CN105825670A - 基于数据融合的道路过饱和状态判断方法及系统 - Google Patents

Abstract

提出一种基于数据融合的道路过饱和状态判断方法及系统，通过分别采集移动检测数据和固定检测数据，并分别对上述数据构建速度三维矩阵和流量三维矩阵，进一步采用分段线性拟合方式进行上述数据的融合，求解过饱和临界速度，多个过饱和临界速度构建三维矩阵，从而判断道路是否过饱和。该方法能够有效实现数据融合，且快速、准确地从城市层面上判断各条道路在不同时间维度、不同地段的过饱和状态，从而为交通拥堵治理和优化提供更加精确和科学的建议，也为实现实时交通状态判断和优化提供了可能。

Description

基于数据融合的道路过饱和状态判断方法及系统

技术领域

本发明涉及智能交通管理系统技术领域，具体涉及移动检测数据和固定检测器数据用于判断道路是否处于过饱和状态的方法及系统。

背景技术

随着近年来我国城市智能交通系统的发展，很多重要城市都兴建了各种交通检测手段来实现对城市交通系统的实时监测。这些检测手段主要是固定式交通信息采集技术和移动式交通信息采集技术。固定式交通信息采集技术是在主要道路和重要路口安装环形传感器、微波监测器等电子设备来监测路网上特定路段的某横截面处的交通数据，例如车流量、占用率等，进而获得车辆的平均车速，道路的交通拥堵情况等信息，但获得这些数据需要采用复杂的算法估算得到。这些设备的优点是对交通流的测量较为准确。移动式交通信息采集技术通过移动设备，如安装GPS车载定位装置的公交车或出租车，定时返回其位置、速度、行驶方向等信息，进而获得车辆行驶道路的相关路况信息。

专利文献1(CN201110042761)公开了一种基于数据融合的交通状况估计装置及其方法,其中根据浮动车GPS数据和固定检测器获取的交通状况，利用神经网络模型进行数据融合。

专利文献2(CN200910198692)公开了一种基于数据融合技术的交通状况估计方法，其中根据浮动车GPS数据和固定检测器获取的交通状况以及与天气、时间维度段、不同时刻有关的检测器数据，采用贝叶斯网络进行融合处理，估计当前交通状况。

专利文献1和2的主要缺点是浮动车随意停车以及GPS定位精度等多方面的影响，检测精度一直不能够达到所需要求，而且只能提供路段平均车速和行程时间维度等交通信息等，导致实时交通预测的精确度不高。

发明内容

本发明所要解决的技术问题是克服浮动车随意停车以及GPS定位精度等多方面的影响，提出一种移动检测数据和固定检测器融合来判断道路是否处于过饱和状态的方法及系统。

为解决上述技术问题，本发明采用如下技术方案予以实现。

本发明提供一种基于数据融合的道路过饱和状态判断方法，其特征在于，包含如下步骤：

步骤(1),通过移动检测数据，计算得出道路中每一路段的速度三维矩阵V_(x，y，z)；

步骤(2),利用固定检测器所采集的交通数据，计算得出道路中每一路段的流量三维矩阵F_(x，y，z)；

步骤(3),将计算得出的上述每一路段的上述速度三维矩阵V_(x，y，z)分别与对应的上述每一路段的上述流量三维矩阵F_(x，y，z)进行数据融合，计算得出多个过饱和临界速度V_t；

步骤(4),基于上述步骤(3)计算出的多个过饱和临界速度V_t，构建过饱和一维矩阵S_(z)；

其中上述x,y,z分别代表日期维度、时间维度、空间维度；

对所有(x，y，z)，判断(V_(x，y，z)-S_(z))是否大于0，若大于0，则表示该日期维度、该时间维度、该空间维度不处于过饱和状态，若小于等于0，则表示该日期维度、该时间维度、该空间维度处于过饱和状态。

