一种面向高速公路的多源交通信息融合方法技术

本发明专利技术公开了一种面向高速公路的多源交通信息融合方法，通过有检测器路段交通信息的融合，获取更加全面准确的交通信息；通过有检测器路段数据和历史数据相融合，预测无检测器路段的交通信息，从而获得整个路段的交通信息；包括以下步骤：高速公路路段单元划分、交通信息数据预处理、单元内多源交通信息融合、单元间的交通信息融合；将多种方式采集的交通信息进行有效融合，不但可以增加信息的种类、扩大数据采集范围，而且还能够有效提高信息获取的性价比、准确度和可靠度，避免单个信息源失效而导致的判断和决策错误。

【技术实现步骤摘要】

本专利技术涉及智能交通领域，特别涉及一种面向高速公路的多源交通信息融合方 法。
技术介绍
实时、准确和全面的交通信息是智能交通的基础。目前，在交通信息获取方面存在 采集方式单一，检测器数量不足，布设不合理等问题。信息融合是指多源信息在一定准则下 加以自动分析、综合来完成决策评估而进行的信息处理过程。将多种方式采集的交通信息 进行有效融合，不但可以增加信息的种类、扩大数据采集范围，而且还能够有效提高信息获 取的性价比、准确度和可靠度，避免单个信息源失效而导致的判断和决策错误。通过合适的 融合方法，可以从有检测器路段或断面得到无检测器路段或断面的交通信息；通过同一路 段或断面多种检测器的信息进行融合，可以更加全面准确得到该路段或断面的交通信息。 因此，合理的融合方法称为当前研宄热点和难点。 交通信息自动检测设备分为固定检测器和移动检测器两大类。固定型检测器包 括：环形感应线圈、视频检测器、微波检测器及红外线检测器等；移动型检测器主要指基于 GPS/GL0NASS/北斗定位和手机无线通讯定位的浮动车交通信息采集系统。高速公路的交 通信息采集以视频采集为主，配合收费站卡口检测、浮动车检测以及关键位置布设的微波 等检测器。已经提出的交通信息融合方法往往针对城市道路网，有关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点，如车速快、全封闭、无信号控制、路线长、检测 器分布少和浮动车比例小等，这使得高速公路的交通信息获取更加困难，需要更加合理的 交通信息融合方案和方法。
技术实现思路
本专利技术的目的是为了增加高速公路交通信息获取的全面性和准确性，提出了一种 面向高速公路的多源交通信息融合方法，通过有检测器路段交通信息的融合，获取更加全 面准确的交通信息；通过有检测器路段数据和历史数据相融合，预测无检测器路段的交通 信息，从而获得整个路段的交通信息。 本专利技术包括以下步骤： 步骤一、高速公路路段单元划分： 路段的合理划分不仅能够高速公路交通信息主要来源于视频检测器，而且为了交 通管理监控的需要，视频检测器在整个高速公路分布范围广，基本达到每公里路段就有一 个视频检测器。因此，将每个视频检测器作为一个单元的开始，同时也作为前面一个单元的 结束。 因为路段单元过大将使得交通信息不够全面，路段单元过小则使得交通信息获得 难度大，对信息传输、处理和存储设备的要求很高。在此规定路段最大单元长度为5千米， 最小单元长度为1千米。 步骤二、交通信息数据预处理： 目的是识别故障数据并修正，补全缺失数据。交通信息采集设备正常工作情况下， 此步骤可省略。 步骤三、单元内多源交通信息融合 路段单元内交通信息融合采用的是自适应加权平均法，以求取是信号的误差最 小的权值为目的，通过一种自适应算法，来实现检测数据融合的，并且这种算法不是以存储 大量的历史数据为代价来追求融合的精度的。融合的交通参数为路段单元内的平均行程速 度。 设在j时刻，使用移动采集方法和固定采集方法检测到信号分别为X1 (j)，X2(j)， 其中Xi (j) =CliUhbi (j)表示j时刻信号的测量值，当i= 1时为移动采集方法采集到的 信号，当i= 2时为固定采集方法采集到的信号，Cli (j)表示信号的真实值，bi(j)表示j时 刻第i个信号的高斯噪声，方差为A2。 