薛大暄 劉金剛

摘? 要： 為了降低交通監(jiān)控系統(tǒng)中單一傳感器的誤報率和漏報率，提出基于數(shù)據(jù)挖掘的交通監(jiān)控信息融合技術(shù)。在監(jiān)控環(huán)境中安裝并配準(zhǔn)視覺交通監(jiān)控設(shè)備，通過對交通監(jiān)控系統(tǒng)的視頻攝像等多視角傳感器的數(shù)據(jù)挖掘與集成，提取監(jiān)控目標(biāo)的信息特征。以提取的特征結(jié)果為基礎(chǔ)，通過目標(biāo)匹配及相同目標(biāo)數(shù)據(jù)融合兩個步驟得出交通監(jiān)控的信息融合結(jié)果。經(jīng)過對比實驗得出結(jié)論：與傳統(tǒng)信息融合技術(shù)相比，將設(shè)計的交通監(jiān)控信息融合技術(shù)應(yīng)用到監(jiān)控系統(tǒng)中有效地降低了誤報率和漏報率。

關(guān)鍵詞： 數(shù)據(jù)挖掘; 交通監(jiān)控; 監(jiān)控信息; 信息融合; 信息處理技術(shù); 監(jiān)控精度

中圖分類號： TN948.64?34; TP277? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼： A? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）13?0088?04

Research on traffic monitoring information fusion technology based on data mining

XUE Daxuan， LIU Jingang

（Information Engineering College， Capital Normal University， Beijing 100048， China）

Abstract： A traffic monitoring information fusion technology based on data mining is proposed to reduce the false alarm rate and missing alarm rate of the single sensor in the traffic monitoring system. The visual traffic monitoring equipment is installed and registered in the monitoring environment， and then the information features of monitored targets are extracted by data mining and integration of the multi?perspective sensors like video and camera shooting in the traffic monitoring system. On the basis of the extracted feature results， the information fusion results of traffic monitoring are obtained by the two steps of target matching and data fusion of the same targets. It can be concluded from the contrastive experiments that the application of the proposed traffic monitoring information fusion technology to the monitoring system can effectively reduce the false alarm rate and missing alarm rate in comparison with the traditional information fusion technology.

Keywords： data mining; traffic monitoring; monitoring information; information fusion; information processing technology; monitor accuracy

0? 引? 言

交通是從事旅客和貨物運輸及語言和圖文傳遞的行業(yè)，主要可以包括運輸和郵電兩個方面，在當(dāng)下的國民經(jīng)濟中可以當(dāng)作第三產(chǎn)業(yè)。按照交通運輸?shù)念愋涂梢詫⒔煌ǚ譃殍F路、公路、水路、空路和管道五種方式，而當(dāng)下交通主要指的是日常交通[1]。為了維持交通秩序，中國制定了相關(guān)的交通法律，并設(shè)置相關(guān)的監(jiān)控系統(tǒng)約束道理交通安全。交通監(jiān)控主要依賴相關(guān)的監(jiān)控設(shè)備運行，設(shè)置的監(jiān)控點主要分布在車流、人流相對集中的道理交叉口和重點路段上，監(jiān)控設(shè)備將采集到的圖像傳輸?shù)降缆繁O(jiān)控指揮中心，輔助相關(guān)的值班人員及時了解各個區(qū)域的路面運行狀態(tài)。通過對交通監(jiān)控信息的分析，可以及時調(diào)整各路口的車輛流量，確保交通通暢。除此之外，當(dāng)?shù)缆翻h(huán)境中出現(xiàn)交通事故或違章情況，也可以以交通監(jiān)控的結(jié)果為依據(jù)，提高公安機關(guān)執(zhí)法辦案的水平及效率。然而單一視角的交通監(jiān)控設(shè)備會由于角度與視線的問題致使監(jiān)控結(jié)果出現(xiàn)偏差，為此需要在交通監(jiān)控系統(tǒng)中增加硬件設(shè)備，并利用相應(yīng)的信息融合技術(shù)來提高監(jiān)控信息的準(zhǔn)確度和精度。