优选的，所述速度三维矩阵V_(x，y，z)采用如下步骤计算：

步骤(1)，初始化日期维度、时间维度、空间维度；

步骤(2)，搜索数据点，并对上述数据点取平均速度，得到该日期维度、该时间维度、该空间维度的该数据点平均速度：其中i＝1,2,3,……n；

步骤(3)，采用迭代方法求解下一时间的平均速度，重复步骤(1)-(2)；

步骤(4)，采用迭代方法求解下一日期的平均速度，重复步骤(1)-(3)；

步骤(5)，采用迭代方法求解下一路段的平均速度，重复步骤(1)-(4)；

步骤(6)，在研究区域中所有路段都求解完毕后，停止搜索，得到速度三维矩阵V_(x，y，z)。

优选的，所述流量三维矩阵F_(x，y，z)采用如下步骤计算：

步骤(1)，初始化日期维度、时间维度、空间维度；

步骤(2)，搜索数据点，并对上述数据点取平均流量，得到该日期维度、该时间维度、该空间维度的该数据点的平均流量：F_(x，y，z)＝F₁+F₂+…+F_n；

步骤(3)，采用迭代方法求解下一时间的平均流量，重复步骤(1)-(2)；

步骤(4)，采用迭代方法求解下一日期的平均流量，重复步骤(1)-(3)；

步骤(5)，采用迭代方法求解下一路段的平均流量，重复步骤(1)-(4)；

步骤(6)，在研究区域中所有路段都求解完毕后，停止搜索，得到流量三维矩阵F_(x，y，z)。

优选的，所述数据点对应的时间项t_i，该时间项t_i为对应数据点所记录的时间，上述时间项t_i满足：

(2.014×10¹⁵+10⁶x+(5×10²)(y-1))＜t_i＜(2.014×10¹⁵+10⁶x+(5×10²)y)

其中i＝1,2,3,……n。

优选的，所述过饱和临界速度V_t采用如下步骤计算：

步骤(1)，融合所述速度三维矩阵和所述流量三维矩阵，找出某一天、某一时段、某一路段的速度和流量信息，匹配为数对记录到速度-流量三维矩阵中，即VF_(x，y，z)＝{V_(x，y，z)，F_(x，y，z)}；

步骤(2)，将速度-流量三维矩阵只保留空间维度进行降维，将同一路段不同日期维度、不同时段的速度-流量数对都聚集到一个路段中，之后针对每一个路段进行分段线性拟合的方法找到过饱和对应的临界速度。

优选的，所述分段线性拟合步骤如下：

步骤(1)，给定临界速度所在区间[a,b]，由此将速度分为三个区间[0,a]、[a,b]、[b,V_max],其中V_max为此路段的限速；

步骤(2)，用[0,a]、[b,V_max]内的点分别拟合出两条直线并满足上述的两个条件，即F_l＝k_lV；F_r＝k_r(V-V_max)其中k_l、k_r为拟合得到的左、右两条直线对应的斜率,F_l、F_r分别表示两条直线；

步骤(3)，通过两条直线相交得到交点，计算得到其中i为检测器序号，取正整数；

步骤(4)，若上述交点不在区间[a,b]内，就用上述交点代替其中一个边界重新拟合搜索，若上述交点在区间内，则以上述交点为中心，将上述边界到上述交点的距离缩小，继续以区间两边的点拟合取上述交点；

步骤(5)，重复上述步骤(2)-(4)，当满足条件|V_i-V_i-1|<ε时，其中ε为精确度，且范围为[0.001,1]，当条件满足时，停止拟合，V_i即为过饱和临界速度。

优选的，所述两条直线的拟合方式包括matlab拟合。

优选的，所述移动检测数据选自手机导航终端、移动电脑或车载GPS；所述固定检测器的数据选自线圈、微波或超声波。

优选的，所述日期维度构建方式为将公历日期按照升序排列；所述时间维度构建方式为以5分钟为单位，按照每天0-24点升序排列；所述空间维度构建方式为将道路切分为路段，依次排序。

