[发明专利]一种手机信令与路网大数据的融合方法及其应用与系统

摘要

本发明涉及一种手机信令与路网大数据的融合方法及其应用与系统，所述融合方法为：从运营商的信令接口中提取原始信令数据并进行筛选、清洗、降噪从而选择出符合路网运行监测需求的信令数据；对信令数据进行路网运行状态分析；与路网其它部区基于信令数据进行数据交换、与其它交通数据输入系统、发布系统进行数据交换，通过多源融合对多数据进行融合；所述多数据融合模型为通过卡尔曼滤波算法得到。在融合数据基础上提出了具体应用和系统。本发明基于手机信令和交通大数据的融合，实现为路网运行监测、预测提供准确的实时路网数据、为重大突发事件预警和应急处置提供技术支撑、为出行服务提供权威的信息、并为交通决策提供数据的共享和智能的分析。

主权项

1.一种手机信令与路网大数据的融合方法，其特征在于包括以下步骤：①从运营商的信令接口中提取原始信令数据；②对所述原始信令数据进行筛选得到被监测区域上发生的信令数据，然后进行清洗无效信令数据、剔除异常信令数据，并进行降噪从而选择出符合路网运行监测需求的信令数据；③对所述符合路网运行监测需求的信令数据进行路网运行状态分析；④与路网其它部区基于信令数据进行数据交换、与其它交通数据输入系统和/或发布系统进行数据交换，通过多源融合对多数据进行融合；所述多数据融合模型为通过卡尔曼滤波算法得到路网运行监测多数据的线性离散特性：Pt‑＝APt‑1AT+Qt    1‑3Kt＝Pt‑CtT(CtPt‑CtT+Rt‑1)‑1   1‑4Pt＝(1‑KtCt)Pt‑  1‑5其中式1‑1是卡尔曼滤波法的一般状态方程，式1‑2表示观测方程的一般形式，式1‑3至1‑5为校正方程；^表示预测估计值；右角标的‑表示前一阶段对该阶段的先验估计值；表示由前一状态对当前状态的估计值；A表示状态转移矩阵；表示前一阶段的最优估计值；B表示系统噪声矩阵；表示当前阶段的最有估计值；Kt表示卡尔曼增益矩阵，也即观测值与先验估计状态值之间的权重分配；zt表示滤波后的观测值矩阵；Ct表示测量系统的参数矩阵；Vt表示测量噪声矩阵；Pt‑表示误差协方差的先验估计矩阵；Pt‑1表示前一阶段误差协方差的最优估计值矩阵；Qt表示系统过程的协方差矩阵；Rt表示t周期的观测方差矩阵，为Vt的协方差矩阵；Pt表示当前阶段误差协方差的最优估计值矩阵；即所述多数据融合模型分为两块：历史数据融合负责生成前一阶段状态的估计值，实时数据融合负责生成现阶段的状态观测值，并综合确定监测路网运行车流量和区间速度的最终预测估计值。