道路多源交通流信息融合分析技術(shù)的研究與應(yīng)用

1、...道路多源交通流信息融合分析技術(shù)研究與應(yīng)用張雷元樹愛兵（公安部交通管理科學研究所江蘇無錫214151）摘要：摘要：多源交通流信息融合是多源信息融合在交通領(lǐng)域的應(yīng)用，其可以獲得準確的交通狀態(tài)和參數(shù)估計。本文簡單介紹了多源交通流信息融合的原理和基本模型，并著重講述了其關(guān)鍵技術(shù)和應(yīng)用。關(guān)鍵詞：關(guān)鍵詞：交通流；多源信息融合；交通信息預測；交通狀態(tài)識別基金項目：基金項目：國家高技術(shù)研究發(fā)展計劃（863計劃）現(xiàn)代交通技術(shù)領(lǐng)域綜合交通運輸系統(tǒng)與安

2、全技術(shù)專題，課題“新一代智能化交通控制系統(tǒng)技術(shù)”（編號2006AA11Z229）中圖分類號：中圖分類號：U491文獻標識碼：文獻標識碼：A一、概述一、概述隨著信息技術(shù)的發(fā)展和普及，特別是信息網(wǎng)絡(luò)和信息高速公路的建設(shè)和應(yīng)用，信息獲取、綜合分析和處理以及信息應(yīng)用已經(jīng)深入各行各業(yè)和社會的各個方面，為人們提供決策支持。由于信息化在各個方面展開，為了綜合應(yīng)用各種信息，需要對各方面的信息技術(shù)進行圍繞因特網(wǎng)或信息高速公路的融合，以便產(chǎn)生新的增長點和開

3、拓新的領(lǐng)域，不斷地進行知識創(chuàng)新。[1]在交通領(lǐng)域，交通信息往往來自于不同的數(shù)據(jù)源，如交通流信息，可能來自環(huán)形線圈檢測器、視頻檢測器、FCD等多種檢測技術(shù)或采集手段，交通信息融合是研究如何加工、聯(lián)合來自眾多信息源的信息，并使不同形式的信息相互補充，為各種交通模型方法服務(wù)，使其信息得到最大限度地發(fā)揮。可以將交[2]通信息融合定義為：一個處理探測、互聯(lián)、相關(guān)、估計以及組合多源信息和數(shù)據(jù)的多層次多方面的過程，以便獲得準確的交通狀態(tài)和參數(shù)估計，并

4、將相關(guān)信息用于交通管理的決策支持。多源交通信息融合的目的是通過對不同來源的交通流數(shù)據(jù)進行融合處理，...三、道路多源交通流信息數(shù)據(jù)級融合技術(shù)三、道路多源交通流信息數(shù)據(jù)級融合技術(shù)多源交通流數(shù)據(jù)級融合技術(shù)包括相同數(shù)據(jù)來源的交通流數(shù)據(jù)融合技術(shù)以及不同數(shù)據(jù)來源的交通流數(shù)據(jù)融合技術(shù)，其中相同數(shù)據(jù)來源的數(shù)據(jù)是指來自同[4]一種檢測手段獲取的數(shù)據(jù)，而不同數(shù)據(jù)來源的數(shù)據(jù)是指采用兩種或以上的檢測手段獲得的數(shù)據(jù)。一般情況下同種數(shù)據(jù)來源的數(shù)據(jù)信息通常在數(shù)據(jù)格

5、式和信息內(nèi)容上都完全相同，因而處理方法非常簡單，只需簡單進行時間和空間上的關(guān)聯(lián)就可以完成信息的融合；不同數(shù)據(jù)來源的數(shù)據(jù)信息由于格式和內(nèi)容不一致，融合起來就比較困難，涉及的技術(shù)比較多，因此下面主要討論不同來源的數(shù)據(jù)融合。不同來源的數(shù)據(jù)融合包括多種檢測器數(shù)據(jù)的融合以及固定檢測器數(shù)據(jù)和浮動車數(shù)據(jù)的融合。3.1多種檢測器數(shù)據(jù)融合多種檢測器數(shù)據(jù)融合目前，交通檢測器的種類越來越多，各種交通檢測器，包括環(huán)行線圈檢測器、超聲波檢測器、視頻檢測器、紅外線

6、檢測器等等，對不同交通參數(shù)的檢[5]測性能各不相同。一般檢測器都存在交叉靈敏度，表現(xiàn)在檢測器的輸出值不只決定于一個參量，當其他參量變化時輸出值也要發(fā)生變化。交通檢測器也不例外，如：環(huán)行線圈檢測車輛存在時由于磁場變化，其檢測結(jié)果也發(fā)生改變。那么環(huán)行線圈就存在有對磁場強度的交叉靈敏度；視頻檢測器存在對環(huán)境濕度的交叉敏感度。由于各種交通檢測器存在交叉靈敏度，使其性能不穩(wěn)定，測量精度不高。多種檢測器數(shù)據(jù)融合就是通過多種檢測器對多個交通參數(shù)的監(jiān)測

7、，并采用一定的信息處理方法達到提高每一個參數(shù)測量精度的目的。多種檢測器數(shù)據(jù)融合方法種類繁多，使用得比較頻繁的方法如簡單加權(quán)法、濾波法、神經(jīng)網(wǎng)絡(luò)法、不確定推理法、聚類分析等方法，其中應(yīng)用最普遍的還是簡單加權(quán)法，即根據(jù)一定的權(quán)重將各種檢測器數(shù)據(jù)相加，從而得到融合數(shù)據(jù)。這種融合方法的缺點是無法準確定義每種檢測器數(shù)據(jù)的權(quán)重，最終的融合數(shù)據(jù)和實際數(shù)據(jù)相差較大。下面介紹一種基于多屬性決策的數(shù)據(jù)融合算法，該算法不需要給定權(quán)重就可獲得融合數(shù)據(jù)，其準確性