两种交通信息采集方法得到的信息加权平均结果为：【主权项】1. ，包括w下步骤： 步骤一、高速公路路段单元划分： 将每个视频检测器作为一个单元的开始，同时也作为前面一个单元的结束，规定路段 最大单元长度为5千米，最小单元长度为1千米。 步骤二、交通信息数据预处理： 识别故障数据并修正，补全缺失数据； 步骤=、单元内多源交通信息融合： 路段单元内交通信息融合采用的是自适应加权平均法，W求取是信号的误差最小的权 值为目的，通过一种自适应算法，来实现检测数据融合的，并且该种算法不是W存储大量的 历史数据为代价来追求融合的精度的，融合的交通参数为路段单元内的平均行程速度； 设在j时刻，使用移动采集方法和固定采集方法检测到信号分别为Xi(j)，X, (j)，其中 Xi(j) =di(j)+bi(j)表示j时亥Ij信号的巧幢值，当i= 1时为移动采集方法采集至IJ的信号， 当i= 2时为固定采集方法采集到的信号，di(j)表示信号的真实值，bi(j)表示j时刻第i 个信号的高斯噪声，方差为扣。 两种交通信息采集方法得到的信息加权平均结果为：其中，W= {wi，W2}T为待估计的未知权值矩阵；X={Xl(j)，X2(j)}T为j时刻不同采集方法采集到的数据。 并且，如^则可W得到信号的无偏估计。 设某一检测时间^'内不同采集方法采集到的车辆速度向量为义1〇)，义2〇)，《1，《2相互 独么Xi，X2分别为Xi(j)，X2Ci)的时间，方差分别为0。〇2;设加权因子向量（待估计的权 值）W= 满盾贝Ij2中采集方法的加权平均结果为：因为Xi，X2彼此独么并且为X的无偏估计，所WE =0,故。可写成：利用柯西不等式及权的定义：当且仅当时等号成立，总的均方差取最小值。该时： ?i2。1'= ?a'。]' 该最小值的求取是当加权因子满足巧=1约束条件时总的均方差极值求取。根据多 扛1 元函数求极值理论，可求出总均方误差最小时所对应的加权因子为：步骤四、单元间的交通信息融合 单元间交通信息融合的目的是利用有检测器路段的交通流量预测无检测器路段交通 流量，在此采用的是聚类分析的方法，步骤如下： (1) 、在聚类分析处理过程中，首先应对历史数据进行变换处理。采用的是标准化变 换.该种变换方法主要是对变量的属性进行变换处理，首先对列进行中屯、化，然后用标准 差进行标准化，其中：通过变换处理后，每列数据的平均值为0,方差为1，使用标准差标准化处理后，在抽样 样本改变时，它仍保持相对稳定性； (2) 、相似系数的确定 相似系数有很多种，在此选择的相似系数是相关系数。Xi和Xj.相关系数为：(3) 、聚类分析的计算 采用最大相似系数作为聚类标准，即把相似系数最大的两类聚为一类，具体做法是：定 义类Gp和G之间的相似系数RPU为：计算各路段交通流量之间的相似系数，得到一个相似系数矩阵Rw，此时各路段交通流 量自成一类，显然有Rpu=rPU; 寻找Rw的非主对角线上的最大元素，设为Rpu，则将Gp和Gu合并成一新类，记为G,，即Gs=祐WG。}。 计算新类与其它类的相似系数并将所得到的相似系数记为Rw; 对Rw重复实行对于RW的步骤，得R?，由R?按同样的步骤计算得R?，W此类推将 所有的路段交通流量并为一类； (4)、回归预测 通过聚类计算得到与无检测器单元归为一类的有检测器单元，并给出他们 的一元回归方程，其形式为： Qw二AQy+B 其中，Qu为无检测器单元交通流量，Qy为有检测器单元交通流量，A和B为回归参数。【专利摘要】本专利技术公开了，通过有检测器路段交通信息的融合，获取更加全面准确的交通信息；通过有检测器路段数据和历史数据相融合，预测无检测器路段的交通信息，从而获得整个路段的交通信息；包括以下步骤：高速公路路段单元划分、交通信息数据预处理、单元内多源交本文档来自技高网...