信息融合技術(shù)是將多傳感器信息源的數(shù)據(jù)和信息加以聯(lián)合、相關(guān)及組合，獲得更為精確的位置估計及身份估計，從而實現(xiàn)對交通環(huán)境及其重要程度的實時、完整評價的處理過程[2]。信息融合技術(shù)具有冗余性、互補性等特點，同時可以拓展監(jiān)控的覆蓋范圍、增強交通監(jiān)控系統(tǒng)的識別能力。傳統(tǒng)的信息融合技術(shù)包括加權(quán)平均融合技術(shù)、最優(yōu)加權(quán)融合技術(shù)以及自適應(yīng)信息融合技術(shù)，然而傳統(tǒng)信息融合技術(shù)中均存在融合效率低的問題，為此需要利用數(shù)據(jù)挖掘方法對其進行優(yōu)化設(shè)計。數(shù)據(jù)挖掘是與計算機技術(shù)相關(guān)的方法，通常是指從大量的數(shù)據(jù)中通過特有的算法搜索出隱藏于其中信息的過程。將該方法應(yīng)用到交通監(jiān)控信息融合技術(shù)當(dāng)中，可以提升對交通目標(biāo)的快速搜索，從而提高信息融合技術(shù)的實現(xiàn)效率。

1? 交通監(jiān)控信息融合技術(shù)設(shè)計

1.1? 安裝與配準(zhǔn)視覺交通監(jiān)控設(shè)備

交通監(jiān)控系統(tǒng)中需要安裝的硬件監(jiān)控設(shè)備包括兩個方面：一個為高清網(wǎng)絡(luò)視覺圖像攝像機，主要用來采集交通路面上的實時道路信息[3]。該攝像機可以實現(xiàn)大范圍立體角度內(nèi)的光譜信息收集、變換、傳輸、處理以及顯示;另一個硬件設(shè)備為數(shù)字高清網(wǎng)絡(luò)硬盤錄像機，除了可以實現(xiàn)小范圍的錄像之外，還可以存儲一定容量的數(shù)據(jù)。在監(jiān)控系統(tǒng)中攝像機與傳感器的設(shè)置個數(shù)在2個以上，實現(xiàn)交通監(jiān)控的多源數(shù)據(jù)采集，交通監(jiān)控設(shè)備在實際工作過程中的運行流程如圖1所示。

監(jiān)控設(shè)備安裝完畢后，需要對其進行配準(zhǔn)處理，多監(jiān)控設(shè)備的配準(zhǔn)是為了獲得無誤差量測轉(zhuǎn)換信息所采用的數(shù)據(jù)處理過程，分別從時間和空間兩個方面實現(xiàn)對監(jiān)控設(shè)備以及信息融合相關(guān)設(shè)備的配準(zhǔn)[4]。將采集到的視頻數(shù)據(jù)與信息存儲到系統(tǒng)數(shù)據(jù)庫當(dāng)中，作為信息融合的初始信息數(shù)據(jù)集。

1.2? 挖掘交通監(jiān)控信息數(shù)據(jù)

按照數(shù)據(jù)挖掘的實現(xiàn)原理，可以將其步驟劃分為：定義問題、建立數(shù)據(jù)庫、分析數(shù)據(jù)、準(zhǔn)備數(shù)據(jù)、建立挖掘規(guī)則和實施。在此次交通監(jiān)控信息數(shù)據(jù)的挖掘中，以視覺交通監(jiān)控設(shè)備采集到的監(jiān)控圖像信息組成的數(shù)據(jù)集作為搭建的數(shù)據(jù)庫[5]。在此基礎(chǔ)上，分析監(jiān)控數(shù)據(jù)并剔除掉數(shù)據(jù)庫中的無效數(shù)據(jù)。將處理完成的數(shù)據(jù)庫用[Ii]表示，在一個預(yù)先定義的規(guī)則[I1?I2]中，規(guī)則的前件用[?]前的事務(wù)[I1]表示，規(guī)則的后件用[?]后的事務(wù)[I2]表示。按照規(guī)定的關(guān)聯(lián)規(guī)則在交通監(jiān)控數(shù)據(jù)庫中挖掘?qū)?yīng)的待融合數(shù)據(jù)。

1.3? 提取監(jiān)控信息數(shù)據(jù)特征

交通路面中無論是車輛還是行人都處于移動的狀態(tài)，因此需要將同一個目標(biāo)的不同角度信息識別出來，再進而實現(xiàn)信息的融合[6]。若要識別交通監(jiān)控視頻中的目標(biāo)，首先需要將對應(yīng)目標(biāo)的數(shù)據(jù)特征提取出來，并以此作為標(biāo)準(zhǔn)識別其他角度上的畫面信息。監(jiān)控信息數(shù)據(jù)特征的提取過程如圖2所示。

