一種面向高速公路的多源交通信息融合方法
【技術領域】
[0001] 本發(fā)明涉及智能交通領域，特別涉及一種面向高速公路的多源交通信息融合方 法。
【背景技術】
[0002] 實時、準確和全面的交通信息是智能交通的基礎。目前，在交通信息獲取方面存在 采集方式單一，檢測器數量不足，布設不合理等問題。信息融合是指多源信息在一定準則下 加以自動分析、綜合來完成決策評估而進行的信息處理過程。將多種方式采集的交通信息 進行有效融合，不但可以增加信息的種類、擴大數據采集范圍，而且還能夠有效提高信息獲 取的性價比、準確度和可靠度，避免單個信息源失效而導致的判斷和決策錯誤。通過合適的 融合方法，可以從有檢測器路段或斷面得到無檢測器路段或斷面的交通信息；通過同一路 段或斷面多種檢測器的信息進行融合，可以更加全面準確得到該路段或斷面的交通信息。 因此，合理的融合方法稱為當前研宄熱點和難點。
[0003] 交通信息自動檢測設備分為固定檢測器和移動檢測器兩大類。固定型檢測器包 括：環(huán)形感應線圈、視頻檢測器、微波檢測器及紅外線檢測器等；移動型檢測器主要指基于 GPS/GL0NASS/北斗定位和手機無線通訊定位的浮動車交通信息采集系統(tǒng)。高速公路的交 通信息采集以視頻采集為主，配合收費站卡口檢測、浮動車檢測以及關鍵位置布設的微波 等檢測器。已經提出的交通信息融合方法往往針對城市道路網，有關高速公路的研宄甚少。 高速公路具有很多不同于城市道路的特點，如車速快、全封閉、無信號控制、路線長、檢測 器分布少和浮動車比例小等，這使得高速公路的交通信息獲取更加困難，需要更加合理的 交通信息融合方案和方法。

【發(fā)明內容】

[0004] 本發(fā)明的目的是為了增加高速公路交通信息獲取的全面性和準確性，提出了一種 面向高速公路的多源交通信息融合方法，通過有檢測器路段交通信息的融合，獲取更加全 面準確的交通信息；通過有檢測器路段數據和歷史數據相融合，預測無檢測器路段的交通 信息，從而獲得整個路段的交通信息。
[0005] 本發(fā)明包括以下步驟：
[0006] 步驟一、高速公路路段單元劃分：
[0007] 路段的合理劃分不僅能夠高速公路交通信息主要來源于視頻檢測器，而且為了交 通管理監(jiān)控的需要，視頻檢測器在整個高速公路分布范圍廣，基本達到每公里路段就有一 個視頻檢測器。因此，將每個視頻檢測器作為一個單元的開始，同時也作為前面一個單元的 結束。
[0008] 因為路段單元過大將使得交通信息不夠全面，路段單元過小則使得交通信息獲得 難度大，對信息傳輸、處理和存儲設備的要求很高。在此規(guī)定路段最大單元長度為5千米， 最小單元長度為1千米。
[0009] 步驟二、交通信息數據預處理：
[0010] 目的是識別故障數據并修正，補全缺失數據。交通信息采集設備正常工作情況下， 此步驟可省略。
[0011] 步驟三、單元內多源交通信息融合
[0012] 路段單元內交通信息融合采用的是自適應加權平均法，以求取是信號的誤差最 小的權值為目的，通過一種自適應算法，來實現檢測數據融合的，并且這種算法不是以存儲 大量的歷史數據為代價來追求融合的精度的。融合的交通參數為路段單元內的平均行程速 度。
[0013] 設在j時刻，使用移動采集方法和固定采集方法檢測到信號分別為X1 (j)，X2(j)， 其中Xi (j) =CliUhbi (j)表示j時刻信號的測量值，當i= 1時為移動采集方法采集到的 信號，當i= 2時為固定采集方法采集到的信號，Cli (j)表示信號的真實值，bi(j)表示j時 刻第i個信號的高斯噪聲，方差為A2。
[0014] 兩種交通信息采集方法得到的信息加權平均結果為：
【主權項】
