CN107590999A - 一种基于卡口数据的交通状态判别方法 - Google Patents

Abstract

本发明公开了一种基于卡口数据的交通状态判别方法，包括通过卡口采集交通基础数据；对采集的交通基础数据进行预处理；采用改进的交通状态判别算法对预处理后的交通基础数据进行分析判别，得到道路交通状态，改进的交通状态判别算法根据道路长度、车辆自由流速度、交通信号周期、车辆实际旅行时间以及信号灯的绿信比系数进行分析判别。本发明通过卡口采集交通基础数据，能全面且完整地获取卡口可检测的车辆信息，另外，根据道路长度、车辆自由流速度、交通信号周期、车辆实际旅行时间以及信号灯的绿信比系数，采用改进的交通状态判别算法进行交通状态的分析判别，提高了道路交通运行状态的判别准确度。本发明可广泛应用于智能交通领域。

Description

一种基于卡口数据的交通状态判别方法

技术领域

本发明涉及智能交通领域，尤其是一种基于卡口数据的交通状态判别方法。

背景技术

传统的交通拥堵信息一般来源于交警执法队提供的交通广播或手机APP，这些信息多半依赖于人工或GPS获取的信息，如果遇到人力不足或者恶劣天气等情况，交通拥堵的信息发布就会受到影响，而且在当下的移动互联网时代，使用传统的广播方式来获取交通信息的人群在不断缩小。因此，开发一种可通过手机、PC等多种客户端随时查询道路交通运行状态的技术，具有日益广阔的市场需求。

目前，很多城市都装有完善的道路卡口交通设施，为交通执法和管理提供了多样化的可靠数据支撑，但是将交通基础数据应用于交通拥堵判别的技术仍偏少，当今市场的主流方法是通过出租车的车载GPS传感的地理位置等信息，计算道路中车辆的行驶速度。但这种方法仅限于获取出租车的行驶信息，无法全面获取其他车型(如货车、公交车、客车、社会车辆等)的相关数据，因此通过该方法对实际道路交通状况进行判别的准确率低，判别结果的可信度不高。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种全面且准确率高的基于卡口数据的交通状态判别方法。

本发明所采取的技术方案是：

一种基于卡口数据的交通状态判别方法，包括以下步骤：

通过卡口采集交通基础数据；

对采集的交通基础数据进行预处理；

采用改进的交通状态判别算法对预处理后的交通基础数据进行分析判别，得到道路交通状态，所述改进的交通状态判别算法根据道路长度、车辆自由流速度、交通信号周期、车辆实际旅行时间以及信号灯的绿信比系数进行分析判别。

进一步，所述交通基础数据包括经过交叉口的每一辆车的车牌号码以及过车时间。

进一步，所述对采集的交通基础数据进行预处理这一步骤，包括以下步骤：

获取并对交通基础数据进行数据补全；

对数据补全后的交通基础数据进行数据清洗。

进一步，所述获取并对交通基础数据进行数据补全这一步骤，包括以下步骤：

获取并对交通基础数据进行比对分析，得到漏检车辆的数据和未漏检车辆的数据；

根据未漏检车辆的数据对漏检车辆的数据进行补全，得到补全后的交通基础数据。

进一步，所述根据未漏检车辆的数据对漏检车辆的数据进行补全，得到补全后的交通基础数据这一步骤，包括以下步骤：

获取漏检车辆与未漏检车辆在两个相邻卡口的过车记录数据；

其中，漏检车辆是指卡口的过车时间已知，但车牌记录未知的车辆；未漏检车辆是指相应卡口的过车时间和车牌记录均为已知的车辆；

根据获取的漏检车辆与未漏检车辆的过车记录数据，计算漏检车辆与未漏检车辆在两个相邻卡口的过车时间差，所述过车时间差的计算公式为：Δt_A＝|t_A1-t_Ai|、Δt_B＝|t_{B j}-t_Bi|，其中，Δt_A为漏检车辆与未漏检车辆在第一卡口的过车时间差，Δt_B为漏检车辆与未漏检车辆在第二卡口的过车时间差，t_A1漏检车辆经过第一卡口的过车时间，t_Ai为未漏检车辆经过第一卡口的过车时间，t_Bj为漏检车辆经过第二卡口的过车时间，t_Bi为未漏检车辆经过第二卡口的过车时间；

