1.一种基于公交GPS数据的交叉口信号配时参数估计方法，其特征在于：包括如下步骤：步骤1：选取某一信号交叉口，并从数据库中提取在某个时间段内经过该交叉口的所有公交车的GPS数据，利用每辆公交车经过交叉口的GPS数据，建立交叉口单车行程时间估计模型；

步骤2：基于已获得的每辆公交车经过交叉口的行程时间，利用先聚类再分类的方法，找到每个信号周期经过交叉口的第一辆公交车，称该类公交车为CBV，具体方法为：步骤21：获得每辆公交车与前车到达交叉口进口的时间差Δt和在交叉口的行程时间差ΔT；

步骤22：把Δt和ΔT作为每辆公交车的特征属性，利用K均值聚类算法将所有车辆聚成两类；

步骤23：为这两类公交车分别附上不同的标签号，在此基础上，利用支持向量机对所有车辆进行分类，得到分类超平面，并找到所有的CBV；

步骤3：计算所有CBV及每一辆CBV对应的前车到达交叉口停车线的时间，在此基础上，获得周期时长以及周期边界估计结果；

步骤4：利用CBV在停车线附近的GPS数据序列，结合周期时长和周期边界估计结果，建立交叉口红灯时长估计模型。

2.根据权利要求1所述的基于公交GPS数据的交叉口信号配时参数估计方法，其特征在于：建立交叉口单车行程时间估计模型的方法如下：在交叉口进口前后各取一个距离交叉口进口最近的GPS定位数据，这两个定位数据所对应的车辆的瞬时速度、GPS时间分别为vi、ti(i＝1,2)；

若|v1-v2|≤v0，则判定车辆做匀速运动，那么：

车辆到达交叉口进口的时间为：

其中，s1为车辆在交叉口进口前的最后一个GPS定位数据与交叉口进口的距离；

s2车辆在交叉口进口后的第一个GPS定位数据与交叉口进口的距离；

若|v1-v2|＞v0，则判定车辆做匀变速运动，那么：式中，a为车辆的加速度。求解上述方程组可得：

其中，

同理，可采用相同的方法计算车辆到达交叉口出口的时间tout，从而得到车辆经过交叉口的行程时间T＝tout-tin。

3.根据权利要求1所述的基于公交GPS数据的交叉口信号配时参数估计方法，其特征在于：所述步骤22中，把Δt和ΔT作为每辆公交车的特征属性，以此可以得到采样数据集X＝{xi|i＝1,...,N}，其中N为总的车辆数，每个数据对象xi有两个描述属性Δti和ΔTi，即xi＝(Δti,ΔTi)，在此基础上，利用K均值聚类算法将数据集X聚成两类的方法为：步骤221：首先在采样数据集X中随机选取两个数据对象作为初始聚类中心；

步骤222：计算每个数据对象与各个聚类中心的欧氏距离，将每个数据对象分配到与其最接近的聚类中心，从而形成一类；

步骤223：一旦全部数据对象都被分配了，再以每个聚类子集的平均向量作为新的聚类中心；

步骤224：计算误差平方和准则函数；

步骤225：重复步骤222至步骤224，直到误差平方和不变，则算法终止，得到最终的聚类结果。

4.根据权利要求1所述的基于公交GPS数据的交叉口信号配时参数估计方法，其特征在于：所述步骤23中，对于最终聚类后的两个子集X1、X2的聚类中心x1＝(Δt1,ΔT1)、x2＝(Δt2,ΔT2)，若ΔT1＜ΔT2，则将X2中所有数据对象的标签号都置为1，将X1中所有数据对象的标签号都置为-1，反之则相反；在此基础上，利用支持向量机对数据集X进行分类，得到分类超平面并将数据集X分成两类，处在分类超平面之上的数据子集所对应的车辆即为所有的CBV。

5.根据权利要求1所述的基于公交GPS数据的交叉口信号配时参数估计方法，其特征在于：所有CBV及每一辆CBV对应的前车到达交叉口停车线的时间的计算方法为：若停车线处没有车辆GPS定位数据，则在停车线前后各取一个距离停车线最近的GPS定位数据，然后利用所述步骤1的方法即可获得车辆到达交叉口停车线的时间；

若停车线处有车辆GPS定位数据，并且只有一个GPS数据，则该GPS数据对应的时间即为车辆到达停车线的时间；

若车辆正好在停车线处停车等待，由于受到红灯的影响，则停车线处的GPS定位数据可能不止一个，此时，该车到达停车线的时间为停车线处第一个GPS数据所对应的时间。

6.根据权利要求1所述的基于公交GPS数据的交叉口信号配时参数估计方法，其特征在于：建立交叉口红灯时长估计模型的方法如下：步骤41：利用车辆GPS数据判断每个周期的CBV是属于第一类CBV还是第二类CBV，且第一类CBV和第二类CBV的判定方法如下：若CBV正好停在停车线处，则定义该类CBV为第一类CBV；若CBV没有停在停车线处，则定义该类CBV为第二类CBV；

步骤42：计算每个第一类CBV对应的红灯时长下边界，并取所有下边界的最大值且第一类CBV对应的红灯时长下边界的计算方法如下：第一类CBV在停车线处最后一个GPS数据对应的时刻一定在红灯结束时刻之前，又或者刚好为红灯结束时刻，即：其中， 为第i个周期的红灯结束时刻，ti为第i个周期的第一类CBV在停车线处的最后一个GPS数据对应的时刻；则其中，Tr为红灯时长， 为第i个周期的红灯开始时刻；

由此可见，若第i个周期的CBV为第一类CBV，则可得到该CBV对应的红灯时长下边界：计算每个第二类CBV对应的红灯时长上边界，并取所有上边界的最小值且第二类CBV对应的红灯时长上边界的计算方法如下：

红灯结束之后第二类CBV才能到达并驶离停车线，则第二类CBV到达停车线的时刻一定在红灯结束时刻之后，即：其中， 为第j个周期的红灯结束时刻，tj为第j个周期的第二类CBV到达停车线的时刻；

由上式可得：

其中， 为第j个周期的红灯开始时刻；

由此可见，若第j个周期的CBV为第二类CBV，则可得到该CBV对应的红灯时长上边界：步骤43：计算红灯时长估计值：