1. 一種面向高速公路的多源交通信息融合方法，包括w下步驟： 步驟一、高速公路路段單元劃分： 將每個視頻檢測器作為一個單元的開始，同時也作為前面一個單元的結束，規(guī)定路段 最大單元長度為5千米，最小單元長度為1千米。 步驟二、交通信息數據預處理： 識別故障數據并修正，補全缺失數據； 步驟=、單元內多源交通信息融合： 路段單元內交通信息融合采用的是自適應加權平均法，W求取是信號的誤差最小的權 值為目的，通過一種自適應算法，來實現檢測數據融合的，并且該種算法不是W存儲大量的 歷史數據為代價來追求融合的精度的，融合的交通參數為路段單元內的平均行程速度； 設在j時刻，使用移動采集方法和固定采集方法檢測到信號分別為Xi(j)，X, (j)，其中 Xi(j) =di(j)+bi(j)表示j時亥Ij信號的巧幢值，當i= 1時為移動采集方法采集至IJ的信號， 當i= 2時為固定采集方法采集到的信號，di(j)表示信號的真實值，bi(j)表示j時刻第i 個信號的高斯噪聲，方差為扣。 兩種交通信息采集方法得到的信息加權平均結果為：
其中，W= {wi，W2}T為待估計的未知權值矩陣；X={Xl(j)，X2(j)}T為j時刻不同采集方法采集到的數據。 并且，如^
則可W得到信號的無偏估計。 設某一檢測時間^'內不同采集方法采集到的車輛速度向量為義1〇)，義2〇)，《1，《2相互 獨么Xi，X2分別為Xi(j)，X2Ci)的時間，方差分別為0。〇2;設加權因子向量（待估計的權 值）W= 滿盾
貝Ij2中采集方法的加權平均結果為：
因為Xi，X2彼此獨么并且為X的無偏估計，所WE[(X-Xi)(X-X2)] =0,故?？蓪懗桑?br>利用柯西不等式及權的定義：
當且僅當
時等號成立，總的均方差取最小值。該時： ?i2。1'= ?a'。]' 該最小值的求取是當加權因子滿足巧=1約束條件時總的均方差極值求取。根據多 扛1 元函數求極值理論，可求出總均方誤差最小時所對應的加權因子為：
步驟四、單元間的交通信息融合 單元間交通信息融合的目的是利用有檢測器路段的交通流量預測無檢測器路段交通 流量，在此采用的是聚類分析的方法，步驟如下： (1) 、在聚類分析處理過程中，首先應對歷史數據進行變換處理。采用的是標準化變 換.
該種變換方法主要是對變量的屬性進行變換處理，首先對列進行中屯、化，然后用標準 差進行標準化，其中：
通過變換處理后，每列數據的平均值為0,方差為1，使用標準差標準化處理后，在抽樣 樣本改變時，它仍保持相對穩(wěn)定性； (2) 、相似系數的確定 相似系數有很多種，在此選擇的相似系數是相關系數。Xi和Xj.相關系數為：
(3) 、聚類分析的計算 采用最大相似系數作為聚類標準，即把相似系數最大的兩類聚為一類，具體做法是：定 義類Gp和G之間的相似系數RPU為：
計算各路段交通流量之間的相似系數，得到一個相似系數矩陣Rw，此時各路段交通流 量自成一類，顯然有Rpu=rPU; 尋找Rw的非主對角線上的最大元素，設為Rpu，則將Gp和Gu合并成一新類，記為G,，即Gs=祐WG。}。 計算新類與其它類的相似系數
并將所得到的相似系數記為Rw; 對Rw重復實行對于RW的步驟，得R?，由R?按同樣的步驟計算得R?，W此類推將 所有的路段交通流量并為一類； (4)、回歸預測 通過聚類計算得到與無檢測器單元歸為一類的有檢測器單元，并給出他們 的一元回歸方程，其形式為： Qw二AQy+B 其中，Qu為無檢測器單元交通流量，Qy為有檢測器單元交通流量，A和B為回歸參數。
【專利摘要】本發(fā)明公開了一種面向高速公路的多源交通信息融合方法，通過有檢測器路段交通信息的融合，獲取更加全面準確的交通信息；通過有檢測器路段數據和歷史數據相融合，預測無檢測器路段的交通信息，從而獲得整個路段的交通信息；包括以下步驟：高速公路路段單元劃分、交通信息數據預處理、單元內多源交通信息融合、單元間的交通信息融合；將多種方式采集的交通信息進行有效融合，不但可以增加信息的種類、擴大數據采集范圍，而且還能夠有效提高信息獲取的性價比、準確度和可靠度，避免單個信息源失效而導致的判斷和決策錯誤。
【IPC分類】G08G1-01
【公開號】CN104794895
【申請?zhí)枴緾N201510166765
【發(fā)明人】于德新, 林賜云, 張偉, 楊克, 商強, 楊慶芳, 周戶星, 王薇, 龔勃文, 鄭黎黎
【申請人】吉林大學, 山東高速股份有限公司
【公開日】2015年7月22日
【申請日】2015年4月9日