算方法是以流量和车速为定义，其计算方法是以城市交通中普遍使用的微波数据和浮动车数据为依据，通过数据融合、统计建模、数学建模等方法求取路网历史或实时交通指数。本发明具有计算结果准确性高、自适应性强、成本低、可行性强、计算过程简便、时间复杂度低、运算速度快的特点。

Description

一种面向城市交通的交通指数计算方法

技术领域

本发明涉及智能交通领域，尤其涉及一种面向城市交通的交通指数计算方法。

背景技术

伴随着微电子技术、计算机技术、数字通信技术、网络技术以及人工智能等各种高新技术的不断发展，传统的交通服务信息提供的拥堵、缓行和畅通三种交通态势信息已无法满足交通管理者和出行者对交通态势的直观性感知。

交通指数集交通拥堵空间范围、持续时间、严重程度为一体，是对路网交通总体运行状况进行定量化评估的综合性指标。与传统的车速、流量等参数相比，具有直观、简单的特点。交通指数让人们不仅模糊地知道堵或不堵，更能清楚地了解堵到何种程度，从而对全路网或区域路网交通运行情况有一个直观量化的了解。交通管理者根据交通指数采取有效的交通管措以保障路网的通行能力，减少拥堵的发生；交通参与者则可根据交通指数制定出行计划和时间安排等。

目前，交通指数在国内外已经有成功应用的经验。例如，美国每年发布《城市畅通性报告》，选择交通拥堵指数等指标，定期评估并向公众发布。随着我国交通信息化的不断推进，北京、上海、深圳等国内城市研究了不同定义、不同算法的交通指数，发布后取得了良好的效果。由于交通指数是根据所在城市的实际特点进行定义和计算的，不同城市的交通指数之间并不具有可比性。

与交通指数相关的专利大多数的是基于现有交通指数计算计算方法而提供的信息服务发布技术，比如专利《基于分布式框架的大规模实时交通指数服务方法与系统》、《路况拥堵提示装置》。专利《基于无人机测量的路段交通指数估算系统》提供了一种基于无人机测量的路段交通该指数估算系统，根据关键路段的GPS定位数据自动将无人机引入关键路段区域，使用航空摄像机和图像处理器对关键路段场景执行图像拍摄和图像处理，通过车辆目标识别的技术手段，估算关键路段的交通指数，但该方法在实现上存在耗资大等问题，目前还不存在应用场景。

由于微波雷达传感器和浮动GPS传感器车在当今城市交通中使用最为广泛，因此本发明尝试以微波、浮动车数据为依据建立实用、可靠的交通指数计算，从而在当前条件下为城市交通进行量化评估。

发明内容

本发明为克服上述的不足之处，目的在于提供一种面向城市交通的交通指数计算方法，该计算方法是以流量和车速为定义，其计算方法是以城市交通中普遍使用的微波数据和浮动车数据为依据，通过数据融合、统计建模、数学建模等方法求取路网历史或实时交通指数。

本发明是通过以下技术方案达到上述目的：一种面向城市交通的交通指数计算方法，包括如下步骤：(1)从数据库读取微波数据和浮动车数据并进行预处理；

(2)分别建立微波数据与路段信息的对应和浮动车数据与路段信息的对应关系；

(3)基于步骤(1)处理结果和步骤(2)的对应关系分别求得微波数据与浮动车数据场景下的路段自由速度与路段速度阈值；

(4)划分建立路段交通指数的对应关系，并结合路段速度阈值分别求得微波数据场景下的路段交通指数x_wave与浮动车数据场景下的路段交通指数x_float；

(5)根据步骤(4)结果与路段包含的数据种类综合得到路段的交通指数；

(6)根据微波数据、浮动车数据、路段交通指数计算求得路网交通指数。

作为优选，所述微波数据和浮动车数据包括速度、流量、日期、占有率信息。

作为优选，所述步骤(1)进行预处理包括微波数据清洗、浮动车数据清洗、缺失数据补充三个步骤。

作为优选，所述步骤(2)分别建立微波数据与路段信息的对应和浮动车数据与路段信息的对应关系的方法如下：

(a)建立微波数据与路段信息对应

本发明采用的微波雷达检测的是一个截面，即对微波雷达所处截面上的所有车道进行检测，并且按照时间顺序分别记录截面上各车道交通数据；在计算交通指数时，需要排除公交车道等速度干扰，因此对于每个路段不同车道上的数据，我们可以按照如下规则整合成该路段的一条数据信息；

