[发明专利]异类交通信息实时融合方法

说明书

技术领域

本发明涉及一种交通运输技术领域中信息处理的方法，具体是一种异类交通信息实时融合方法。

背景技术

随着智能交通技术的发展，城市交通流的动态估计受到了越发广泛的关注。而交通状态估计离不开准确可靠的交通信息，因此检测信息方法的精度决定了交通状态估计的准确性。城市路网交通流检测信息方法有多种，主要有磁频感应线圈检测法，GPS探测车检测法，视频检测法等。这些方法在某些方面取得了成功并具有其实用价值，但在城市路网交通状态的估计方面存在各自的局限性。感应线圈检测器可得到多种交通流参数，但是其高故障率导致检测数据大量缺失，状态表征量(平均速度、行驶时间)换算公式不准确也大大影响了估计的效果；应用GPS(全球卫星定位系统)探测车的信息检测方法，通过对移动车辆进行实时监控，动态获取时间、位置、速度等车辆定位信息，具有精度高，城市范围内分布广泛，受天气影响小等优点，但是其采样率低，地图匹配算法误差大等缺点也造成估计结果不准确；视频检测对硬件设备要求较高，受天气影响大，也无法做到对交通路网状态进行全面准确的估计。基于这种情况，有提出引入信息融合的方法来提高交通状态估计的准确性，也就是说，把用感应线圈检测器、GPS探测车检测器等多种异类检测器检测到的交通信息进行融合，借助多种检测器之间的互补信息对交通状态进行更准确全面的估计。

经对现有技术文献的检索发现，R.L.Cheu等人于2001年在《IEEE IntelligentTransportation Systems Conference Proceedings》(IEEE智能运输系统会议案卷)上发表的论文“An arterial speed estimation model fusing data from stationary and mobilesensors”，(用于融合静态和动态传感器数据的一个主干道速度估计模型)论文中用基于神经网络的模型实现了检测环数据和GPS探测车数据的融合，并通过仿真平台用仿真数据验证了模型的效果，然而，神经网络需要大量的数据真值进行训练，这在实际应用中是很难实现的；K.Choi等人于2002年在Intelligent TransportationSystems(智能运输系统)上发表的论文“A data fusion algorithm for estimating linktravel time”，(路段行驶时间估计的数据融合算法)其中，提出了基于模糊理论的算法来融合这两种数据，得到了比较好的效果，但是该算法具有很高的复杂性，而且可移植性差很难适应交通信息的实时融合环境；E.Faouzi等人在他们2006年发表在《Multisensor，Multisource Information Fusion：Architecture，Algorithm，Application，Processing of SPIE》(SPIE会议——多传感器，多源信息融合：架构，算法和应用)上的论文“Classifiers and distance-based evidential fusion for road travel timeestimation”(用于估计路段行驶时间的基于分类器和基于距离的证据融合)中提出了一种基于证据理论的分类器融合方法，为交通状态估计提供了一条新的思路，然而，上述方法由于很难实现实时融合估计，需要大量先验数据、可移植性差等问题，所以大大限制了其工程应用。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种异类交通信息实时融合方法，使其针对交通工程的实际需要，在特征级上进行实时的交通状态融合估计，最终为整个城市交通的控制和诱导提供实时、全面、准确的检测信息资料。

本发明是通过以下技术方案实现的，本发明具体包括以下步骤：

(1)传感器检测信息的特征提取；

(2)可靠性矩阵W的确定；

(3)信度的建立；

(4)特征级融合模型；

(5)最终特征的决策。

所述的传感器检测信息的特征提取，是指：感应线圈数据通过交通波理论，转化为路段平均速度或行程时间；GPS探测车检测信息的特征提取经过坐标变换、地图匹配、建模拟合把GPS探测车数据转化成路段平均速度，目的是获得与交通状态成单调对应关系的特征量，作为融合系统的输入。

对异类传感器信息进行特征提取可以根据不同种类传感器的具体特点，采用适合此类传感器的任何提取方法，例如：感应线圈数据可以转化为路段平均速度或行程时间。