本发明还提供一种基于数据融合的道路过饱和状态判断系统，其特征在于，包括：

移动检测数据采集单元，用于获取移动交通流数据；

固定检测数据采集单元，用于获取固定检测交通流数据；

移动检测数据处理单元，用于将上述移动检测数据采集单元获取的每一路段数据构建速度三维矩阵V_(x，y，z)，其中x,y,z分别代表日期维度、时间维度、空间维度；

固定检测数据处理单元，用于将上述固定检测数据采集单元获取的每一路段数据构建成流量三维矩阵F_(x，y，z)，其中x,y,z分别代表日期维度、时间维度、空间维度；

数据融合单元，用于将计算得出的上述每一路段的上述速度三维矩阵V_(x，y，z)分别与对应的上述每一路段的上述流量三维矩阵F_(x，y，z)进行数据融合，计算得出多个过饱和临界速度V_t；

过饱和状态判断单元，用于构建过饱和状态矩阵P_(x，y，z)，其中x,y,z分别代表日期维度、时间维度、空间维度，得出道路的交通状态信息；

对所有(x，y，z)，判断(V_(x，y，z)-S_(z))是否大于0，若大于0，则表示该日期维度、该时间维度、该空间维度不处于过饱和状态，若小于等于0，则表示该日期维度、该时间维度、该空间维度处于过饱和状态。

优选的，所述移动检测数据处理单元进一步包括：

轨迹匹配单元，用于搜索移动检测数据中行驶过研究区域的轨迹，依据经纬度和行驶方向信息将轨迹数据中每分钟上传的每一条数据匹配到对应的道路和路段上；

速度三维矩阵求解单元，用于依据日期维度、时间维度、空间维度求解轨迹数据的速度三维矩阵V_(x，y，z)。

优选的，所述固定检测数据处理单元进一步包括：

固定检测器数据匹配单元，用于根据固定检测器经纬度信息搜索研究道路该方向上有的固定检测器，并将固定检测器匹配到相应的路段；

流量三维矩阵求解单元，用于依据日期维度、时间维度、空间维度求解轨迹数据的速流量三维矩阵F_(x，y，z)。

优选的，所述数据融合单元进一步包括：

数据转换单元，用于构建速度-流量三维矩阵VF_(x，y，z)＝{V_(x，y，z)，F_(x，y，z)}；

数据拟合单元，采用分段线性拟合求解过饱和临界速度V_i。

优选的，所述日期维度构建方式为将公历日期按照升序排列；所述时间维度构建方式为以5分钟为单位，按照每天0-24点升序排列；所述空间维度构建方式为将道路切分为路段，依次排序。

本发明的上述技术方案实现了下述有益效果：

通过移动检测数据和固定检测器融合来判断道路是否处于过饱和状态的方法及系统，能够在现阶段计算机处理能力下有效实现数据融合，能够快速、准确地并从城市层面上判断各条道路在不同时间维度、不同地段的过饱和状态，从而为交通拥堵治理和优化提供更加精确和科学的建议，也为实现实时交通状态判断和优化提供了可能。

附图说明

图1是本发明中所涉及过饱和状态判断方法的流程图；

图2是本发明移动检测数据样例图；

图3是本发明固定检测器数据样例图；

图4是本发明中求解速度三维矩阵流程图；

图5是本发明中求解流量三维矩阵流程图；

图6是本发明中分段线性拟合流程图；

图7是本发明中分段拟合效果图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

图1示出了本实施例中所涉及过饱和状态判断方法的流程图，其包含：步骤(1),通过移动检测数据，计算得出道路中每一路段的速度三维矩阵V_(x，y，z)；

步骤(2),利用固定检测器所采集的交通数据，计算得出道路中每一路段的流量三维矩阵F_(x，y，z)；

步骤(3),将计算得出的上述每一路段的上述速度三维矩阵V_(x，y，z)分别与对应的上述每一路段的上述流量三维矩阵F_(x，y，z)进行数据融合，计算得出多个过饱和临界速度V_t；

