本发明涉及神经网络技术方法领域，更具体地，涉及一种基于自适应加权平均数据融合的路网MFD估测方法，提供一种基于自适应加权平均数据融合的路网MFD估测方法，将LDD估测法和FCD估测法所得的交通数据结合起来考虑，以车联网下100%联网车数据（Network Car Data，NCD）估测的交通参数为检验数据，引入动态误差，分别建立路网加权交通流量和路网加权交通密度的自适应加权平均数据融合模型，以便可获得更加准确的路网加权交通流量和路网加权交通密度在有固定检测器的路段，对固定检测器和浮动车所采集的交通数据进行自适应加权平均数据融合；在没有固定检测器的路段，用浮动车采集的交通数据提取路段加权交通流量和加权交通密度，估测路网MFD。
FCD估测法所得的交通数据结合起来考虑，以车联网下100%联网车数据（Network Car Data，NCD）估测的交通参数为检验数据，分别建立路网加权交通流量和路网加权交通密度的BP神经网络数据融合模型，以便可获得更加准确的路网加权交通流量和路网加权交通密度，从而更加准确地估测路网MFD。在有固定检测器的路段，对固定检测器和浮动车所采集的交通数据进行BP神经网络数据融合，得到路段加权交通流量和加权交通密度；在没有固定检测器的路段，用浮动车采集的交通数据提取路段加权交通流量和加权交通密度。最后依据数据融合的路网加权交通流量和加权交通密度，估测路网MFD。