路段速度＝该路段的中间车道速度；

路段总流量＝该路段各个车道流量之和；

其中路段速度排除了公交车道等带来的影响，路段总流量可从一定程度上反映路段的繁忙程度；

通过微波数据与路段信息的对应，我们可以获取的信息如下表1所示：

日期

时间

路段名称

路段速度

路段总流量

表1

(2)建立浮动车数据与路段信息对应

由于浮动车的道路行驶特征和数据特征，我们通过浮动车数据与路段信息的对应可以获取的信息如下表2所示：

日期

时间

路段名称

路段速度

道路等级

表2

作为优选，所述步骤(3)的自由速度是路段畅通时间段内路段车辆的速度均值；路段速度阈值通过建立交通运行状态与出行时间的关系，再结合路段的自由速度计算得到。

作为优选，所述步骤(4)划分建立路段交通指数的对应关系如下：设定交通指数取值为0-10，将交通状态根据交通指数划分为5个等级，[0,2)为畅通，[2,4)为基本畅通，[4,6)为轻度拥堵，[6,8)为中度拥堵，[8,10]为严重拥堵。

作为优选，所述微波数据与浮动车数据场景下的路段交通指数的计算映射公式如下：

$x=\left\{\begin{array}{cc}0.1& v>v_0\\ 2-1.9\left(\frac{v-v_1}{v_0-v_1}\right)& v_1<v\&le;v_0\\ 4-2\left(\frac{v-v_2}{v_1-v_2}\right)& v_2<v\&le;v_1\\ 6-2\left(\frac{v-v_3}{v_2-v_3}\right)& v_3<v\&le;v_2\\ 8-2\left(\frac{v-v_4}{v_3-v_4}\right)& v_4<v\&le;v_3\\ 10-2\left(\frac{v-v_4}{v_4}\right)& v\&le;v_4\end{array}\right.$

其中，x为交通指数，v为路段的建立速度，V₀为畅通路况下的速度阈值，V₁为基本畅通路况下的速度阈值，V₂为轻度拥堵路况下的速度阈值，V₃为中度拥堵路况下的速度阈值，V₄为严重拥堵路况下的速度阈值。

作为优选，所述步骤(5)综合得到路段的交通指数的方法如下：

A)若路段的数据种类只包含微波数据，则路段的交通指数x_wave为步骤(4)计算得到的微波数据场景下的路段交通指数；

B)若路段的数据种类只包含浮动车数据，则路段的交通指数x_float为步骤(4)计算得到的浮动车数据场景下的路段交通指数；

C)若路段的数据种类既包含微波数据又包含浮动车数据，则路段的交通指数x为x_wave与x_float的平均值。

作为优选，所述步骤(6)根据微波数据、浮动车数据、路段交通指数计算求得路网交通指数的方法如下：

I)对于存在微波数据的路段，利用微波总流量进行加权求取路网的交通指数X_wave，公式如下：

$X_{\mathrm{wave}}=\frac{\mathrm{\&Sigma;}{\mathrm{flow}}_i*x_i}{\mathrm{\&Sigma;}{\mathrm{flow}}_i}$

其中，x_i、flow_i分别为路段i的交通指数和总流量；

II)对于存在浮动车数据的路段，利用道路等级进行加权求取路网的交通指数X_float，公式如下：

$X_{\mathrm{float}}=\frac{\mathrm{\&Sigma;}(1/{\mathrm{level}}_i)*x_i}{\mathrm{\&Sigma;}(1/\mathrm{leve}{l}_i)}$

其中，x_i、level_i分别为路段i的交通指数和道路等级；道路等级level的取值为1、2、3、4，分别代表快速路、主干路、次干路和支路；III)基于步骤I)和步骤II)，按照如下公式计算得到整个路网交通指数X；