根据漏检车辆与未漏检车辆在两个相邻卡口的过车时间差，计算Δt_A和Δt_B这两个过车时间差之间的差，Δt_A和Δt_B这两个过车时间差之间的差Δ_T的计算公式为：Δ_T＝|Δt_A-Δt_B|；

获取计算出的Δ_T的最小值MinΔ_T，判断MinΔ_T是否满足设定的阈值要求，若是，则以漏检车辆经过第一卡口的过车时间t_A1作为数据补全后的漏检车辆经过第一卡口的过车时间，并结合图像识别技术对漏检车辆的车牌信息进行补全；反之，则返回根据获取的漏检车辆与未漏检车辆的过车记录数据，计算漏检车辆与未漏检车辆在两个相邻卡口的过车时间差这一步骤。

进一步，所述对数据补全后的交通基础数据进行数据清洗这一步骤，包括以下步骤：

根据补全后的交通基础数据，计算车辆在任意两个相邻卡口之间的时间记录差；

对计算出的时间记录差进行排序，得到最小时间记录差；

根据最小时间记录差，判断车辆在任意两个相邻卡口之间的时间记录差是否满足Δ_t≥min(Δt_n)+(3-λ)*C，若是，则剔除车辆的信息；反之，则不做处理，其中，Δ_t表示车辆在两个相邻卡口之间的时间记录差，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间，min(Δt_n)为最小时间记录差。

进一步，所述采用改进的交通状态判别算法对预处理后的交通基础数据进行分析判别，得到道路交通状态这一步骤，包括以下步骤：

计算待分析道路的车辆路段理想旅行时间，所述车辆路段理想旅行时间的计算公式为：t_min＝S/V_max，其中t_min为车辆路段理想旅行时间，S为待分析道路的长度，V_max为车辆自由流速度；

根据预处理后的交通基础数据，计算待分析道路的车辆实际旅行时间；

根据计算得到的车辆路段理想旅行时间和车辆实际旅行时间，确定车辆的运行状态；

根据车辆的运行状态，确定待分析道路的交通运行状态。

进一步，所述根据计算得到的车辆路段理想旅行时间和车辆实际旅行时间，确定车辆的运行状态这一步骤，具体为：

根据车辆路段理想旅行时间、车辆实际旅行时间和车辆行驶方向前方的信号灯的绿信比系数，判定车辆的运行状态：

若t_min≤t<t_min+(1-λ)C，则判定车辆的运行状态为顺畅；

若t_min+(1-λ)C≤t<t_min+(2-λ)C，则判定车辆的运行状态为缓慢；

若t_min+(2-λ)C≤t<t_min+(3-λ)C，则判定车辆的运行状态为拥堵；

其中，t_min为车辆路段理想旅行时间，t为车辆实际旅行时间，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间。

进一步，所述根据车辆的运行状态，确定待分析道路的交通运行状态这一步骤，包括以下步骤：

根据车辆的运行状态，统计待分析道路中候选范围内所有运行状态对应的车辆数；

选取车辆数最多时对应的运行状态作为当前交通运行状态；

判断当前交通运行状态是否满足设定指标，若是，则以当前交通运行状态作为待分析道路的交通运行状态；反之，则修改候选范围并返回根据车辆的运行状态，统计待分析道路中候选范围内所有运行状态对应的车辆数这一步骤。

进一步，还包括以下步骤：

根据道路交通运行状态，对道路交通状况进行可视化信息展示和绕行指引。

本发明的有益效果是：本发明的一种基于卡口数据的交通状态判别方法，通过卡口采集交通基础数据，能够全面而且完整地获取所有车辆类型的信息，另外，本发明根据道路长度、车辆自由流速度、交通信号周期、车辆实际旅行时间以及信号灯的绿信比系数，采用改进的交通状态判别算法进行交通状态的分析判别，克服了现有方法仅通过车辆行驶信息进行交通状态推算的缺点，提高了道路交通运行状态的判别准确度。