步骤(4),基于步骤S3计算出的多个过饱和临界速度V_t，构建过饱和一维矩阵S_(z)；

对所有(x，y，z)，判断(V_(x，y，z)-S_(z))是否大于0，若大于0，则该日期维度、该时段、该路段不处于过饱和，若小于等于0，则该日期维度、该时段、该路段处于过饱和。

本实施例中数据来源分为两个部分，第一个部分是通过手机导航软件收集得到的移动检测数据，第二部分是城市中道路上的固定检测器采集到的微波数据。图2和图3分别示出了本实施例移动检测数据样例图和本实施例固定检测器数据样例图。

该移动检测数据记录下车辆的ID号以及每辆车每分钟的位置、时间维度、速度等信息，以出行轨迹为片段进行存储。其中记录的位置为经度和纬度，精确到小数点后四位；其中记录的时间维度为14位有效数字，包括年份、月份、日期维度、小时、分钟、秒等信息。其中记录的速度以千米每小时为单位，精确到小数点后四位。移动电脑或车载GPS也可作为移动检测数据的来源。

该固定检测器数据记录下检测器所在断面的位置以及每分钟的流量、占有率、速度等信息，以时间维度为序每个检测器单独一个文件存储。其中位置为检测器的经度和纬度，精确到小数点后四位；其中记录的时间维度信息由日期维度和时间维度组成，每分钟为一个单位，即一天对应每个检测器大约有1440条记录。其中记录的流量单位为辆，占有率为时间维度占有率，单位为秒，速度以千米每小时为单位，三者均精确到整数位。

图4为本实施例中求解速度三维矩阵流程图，包含步骤：

步骤(1)，初始化日期维度、时间维度、空间维度；

步骤(2)，搜索数据点，找到在该日期维度、该时段、该路段的数据点，该数据点的时间项t_i满足：

(2.014×10¹⁵+10⁶x+(5×10²)(y-1))＜t_i＜(2.014×10¹⁵+10⁶x+(5×10²)y)

其中i＝1,2,3,……n；

步骤(3)，对符合时间项t_i要求的、对应的n个数据点V_i取平均速度，得到该日期维度、该时段、该路段的平均速度：其中i＝1,2,3,……n；

步骤(4)，采用迭代方法求解下一时段的平均速度，重复步骤(1)-(3)；

步骤(5)，采用迭代方法求解下一日期的平均速度，重复步骤(1)-(4)；

步骤(6)，采用迭代方法求解下一路段的平均速度，重复步骤(1)-(5)；

步骤(7)，在研究区域中所有路段都求解完毕后，停止搜索，得到速度三维矩阵V_(x，y，z)。

具体是，首先，针对移动检测数据的特点，将研究区域的主要道路依据经纬度和行驶方向进行划分，之后将道路以100米为单位切分为不同路段，搜索移动互联网数据中行驶过研究区域的轨迹，依据经纬度和行驶方向信息将轨迹数据中每分钟上传的每一条数据匹配到对应的道路和路段上。

其次，对每条道路的一个方向进行三维矩阵描述，三个维度为日期维度、时间维度、空间维度。其中日期维度按照公历日期升序排列，如8月1日到8月30日，根据数据涵盖天数多少决定该维度宽度；其中时间维度以5分钟为单位，按照一天中0点到24点升序排列，如00:00-00:05-00:10等，该维度的宽度为288。其中空间维度在初始化时设置该道路的起点，之后按照第一步中切分得到的路段依此排序，该维度宽度受该道路长度影响。然后求解三维矩阵中每一个单元的平均速度，即找出某一天、某一时段、某一路段在第一步中匹配得到的所有轨迹点，求解这些轨迹点中记录的速度平均值。