X＝(X_wave+X_float)/2。

本发明的有益效果在于：(1)本方法所提供的交通指数是以流量和车速为定义，并为道路建立符合其自身交通规律的交通计算模型，计算结果准确性高、自适应性强；(2)由于当前微波数据和浮动车数据在许多城市的此埃及和管理技术已经比较成熟，因此该方法的成本低、可行性强；(3)本方法采用微波与浮动车两种数据源，可以减少单一数据源所带来的数据缺失问题，并可提高数据的可靠性与准确性；(4)本方法在计算路段的自由速度时根据路段在畅通时段的历史数据信息为每个路段分别求取自由速度值，更加符合实际道路的车辆运行速度情况；(5)在利用微波数据计算交通指数时采用流量加权方法，该方法能够根据道路的实际繁忙程度来确定道路的重要性，避免了对道路权重的固化，不仅自适应性强，而且能够更加符合实际交通运行状况；(6)本方法所提供的交通计算方法计算过程简便、时间复杂度低、运算速度快。

附图说明

图1是本发明所述交通指数计算方法流程图；

图2是本发明实施例的原始微波数据图；

图3是本发明实施例的原始浮动车数据图；

图4是本发明实施例的微波检测车道信息图；

图5是本发明实施例根据微波数据和对应规则得到路段信息图；

图6是本发明实施例通过浮动车数据与路段信息的对应获取的信息示意图；

图7是本发明实施例的路段自由速度计算结果图；

图8是本发明实施例的路段速度阈值计算结果图；

图9是本发明实施例的微波数据示意图；

图10是本发明实施例的路网交通指数示意图1；

图11是本发明实施例的路网交通指数示意图2。

具体实施方式

下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：

实施例：本实施例采用杭州市2014年7月-2014年8月期间的微波数据和浮动车数据。微波检测器分车道同时输出一定统计周期内的检测器编号、检测时间、流量、车道编号、速度等，数据采样间隔为5分钟；浮动车GPS检测器输出一定统计周期内的检测器编号、路段编号、检测时间、速度等，数据采样间隔为5分钟。

如图1所示，一种面向城市交通的交通指数计算方法，步骤如下：

步骤1：从数据库读取原始数据：

连接“杭州路况”数据库，利用PL/SQL从数据库中读取出5分钟时间间隔的微波数据和浮动车数据。

原始微波数据如图2所示，具备以下字段信息：WAVE_ID为微波点位编号，标记记录该组数据的微波设备编号，与空间位置关联；DEV_WAY_ID是设备车道编号，标记该记录所测定的车道编号，以此区分各车道；TOTAL_FLOW是车道流量，统计该记录观测时间内，通过该车道的车辆总数；SPEED是车道平均速度，计算该记录观测时间内，通过该车道车辆的平均速度，单位是KM/H；OCCUPANCY为车道占有率，即车流占据道路的时间比率；COLLECT_TIME是数据采集时间，格式为hh:min；COLLECT_DATE是数据采集日期，格式为yyyy/MM/dd。

原始浮动车数据如图3所示，具备以下字段信息：GPS_ROAD_ID是浮动车路段编号，表示浮动车所在路段信息；BLOCK_SPEED是速度，单位是KM/H；COLLECT_DATE是数据的采集日期，格式为yyyy/mm/dd；COLLECT_TIME是数据的采集时间，格式为hh:min。

原始微波数据与浮动车数据有以下几个特点：

(1)每个微波检测的是同一方向的几个车道上的情况，包括速度、车辆运行特征等，每条浮动车GPS数据记录了车辆在当前路段的速度信息；

(2)微波数据和浮动车数据均以5分钟为时间间隔采集数据，并且都存在数据缺失现象；

(3)微波数据、浮动车数据可与路段信息进行对应；

(4)每个路段可对应道路等级类型信息，包括快速路、主干路、次干路和支路。

步骤2：原始数据预处理

(1)微波数据清洗

首先把采集到的流量、速度和占有率值与交通指挥部门根据历史数据得出的阈值进行比较，将阈值范围以外的数据定义为错误数据，下面以杭州市道路交通流数据为例，给出了具体的错误数据判别规则示例，如表3所示

表3

依据交通流理论得出的判别规则如表4所示。

表4

根据判别规则得到错误数据后，需要对错误数据进行修正，对于不满足理论阈值的数据，用阈值替代错误数据，对于不满足交通流理论的数据，采用历史数据平均的方法进行修正。

将原始微波数据与表1中所示的错误数据判别规则进行对比，将不满足阈值关系理论的数据利用阈值代替，对于不满足交通流理论的数据采用当前时刻前三个时刻检测值的平均值进行替代。比如图2中的第30行、31行数据不满足交通流理论规则，需要进行清洗。