附图说明

图1为本发明一种基于卡口数据的交通状态判别方法的步骤流程图；

图2为本发明实施例一的整体步骤流程图；

图3为本发明实施例一的相邻卡口位置分布示意图；

图4为本发明实施例一的数据补全步骤流程图；

图5为本发明实施例一的交通状态判别算法步骤流程图。

具体实施方式

参照图1，一种基于卡口数据的交通状态判别方法，包括以下步骤：

通过卡口采集交通基础数据；

对采集的交通基础数据进行预处理；

采用改进的交通状态判别算法对预处理后的交通基础数据进行分析判别，得到道路交通状态，所述改进的交通状态判别算法根据道路长度、车辆自由流速度、交通信号周期、车辆实际旅行时间以及信号灯的绿信比系数进行分析判别。

进一步作为优选的实施方式，所述交通基础数据包括经过交叉口的每一辆车的车牌号码以及过车时间。

进一步作为优选的实施方式，所述对采集的交通基础数据进行预处理这一步骤，包括以下步骤：

获取并对交通基础数据进行数据补全；

对数据补全后的交通基础数据进行数据清洗。

进一步作为优选的实施方式，所述获取并对交通基础数据进行数据补全这一步骤，包括以下步骤：

获取并对交通基础数据进行比对分析，得到漏检车辆的数据和未漏检车辆的数据；

根据未漏检车辆的数据对漏检车辆的数据进行补全，得到补全后的交通基础数据。

进一步作为优选的实施方式，所述根据未漏检车辆的数据对漏检车辆的数据进行补全，得到补全后的交通基础数据这一步骤，包括以下步骤：

获取漏检车辆与未漏检车辆在两个相邻卡口的过车记录数据；

根据获取的漏检车辆与未漏检车辆的过车记录数据，计算漏检车辆与未漏检车辆在两个相邻卡口的过车时间差，所述过车时间差的计算公式为：Δt_A＝|t_A1-t_Ai|、Δt_B＝|t_{B j}-t_Bi|，其中，Δt_A为漏检车辆与未漏检车辆在第一卡口的过车时间差，Δt_B为漏检车辆与未漏检车辆在第二卡口的过车时间差，t_A1为需要进行补全的漏检车辆经过第一卡口的过车时间，t_Ai为未漏检车辆经过第一卡口的过车时间，t_Bj为漏检车辆经过第二卡口的过车时间，t_Bi为未漏检车辆经过第二卡口的过车时间；

根据漏检车辆与未漏检车辆在两个相邻卡口的过车时间差，计算Δt_A和Δt_B这两个过车时间差之间的差，Δt_A和Δt_B这两个过车时间差之间的差Δ_T的计算公式为：Δ_T＝|Δt_A-Δt_B|；

获取计算出的Δ_T的最小值MinΔ_T，判断MinΔ_T是否满足设定的阈值要求，若是，则以漏检车辆经过第一卡口的过车时间t_A1作为数据补全后的漏检车辆经过第一卡口的过车时间，并结合图像识别技术对漏检车辆的车牌信息进行补全；反之，则返回根据获取的漏检车辆与未漏检车辆的过车记录数据，计算漏检车辆与未漏检车辆在两个相邻卡口的过车时间差这一步骤。

其中，漏检是指车辆经过卡口时，卡口能记录车辆的经过时间，但未能正确识别车牌记录，即未能记录车辆的车牌数据，此时系统将记录一条缺失车牌号码的过车记录；未漏检是指车辆经过卡口时，经过时间及车牌号码均能正确记录。如图3所示，A车为漏检车辆、B车为未漏检车辆，两者是相邻的车辆。另外，所述相邻卡口是指两个卡口之间没有其他分流点或者其他卡口，相邻卡口分别位于一段道路的起点和终点，t_A1为漏检车辆经过第一卡口的过车时间，t_Ai为未漏检车辆经过第一卡口的过车时间，t_Bj为漏检车辆经过第二卡口的过车时间，t_Bi为未漏检车辆经过第二卡口的过车时间。