采用V_(x，y，z)来表示速度三维矩阵，其中x、y、z分别代表日期维度、时间维度、空间维度，其中x即为日期，y为时间点对应在一天288个5分钟时间段中的位置，z为选取空间点距离起点的距离划分成100米的数量，例如在8月10日上午9点钟距离起点500米处的平均速度为50m/h可以表示为：V_{(x＝0810，y＝96，z＝5)}＝50。

例如：目标是求某一由东向西方向的道路上在8月1日到8月31日期维度间的三维速度矩阵，则：

1、初始化：求8月1日00:00-00:05第一个路段的平均速度，即x＝0801,y＝1,z＝1；

2、搜索在第一步轨迹匹配中得到的相应于第z路段的数据点，找出时间维度上为8月1日00:00-00:05的所有数据点，即数据点的时间项t_i满足：

(2.014×10¹⁵+10⁶x+(5×10²)(y-1))＜t_i＜(2.014×10¹⁵+10⁶x+(5×10²)y)

其中i＝1,2,3,……n；

3、搜索得到对应时间项t_i的n个数据点V_i，则取平均速度为：

$V_{\left(x=0801,y=1,z=1\right)}=\frac{(V_1+V_2+...+V_n)}{n}$

4、求完该时段平均速度后，再求下一时段的平均速度，即令y＝y+1迭代重复1-3步；

5、求完该天所有时段的平均速度后，再求下一天的平均速度，即令x＝x+1迭代重复1-4步；

6、求完该路段所有天所有时段的平均速度后，再求下一路段的平均速度，即令z＝z+1迭代重复1-5步；

7、在研究区域中所有路段都求解完毕后，停止搜索和求平均，得到三维速度矩阵V_(x，y，z)。

图5为本实施例中求解流量三维矩阵流程图，包含步骤：

步骤(1)，初始化日期维度、时间维度、空间维度；

步骤(2)，搜索数据点，找到在该日期维度、该时段、该路段的数据点，该数据点的时间项t_i满足：

(2.014×10¹⁵+10⁶x+(5×10²)(y-1))＜t_i＜(2.014×10¹⁵+10⁶x+(5×10²)y)

其中i＝1,2,3,……n；

步骤(3)，对符合时间项t_i要求的、对应的n个数据点F_i取平均流量，得到该日期维度、该时段、该路段的平均流量：F_(x，y，z)＝F₁+F₂+…+F_n；

步骤(4)，采用迭代方法求解下一时段的平均流量，重复步骤(1)-(3)；

步骤(5)，采用迭代方法求解下一日期的平均流量，重复步骤(1)-(4)；

步骤(6)，采用迭代方法求解下一路段的平均流量，重复步骤(1)-(5)；

步骤(7)，在研究区域中所有路段都求解完毕后，停止搜索，得到流量三维矩阵F_(x，y，z)。

具体是，首先，针对固定检测器数据的特点，根据固定检测器经纬度信息搜索研究道路该方向上有的固定检测器，并将固定检测器匹配到相应的路段。

其次，将道路按照速度三维矩阵的三个维度构建同等大小的流量三维矩阵，并初始化为零矩阵。搜索固定检测器流量数据中在某一天某一时段、某一路段的流量数据写入到矩阵中，如果没有检测到则保持为零。注意某些路段可能没有固定检测器，则该路段对应的日期维度-时间维度矩阵保持为零矩阵。注意由于时间段以五分钟为单位，而流量数据大部分以两分钟为单位，因此求解该五分钟时间段内流量时需要将该时间段内的多条数据叠加，跨时间段记录的流量记为二分之一。

用F_(x，y，z)来表示流量三维矩阵，其中x、y、z分别代表日期维度、时间维度、空间维度，例如在8月10日上午9点钟距离起点500米处的流量为60可以表示为：F_{(x＝0810，y＝96，z＝5)}＝60。

