基于多源交通數據融合技術的路況分析研究

劉軍建

摘要：多源數據融合技術中融合了多源數據，通過數據提取、融合、整理，形成分析數據集，為做出合理決策提供科學建議。將多源交通數據融合技術應用到路況分析中可以通過多源交通數據分析，準確了解路況情況，對有效緩解擁堵有極大的幫助。

關鍵詞：多源數據融合；分析數據集；路況分析

中圖分類號：U495 文獻標識碼：A 文章編號：1007-9416（2018）06-0088-02

機動車數量的不斷增加，大大增加了城市道路、高速公路路況復雜程度，擁堵成為路況中的常見現象。隨著城市路況分析重要性的日益突出，如何采集到更準確、更精細的數據信息，是實現準確路況分析的基礎。路況分析中采用單子的技術和方法進行信息收集，存在一定的缺陷和不足，影響到信息收集的準確性，進而影響路況分析的精準性。為了改善這一現狀，需要運用多源數據融合技術進行信息收集，實現路況分析[1-2]。

多源數據融合技術應用時，主要通過獲取數據—理解數據—整理數據—數據轉換—數據組合—構建分析數據集這一流程實現的[3-4]。多源交通數據融合技術是指將多種交通數據融合在一起，為做出合理的路況分析提供參考。隨著多源數據融合技術應用的日益廣泛，在路況分析中引入多源交通數據融合技術可以提高路況分析準確度，準確了解路況情況，做出合理的交通管制。因此文章基于多源交通數據融合技術的路況分析進行了研究。

1 多源交通信息獲取及其融合框架

交通信息獲取使用圖形方法進行獲取。圖像獲取主要依賴攝像頭拍攝圖片，攝像頭位置在交通路口3-4米高處。然而在實際應用中會出現一些問題使得圖像檢測變得很難。這些問題主要有：

（1）如果車輛速度過快或者車輛顏色與路面相近這樣很難識別；（2）當光線比較弱時，拍攝圖片很難識別車輛，這樣使得相應算法無法正常工作；（3）當光照突然發生變化，這樣很難準確檢測；（4）在復雜天氣情況下，拍攝圖像受天氣影響比較大。

為解決該問題提出使用磁敏傳感器進行車輛檢測。該技術不會受到光線變化而造成檢測結果不準情況。為保障交通檢測準確性和高效性，本文提出了圖像檢測和磁敏檢測共同檢測。如圖1為系統框架圖。

從圖1中可知系統由：融合中心、視頻檢測、磁敏檢測構成。相應的工作流程為：第一步進行檢測包括：磁敏檢測、視頻檢測，該過程中磁敏檢測和視頻檢測是相互獨立過程，視頻檢測根據攝像頭拍攝圖像根據相應的圖像識別算法進行檢測，磁敏檢測則是根據相應的物理特性進行檢測。第二步是數據融合，該過程是將檢測的數據進行匯總分析。

2 基于多源交通信息的數據融合在路況中的應用

為提高系統響應速度，多源交通信息融合管理使用Client/Server結構（C/S結構）進行開發。服務端進行相應的融合數據分析。客戶端進行相應的數據采集、數據發送以及數據顯示等。如圖2為多源交通信息通信模式。

2.1 特征提取

特征提取包含磁敏信號特征提取和視頻信號特征提取。在磁敏信號特征提取中主要依據窗口閾值進行檢驗。該方法容易實現。只需要在圖像中檢測到是否有車輛，如果有車輛則該段特征值為“1”，否則為“0”。

視頻信號特征提取中需要解決車輛粘結準確度不高問題。因此需要對原始數據進行濾波處理。本文使用Douglas-Peucker方法進行波形分析[5]。如下為濾波處理算法流程。

（1）數據點短點連接從數據點中找出離連接線距離最遠的點，該距離為，如圖3為示意圖。（2）如果則視為線段。（3）否則將轉化為和，并跳轉到（1），進行迭代計算。

2.2 多源交通信息融合

多源交通信息融合包含多源數據關聯、數據源可靠性融合計算以及融合決策等。在多源數據關聯中包含空間同步、時間同步以及數據關聯方法選擇。在數據關聯中可使用概率關聯算法和最近鄰算法。本文使用最近鄰算法進行數據關聯。算法步驟如下：

（1）獲取磁敏和視頻信號特征值；（2）進行預測值計算。計算方法為：，其中表示測量值，表示估計值；（3）計算測量值與估計值距離；（4）更新估計值。

3 結語

當前車輛檢測有多種方式，比如傳感器檢測、圖像檢測等。針對圖像檢測存在多因素影響，為此提出磁敏檢測和圖像檢測共同檢測方法。系統使用C/S模式進行開發。視頻信號處理中使用Douglas-Peucker方法進行波形處理。最后使用最近鄰算法進行信息融合。

參考文獻

[1]張兵，崔希民，韋銳，等.基于RS與GIS多源數據融合的高原區地質調查研究[J].煤炭工程，2016，48（3）：99-102.

[2]丁宏飛，秦政，劉博，等.基于AF-SVR的城市快速路多源交通信息融合研究[J].計算機工程與應用，2017，53（5）：266-270.

[3]王紅梅，鄭標，盧陽祿，等.基于多源遙感影像的道路交通對建設用地空間格局的影響分析——以從化中心城區規劃區為例[J].中國土地科學，2016，30（11）：86-94.

[4]金盛，沈莉瀟，賀正冰.基于多源數據融合的城市道路網絡宏觀基本圖模型[J].交通運輸系統工程與信息，2018，18（2）：108-115.

[5]崔艷玲，金蓓弘，張扶桑.基于數據融合的高速公路交通狀況檢測[J].計算機學報，2017，40（8）：1798-1812.

Abstract：Multi-source data fusion technology fuses multi-source data， and through data extraction， fusion， and sorting， analysis data sets are formed to provide scientific suggestions for making reasonable decisions. Applying multi-source traffic data fusion technology to road condition analysis can accurately understand road condition through multi-source traffic data analysis， which is of great help to effectively relieve congestion.

Key words：multi-source data fusion； analysis data set； road condition analysis