1.一种基于高阶矩的行程时间可靠性估计方法，其特征在于，该方法包括：获取快速路上RFID基站采集的汽车电子标识数据；

将相邻两RFID基站对之间的车辆配对，得到行程时间数据；

根据Cornish‑Fisher展开式的有效域，对所述行程时间数据进行对数化处理，得到对数化行程时间数据；

计算所述对数化行程时间数据的均值、方差、偏度、峰度；

利用Cornish‑Fisher展开式，计算百分位行程时间；

利用所述百分位行程时间得到相应的行程时间可靠性评价指标，其中，

所述行程时间均值μ为：

μ＝E(T1g)

其中，E为随机变量T1g的期望；

2

所述行程时间方差σ为：

2 2

σ＝E[(Tlg‑μ) ]所述行程时间偏度S为：

所述行程时间峰度K为：

所述百分位行程时间为：

其中，PTT(p)表示百分位行程时间，p表示通过随机变量的前四阶矩作为高阶矩得到的置信度，其中‑1

Φ (·)为标准正态分布的累积分布函数的反函数，行程时间可靠性评价指标包括：第90％分位数下的行程时间，PTT(90％)；

行程时间指数TTI，

计划行程时间PTI，

缓冲时间BI，

拥堵频率FoC，FoC＝P(Ti>(1+p)·PTT(50％))；

痛苦指数MI，

行程时间预算TTB(p)，TTB(p)＝min{Tp|P(T≤Tp)≥p}；

平均超额行程时间METT，行程时间可靠性比率TTRR，是平均形成时间，Tp是置信度p下的行程时间，Ti是第i辆车的行程时间，α、β、γ是驾驶员出行偏好参数。

2.根据权利要求1所述的基于高阶矩的行程时间可靠性估计方法，其特征在于，该方法还包括：对所述行程时间数据进行预处理，清洗掉异常数据；对预处理后的行程时间数据进行对数化处理。

3.根据权利要求1所述的基于高阶矩的行程时间可靠性估计方法，其特征在于，所述汽车电子标识数据包括：基站信息、过车时间、车牌号、车辆类型。

4.根据权利要求1所述的基于高阶矩的行程时间可靠性估计方法，其特征在于，采用底数为10的对数对所述行程时间数据进行对数化处理。

5.一种基于高阶矩的行程时间可靠性估计装置，其特征在于，包括：数据获取模块，用于获取快速路上RFID基站采集的汽车电子标识数据；

配对模块，用于将相邻两RFID基站对之间的车辆配对，得到行程时间数据；

数化处理模块，用于根据Cornish‑Fisher展开式的有效域，对所述行程时间数据进行对数化处理，得到对数化行程时间数据；

第一计算模块，用于计算所述对数化行程时间数据的均值、方差、偏度、峰度；

第二计算模块，用于利用Cornish‑Fisher展开式，计算百分位行程时间；

第三计算模块，用于利用所述百分位行程时间得到相应的行程时间可靠性评价指标，其中，所述行程时间均值μ为：

μ＝E(T1g)

其中，E为随机变量T1g的期望；

2

所述行程时间方差σ为：

2 2

σ＝E[(Tlg‑μ) ]所述行程时间偏度S为：

所述行程时间峰度K为：

所述百分位行程时间为：

其中，PTT(p)表示百分位行程时间，p表示通过随机变量的前四阶矩作为高阶矩得到的置信度，其中‑1

Φ (·)为标准正态分布的累积分布函数的反函数，行程时间可靠性评价指标包括：第90％分位数下的行程时间，PTT(90％)；

行程时间指数TTI，

计划行程时间PTI，

缓冲时间BI，

拥堵频率FoC，FoC＝P(Ti>(1+p)·PTT(50％))；

痛苦指数MI，

行程时间预算TTB(p)，TTB(p)＝min{Tp|P(T≤Tp)≥p}；

平均超额行程时间METT，行程时间可靠性比率TTRR，是平均形成时间，Tp是置信度p下的行程时间，Ti是第i辆车的行程时间，α、β、γ是驾驶员出行偏好参数。