进一步作为优选的实施方式，所述对数据补全后的交通基础数据进行数据清洗这一步骤，包括以下步骤：

根据补全后的交通基础数据，计算车辆在任意两个相邻卡口之间的时间记录差；

对计算出的时间记录差进行排序，得到最小时间记录差；

根据最小时间记录差，判断车辆在任意两个相邻卡口之间的时间记录差是否满足Δ_t≥min(Δt_n)+(3-λ)*C，若是，则剔除车辆的信息；反之，则不做处理，其中，Δ_t表示车辆在两个相邻卡口之间的时间记录差，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间，min(Δt_n)为最小时间记录差。

其中，所述数据清洗步骤的操作对象是所有车辆，通过逐一判断每一辆车的时间记录差，进而筛选出需要进行清洗的车辆，并删除该车辆对应的信息。

进一步作为优选的实施方式，所述采用改进的交通状态判别算法对预处理后的交通基础数据进行分析判别，得到道路交通状态这一步骤，包括以下步骤：

计算待分析道路的车辆路段理想旅行时间，所述车辆路段理想旅行时间的计算公式为：t_min＝S/V_max，其中t_min为车辆路段理想旅行时间，S为待分析道路的长度，V_max为车辆自由流速度；

根据预处理后的交通基础数据，计算待分析道路的车辆实际旅行时间；

根据计算得到的车辆路段理想旅行时间和车辆实际旅行时间，确定车辆的运行状态；

根据车辆的运行状态，确定待分析道路的交通运行状态。

其中，车辆自由流速度是指车辆在不拥堵的待分析道路上的正常行驶速度。

进一步作为优选的实施方式，所述根据计算得到的车辆路段理想旅行时间和车辆实际旅行时间，确定车辆的运行状态这一步骤，具体为：

根据车辆路段理想旅行时间、车辆实际旅行时间和车辆行驶方向前方的信号灯的绿信比系数，判定车辆的运行状态：

若t_min≤t<t_min+(1-λ)C，则判定车辆的运行状态为顺畅；

若t_min+(1-λ)C≤t<t_min+(2-λ)C，则判定车辆的运行状态为缓慢；

若t_min+(2-λ)C≤t<t_min+(3-λ)C，则判定车辆的运行状态为拥堵；

其中，t_min为车辆路段理想旅行时间，t为车辆实际旅行时间，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间。

进一步作为优选的实施方式，所述根据车辆的运行状态，确定待分析道路的交通运行状态这一步骤，包括以下步骤：

根据车辆的运行状态，统计待分析道路中候选范围内所有运行状态对应的车辆数；

选取车辆数最多时对应的运行状态作为当前交通运行状态；

判断当前交通运行状态是否满足设定指标，若是，则以当前交通运行状态作为待分析道路的交通运行状态；反之，则修改候选范围并返回根据车辆的运行状态，统计待分析道路中候选范围内所有运行状态对应的车辆数这一步骤。

其中，如果当前交通运行状态的车辆数不是高度接近或者相等于另一个交通运行状态，则可认为当前交通运行状态满足设定指标。

进一步作为优选的实施方式，还包括以下步骤：

根据道路交通运行状态，对道路交通状况进行可视化信息展示和绕行指引。

下面结合说明书附图和具体实施例对本发明作进一步解释和说明。

实施例一

针对现有技术只能通过出租车的车载GPS获取相应的行驶信息，进而推算道路的交通运行状况的问题，本发明提出一种基于卡口数据的交通状态判别方法。如图2所示，本发明通过对道路交通基础数据的采集、预处理以及运行状态分析，进而判别出道路的交通运行状况，并对交通拥堵路段的分布进行预警，指引车辆及时绕开拥堵路段。其中，对道路交通基础数据的采集是通过卡口上的交通流检测设备来进行的，这些设备可精确识别出车辆的类型、车牌号、行驶速度等详细信息；根据这些详细信息，本发明在完成数据预处理(即对采集的交通基础数据进行补全和清洗)之后，通过计算不同车型(比如出租车、巴士、小轿车等)的车速，结合设定的判别标准，对相关路段的交通运行状态进行分析，最后向外界发布实时信息，准确率高。

