1.一种模型线性化迭代更新法的交通决策方法，其特征在于，其步骤如下：步骤1、交通状态参数计算：挖掘出有用数据进行实际交通状况分析，计算交通流量、车流密度、车流速度；

步骤2、状态预测模型建立：根据步骤1计算出的这些参数，建立交通流预测模型，包括拥挤程度、未来时段内对周边道路分支的影响状态估计建模；

步骤3、模型迭代更新：在车流分析应用中，学习各种情况下的交通流数据，修改预测模型参数，直到满足要求为止；

步骤4、智能决策：给出区域道路博弈算法，实施交通优化、区域调度、疏通交通拥堵，保证道路畅通。

2.根据权利要求1所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述步骤3中模型迭代更新采用迭代更新法，对不同段状态模型进行信息交互融合，相应地更新状态、状态误差、测量误差、过程增益值K(k+1)及其协方差P(k+1|k)。

3.根据权利要求2所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述迭代更新法的状态条件重初始化的方法如下：设 是交通流状态在k‑1时刻的概率， 是已知的；再(i) (j)

设πji＝Pr{mk＝m |mk‑1＝m }是由在k‑1时刻的mk‑1交通状态到k时刻的mk交通状态的跳变概率，并且它是依赖于mk交通状态作为已知条件；那么第i段k时刻交通状态的预测概率定义为下式：上式可通过从第1时刻到第k‑1时刻的量测来预测；

(i)

根据所有k‑1时刻的量测，在下一时刻k，如果状态被估计是状态mk＝m ，那么在当前k‑(j)

1时刻，状态mk‑1＝m 的概率是 定义 如下：状态的混合估计为：

混合状态误差协方差为：

4.根据权利要求2所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述迭代更新法的状态交互的具体方法为：预测状态误差协方差：

相应的测量误差协方差：

交互增益：

更新状态为：

更新协方差为：

5.根据权利要求2所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述迭代更新法的状态转变的概率更新的具体方法为：状态交互更新，状态概率更新计算定义为：

其中， 定义为： 是第i段k时刻交通流的量测误差， 是相应 的误差协方差；

状态预测的最终更新为：

更新的最终增益：

相应的状态误差混合总协方差更新为：

6.根据权利要求1所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述模型迭代更新应用的具体方法为：讨论一条具有交叉路口的区间段，对交叉路中的每一条路仅讨论具有三个等长路段即入口、行驶路段和出口的公路；

仅第一路段入口段、第三路段出口段提供车流量、平均速度的检测数据作为状态估计模型的输入量和输出测量值，取第一路段首端流量q0、平均速度v0的实测值作为输入量，取第三路段末端的密度ρ3、平均速度v3的实测值作为输出量；

根据模型方程，各段状态交通量表达式如下：

其中，ρ4(k)、v4(k)可与前一路段前一时刻的密度ρ3(k‑1)和速度v3(k‑1)近似。

定义如下：

令：

于是有：

令：

并且取输出量为：

则系统状态方程可以表示成：

x(k+1)＝f[x(k)]+Γ[x(k)]w(k)，y(k+1)＝h[x(k+1)]+v(k+1)，其中，Γ[x(k)]为噪声驱动矩阵；

由式：

计算出偏导矩阵：

其中：

即可利用递推方程组

进行计算；

其中，系统噪声协方差矩阵Q(k)，测量噪声协方差矩阵R(k)均由仿真产生的测量数据实时计算得到。

7.根据权利要求1所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，步骤4中的智能决策由当前时刻的视频，通过决策系统，给出司机一个道路状况预测，并给出行驶道路附近的一个畅通道路，进一步，指出一个行驶道路出口及畅通道路的入口。

8.根据权利要求7所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述智能决策的决策规则如下：如果“条件z是A，则决策e是B”，

那么“如果z是A′，决策e是B′应该是什么？”；

可定义： 即结论B′可用A′与由A到B的推理关系进行合成而得到；

其中这里，A就是状态的条件集，B就是基于条件A下的决策集，上述规则可简单描述如下：已知当A和B时，输出为C，即存在推理规则：IF A′ AND B′，THEN C′

