[发明专利]大规模交通信息的数据处理及融合方法

权利要求书

1.一种大规模交通信息的数据处理及融合方法，其特征在于，包括：

根据测试车及各个传感器采集到的多源交通数据获得真值系统的标准数据，并确定参数的动态赋值方法；剔除所述传感器采集到的数据集合中的异常数据，并进行历史数据的补偿；对完成数据补偿的多源交通数据实时分级信息融合。

2.根据权利要求1所述的大规模交通信息的数据处理及融合方法，其特征在于，所述获得真值系统的标准数据的步骤具体包括：

通过多辆高采样率的测试车，在不同时段多次测试，并获得时段t的平均值，作为标准值：

其中，X_i，j(t)表示第i辆测试车的第j次在时段t测试的测量值，n辆车进行m次测量。

3.根据权利要求2所述的大规模交通信息的数据处理及融合方法，其特征在于，所述确定参数的动态赋值方法的步骤具体包括：

将时段t测试车采集到的数据及各个传感器采集到的数据，拆分出出租车数据、公交车数据、微波/线圈数据、视频监控数据以及车牌识别数据，作为时段t的各类交通信息数据；

分别以出租车数据、公交车数据、微波/线圈数据、视频监控数据及车牌识别数据在时段t的平均值为标准值计算其标准差：

D(X)=1NΣi=1,..(Xi-E(X))2]]>

其中，E(X)为t时段测试得到所有数据的平均值，X_i表示各类数据的第i个测试数据；

使用所述标准值及标准差，分别获得每类数据的正态分布图，确定可信区间，根据正态曲线，计算数据在可信区间的概率：

P(a<X<b)=∫ab1D(X)2Πe12(X-E(X)D(x))2]]>

其中，a,b分别表示测试数据偏离标准值X的左右可接受数据的界限值，D(X)为标准差，E(X)为平均值；

以所述数据在可信区间的概率对每类数据基本概率赋值函数m(A)进行赋值，赋值过程为m(A)=P(a<A<b)，A表示每类数据，P(a<A<b)表示每类数据在可信区间的概率。