[发明专利]一种基于中间件的动态交通信息采集方法

权利要求书

1.一种基于中间件的动态交通信息采集方法，其特征是，它的步骤为：

1)采用串口通信模式和/或网络通信模式进行交通信息的传输；

2)利用CORBA中间件技术中的接口定义语言IDL定制能够与不同交通信息检测设备相匹配的信息采集端口，识别和规范来自不同检测设备的数据，实现对道路交通流量、车辆速度、道路占有率的实时动态交通信息的采集；

3)对采集到的所有数据进行预处理，并采用基于网络拓扑关系的道路匹配算法进行浮动车的地图匹配；

对数据的预处理包括异常数据的修复和缺失数据的填充；其中，数据异常值采用错误数据限定处理，通过阈值法识别错误数据，即根据数据类型设定相应的数据阈值，把检测设备采集的流量、速度和占有率交通参数与其设定的上下阈值比较，如果测量值不在上下阈值所规定的范围内，则认为是错误数据，对其进行修复；

各交通参数的阈值依据道路额定通行能力的规划指标和各交通参数的历史统计数据确定；异常数据按照如下公式修复：

q_mod(t)＝αq_lw(t)+(1-α)q(t-1)

其中：q_mod(t)为交通参数q(t)的异常数据修复值；q_lw(t)为上一周同一工作日、同一时段交通参数q(t)的测量值；q(t-1)为交通参数q(t)上一时段的测量值；α∈[0，1]为计算的权值，如果某交通参数具有较大的时间起伏特性，α取较小的数值，否则α取较大的数值；

缺失数据的识别方法是把在一定时间段内得到的数据定义成某一时刻的数据，然后对数据的时间段进行扫描，如果在某一时间段内没有得到数据，则认为该时段的数据产生了丢失；

缺失数据的填充值取为同一交通参数上一周同一工作日、同一时段的测量值和该交通参数上一时段的测量值的加权和，计算公式与异常数据的修复相同；

4)利用免疫聚类神经网络，对预处理后的多源异构实时动态交通数据进行融合并存入数据库；其中，基于免疫聚类神经网络的数据融合技术，是利用径向基函数神经网络对多源异构实时动态交通数据进行融合的过程，其中径向基函数神经网络的隐层结构由基于人工免疫理论的数据聚类方法确定。

2.如权利要求1所述的基于中间件的动态交通信息采集方法，其特征是，所述步骤2)中利用CORBA中间件技术中的接口定义语言IDL将来自不同交通信息检测设备的数据格式进行统一编制，使采集端口与各交通信息检测设备相匹配，采集来自不同交通信息检测设备 的道路交通流量、车辆速度和道路占有率的实时动态交通信息；

其中，对来自不同交通信息检测设备的数据格式做如下定义：定义事件结构包括事件序号和事件描述；检测设备类型包括线圈检测器、微波检测器、视频检测器和浮动车检测设备；检测设备采用的外部通信协议包括RS-232/422/485、802.1、GPRS和Ethernet；检测设备的基本信息包括：品牌、制造商、设备型号、设备类型、设备编号和通信协议；流量类型包括正向流量和反向流量；速度类型包括正向速度和反向速度；占有率类型包括正向占有率和反向占有率；检测设备状态包括成功、无效、完成和未完成；检测设备采集参数包括流量信息、速度信息和占有率信息；检测设备作业包括作业名称和作业描述；

对信息采集端口定义如下操作：检测设备初始化，并与采集端连接；判断检测设备是否处于活动状态；断开连接；暂停；回到初始位；上传作业；下载作业；采集道路交通流量；采集车辆速度；采集道路占有率。

3.如权利要求1所述的基于中间件的动态交通信息采集方法，其特征是，所述步骤3)中，地图匹配方法为：将GPS接收的车辆定位信息规划到地图坐标系中来，确定车辆初始位置道路ID号，根据起始道路ID号，确定该道路的起始节点编号、终止节点编号、以及该条道路上各节点的空间坐标数据和属性数据；计算GPS定位信息(X，Y)到该条道路上最近的点，车辆即定位在该点上，在计算时采用的判断准则为：

其中(X，Y)为GPS定位信息、(X_i，Y_i)为道路中的坐标点。