例如：目标是求某一由东向西方向的道路上在8月1日到8月31日期维度间的流量三维矩阵，则可以用下面的流程图来描述求解过程：

1、初始化：求8月1日00:00-00:05第一个路段的流量，即x＝0801,y＝1,z＝1；

2、搜索在第一步轨迹匹配中得到的z＝1路段的数据点，找出时间维度上为8月1日00:00-00:05的所有数据点，即数据点的时间项t_i满足：

(2.014×10¹⁵+10⁶x+(5×10²)(y-1))＜t_i＜(2.014×10¹⁵+10⁶x+(5×10²)y)

其中i＝1,2,3,……n；

3、搜索得到对应时间项t_i的n个数据点F_i，则求总流量：

F_{(x＝0801，y＝1，z＝1)}＝F₁+F₂+…+F_n

4、求完该时段流量后，再求下一时段的流量，即令y＝y+1迭代重复1-3步；

5、求完该天所有时段的流量后，再求下一天的流量，即令x＝x+1迭代重复1-4步；

6、求完该路段所有天、所有时段的流量后，再求下一路段的流量，即令z＝z+1迭代重复1-5步；

7、在研究区域中所有路段都求解完毕后，停止搜索和求和，得到流量三维矩阵F_(x，y，z)。

图6为本实施例分段线性拟合流程图，其包含步骤：

步骤(1)，给定临界速度所在区间[a,b]，由此将速度分为三个区间[0,a]、[a,b]、[b,V_max],其中V_max为此路段的限速；

步骤(2)，用[0,a]、[b,V_max]内的点分别拟合出两条直线并满足上述的两个条件，即F_l＝k_lV；F_r＝k_r(V-V_max)，其中k_l、k_r为拟合得到的左、右两条直线对应的斜率，F_l、F_r分别表示两条直线；

步骤(3)，通过两条直线相交得到交点，计算得到其中i为检测器序号；

步骤(4)，若此点不在区间[a,b]内，就用此点代替其中一个边界重新拟合搜索，若交点在区间内，则以此交点为中心，把边界到它的距离缩小10％，即将区间[a,b]缩小范围，继续以区间两边的点拟合取交点；

步骤(5)，重复上述步骤(2)-(4)，当满足条件|V_i-V_i-1|<ε时，其中ε为精确度，且范围为[0.001,1]，当条件满足时，停止拟合，V_i即为过饱和临界速度。

针对上述过饱和状态判断方法，本发明实施例还提供了相应的过饱和判断系统，该系统包括：

移动检测数据采集单元，用于获取移动交通流数据；

固定检测数据采集单元，用于获取固定检测交通流数据；

移动检测数据处理单元，用于将上述移动检测数据采集单元获取的每一路段数据构建速度三维矩阵V_(x，y，z)，其中x,y,z分别代表日期维度、时间维度、空间维度；

固定检测数据处理单元，用于将上述固定检测数据采集单元获取的每一路段数据构建成流量三维矩阵F_(x，y，z)，其中x,y,z分别代表日期维度、时间维度、空间维度；

数据融合单元，用于将计算得出的上述每一路段的上述速度三维矩阵V_(x，y，z)分别与对应的上述每一路段的上述流量三维矩阵F_(x，y，z)进行数据融合，计算得出多个过饱和临界速度V_t；

过饱和状态判断单元，用于构建过饱和状态矩阵P_(x，y，z)，其中x,y,z分别代表日期维度、时间维度、空间维度，得出道路的交通状态信息；

对所有(x，y，z)，判断(V_(x，y，z)-S_(z))是否大于0，若大于0，则该日期维度、该时段、该路段不处于过饱和，若小于等于0，则该日期维度、该时段、该路段处于过饱和。

