[发明专利]一种模型线性化迭代更新法的交通决策方法

权利要求书

1.一种模型线性化迭代更新法的交通决策方法，其特征在于，其步骤如下：

步骤1、交通状态参数计算：挖掘出有用数据进行实际交通状况分析，计算交通流量、车流密度、车流速度；

步骤2、状态预测模型建立：根据步骤1计算出的这些参数，建立交通流预测模型，包括拥挤程度、未来时段内对周边道路分支的影响状态估计建模；

步骤3、模型迭代更新：在车流分析应用中，学习各种情况下的交通流数据，修改预测模型参数，直到满足要求为止；

步骤4、智能决策：给出区域道路博弈算法，实施交通优化、区域调度、疏通交通拥堵，保证道路畅通。

2.根据权利要求1所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述步骤3中模型迭代更新采用迭代更新法，对不同段状态模型进行信息交互融合，相应地更新状态、状态误差、测量误差、过程增益值K(k+1)及其协方差P(k+1|k)。

3.根据权利要求2所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述迭代更新法的状态条件重初始化的方法如下：

设是交通流状态在k-1时刻的概率，是已知的；再设π_ji＝Pr{m_k＝m⁽ⁱ⁾|m_k-1＝m^(j)}是由在k-1时刻的m_k-1交通状态到k时刻的m_k交通状态的跳变概率，并且它是依赖于m_k交通状态作为已知条件；那么第i段k时刻交通状态的预测概率定义为下式：

上式可通过从第1时刻到第k-1时刻的量测来预测；

根据所有k-1时刻的量测，在下一时刻k，如果状态被估计是状态m_k＝m⁽ⁱ⁾，那么在当前k-1时刻，状态m_k-1＝m^(j)的概率是定义如下：

状态的混合估计为：

混合状态误差协方差为：

4.根据权利要求2所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述迭代更新法的状态交互的具体方法为：

预测状态误差协方差：

相应的测量误差协方差：

交互增益：

更新状态为：

更新协方差为：

5.根据权利要求2所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述迭代更新法的状态转变的概率更新的具体方法为：

状态交互更新，状态概率更新计算定义为：

其中，定义为：是第i段k时刻交通流的量测误差，是相应的误差协方差；

状态预测的最终更新为：

更新的最终增益：

相应的状态误差混合总协方差更新为：