一种数据驱动的城市交通流量估计与检测器布设方法

本发明公开了一种数据驱动的城市交通流量估计与检测器布设方法，搭建城市交通网络并采集部分路段的特征数据，构建融合特征数据的路段流量估计模型，并基于动态时间规整距离开展迁移学习，实现检测器未安装路段的交通流量估计。构建黑箱优化模型，并引入预算约束对布设方案进行约束。使用贝叶斯优化算法，并以高斯过程作为代理模型，对黑箱目标函数进行近似，并使用邻域搜索算法优化采集函数，通过不断迭代代理模型训练与采样点更新，在预算限制下高效逼近最优检测器部署方案。本发明兼顾估计精度、布设成本、运算效率，适用于大规模城市路网中检测器资源的智能化配置，为城市交通状态监测与流量管理提供了有效的数据支持与技术支撑。