科创中国

为了克服已有道路交通状态获取方法的准确性较差的不足，本发明提供了一种有效获取道路交通状态、准确性较好的基于空间交通特性Kernel-KNN匹配的道路交通状态获取方法。

一种基于空间交通特性Kernel‑KNN匹配的道路交通状态获取方法，首先提取目标路段及与其空间关联路段的具有代表性的道路交通数据，经过数据预处理后建立道路交通运行特征参考序列；然后选取空间道路交通数据序列，并构建空间道路交通数据序列的Mercer核；最后选取空间道路交通特征参考数据序列和当前空间道路交通特征序列，获取空间道路交通特征参考数据序列和当前空间道路交通特征序列在特征空间的欧式距离，通过KNN方法选取目标路段的k个道路交通状态，最后通过加权平均获取目标路段的道路交通状态。最终实现对道路交通运行状态实时、有效的动态估计。本发明有效获取道路交通状态、准确性较好。

智能交通管理领域

实时交通监控与管理：通过这种道路交通状态获取方法，交通管理部门可以实时了解道路的交通状况，如拥堵程度、车速分布等。例如，在城市交通指挥中心，利用该方法获取的数据，及时调整交通信号灯的配时，疏导交通拥堵，提高道路的通行效率。

交通事件检测与应急响应：能够快速检测道路上的交通事件，如交通事故、道路施工等。一旦发现异常交通状态，相关部门可以迅速启动应急响应机制，如派遣救援车辆、调整交通管制措施等，减少交通事件对交通秩序的影响。

智能交通系统开发领域

导航与路径规划优化：在智能交通系统中，地图导航软件可以利用这种道路状态获取方法提供的实时数据，为用户提供更准确的路况信息和更优化的路径规划。例如，根据道路的实际交通状态，为驾驶员推荐畅通的行驶路线，避开拥堵路段，节省出行时间。

交通流量预测与交通模型构建：通过对历史和实时交通状态数据的分析，该方法可以为交通流量预测和交通模型构建提供数据支持。例如，研究人员可以利用这些数据建立更准确的交通流模型，用于城市交通规划和交通设施建设的决策。

自动驾驶技术领域

自动驾驶决策辅助：对于自动驾驶车辆，准确的道路交通状态信息是做出安全、高效驾驶决策的关键。这种获取方法提供的实时路况数据可以帮助自动驾驶系统更好地规划行驶速度、跟车距离等决策参数，提高自动驾驶的安全性和舒适性。

车路协同系统建设：在车路协同系统中，道路端通过该方法获取交通状态并将信息传递给车辆。车辆可以根据这些信息与其他车辆和道路设施进行协同驾驶，如在路口实现更安全、高效的通行，是实现自动驾驶和智慧交通的重要技术支撑。

浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。

μi为第i个道路交通状态的权重值，其与当前空间道路交通数据序列与空间道路交通特征参考数据序列在特征空间的欧式距离成反比。

本发明的有益效果主要表现在：通过引入空间道路交通数据序列的核函数，将空间道路交通数据序列映射到高维空间，最后通过KNN匹配的方法最终实现道路交通状态的有效获取，其结果可以应用到交通状态分析、交通诱导及控制系统中。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。