参照图2，本发明的基于卡口数据的交通状态判别方法具体包括以下步骤：

步骤一：数据采集：通过卡口信号灯等信息设备，采集车辆的实时位置、车速、所处状态等信息。根据实际需要，合理选择监测范围内的卡口，对重要的道路、交叉口的卡口进行筛选，挑选出具有代表意义的路段、区域，主要选择没有分岔点的道路(比如中间没有分岔点的两个收费站之间的高速公路)，以达到更好地表达城市交通拥堵情况的效果。另外，卡口通过GPS与地图进行匹配，能够准确获取经纬度等位置信息，便于后续步骤中对于距离以及时间差的计算，简化了本发明计算过程，提高了效率。

步骤二：数据预处理：包括对数据的补全和清洗。

数据补全是一种对设备漏检数据进行反推计算的方法，通常采用迭代的计算方式。因为在实际的道路上卡口检测时，受卡口的安装位置、卡口装备的拍摄角度、周边建筑物及植物的遮挡、夜晚及恶劣天气等因素影响，可能会对经过的车辆出现漏检的情况，因此在检测工作之前需要对数据进行一定的修复补全工作。本发明的数据补全方法可以根据已拍摄的车辆信息，补全其周边漏检的车辆过车记录信息，比如两辆同方向行驶的车在经过两个相邻卡口的时候都记录有车牌信息，其中一辆车有完整的卡口过车记录，而另一辆缺失了其中一个卡口的过车记录，由于两辆车辆距离很近，可以根据已知的卡口过车记录，反推出遗漏的一次过车记录，以此减少交通基础数据误差并提高卡口的检测精度。

参照图3和图4，本发明的数据补全方法具体包括以下步骤：

S1、分别获取同方向行驶的两辆车在两个相邻卡口A和B的过车记录。

其中，设定漏检车辆经过第一卡口A时的时刻t_A1(即为待求解的过车时间)，漏检车辆经过第二卡口B时为的时刻为t_Bj；未漏检车辆经过第一卡口A时的时刻为t_Ai，未漏检车辆经过第二卡口B时的时刻为t_Bi。

S2、根据上述多个过车记录，计算分别两辆车在第一卡口A的过车时间差Δt_A以及两辆车在第二卡口B的过车时间差Δt_B，并以此反推A车经过第一卡口A的过车记录。

所述过车时间差的计算公式为：Δt_A＝|t_A1-t_Ai|、Δt_B＝|t_Bi-t_Bj|，其中，Δt_A为漏检车辆与未漏检车辆在第一卡口的过车时间差，Δt_B为未漏检车辆与未漏检车辆在第二卡口的过车时间差，t_A1为待求解的漏检车辆经过第一卡口的过车时间，t_Ai为未漏检车辆经过第一卡口的过车时间，t_Bj为漏检车辆经过第二卡口的过车时间，t_Bi为未漏检车辆经过第二卡口的过车时间。

S3、根据漏检车辆与未漏检车辆在两个相邻卡口的过车时间差，计算Δt_A和Δt_B这两个过车时间差之间的差，则Δt_A和Δt_B这两个过车时间差之间的差Δ_T的计算公式为：Δ_T＝|Δt_A-Δt_B|，其中，Δt_A为漏检车辆与未漏检车辆在第一卡口的过车时间差，Δt_B为漏检车辆与未漏检车辆在第二卡口的过车时间差，Δ_T为两个过车时间差之间的差。

S4、根据上述Δ_T，获取其中的最小值MinΔ_T，设置合理的阈值，通过阈值的判定条件进行迭代计算，直至计算出满足阈值判定条件的过车时间t_A1。

S5、根据满足阈值判定条件的过车时间t_A1，结合其他手段(比如图像处理技术)对车辆的车牌号进行识别，确定漏检车辆的车牌牌号；最后通过计算出的过车时间t_A1对漏检车辆进行信息补全。

数据清洗则主要针对在两个相邻卡口间检测到的车辆的过车记录数据中，有部分车辆在两个相邻卡口之间有较长时间的停放等异常的情况。比如：设同一车辆在任意两个相邻卡口间检测的时间记录差值为Δt₁、Δt₂、Δt₃….Δt_n,，并以此求出所有时间记录差值中的最小值：min(Δt_n)。在实际生活中，对于两个连续的路口，一般最多出现等3次红灯的情况，如车辆的时间记录差超过等待3次红灯的时间，则被判定为有停车或者其他异常情况，因此该车辆属于需要清理的数据。具体地，如果当前车辆在对应的两个相邻卡口上的时间记录差满足Δ_t≥min(Δt_n)+(3-λ)*C，则剔除当前车辆信息，如此循环直至剔除所有需要清理的数据，其中，Δ_t表示当前车辆在两个相邻卡口之间的时间记录差，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间，min(Δt_n)为最小时间记录差，绿信比系数是指某相位有效绿灯时间和周期时长的比值。

