1.一种基于收费数据与卡口数据的高速公路交通拥堵检测方法，其特征在于，包括以下步骤：步骤一：结合收费数据与卡口数据提取路段行程时间，具体方法为：

1)根据收费数据提取单个车辆在收费站间路段上的行程时间；

2)结合收费数据与卡口数据提取车辆在卡口-收费站路段上的行程时间；

步骤二：对相邻收费站间路段和卡口-收费站路段进行空间匹配，计算路段平均行程时间，具体方法为：

1)对相邻收费站间路段和卡口-收费站路段进行空间匹配。利用同一时间经过卡口而从不同收费站下道的车辆的行驶时间之差作为相应两收费站之间路段上的行程时间；

2)检测并剔除路段行程时间中的异常值；对于行程时间为负值的异常值直接删除，对于行程时间过长的异常值采用格拉布斯(Grubbs)准则法对一定时间范围内经过出口收费站下道的车辆的行程时间进行异常值检测；

步骤三：利用滚动时间间隔对原始车辆行程时间数据进行合成；

步骤四：构建并计算判别特征；具体方法为：

1)计算当前时刻路段平均行程速度v(t)；

2)设置合适的时间间隔个数n，计算当前时刻路段平均行程速度v(t)与前n个时间间隔平均值 的偏差；

3)计算前n个时间间隔路段平均行程速度的标准差SD；

步骤五：进行高斯混合聚类分析以划分不同的道路交通运行状态；具体方法为：

1)确定聚类类别个数K；

2)随机选择初始模型参数πk,μk,σk,计算观测数据xj来自于高斯分布模型的概率γjk；

3)确定目标函数Q(θ,θ(i))；

4)为了使目标函数Q(θ,θ(i))达到最大值，更新聚类模型参数πk,μk,σk；

5)重复第2)与第3)步骤继续迭代，直到满足迭代终止条件为止，得到最终的聚类模型参数 其中每一组参数代表一个类别；所述迭代终止条件为(i+1) (i)

||Q(θ,θ )-Q(θ,θ )||≤ε或t＝tmax式中，Q(θ,θ(i+1))为第i+1次迭代时目标函数的值，Q(θ,θ(i))为第i次迭代时目标函数的值，ε为迭代终止条件阈值，tmax为迭代最大次数；

步骤六：利用聚类结果实现对高速公路相邻收费站间路段交通拥堵的检测。

2.根据权利要求1所述的方法，其特征在于，所述步骤一的第1)步的计算公式为：T＝tout-tin

式中，T为车辆在出入口收费站之间路段上的行程时间，tout为车辆经过出口收费站的时间，tin为车辆经过入口收费站的时间；

步骤一中的第2)步的计算公式为：

Tc＝tout-tc

式中，Tc为车辆在卡口-收费站之间路段上的行程时间，tout为车辆经过出口收费站的时间，tc为车辆经过卡口的时间。

3.根据权利要求1所述的方法，其特征在于，所述步骤二中的第1)步的具体方法如下：利用同一时间经过卡口而从不同收费站下道的车辆的行驶时间之差作为相应两收费站之间路段的行程时间：T(k+1,k)＝Tc(k)-Tc(k+1)|tc(k)＝tc(k+1)式中，Tc(k+1)为经过卡口而从收费站k+1下道的车辆在卡口-收费站k+1路段上的行程时间，tc(k)和tc(k+1)分别为从收费站k和收费站k+1下道的车辆经过卡口的时间。

4.根据权利要求1所述的方法，其特征在于，所述步骤五的目标函数的表达式为式中，nk表示N个观测数据中由第k个高斯分布模型生成的数据的个数，πk为第k个类分布概率，也可以看做是各高斯分布的权重系数；μk为第k个类别的均值，σk为第k个类别的标准差。

5.根据权利要求1所述的方法，其特征在于，所述步骤五中的概率γjk的计算公式为式中，πk为第k个类分布概率，也可以看做是各高斯分布的权重系数；μk为第k个类别的均值，σk为第k个类别的标准差。

6.根据权利要求1所述的方法，其特征在于，步骤五中所述更新聚类模型参数按下式进行：式中，N为观测数据个数， 为下一次迭代的参数θ(i+1)，K为聚类类别个数。