1.一种基于路口相似度的信号配时方案推荐方法，包括以下步骤：

1)采集数据，采集路口地理信息，通过SCATS检测器采集对应路口交通流数据及其对应时段的配时方案数据；所述的路口地理信息包括路口形状、路段角度、车道数量与功能和周边是否有医院、学校、车站的规律性大流量建筑物；交通流数据包括SCATS检测器采集的各车道流量和饱和度，对应时段的配时方案为每一周期的相位、相序及各相位绿灯时长；

2)预处理数据，在步骤1)的基础上，针对交通流数据和配时方案数据的缺失和异常进行清洗和修复；针对缺失数据用多重插补的方法进行补全；针对异常数据，首先用统计学中的Grubbs检验法判断数据是否为异常值，再针对异常值采用三次样条法进行插值；

3)建立数据库，基于步骤1)和步骤2)建立路口模型和方案模型；所述的路口模型包括路口的静态地理数据及各时段的动态数据，方案模型包括对应路口每一周期的方案；

4)推荐算法，在步骤3)的基础上，对目标路口与数据库模块中的路口做相似度的计算，计算公式SIM描述如公式(1)所示：SIM＝Kd·SIMD+Kf·SIMF+Kb·SIMB      (1)

其中SIMD是路口空间相似度，Kd是路口空间相似度所占的权重；SIMF是各路段车道数与车道功能类型的相似度，Kf是车道数与车道功能类型的相似度所占的权重；SIMB是计算周围是否有医院、学校、车站规律性大流量建筑物及建筑物所处位置的相似度，Kb是建筑物相似度所占的权重；路口空间相似度SIMD、各路段车道数与车道功能类型相似度SIMF和建筑物相似度SIMB的计算公式如下：其中j是路段总数，directionA是目标路口的路段，directionB是路口数据库中的路口的路段，Rad计算的是正北方向为起始方向的路段弧度；

其中Ai与Bi分别是目标路口第i个路段与路口数据库中路口第i个路段的车道功能和数量的模糊集，SIMF是Ai与Bi之间的模糊相似度，M是相应模糊集的面积；

若路口周围存在医院、学校、车站的规律性大流量建筑物，(x,y)为目标路口的建筑物坐标，(x′,y′)为数据库中路口周边建筑物坐标；

选取相似度SIM超过阈值的路口，通过目标路口与这些路口的当前动态数据匹配，从这些路口的方案中计算出最适合目标路口的方案进行推荐，计算公式描述如公式(2)所示：其中S是配时方案推荐度，A(VO,DS)是以目标路口当前各相位对应车道的流量和饱和度构成的特征向量，B(VO,DS)是选中路口的各周期方案中的各相位对应车道的流量和饱和度构成的特征向量，VO表示流量，DS表示饱和度；

选取推荐度S最高的方案输出到SCATS控制系统中；

5)评价得分，收集方案运行后几个周期的数据对方案进行评价，计算公式描述如公式(3)所示：其中Scores指方案的评价得分，c代表方案运行后的c个周期，n代表参与评分的n项性能指标，性能指标有平均车辆延误时间，平均车速，路口排队长度，ks是每项性能指标所占的权重，scores是每项性能指标的评价得分；得分高于阈值则将方案录入至目标路口的方案数据库中。