一种拉格朗日坐标系下多源数据融合的交通状态估计方法与流程

技术特征：
1.一种拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，包括以下步骤：利用交通检测器采集多源交通流数据；以交通流中车辆标号和时间作为坐标系原点，建立拉格朗日坐标系下的交通流模型；利用拉格朗日坐标系下的交通流模型根据采集的多源交通流数据估计道路交通状态。2.根据权利要求1所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述交通检测器具体包括：等间距布设在关键路口、交叉口进出口道以及主干道的固定检测器，以及移动于交通路网的移动检测器。3.根据权利要求1或2所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述利用交通检测器采集多源交通流数据具体包括：在道路首尾两端等间距布设固定检测器，采集通过固定检测器位置的交通流量、行车速度、占有率信息；在道路交通流中布设具有设定渗透率的移动检测器，采集行车轨迹信息。4.根据权利要求2所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述以交通流中车辆标号和时间作为坐标系原点，建立拉格朗日坐标系下的交通流模型，具体包括：根据交通流状态密度、交通流流量和交通流速度建立时空坐标系下的交通流基本图模型；根据固定检测器采集的交通流数据对时空坐标系下的交通流基本图模型参数进行标定；根据标定后的时空坐标系下的交通流基本图模型计算拉格朗日坐标系下的交通流基本图模型关系式；将时空坐标系下的交通状态转化为拉格朗日坐标系下的交通状态，并根据交通流速度与拉格朗日坐标系下的交通流基本图模型关系式的对应关系，建立拉格朗日坐标系下的交通流模型。5.根据权利要求1或4所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述拉格朗日坐标系下的交通流模型具体表示为：其中，表示求偏导函数，表示n号车在t时刻所处路段，表示拉格朗日坐标系下的交通流基本图模型关系式，s表示n号车在t时刻与前车的间距，，表示拥堵状态密度，表示交通流量达到通行能
力时的关键密度，w表示反向波波速，v
f
表示道路交通流自由流速度。6.根据权利要求2所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述利用拉格朗日坐标系下的交通流模型根据采集的多源交通流数据估计道路交通状态具体包括：根据固定检测器采集的交通流数据确定所估计道路交通状态的区域范围；根据移动检测器采集的交通流数据计算交通状态边界条件；根据交通状态边界条件估计区域范围内的道路交通状态。7.根据权利要求6所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述根据固定检测器采集的交通流数据确定所估计道路交通状态的区域范围具体包括：利用道路首尾段等间距布设的固定检测器，对道路行驶的车辆进行编号，并追踪道路上行驶的移动检测器的相应编号，确定道路最下游与最上游的移动检测器之间的道路区域范围。8.根据权利要求6所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述根据移动检测器采集的交通流数据计算交通状态边界条件具体包括：对移动检测器采集的交通流数据进行线性插值，生成一段连续的浮动车位置信息；根据每一个移动检测器的编号，计算每一个移动检测器对应的交通状态边界条件。9.根据权利要求6所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述根据交通状态边界条件估计区域范围内的道路交通状态具体包括：根据每一个移动检测器对应的交通状态边界条件计算拉格朗日坐标系下任意点的交通状态；采用lax
‑
hopf方法对拉格朗日坐标系下任意点的交通状态求解最优解；对交通状态的最优解进行坐标系转换，得到时空坐标系下的交通状态。10.根据权利要求9所述的拉格朗日坐标系下多源数据融合的交通状态估计方法，其特征在于，所述采用lax
‑
hopf方法对拉格朗日坐标系下任意点的交通状态求解最优解具体包括：对拉格朗日坐标系下任意点的交通状态的不同解，选取所有边界条件所计算的交通状态不同解的最小值为唯一解。

技术总结
本发明公开了一种拉格朗日坐标系下多源数据融合的交通状态估计方法；该方法包括利用交通检测器采集多源交通流数据；以交通流中车辆标号和时间作为坐标系原点，建立拉格朗日坐标系下的交通流模型；利用拉格朗日坐标系下的交通流模型根据采集的多源交通流数据估计道路交通状态。本发明可以有效利用多源数据融合的优越性，利用多源数据融合的方法实现大范围估计时空坐标系下任意一点的道路交通状态。估计时空坐标系下任意一点的道路交通状态。估计时空坐标系下任意一点的道路交通状态。


技术研发人员：韩科
受保护的技术使用者：四川国蓝中天环境科技集团有限公司
技术研发日：2021.09.08
技术公布日：2021/10/15