數(shù)據(jù)融合技術(shù)在智能交通系統(tǒng)中的應(yīng)用

陳 佳 ，閭立新

(1.江蘇科技大學(xué) 電子信息學(xué)院，江蘇 鎮(zhèn)江212003；2.無錫科技職業(yè)學(xué)院 信息工程系，江蘇 無錫214028)

21世紀(jì)以來，道路建設(shè)、機動車輛保有量均進入了快速發(fā)展的階段，交通需求急速上升，交通問題呈現(xiàn)加重趨勢，原有的單一依靠增加道路設(shè)施來滿足需求的解決方案遇到了發(fā)展瓶頸。大家認識到，道路交通信息化的發(fā)展應(yīng)與道路設(shè)施、道路交通的發(fā)展同步推進。應(yīng)采用信息化手段支持道路建設(shè)、道路管理和交通管理，在增加道路設(shè)施的同時，通過道路信息化的手段來支持道路交通管理并提供道路交通信息服務(wù)，緩解道路交通問題。

智能交通系統(tǒng)ITS(Intelligent Transportation System)是在較完善的基礎(chǔ)設(shè)施(包括道路、港口、機場和通信)之上，將先進的信息技術(shù)、通信技術(shù)、控制技術(shù)、傳感器、計算機技術(shù)和系統(tǒng)綜合技術(shù)有效地集成，并應(yīng)用于地面運輸系統(tǒng)，從而建立起大范圍內(nèi)發(fā)揮作用的、實時、準(zhǔn)確、有效的運輸系統(tǒng)[1]。從智能交通領(lǐng)域在世界范圍內(nèi)的發(fā)展現(xiàn)狀和趨勢來看，交通信息的采集、處理和分析已經(jīng)日益成為交通研究和日常交通管理活動的重要組成部分。世界上很多大中城市的交通管理部門都已經(jīng)擁有了實時采集、處理、分析和發(fā)布大范圍道路網(wǎng)絡(luò)交通信息的能力。

1 數(shù)據(jù)融合算法研究

數(shù)據(jù)融合（Data Fusion）也稱作信息融合，是一個信息綜合與處理的過程，一般的定義是：利用計算機技術(shù)對按時序獲得的若干傳感器的觀測信息在一定準(zhǔn)則下加以自動分析、綜合以完成所需的決策和估計任務(wù)而進行的信息處理過程[2]。

數(shù)據(jù)融合作為一種數(shù)據(jù)綜合和處理技術(shù)，涉及到了對ITS中多種交通信息采集裝置和各種信息源的有效綜合，包括共用數(shù)據(jù)的檢測(獲取)、過濾、相關(guān)分析、狀態(tài)估計、目標(biāo)識別和行為估計等，從而進行交通運行狀態(tài)和環(huán)境判定、特殊事件判斷等。ITS的數(shù)據(jù)融合分為兩個層次：(1)低層處理，得到的是一些狀態(tài)、特征和屬性等，例如特殊事件的位置、屬性；(2)高層處理，對應(yīng)的是決策級融合，主要可以產(chǎn)生一些行動決策。

1.1 自適應(yīng)加權(quán)數(shù)據(jù)融合算法

自適應(yīng)加權(quán)數(shù)據(jù)融合算法是不等精度測量系統(tǒng)數(shù)據(jù)處理的一種重要估計算法。設(shè)有一個多傳感器智能檢測系統(tǒng)，有n個傳感器對某一對象進行采樣檢測，如圖 1所示[3]。

總均方誤差為：

式(2)中σ2是各加權(quán)因子Wi的多元二次函數(shù)。根據(jù)多元函數(shù)求極值理論，可求得當(dāng)加權(quán)因子為：

設(shè)每個傳感器進行k次測量，式(1)中的X^可用k次測量的算術(shù)平均值進行估計，即

相應(yīng)地，式(1)可寫為：

綜上，自適應(yīng)加權(quán)融合算法的步驟是：(1)根據(jù)式(4)求出(k)；(2)求出；(3)根據(jù)式(3)求出最優(yōu)加權(quán)因子 ；(4)根據(jù)式(5)計算出最優(yōu)融合值。

1.2 基于灰色優(yōu)勢分析的數(shù)據(jù)融合算法

1.2.1 灰色絕對關(guān)聯(lián)度

由灰色系統(tǒng)理論的絕對關(guān)聯(lián)度定義和性質(zhì)可知，灰色關(guān)聯(lián)度的基本思想是根據(jù)曲線間相似程度來判斷因素間的關(guān)聯(lián)程度[4]。它對樣本量的多少沒有特殊要求，分析時也不需要典型的分布規(guī)律，因而具有十分廣泛的工程應(yīng)用價值。