求当A′和B′，决策输出C′应该多少？可以用以下步骤：步骤(1)：先求D＝A×B，令dxy＝μA(x)^μB(y)得D矩阵为T

步骤(2)：将D写成列矢量DT，即DT＝[d11,d12,…,d1n,d21,…dmn]；

步骤(3)：求出关系矩阵R，R＝DT×C；

步骤(4)：由A′、B′求出D′，D′＝A′×B′；

步骤(5)：按照步骤(2)方法，将D′转化为行矢量DT′；

步骤(6)：:求出模糊推理输出，即

9.根据权利要求7所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述智能决策模型建立的规则为：Qi(t)表示t时刻等候在第i路口的车辆数量的向量，Qi(t)＝[Qi,E(t),Qi,S(t),Qi,W(t),Qi,N(t)]，这里Qi,E(t),Qi,S(t),Qi,W(t),Qi,N(t)分别表示t时刻等候在第i路口的东、南、西、北4个方向的车辆数；

Qi表示i路口的车辆数阈值的向量，Qi＝[Qi,E,Qi,S,Qi,W,Qi,N]，这里Qi,E,Qi,S,Qi,W,Qi,N分别表示不同方向等候车辆数的阈值，阈值可根据具体情况进行修改；

S表示决策中所有可能的策略或行动的集合，一个决策的全部可行策略为一个有限集，这里所有的策略即为规则集，设S＝{s1,s2,…,sn}，每个si为如下规则：s1：如果Qi,W(t)＞Qi,W且Qi,W(t)＞Qi,W，但Qi,S(t)＜Qi,S且Qi,N(t)＜Qi,N，那么东西直行，10秒后东西双左拐直至30秒东西及双左拐红灯亮起；

s2：如果Qi,S(t)＞Qi,S且Qi,N(t)＞Qi,N，但Qi,E(t)＜Qi,E且Qi,W(t)＜Qi,W，那么南北直行，10秒后南北双左拐直至30秒南北及双左拐红灯亮起；

s3：如果Qi,E(t)＜Qi,E且Qi,W(t)＜Qi,W且Qi,N(t)＜Qi,N，但Qi,S(t)＞Qi,S，那么就需要向北与向东北左拐车辆通行；

s4：如果Qi,E(t)＞Qi,E且Qi,W(t)＞Qi,W，但Qi,S(t)＞Qi,S且Qi,N(t)＞Qi,N，同时|Qi,E(t)‑Qi,E|＞|Qi,S(t)‑Qi,S|且|Qi,E(t)‑Qi,E|＞|Qi,N(t)‑Qi,N|且|Qi,W(t)‑Qi,W|＞|Qi,S(t)‑Qi,S|且|Qi,W(t)‑Qi,W|＞|Qi,N(t)‑Qi,N|，那么东西直行，或南北车辆可以选择附近路口分流进入其他畅通道路；

s5：如果Qi,E(t)＞Qi,E且Qi,W(t)＞Qi,W且Qi,N(t)＞Qi,N，但Qi,S(t)＜Qi,S，同时|Qi,E(t)‑Qi,E|＜|Qi,N(t)‑Qi,N|且|Qi,W(t)‑Qi,W|＜|Qi,N(t)‑Qi,N|且|Qi,S(t)‑Qi,S|＜|Qi,N(t)‑Qi,N|，那么向南与向西南左拐车辆通行，或东西与向北车辆都可以选择附近路口分流进入其他畅通道路；

……。

10.根据权利要求1、7、8、9任一项所述的一种模型线性化迭代更新法的交通决策方法，其特征在于，所述智能决策的决策协调规则为：将区域内整个交通协调过程分为三个层次，下层是路口与其相邻的路口之间的协调；中间层是区域路段与路口之间的协调；上层是区域段与其相邻的区域段之间的协调；

P1.路口1的车辆排队数超过阈值，则向相邻的路口2发出请求；

P2.相邻的路口响应请求，并构建博弈树，博弈树分支上的字母代表规则策略，框图内表达式代表规则比较的优势，通过搜索博弈树，根据式 寻找平衡点；

P3.如果均衡存在，则决策的行动策略就是达成均衡时的策略，每个决策按照该策略控制路口器，本次协调结束，如果没有均衡，则向该路口决策所在的决策发出请求；

P4.区域决策响应请求，对其所管辖的路口决策进行博弈协调，寻求均衡点，如果均衡点不存在，则该区域决策向相邻的决策发出请求；

P5.相邻的区域决策响应请求，进行博弈协调，寻求均衡点，如果均衡点不存在，协调失败，则每个决策保持原先的策略不变。