(2)浮动车数据清洗

当浮动车速度为0时，我们认为浮动车停止不动，这种情况下无法反映道路的运行状况，因此我们需要对浮动车速度为0的数据进行清洗。清洗规则如下：

当某一路段某一时刻的浮动车速度为0时，如果该路段该时刻前的三个时刻浮动车速度均不为0，我们采用该路段该时刻前的三个时刻速度均值进行修正；如果该路段该时刻前的三个时刻的浮动车速度均为0，则利用历史同期(同一时刻的历史一个月的数据)的浮动车速度均值进行修正。

(3)缺失数据预处理

对于微波数据以及浮动车数据，当50％以上的设备无数据时，则给出设备异常、数据缺失的警示；当50％以上设备有数据时，若某一设备连续3个5分钟数据缺失时，则给出该微波设备数据缺失的警示；若某一设备存在1个或2个5分钟数据缺失时，我们选用该设备历史同期数据进行填补。本方法所选用的历史同期数据是指同一时间槽的一个月的历史的数据均值进行填补。具体情况如下表5所示：

表5

步骤3：建立微波数据与浮动车数据与路段信息的对应

(1)建立微波数据与路段信息对应

本发明采用的微波雷达检测的是一个截面，即对微波雷达所处截面上的所有车道进行检测，并且按照时间顺序分别记录截面上各车道交通数据。如图2原始微波数据所示，一个微波点(wave_id)对应多个车道(dev_way_id)。将预处理后的微波数据与路段信息进行关联时，我们定义路段速度为该路路段中间车道的速度，路段总流量为该路段各个车道的总流量。图4为微波检测车道信息，给出每个微波点的检测车道总数和边缘车道号，我们可据此得出每个路段的中间车道。根据微波数据和对应规则可得路段信息如图5所示。

(2)建立浮动车数据与路段信息对应

通过浮动车数据与路段信息的对应可以获取如图6所示。

步骤4：求取路段自由速度以及速度阈值

(1)求取路段自由速度

当道路通行状态非常良好时(比如凌晨)，车辆可以按照自由车速行驶，我们可以根据这一特征为每个路段求取自由速度。本发明所设计的路段自由速度按月更新，在计算当前每个路段的自由速度时采用上个月该路段22:00～05:00的速度均值。

例如：利用2014年7月微波数据得出2014年8月各路段的自由速度结果如图7所示。

(2)求取路段速度阈值

在计算交通指数时，我们首先需要建立交通运行状态与出行时间的对应关系，而此对应关系可根据城市的特点进行自定义调整。本发明所设计的对应关系如下表6所示：

交通运行状态	出行时间状况
		畅通	基本可按自由车速行驶
基本畅通	一次出行多花费0.3-0.6倍时间
		轻度拥堵	一次出行多花费0.6-0.9倍时间
中度拥堵	一次出行多花费0.9-1.2倍时间
		严重拥堵	一次出行多花费1.2倍以上时间

表6

根据出行时间和速度的换算关系以及每个路段的自由速度，可以求得每个路段在不同的交通运行状态下的速度阈值如下表7所示：

交通运行状态

速度阈值

畅通	Free-FlowSpeed(V0)
		基本畅通	Free-FlowSpeed/1.3(V1)
轻度拥堵	Free-FlowSpeed/1.6(V2)
		中度拥堵	Free-FlowSpeed/1.9(V3)
严重拥堵	Free-FlowSpeed/2.2(V4)

表7

例如：利用微波数据计算2014年8月各路段的速度阈值，结果如图8所示。

步骤5：建立路段交通指数的映射

本发明所设计的交通指数取值范围为0～10，分为畅通(0～2)、基本畅通(2～4)、轻度拥堵(4～6)、中度拥堵(6～8)和严重拥堵(8～10)五个等级。下表8列出交通指数不同取值所代表的交通拥堵状况。

交通指数	交通状态	交通拥堵状况
			[0,2)	畅通	交通运行状况良好，基本没有道路拥堵。
[2,4)	基本畅通	交通运行状况较好，有少量道路拥堵。
			[4,6)	轻度拥堵	交通运行状况较差，部分主干路拥堵。
[6,8)	中度拥堵	交通运行状况差，大量主干路拥堵。
			[8,10]	严重拥堵	交通运行状况很差，全市大部分道路拥堵。