优选的，所述移动检测数据处理单元进一步包括：

轨迹匹配单元，用于搜索移动检测数据中行驶过研究区域的轨迹，依据经纬度和行驶方向信息将轨迹数据中每分钟上传的每一条数据匹配到对应的道路和路段上；

速度三维矩阵求解单元，用于依据日期维度、时间维度、空间维度求解轨迹数据的速度三维矩阵V_(x，y，z)。

优选的，所述固定检测数据处理单元进一步包括：

固定检测器数据匹配单元，用于根据固定检测器经纬度信息搜索研究道路该方向上有的固定检测器，并将固定检测器匹配到相应的路段；

流量三维矩阵求解单元，用于依据日期维度、时间维度、空间维度求解轨迹数据的速流量三维矩阵F_(x，y，z)。

优选的，所述数据融合单元进一步包括：

数据转换单元，用于构建速度-流量三维矩阵VF_(x，y，z)＝{V_(x，y，z)，F_(x，y，z)}；

数据拟合单元，采用分段线性拟合求解过饱和临界速度V_i。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种基于数据融合的道路过饱和状态判断方法，其特征在于，包含如下步骤：

步骤（1）,通过移动检测数据，计算得出道路中每一路段的速度三维矩阵；

步骤（2）,利用固定检测器所采集的交通数据，计算得出道路中每一路段的流量三维矩阵；

步骤（3）,将计算得出的上述每一路段的上述速度三维矩阵分别与对应的上述每一路段的上述流量三维矩阵进行数据融合，计算得出多个过饱和临界速度；

步骤（4）,基于上述步骤(3)计算出的多个过饱和临界速度，构建过饱和一维矩阵；

其中上述x,y,z分别代表日期维度、时间维度、空间维度；

对所有，判断是否大于0，若大于0，则表示该日期维度、该时间维度、该空间维度不处于过饱和状态，若小于等于0，则表示该日期维度、该时间维度、该空间维度处于过饱和状态。

2.根据权利要求1所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述速度三维矩阵采用如下步骤计算：

步骤（1），初始化日期维度、时间维度、空间维度；

步骤（2），搜索数据点，并对上述数据点取平均速度，得到该日期维度、该时间维度、该空间维度的平均速度：，其中i=1,2,3,……n；

步骤（3），采用迭代方法求解下一时间的平均速度，重复步骤（1）-（2）；

步骤（4），采用迭代方法求解下一日期的平均速度，重复步骤（1）-（3）；

步骤（5），采用迭代方法求解下一路段的平均速度，重复步骤（1）-（4）；

步骤（6），在研究区域中所有路段都求解完毕后，停止搜索，得到速度三维矩阵。

3.根据权利要求1所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述流量三维矩阵采用如下步骤计算：

步骤（1），初始化日期维度、时间维度、空间维度；

步骤（2），搜索数据点，并对上述数据点取平均流量，得到该日期维度、该时间维度、该空间维度的该数据点的平均流量：；

步骤（3），采用迭代方法求解下一时间的平均流量，重复步骤（1）-（2）；

步骤（4），采用迭代方法求解下一日期的平均流量，重复步骤（1）-（3）；

步骤（5），采用迭代方法求解下一路段的平均流量，重复步骤（1）-（4）；

步骤（6），在研究区域中所有路段都求解完毕后，停止搜索，得到流量三维矩阵。

4.根据权利要求2或3所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述数据点对应的时间项t _i ，该时间项t _i 为对应数据点所记录的时间，上述时间项t _i 满足：

其中i=1,2,3,……n。

5.根据权利要求1-3中任一项所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述过饱和临界速度采用如下步骤计算：

步骤（1），融合所述速度三维矩阵和所述流量三维矩阵，找出某一天、某一时段、某一路段的速度和流量信息，匹配为数对记录到速度-流量三维矩阵中，即；

步骤（2），将速度-流量三维矩阵只保留空间维度进行降维，将同一路段不同日期维度、不同时段的速度-流量数对都聚集到一个路段中，之后针对每一个路段进行分段线性拟合的方法找到过饱和对应的临界速度。

6.根据权利要求4所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述分段线性拟合步骤如下：

步骤（1），给定临界速度所在区间[a,b]，由此将速度分为三个区间[0,a]、[a,b]、[b,V _max ],其中V _max 为此路段的限速；

步骤（2），用[0,a]、[b,V _max ]内的点分别拟合出两条直线并满足上述的两个条件，即；，其中、为拟合得到的左、右两条直线对应的斜率,F _l 、F _r 分别表示两条直线；