定義 設(shè)序列 X0與 Xi長度相同，s0、si如上所示，則稱：

為X0與Xi的灰色絕對關(guān)聯(lián)度，簡稱絕對關(guān)聯(lián)度。

此時的ε0i只與X0和Xi的幾何形狀有關(guān)，而與其空間相對位置無關(guān)。或者說，平移不改變絕對關(guān)聯(lián)度的值。

1.2.2 改進的灰色絕對關(guān)聯(lián)度

在某些實際工程應(yīng)用中，有時僅考慮曲線間的相似性是遠遠不夠的，還應(yīng)考慮曲線間的接近程度。為此，在絕對關(guān)聯(lián)度的定義中增加一個變量σs0i，σs0i反映了序列Xi在時間點上偏離X0的程度，引入σs0i后灰色絕對關(guān)聯(lián)度ε0i不僅與 X0和 Xi的幾何形狀有關(guān)，而且還與 X0和Xi的接近程度有關(guān)[5]。

定義 設(shè) X0=(x0(1)，x0(2)，… ，x0(n))為參考時間序列，Xi=(xi(1)，xi(2)，…，xi(n))為與之比較的時間序列，i=1，2，…，m，則稱

1.2.3 灰色優(yōu)勢分析

將改進的灰色絕對關(guān)聯(lián)度應(yīng)用在灰色優(yōu)勢分析的定義中，得出新的灰色優(yōu)勢分析的定義。

定義[6]假設(shè)γi為特征時間序列，Xj為與之比較的時間序列，εij(i=1，2，…，s；j=1，2，…，m)為γi與 Xj改進的灰色絕對關(guān)聯(lián)度，則稱

為改進的灰色關(guān)聯(lián)矩陣。 對于式(2)，若δl≥δj，l，j∈{1，2，…，m}，l≠j，其中

則稱時間序列 Xl準(zhǔn)優(yōu)于 Xj，記為：Xl>Xj。

若δl>δj， 則稱時間序列 Xl優(yōu)于Xj； 若對?l，j∈{1，2， … ，m}，l≠j，恒有δl>δj， 則稱 Xl為最優(yōu)時間序列。

2 數(shù)據(jù)融合在智能交通中的應(yīng)用及仿真結(jié)果分析

本系統(tǒng)主要用于交叉道口的車流量控制，設(shè)置在每個道路方向上的從機通過傳感器采集到車流量信號后，將數(shù)據(jù)發(fā)送給主機，主機再綜合各個方向的車流量信息后，決策并控制各道路方向的交通信號燈（紅綠燈）的時間長短（不再是傳統(tǒng)的定時控制）。主機將交通燈的控制命令及控制參數(shù)發(fā)送給從機，從機執(zhí)行完交通燈的控制后立即又采集交通流量，如此循環(huán)下去，從而實現(xiàn)對道路交通的智能控制。

在數(shù)據(jù)融合的第一層采用自適應(yīng)加權(quán)數(shù)據(jù)融合，第二層采用改進的灰色優(yōu)勢分析，每5組數(shù)據(jù)融合一次，執(zhí)行的具體算法描述如下：

（1）由（5）式求出前 4組數(shù)據(jù)的加權(quán)平均值 y0(k)；

（2）將 r0=(y0(k-3)，y0(k-2)，y0(k-1)，y0(k))序列作為特征序列，由式(7)～(9)求得δj，j=1，2，3，4，5；

（3）求出δj，j=1，2，3，4 中最小的δx；若δx＜δ5，用第 5組數(shù)據(jù)代替第x組數(shù)據(jù)，輸出前4組數(shù)據(jù)的加權(quán)平均值y0′(k)；否則輸出 y0(k)。

本系統(tǒng)采用占有率、流量和速度3個參數(shù)作為擁擠自動判別的參數(shù)，以暢通、輕微擁擠、常發(fā)性擁擠、偶發(fā)性擁擠4種結(jié)果為例，每種結(jié)果仿真1 000次以觀察算法的準(zhǔn)確率，仿真結(jié)果如表1所示。

本文應(yīng)用自適應(yīng)加權(quán)數(shù)據(jù)融合以及改進的灰色優(yōu)勢分析，對機動車流量控制信息進行判別。實驗結(jié)果表明，該方法判斷準(zhǔn)確率不低于96%，具有良好的識別性能，可利用這些檢測結(jié)果對各個路口的交通燈進行實時控制，從而保證道路的暢通。

表1 交通流量驗證結(jié)果(次)

[1]賀良華，侯曉東，于來寶.網(wǎng)絡(luò)化信息采集在智能交通中的應(yīng)用[J].控制系統(tǒng)，2008，4(3)：29-32.

[2]楊萬海.多傳感器數(shù)據(jù)融合及其應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2004.

[3]THAWORNWONG S，ENKE D.The adaptive selection of financial and economic variables for use with artificial neural networks[J].Neuorcomputing，2004(56)：205-232.

[4]劉思峰，郭天榜，黨耀國，等.灰色系統(tǒng)理論及其應(yīng)用[M].北京：科學(xué)出版社，1999.

[5]羅黨.灰色決策問題的特征向量方法[J].系統(tǒng)工程理論與實踐，2005，25(4)：54-58.

[6]唐汝桑，錢寒峰.智能交通信息采集中數(shù)據(jù)融合技術(shù)探討[J].科技咨詢導(dǎo)報，2009，28(4)：17-18.