表8

通过上述对应关系以及步骤4所得的路段速度阈值，可为每个路段的建立速度v与交通指数x的映射如下

$x=\left\{\begin{array}{cc}0.1& v>v_0\\ 2-1.9\left(\frac{v-v_1}{v_0-v_1}\right)& v_1<v\&le;v_0\\ 4-2\left(\frac{v-v_2}{v_1-v_2}\right)& v_2<v\&le;v_1\\ 6-2\left(\frac{v-v_3}{v_2-v_3}\right)& v_3<v\&le;v_2\\ 8-2\left(\frac{v-v_4}{v_3-v_4}\right)& v_4<v\&le;v_3\\ 10-2\left(\frac{v-v_4}{v_4}\right)& v\&le;v_4\end{array}\right.$

通过步骤4、5，我们分别根据微波数据和浮动车数据求取路段的交通指数。

步骤6：计算路段交通指数

(1)若某一路段在某一时刻只有微波数据，则该路段在该时刻的交通指数计算如下：

根据步骤4，通过微波历史数据求取该路段的自由速度以及速度阈值；根据步骤5，利用速度与交通指数的映射，求得该路段该时刻的交通指数x_wave。

例如，2014年8月3日08:00时解放路(建国中路-新城隧道)的微波数据如图9所示：

根据步骤4中该路段的速度阈值以及步骤5中速度与交通指数的对应关系，可得该路段该时刻的交通指数x_wave＝2.6。

(2)若某一路段在某一时刻只有浮动车数据，则该路段在该时刻的交通指数计算如下：

根据步骤4，通过浮动车历史数据求取该路段的自由速度以及速度阈值；根据步骤5，利用速度与交通指数的映射，求得该路段该时刻的交通指数x_float。

(3)若某一路段在某一时刻既有微波数据又有浮动车数据，则该路段在该时刻的交通指数计算如下：

根据上述(1)和(2)，可得x_wave与x_float；该路段在该时刻的交通指

数x为两者均值。

步骤7：计算路网交通指数

(1)利用微波数据计算路网交通指数

在某一时刻，对于有微波信息的路段，即步骤6中的(1)和(3)两种情况下，我们可得路段交通指数。利用微波总流量进行加权求取路网的交通指数公式X_wave如下：

$X_{\mathrm{wave}}=\frac{\mathrm{\&Sigma;}{\mathrm{flow}}_i*x_i}{\mathrm{\&Sigma;}{\mathrm{flow}}_i}$

其中，x_i、flow_i分别为路段i的交通指数和总流量。

在利用微波数据计算求取路网交通指数时，本方法采用道路的流量作为该道路在整个路网中的加权权重。由于道路的实时流量不仅可以避免道路权重的固话，而且实时流量可以反映出道路的实际繁忙程度，从而在计算整个路网的交通指数更加符合实际。

(2)利用浮动车数据计算路网交通指数

在某一时刻，对于只有浮动车数据的路段，即步骤6中的情况(2)，我们可得路段交通指数。利用道路等级进行加权求取路网的交通指数公式X_float如下：

$X_{\mathrm{float}}=\frac{\mathrm{\&Sigma;}(1/{\mathrm{level}}_i)*x_i}{\mathrm{\&Sigma;}(1/\mathrm{leve}{l}_i)}$

其中，x_i、level_i分别为路段i的交通指数和道路等级，道路等级level的取值为1、2、3、4，分别为快速路、主干路、次干路和支路。

(3)求取路网交通指数

在某一时刻，路网交通指数X计算如下：

X＝(X_wave+X_float)/2

根据杭州市2014年8月3日06:00-22:00微波数据和浮动车数据，计算杭州市2014年8月3日(星期日)路网交通指数如图10所示。

根据杭州市2014年8月4日06:00-22:00微波数据和浮动车数据，计算杭州市2014年8月4日(星期一)路网交通指数如图11所示。

以上的所述乃是本发明的具体实施例及所运用的技术原理，若依本发明的构想所作的改变，其所产生的功能作用仍未超出说明书及附图所涵盖的精神时，仍应属本发明的保护范围。

Claims (8)