按照圖2中的提取流程實現(xiàn)對交通監(jiān)控圖像中輪廓特征的提取，在此基礎(chǔ)上通過檢測圖像中的運動物體實現(xiàn)對目標(biāo)車輛的特征提取[7]。使用的提取方法為運動分割方法，利用當(dāng)前監(jiān)控畫面與背景圖像的差分實現(xiàn)對運動目標(biāo)的檢測。單一監(jiān)控設(shè)備的背景圖像在短時間內(nèi)固定不變，設(shè)當(dāng)前運動目標(biāo)的圖像為[G（x，y）]，相應(yīng)的背景圖像用[B（x，y）]表示。比較當(dāng)前交通監(jiān)控設(shè)備的采集圖像與背景圖像，確定實時監(jiān)控圖像中各個像素的變化情況，并利用式（1）提取出交通監(jiān)控圖像的基本運動特征。

式中：[t]為交通監(jiān)控的時間;[Dt（x，y）]為固定監(jiān)控設(shè)備對應(yīng)的背景圖像;TH表示像素移動的門限值[8]。綜合輪廓特征與目標(biāo)運動特征的提取結(jié)果，即可得出監(jiān)控信息數(shù)據(jù)特征的綜合提取結(jié)果。

1.4? 融合多視角交通監(jiān)控數(shù)據(jù)

多視角交通監(jiān)控信息融合技術(shù)中，不同角度與位置上的監(jiān)控設(shè)備設(shè)置的參數(shù)不同，導(dǎo)致采集到的數(shù)據(jù)可能是實時的或非實時的，同步或者異步的[9]。為此將交通監(jiān)控數(shù)據(jù)信息抽象為數(shù)據(jù)層、特征層和決策層。多視角信息時數(shù)據(jù)融合的加工對象、協(xié)調(diào)優(yōu)化與綜合處理是信息數(shù)據(jù)融合的核心，為此可以以提取的特征結(jié)果為基礎(chǔ)，分別從多個層次方面實現(xiàn)信息數(shù)據(jù)的融合。具體的數(shù)據(jù)融合過程如圖3所示。

1.4.1? 目標(biāo)匹配

目標(biāo)匹配的目的是識別不同交通監(jiān)控設(shè)備中的同一目標(biāo)，在當(dāng)前監(jiān)控圖像數(shù)據(jù)集中的圖像[Gt]中，存在特征向量的區(qū)域[R（p）]的前景像素定義為[p（x，y）]，且另一個監(jiān)控設(shè)備采集的任意一個監(jiān)控圖像對應(yīng)的像素定義為[px，y]，兩者之間的相似度可以用式（2）計算：

式中參數(shù)[N]表示像素的鄰域半徑。除了特征匹配度之外，[T]為距離相似測度函數(shù)，表達式為：

式中：[ΔP]，[ΔV]與[ΔC]分別表示圖像中的位置變化值、速度變化值以及顏色變化值[10];[α]，[β]與[γ]為對應(yīng)的經(jīng)驗系數(shù)，且三者的參數(shù)之和為1。將式（3）的求解結(jié)果代入到式（2）中，即可求出不同交通監(jiān)測設(shè)備采集圖像之間的相似度，若相似度高于80%，則判斷為同一目標(biāo)，可以進行下一步的信息數(shù)據(jù)融合處理[11]。

1.4.2? 相同目標(biāo)數(shù)據(jù)融合

相同目標(biāo)的所有信息分別從像素層、特征層和決策層三個角度實現(xiàn)數(shù)據(jù)的融合。其中，像素層是最低層次的融合，直接在交通監(jiān)控設(shè)備采集到的原始觀測信息層上進行融合;特征層融合采集到的信息進行特征分類與分析，并在一定很程度上進行信息壓縮，便于實時處理[12];決策層是在目標(biāo)匹配的基礎(chǔ)上，建立對所觀察對象的初步結(jié)論，接著通過各個交通監(jiān)控設(shè)備關(guān)聯(lián)進行局部決策層的融合處理，最終獲得交通監(jiān)控信息融合結(jié)果。

2? 對比實驗分析

為了檢測設(shè)計的基于數(shù)據(jù)挖掘的交通監(jiān)控信息融合技術(shù)的應(yīng)用效果，設(shè)計對比實驗，并應(yīng)用在實際的交通監(jiān)控系統(tǒng)當(dāng)中。選擇車流量大的交叉路作為此次對比實驗的研究對象，將具有較高性能的交通監(jiān)控器按照圖4中的方式安裝在指定的位置上，并調(diào)整到工作模式。

在硬件設(shè)備安裝并調(diào)試完成的情況下，將其連接到交通監(jiān)控環(huán)境中心的主機中，并通過對應(yīng)的界面顯示出來，其結(jié)果如圖5所示。

