數據融合技術在智能交通系統中的應用

陳 佳 ，閭立新

(1.江蘇科技大學 電子信息學院，江蘇 鎮江212003；2.無錫科技職業學院 信息工程系，江蘇 無錫214028)

21世紀以來，道路建設、機動車輛保有量均進入了快速發展的階段，交通需求急速上升，交通問題呈現加重趨勢，原有的單一依靠增加道路設施來滿足需求的解決方案遇到了發展瓶頸。大家認識到，道路交通信息化的發展應與道路設施、道路交通的發展同步推進。應采用信息化手段支持道路建設、道路管理和交通管理，在增加道路設施的同時，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，緩解道路交通問題。

智能交通系統ITS(Intelligent Transportation System)是在較完善的基礎設施(包括道路、港口、機場和通信)之上，將先進的信息技術、通信技術、控制技術、傳感器、計算機技術和系統綜合技術有效地集成，并應用于地面運輸系統，從而建立起大范圍內發揮作用的、實時、準確、有效的運輸系統[1]。從智能交通領域在世界范圍內的發展現狀和趨勢來看，交通信息的采集、處理和分析已經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擁有了實時采集、處理、分析和發布大范圍道路網絡交通信息的能力。

1 數據融合算法研究

數據融合（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：利用計算機技術對按時序獲得的若干傳感器的觀測信息在一定準則下加以自動分析、綜合以完成所需的決策和估計任務而進行的信息處理過程[2]。

數據融合作為一種數據綜合和處理技術，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，包括共用數據的檢測(獲取)、過濾、相關分析、狀態估計、目標識別和行為估計等，從而進行交通運行狀態和環境判定、特殊事件判斷等。ITS的數據融合分為兩個層次：(1)低層處理，得到的是一些狀態、特征和屬性等，例如特殊事件的位置、屬性；(2)高層處理，對應的是決策級融合，主要可以產生一些行動決策。

1.1 自適應加權數據融合算法

自適應加權數據融合算法是不等精度測量系統數據處理的一種重要估計算法。設有一個多傳感器智能檢測系統，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是各加權因子Wi的多元二次函數。根據多元函數求極值理論，可求得當加權因子為：

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

相應地，式(1)可寫為：

綜上，自適應加權融合算法的步驟是：(1)根據式(4)求出(k)；(2)求出；(3)根據式(3)求出最優加權因子 ；(4)根據式(5)計算出最優融合值。

1.2 基于灰色優勢分析的數據融合算法

1.2.1 灰色絕對關聯度

由灰色系統理論的絕對關聯度定義和性質可知，灰色關聯度的基本思想是根據曲線間相似程度來判斷因素間的關聯程度[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律，因而具有十分廣泛的工程應用價值。

定義 設序列 X0與 Xi長度相同，s0、si如上所示，則稱：

為X0與Xi的灰色絕對關聯度，簡稱絕對關聯度。

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

1.2.2 改進的灰色絕對關聯度

在某些實際工程應用中，有時僅考慮曲線間的相似性是遠遠不夠的，還應考慮曲線間的接近程度。為此，在絕對關聯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后灰色絕對關聯度ε0i不僅與 X0和 Xi的幾何形狀有關，而且還與 X0和Xi的接近程度有關[5]。

定義 設 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 灰色優勢分析

將改進的灰色絕對關聯度應用在灰色優勢分析的定義中，得出新的灰色優勢分析的定義。

定義[6]假設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改進的灰色絕對關聯度，則稱

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

則稱時間序列 Xl準優于 Xj，記為：Xl>Xj。

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

2 數據融合在智能交通中的應用及仿真結果分析

本系統主要用于交叉道口的車流量控制，設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，將數據發送給主機，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（不再是傳統的定時控制）。主機將交通燈的控制命令及控制參數發送給從機，從機執行完交通燈的控制后立即又采集交通流量，如此循環下去，從而實現對道路交通的智能控制。

在數據融合的第一層采用自適應加權數據融合，第二層采用改進的灰色優勢分析，每5組數據融合一次，執行的具體算法描述如下：

（1）由（5）式求出前 4組數據的加權平均值 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組數據代替第x組數據，輸出前4組數據的加權平均值y0′(k)；否則輸出 y0(k)。

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

本文應用自適應加權數據融合以及改進的灰色優勢分析，對機動車流量控制信息進行判別。實驗結果表明，該方法判斷準確率不低于96%，具有良好的識別性能，可利用這些檢測結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 交通流量驗證結果(次)

[1]賀良華，侯曉東，于來寶.網絡化信息采集在智能交通中的應用[J].控制系統，2008，4(3)：29-32.

[2]楊萬海.多傳感器數據融合及其應用[M].西安：西安電子科技大學出版社，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.灰色系統理論及其應用[M].北京：科學出版社，1999.

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

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