1.一种面向城市交通的交通指数计算方法，其特征在于包括如下步骤：(1)从数据库读取微波数据和浮动车数据并进行预处理；

(2)分别建立微波数据与路段信息的对应和浮动车数据与路段信息的对应关系；

(3)基于步骤(1)处理结果和步骤(2)的对应关系分别求得微波数据与浮动车数据场景下的路段自由速度与路段速度阈值；

(4)划分建立路段交通指数的对应关系，并结合路段速度阈值分别求得微波数据场景下的路段交通指数x_wave与浮动车数据场景下的路段交通指数x_float；

(5)根据步骤(4)结果与路段包含的数据种类综合得到路段的交通指数；

(6)根据微波数据、浮动车数据、路段交通指数计算求得路网交通指数。

2.根据权利要求1所述的一种面向城市交通的交通指数计算方法，其特征在于，所述微波数据和浮动车数据包括速度、流量、日期、占有率信息。

3.根据权利要求1所述的一种面向城市交通的交通指数计算方法，其特征在于，所述步骤(1)进行预处理包括微波数据清洗、浮动车数据清洗、缺失数据补充三个步骤。

4.根据权利要求1所述的一种面向城市交通的交通指数计算方法，其特征在于，所述步骤(3)的自由速度是路段畅通时间段内路段车辆的速度均值；路段速度阈值通过建立交通运行状态与出行时间的关系，再结合路段的自由速度计算得到。

5.根据权利要求1所述的一种面向城市交通的交通指数计算方法，其特征在于，所述步骤(4)划分建立路段交通指数的对应关系如下：设定交通指数取值为0-10，将交通状态根据交通指数划分为5个等级，[0,2)为畅通，[2,4)为基本畅通，[4,6)为轻度拥堵，[6,8)为中度拥堵，[8,10]为严重拥堵。

6.根据权利要求1所述的一种面向城市交通的交通指数计算方法，其特征在于，所述微波数据与浮动车数据场景下的路段交通指数的计算映射公式如下：

$x=\left\{\begin{array}{cc}0.1& v>v_0\\ 2-1.9\left(\frac{v-v_1}{v_0-v_1}\right)& v_1<v{\&le;v}_0\\ 4-2\left(\frac{v-v_2}{v_1-v_2}\right)& v_2<v\&le;v_1\\ 6-2\left(\frac{v-v_3}{v_2-v_3}\right)& v_3<v\&le;v_2\\ 8-2\left(\frac{v-v_4}{v_3-v_4}\right)& v_4<v\&le;v_3\\ 10-2\left(\frac{v-v_4}{v_4}\right)& v\&le;v_4\end{array}\right.$

其中，x为交通指数，v为路段的建立速度，V₀为畅通路况下的速度阈值，V₁为基本畅通路况下的速度阈值，V₂为轻度拥堵路况下的速度阈值，V₃为中度拥堵路况下的速度阈值，V₄为严重拥堵路况下的速度阈值。

7.根据权利要求1所述的一种面向城市交通的交通指数计算方法，其特征在于，所述步骤(5)综合得到路段的交通指数的方法如下：A)若路段的数据种类只包含微波数据，则路段的交通指数x_wave为步骤(4)计算得到的微波数据场景下的路段交通指数；

B)若路段的数据种类只包含浮动车数据，则路段的交通指数x_float为步骤(4)计算得到的浮动车数据场景下的路段交通指数；

C)若路段的数据种类既包含微波数据又包含浮动车数据，则路段的交通指数x为x_wave与x_float的平均值。

8.根据权利要求1或7所述的一种面向城市交通的交通指数计算方法，其特征在于，所述步骤(6)根据微波数据、浮动车数据、路段交通指数计算求得路网交通指数的方法如下：

I)对于存在微波数据的路段，利用微波总流量进行加权求取路网的交通指数X_wave，公式如下：

$X_{\mathrm{wave}}=\frac{\mathrm{\&Sigma;}{\mathrm{flow}}_i*x_i}{\mathrm{\&Sigma;}{\mathrm{flow}}_i}$

其中，x_i、flow_i分别为路段i的交通指数和总流量；

II)对于存在浮动车数据的路段，利用道路等级进行加权求取路网的交通指数X_float，公式如下：

$X_{\mathrm{float}}=\frac{\mathrm{\&Sigma;}(1/{\mathrm{level}}_i)*x_i}{\mathrm{\&Sigma;}(1/{\mathrm{level}}_i)}$

其中，x_i、level_i分别为路段i的交通指数和道路等级；道路等级level的取值为1、2、3、4，分别代表快速路、主干路、次干路和支路；III)基于步骤I)和步骤II)，按照如下公式计算得到整个路网交通指数X；

X＝(X_wave+X_float)/2。