在此次對比實驗中設(shè)置傳統(tǒng)的交通監(jiān)控信息融合技術(shù)作為實驗的對比技術(shù)，兩個信息融合技術(shù)的實驗環(huán)境與相關(guān)數(shù)據(jù)參數(shù)相同，以此保證實驗變量的唯一性。分別將兩個交通監(jiān)控信息融合技術(shù)應(yīng)用到監(jiān)控環(huán)境當(dāng)中，手動控制交通車流的運行情況，并設(shè)置多個交通違規(guī)情況。通過監(jiān)控系統(tǒng)的告警次數(shù)證明設(shè)計的信息融合技術(shù)的應(yīng)用效果，為了避免實驗偶然性對實驗結(jié)果產(chǎn)生的影響，設(shè)置多次實驗，以得到準(zhǔn)確的實驗結(jié)果。經(jīng)過統(tǒng)計與計算得出實驗對比結(jié)果如表1所示。

將實驗檢測結(jié)果輸入到第三方統(tǒng)計軟件當(dāng)中，統(tǒng)計出交通監(jiān)控結(jié)果的漏報率與誤報率。通過計算，傳統(tǒng)交通監(jiān)控信息融合技術(shù)的漏報率為18.3%，誤報率為11.7%;而基于數(shù)據(jù)挖掘的交通監(jiān)控信息融合技術(shù)的漏報率與誤報率分別為3.3%和1.6%，相比之下分別降低了15%和10.1%。由此可以證明設(shè)計的基于數(shù)據(jù)挖掘的交通監(jiān)控信息融合技術(shù)可以有效地提升交通監(jiān)控系統(tǒng)的監(jiān)控精度與準(zhǔn)確性。

3? 結(jié)? 語

本文以多視角攝像機的交通監(jiān)控為研究背景，基于數(shù)據(jù)挖掘的研究策略，提出對應(yīng)的信息融合方法，即將單個攝像機的信息融合處理和多個攝像機的信息融合處理兩個過程相結(jié)合。通過實驗驗證了設(shè)計的信息融合技術(shù)的有效性，顯著提高了對交通監(jiān)控目標(biāo)的監(jiān)控精度，也較好地對目標(biāo)的完整狀態(tài)進行了描述。然而在實際的運行過程中，監(jiān)控結(jié)果會由于環(huán)境的影響而導(dǎo)致信息融合結(jié)果產(chǎn)生誤差，因此需要在未來的工作中深入開展研究。

參考文獻

[1] 楊東紅.基于數(shù)據(jù)挖掘技術(shù)的交通事故關(guān)聯(lián)分析[J].數(shù)字技術(shù)與應(yīng)用，2017，13（10）：230.

[2] 任偉.基于云計算的物聯(lián)網(wǎng)數(shù)據(jù)挖掘模型研究[J].軟件，2017，38（12）：229?232.

[3] 呂瑞，孫林夫.基于多源信息融合故障樹與模糊Petri網(wǎng)的復(fù)雜系統(tǒng)故障診斷方法[J].計算機集成制造系統(tǒng)，2017，23（8）：1817?1831.

[4] 覃兵文.大數(shù)據(jù)的分類挖掘優(yōu)化技術(shù)[J].現(xiàn)代電子技術(shù)，2017，40（24）：34?36.

[5] 高忠文，牛孜飏.基于大數(shù)據(jù)的交通流量模式分析[J].哈爾濱理工大學(xué)學(xué)報，2018，23（6）：124?127.

[6] 劉春，譚夢茜，邵雄凱，等.基于行車位置數(shù)據(jù)挖掘的拼車方法研究[J].計算機工程與應(yīng)用，2017，53（8）：76?80.

[7] 李賢鈺，郭忠印，王璐，等.基于D?S證據(jù)理論的災(zāi)后公路交通生命線多源信息融合技術(shù)[J].華東交通大學(xué)學(xué)報，2017，34（3）：88?94.

[8] 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(yīng)用，2017，53（5）：266?270.

[9] 曾嚴(yán).信息與智能交通控制平臺融合技術(shù)分析[J].無線互聯(lián)科技，2017，33（9）：118?119.

[10] 呂瑞，孫林夫.基于多源信息融合故障樹與模糊Petri網(wǎng)的復(fù)雜系統(tǒng)故障診斷方法[J].計算機集成制造系統(tǒng)，2017，23（8）：1817?1831.

[11] 周永箏，邱恭安.車聯(lián)網(wǎng)中的交通安全信息證據(jù)理論融合算法[J].計算機工程與設(shè)計，2017，38（4）：874?877.

[12] 陸曉，劉翌，齊敬先，等.基于大數(shù)據(jù)的電網(wǎng)設(shè)備監(jiān)控信息自動分類方法[J].電子設(shè)計工程，2019，27（11）：119?122.