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(wú)錫科技職業(yè)學(xué)院 信息工程系，江蘇 無(wú)錫214028)

21世紀(jì)以來(lái)，道路建設(shè)、機(jī)動(dòng)車輛保有量均進(jìn)入了快速發(fā)展的階段，交通需求急速上升，交通問(wèn)題呈現(xiàn)加重趨勢(shì)，原有的單一依靠增加道路設(shè)施來(lái)滿足需求的解決方案遇到了發(fā)展瓶頸。大家認(rèn)識(shí)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(jìn)。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(shí)，通過(guò)道路信息化的手段來(lái)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(wèn)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(jī)場(chǎng)和通信)之上，將先進(jìn)的信息技術(shù)、通信技術(shù)、控制技術(shù)、傳感器、計(jì)算機(jī)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(yùn)輸系統(tǒng)，從而建立起大范圍內(nèi)發(fā)揮作用的、實(shí)時(shí)、準(zhǔn)確、有效的運(yùn)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(shì)來(lái)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(dòng)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(shí)時(shí)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(gè)信息綜合與處理的過(guò)程，一般的定義是：利用計(jì)算機(jī)技術(shù)對(duì)按時(shí)序獲得的若干傳感器的觀測(cè)信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合以完成所需的決策和估計(jì)任務(wù)而進(jìn)行的信息處理過(guò)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(duì)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(cè)(獲取)、過(guò)濾、相關(guān)分析、狀態(tài)估計(jì)、目標(biāo)識(shí)別和行為估計(jì)等，從而進(jìn)行交通運(yùn)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(gè)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(duì)應(yīng)的是決策級(jí)融合，主要可以產(chǎn)生一些行動(dòng)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(cè)量系統(tǒng)數(shù)據(jù)處理的一種重要估計(jì)算法。設(shè)有一個(gè)多傳感器智能檢測(cè)系統(tǒng)，有n個(gè)傳感器對(duì)某一對(duì)象進(jìn)行采樣檢測(cè)，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(gè)傳感器進(jìn)行k次測(cè)量，式(1)中的X^可用k次測(cè)量的算術(shù)平均值進(jìn)行估計(jì)，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(jì)算出最優(yōu)融合值。

1.2 基于灰色優(yōu)勢(shì)分析的數(shù)據(jù)融合算法

1.2.1 灰色絕對(duì)關(guān)聯(lián)度

由灰色系統(tǒng)理論的絕對(duì)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(lái)判斷因素間的關(guān)聯(lián)程度[4]。它對(duì)樣本量的多少?zèng)]有特殊要求，分析時(shí)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(jià)值。

定義 設(shè)序列 X0與 Xi長(zhǎng)度相同，s0、si如上所示，則稱：

為X0與Xi的灰色絕對(duì)關(guān)聯(lián)度，簡(jiǎn)稱絕對(duì)關(guān)聯(lián)度。

此時(shí)的ε0i只與X0和Xi的幾何形狀有關(guān)，而與其空間相對(duì)位置無(wú)關(guān)?；蛘哒f(shuō)，平移不改變絕對(duì)關(guān)聯(lián)度的值。

1.2.2 改進(jìn)的灰色絕對(duì)關(guān)聯(lián)度

在某些實(shí)際工程應(yīng)用中，有時(shí)僅考慮曲線間的相似性是遠(yuǎn)遠(yuǎn)不夠的，還應(yīng)考慮曲線間的接近程度。為此，在絕對(duì)關(guān)聯(lián)度的定義中增加一個(gè)變量σs0i，σs0i反映了序列Xi在時(shí)間點(diǎn)上偏離X0的程度，引入σs0i后灰色絕對(duì)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(shí)間序列，Xi=(xi(1)，xi(2)，…，xi(n))為與之比較的時(shí)間序列，i=1，2，…，m，則稱

1.2.3 灰色優(yōu)勢(shì)分析

將改進(jìn)的灰色絕對(duì)關(guān)聯(lián)度應(yīng)用在灰色優(yōu)勢(shì)分析的定義中，得出新的灰色優(yōu)勢(shì)分析的定義。

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

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

則稱時(shí)間序列 Xl準(zhǔn)優(yōu)于 Xj，記為：Xl>Xj。

若δl>δj， 則稱時(shí)間序列 Xl優(yōu)于Xj； 若對(duì)?l，j∈{1，2， … ，m}，l≠j，恒有δl>δj， 則稱 Xl為最優(yōu)時(shí)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(gè)道路方向上的從機(jī)通過(guò)傳感器采集到車流量信號(hào)后，將數(shù)據(jù)發(fā)送給主機(jī)，主機(jī)再綜合各個(gè)方向的車流量信息后，決策并控制各道路方向的交通信號(hào)燈（紅綠燈）的時(shí)間長(zhǎng)短（不再是傳統(tǒng)的定時(shí)控制）。主機(jī)將交通燈的控制命令及控制參數(shù)發(fā)送給從機(jī)，從機(jī)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(shí)現(xiàn)對(duì)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(jìn)的灰色優(yōu)勢(shì)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(gè)參數(shù)作為擁擠自動(dòng)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(jìn)的灰色優(yōu)勢(shì)分析，對(duì)機(jī)動(dòng)車流量控制信息進(jìn)行判別。實(shí)驗(yàn)結(jié)果表明，該方法判斷準(zhǔn)確率不低于96%，具有良好的識(shí)別性能，可利用這些檢測(cè)結(jié)果對(duì)各個(gè)路口的交通燈進(jìn)行實(shí)時(shí)控制，從而保證道路的暢通。

表1 交通流量驗(yàn)證結(jié)果(次)

[1]賀良華，侯曉東，于來(lái)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(wàn)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(guó)，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(wèn)題的特征向量方法[J].系統(tǒng)工程理論與實(shí)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(bào)，2009，28(4)：17-18.