步骤三：获取经过数据补全以及数据清洗后的交通基础数据，进行数据分析：主要根据各卡口检测到的地点、时间和车辆信息，采用改进的交通状态判别算法对车辆运行状态进行分级。

参照图5，改进的交通状态判别方法的具体包括以下步骤：

S1、根据获取到的交通基础数据，计算两个卡口间的车辆路段理想旅行时间，具体计算公式为：t_min＝S/V_max，其中t_min为车辆路段理想旅行时间，S为待分析道路的长度，V_max为车辆自由流速度。

S2、根据车辆路段理想旅行时间、车辆实际旅行时间和车辆行驶方向前方的信号灯的绿信比系数，判定车辆的实时运行状态：

若t_min≤t<t_min+(1-λ)C，则判定车辆的运行状态为顺畅；

若t_min+(1-λ)C≤t<t_min+(2-λ)C，则判定车辆的运行状态为缓慢；

若t_min+(2-λ)C≤t<t_min+(3-λ)C，则判定车辆的运行状态为拥堵；

其中，t_min为车辆路段理想旅行时间，t为车辆实际旅行时间，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间。

S3、根据上述判定标准，计算出各个车辆记录对应的交通运行状态之后，对候选范围内的交通记录进行计数统计，分别算出交通顺畅、交通缓慢和交通拥堵三个状态对应的车辆数量。

S4、选取车辆数最多时对应的运行状态作为该道路的交通运行状态，如果两个状态的车辆数高度接近或者相等，则可以适当调整候选范围的大小，重新统计样本量，直到出现满足指标的交通运行状态为止。

S5、根据判定得到的道路交通运行状态，对道路状况进行信息展示和绕行指引，其中，信息展示的方式包括发布文字、语音信息和可视化图形(如交通拥堵热力图)等。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于卡口数据的交通状态判别方法，其特征在于：包括以下步骤：

通过卡口采集交通基础数据；

对采集的交通基础数据进行预处理；

采用改进的交通状态判别算法对预处理后的交通基础数据进行分析判别，得到道路交通状态，所述改进的交通状态判别算法根据道路长度、车辆自由流速度、交通信号周期、车辆实际旅行时间以及信号灯的绿信比系数进行分析判别。

2.根据权利要求1所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述交通基础数据包括经过交叉口的每一辆车的车牌号码以及过车时间。

3.根据权利要求2所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述对采集的交通基础数据进行预处理这一步骤，包括以下步骤：

获取并对交通基础数据进行数据补全；

对数据补全后的交通基础数据进行数据清洗。

4.根据权利要求3所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述获取并对交通基础数据进行数据补全这一步骤，包括以下步骤：

获取并对交通基础数据进行比对分析，得到漏检车辆的数据和未漏检车辆的数据；

根据未漏检车辆的数据对漏检车辆的数据进行补全，得到补全后的交通基础数据。

5.根据权利要求4所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述根据未漏检车辆的数据对漏检车辆的数据进行补全，得到补全后的交通基础数据这一步骤，包括以下步骤：

获取漏检车辆与未漏检车辆在两个相邻卡口的过车记录数据；

其中，漏检车辆是指卡口的过车时间已知，但车牌记录未知的车辆；未漏检车辆是指相应卡口的过车时间和车牌记录均为已知的车辆；

根据获取的漏检车辆与未漏检车辆的过车记录数据，计算漏检车辆与未漏检车辆在两个相邻卡口的过车时间差，所述过车时间差的计算公式为：Δt_A＝|t_A1-t_Ai|、Δt_B＝|t_Bj-t_Bi|，其中，Δt_A为漏检车辆与未漏检车辆在第一卡口的过车时间差，Δt_B为漏检车辆与未漏检车辆在第二卡口的过车时间差，t_A1为漏检车辆经过第一卡口的过车时间，t_Ai为未漏检车辆经过第一卡口的过车时间，t_Bj为漏检车辆经过第二卡口的过车时间，t_Bi为未漏检车辆经过第二卡口的过车时间；