【技术保护点】
一种面向高速公路的多源交通信息融合方法，包括以下步骤：步骤一、高速公路路段单元划分：将每个视频检测器作为一个单元的开始，同时也作为前面一个单元的结束，规定路段最大单元长度为5千米，最小单元长度为1千米。步骤二、交通信息数据预处理：识别故障数据并修正，补全缺失数据；步骤三、单元内多源交通信息融合：路段单元内交通信息融合采用的是自适应加权平均法，以求取是信号的误差最小的权值为目的，通过一种自适应算法，来实现检测数据融合的，并且这种算法不是以存储大量的历史数据为代价来追求融合的精度的，融合的交通参数为路段单元内的平均行程速度；设在j时刻，使用移动采集方法和固定采集方法检测到信号分别为x1(j),x2(j)，其中xi(j)＝di(j)+bi(j)表示j时刻信号的测量值，当i＝1时为移动采集方法采集到的信号，当i＝2时为固定采集方法采集到的信号，di(j)表示信号的真实值，bi(j)表示j时刻第i个信号的高斯噪声，方差为两种交通信息采集方法得到的信息加权平均结果为：s(j)=Σi=11wixi(j)=WTX(j)]]>其中，W＝{w1,w2}T为待估计的未知权值矩阵；X＝{x1(j),x2(j)}T为j时刻不同采集方法采集到的数据。并且，如果则可以得到信号的无偏估计。设某一检测时间j内不同采集方法采集到的车辆速度向量为x1(j),x2(j)，X1,X2相互独立，X1,X2分别为x1(j),x2(j)的时间，方差分别为σ1,σ2；设加权因子向量(待估计的权值)W＝{w1,w2}，满足则2中采集方法的加权平均结果为：s(j)=Σi=12ωixi(j)=WTX(j)]]>因为X1,X2彼此独立，并且为X的无偏估计，所以E[(X‑X1)(X‑X2)]＝0，故σ2可写成:σ2=E[Σi=12ωi2(x-xi)2]=Σi=12ωi2σi2]]>利用柯西不等式及权的定义：(Σi=1nωi2σi2)(Σi=121σi2)≥(Σi=12ωi)2=1]]>当且仅当时等号成立，总的均方差取最小值。这时：ω12σ12＝ω22σ22该最小值的求取是当加权因子满足约束条件时总的均方差极值求取。根据多元函数求极值理论，可求出总均方误差最小时所对应的加权因子为：w1=1σ12(1σ12+1σ22),w2=1-w1]]>步骤四、单元间的交通信息融合单元间交通信息融合的目的是利用有检测器路段的交通流量预测无检测器路段交通流量，在此采用的是聚类分析的方法，步骤如下：(1)、在聚类分析处理过程中，首先应对历史数据进行变换处理。采用的是标准化变换：xij′=xij-x‾jSji=1,2,...,nj=1,2,...,m]]>这种变换方法主要是对变量的属性进行变换处理，首先对列进行中心化，然后用标准差进行标准化，其中：x‾j=1nΣi=1nxij]]>Sj=[1n-1Σi=1n(xij-x‾j)2]1/2]]>通过变换处理后，每列数据的平均值为0，方差为1，使用标准差标准化处理后，在抽样样本改变时，它仍保持相对稳定性；(2)、相似系数的确定相似系数有很多种，在此选择的相似系数是相关系数。xi和xj相关系数为：rij=Σa=1p(xia-x‾i)(xja-x‾j)Σa=1p(xia-x‾i)2Σa=1p(xja-x‾j)2,-1≤rij≤1]]>其中：x‾i=1pΣa=1pxiax‾j=1pΣa=1pxja]]>(3)、聚类分析的计算采用最大相似系数作为聚类标准，即把相似系数最大的两类聚为一类，具体做法是：定义类Gp和Gu之间的相似系数Rpu为：Rpu=maxqi∈Gprij,qj∈Gu]]>计算各路段交通流量之间的相似系数，得到一个相似系数矩阵R(0)，此时各路段交通流量自成一类，显然有Rpu＝rpu；寻找R(0)的非主对角线上的最大元素，设为Rpu，则将Gp和Gu合并成一新类，记为Gs，即Gs＝{Gp,Gu}。计算新类与其它类的相似系数Rsk=maxqs∈Gsrsjqj∈Gk=max{maxqi∈Gprijqj∈Gk,maxqi∈Gurijqj∈Gk}ma...

【技术特征摘要】

【专利技术属性】
技术研发人员：于德新，林赐云，张伟，杨克，商强，杨庆芳，周户星，王薇，龚勃文，郑黎黎，
申请(专利权)人：吉林大学，山东高速股份有限公司，
类型：发明
国别省市：吉林;22