步骤（3），通过两条直线相交得到交点，计算得到，其中i为检测器序号，取正整数；

步骤（4），若上述交点不在区间[a,b]内，就用上述交点代替其中一个边界重新拟合搜索，若上述交点在区间内，则以上述交点为中心，将上述边界到上述交点的距离缩小，继续以区间两边的点拟合取上述交点；

步骤（5），重复上述步骤（2）-（4），当满足条件时，其中为精确度，且范围为[0.001,1]，当条件满足时，停止拟合，即为过饱和临界速度。

7.根据权利要求5所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述两条直线的拟合方式包括matlab拟合。

8.根据权利要求1所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述移动检测数据选自手机导航终端、移动电脑或车载GPS；所述固定检测器的数据选自线圈、微波或超声波。

9.根据权利要求1所述的基于数据融合的道路过饱和状态判断方法，其特征在于，所述日期维度构建方式为将公历日期按照升序排列；所述时间维度构建方式为以5分钟为单位，按照每天0-24点升序排列；所述空间维度构建方式为将道路切分为路段，依次排序。

10.一种基于数据融合的道路过饱和状态判断系统，其特征在于，包括：

移动检测数据采集单元，用于获取移动交通流数据；

固定检测数据采集单元，用于获取固定检测交通流数据；

移动检测数据处理单元，用于将上述移动检测数据采集单元获取的每一路段数据构建速度三维矩阵，其中x,y,z分别代表日期维度、时间维度、空间维度；

固定检测数据处理单元，用于将上述固定检测数据采集单元获取的每一路段数据构建成流量三维矩阵，其中x,y,z分别代表日期维度、时间维度、空间维度；

数据融合单元，用于将计算得出的上述每一路段的上述速度三维矩阵分别与对应的上述每一路段的上述流量三维矩阵进行数据融合，计算得出多个过饱和临界速度；

过饱和状态判断单元，用于构建过饱和状态矩阵，其中x,y,z分别代表日期维度、时间维度、空间维度，得出道路的交通状态信息；

对所有，判断是否大于0，若大于0，则表示该日期维度、该时间维度、该空间维度不处于过饱和状态，若小于等于0，则表示该日期维度、该时间维度、该空间维度处于过饱和状态。

11.根据权利要求10所述的一种基于数据融合的道路过饱和状态判断系统，其特征在于，所述移动检测数据处理单元进一步包括：

轨迹匹配单元，用于搜索移动检测数据中行驶过研究区域的轨迹，依据经纬度和行驶方向信息将轨迹数据中每分钟上传的每一条数据匹配到对应的道路和路段上；

速度三维矩阵求解单元，用于依据日期维度、时间维度、空间维度求解轨迹数据的速度三维矩阵。

12.根据权利要求10所述的一种基于数据融合的道路过饱和状态判断系统，其特征在于，所述固定检测数据处理单元进一步包括：

固定检测器数据匹配单元，用于根据固定检测器经纬度信息搜索研究道路该方向上有的固定检测器，并将固定检测器匹配到相应的路段；

流量三维矩阵求解单元，用于依据日期维度、时间维度、空间维度求解轨迹数据的速流量三维矩阵。

13.根据权利要求10-12中任一项所述的一种基于数据融合的道路过饱和状态判断系统，其特征在于，所述数据融合单元进一步包括：

数据转换单元，用于构建速度-流量三维矩阵；

数据拟合单元，采用分段线性拟合求解过饱和临界速度。

14.根据权利要求10所述的一种基于数据融合的道路过饱和状态判断系统，其特征在于，所述日期维度构建方式为将公历日期按照升序排列；所述时间维度构建方式为以5分钟为单位，按照每天0-24点升序排列；所述空间维度构建方式为将道路切分为路段，依次排序。