根据漏检车辆与未漏检车辆在两个相邻卡口的过车时间差，计算Δt_A和Δt_B这两个过车时间差之间的差，Δt_A和Δt_B这两个过车时间差之间的差Δ_T的计算公式为：Δ_T＝|Δt_A-Δt_B|，其中，Δt_A为漏检车辆与未漏检车辆在第一卡口的过车时间差，Δt_B为漏检车辆与未漏检车辆在第二卡口的过车时间差，Δ_T为两个过车时间差之间的差；

获取计算出的Δ_T的最小值MinΔ_T，判断MinΔ_T是否满足设定的阈值要求，若是，则以漏检车辆经过第一卡口的过车时间t_A1作为数据补全后的漏检车辆经过第一卡口的过车时间；反之，则返回根据获取的漏检车辆与未漏检车辆的过车记录数据，计算漏检车辆与未漏检车辆在两个相邻卡口的过车时间差这一步骤。

6.根据权利要求3所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述对数据补全后的交通基础数据进行数据清洗这一步骤，包括以下步骤：

根据补全后的交通基础数据，计算车辆在任意两个相邻卡口之间的时间记录差；

对计算出的时间记录差进行排序，得到最小时间记录差；

根据最小时间记录差，判断车辆在任意两个相邻卡口之间的时间记录差是否满足Δ_t≥min(Δt_n)+(3-λ)*C，若是，则剔除车辆的信息；反之，则不做处理，其中，Δ_t表示车辆在两个相邻卡口之间的时间记录差，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间，min(Δt_n)为最小时间记录差。

7.根据权利要求1所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述采用改进的交通状态判别算法对预处理后的交通基础数据进行分析判别，得到道路交通状态这一步骤，包括以下步骤：

计算待分析道路的车辆路段理想旅行时间，所述车辆路段理想旅行时间的计算公式为：t_min＝S/V_max，其中t_min为车辆路段理想旅行时间，S为待分析道路的长度，V_max为车辆自由流速度；

根据预处理后的交通基础数据，计算待分析道路的车辆实际旅行时间；

根据计算得到的车辆路段理想旅行时间和车辆实际旅行时间，确定车辆的运行状态；

根据车辆的运行状态，确定待分析道路的交通运行状态。

8.根据权利要求7所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述根据计算得到的车辆路段理想旅行时间和车辆实际旅行时间，确定车辆的运行状态这一步骤，具体为：

根据车辆路段理想旅行时间、车辆实际旅行时间和车辆行驶方向前方的信号灯的绿信比系数，判定车辆的运行状态：

若t_min≤t<t_min+(1-λ)C，则判定车辆的运行状态为顺畅；

若t_min+(1-λ)C≤t<t_min+(2-λ)C，则判定车辆的运行状态为缓慢；

若t_min+(2-λ)C≤t<t_min+(3-λ)C，则判定车辆的运行状态为拥堵；

其中，t_min为车辆路段理想旅行时间，t为车辆实际旅行时间，λ为车辆行驶方向前方的信号灯的绿信比系数，C为车辆行驶方向前方的信号灯的周期总长时间。

9.根据权利要求7所述的一种基于卡口数据的交通状态判别方法，其特征在于：所述根据车辆的运行状态，确定待分析道路的交通运行状态这一步骤，包括以下步骤：

根据车辆的运行状态，统计待分析道路中候选范围内所有运行状态对应的车辆数；

选取车辆数最多时对应的运行状态作为当前交通运行状态；

判断当前交通运行状态是否满足设定指标，若是，则以当前交通运行状态作为待分析道路的交通运行状态；反之，则修改候选范围并返回根据车辆的运行状态，统计待分析道路中候选范围内所有运行状态对应的车辆数这一步骤。

10.根据权利要求1-9任一项所述的一种基于卡口数据的交通状态判别方法，其特征在于：还包括以下步骤：

根据道路交通运行状态，对道路交通状况进行可视化信息展示和绕行指引。