大规模交通信息的数据处理及融合方法技术

本发明专利技术公开了一种大规模交通信息的数据处理及融合方法，属于交通信息实时处理技术，包括：根据测试车及各个传感器采集到的多源交通数据获得真值系统的标准数据，并确定参数的动态赋值方法；剔除传感器采集到的数据集合中的异常数据，并进行历史数据的补偿；对完成数据补偿的多源交通数据实时分级信息融合。本发明专利技术通过建立真值系统获得各种采集方式正确的初始赋值参数，对真实采集到的数据进行异常剔除，缺失数据根据历史数据进行合理填补以保证数据的准确性和完整性，对不同类别的采集方式获得的数据进行分级逐级融合处理以保证数据的可靠性，融合过程的快速性，并在融合过程中考虑交通事件、交通管制、占地施工、交通事故给数据带来的影响。

【技术实现步骤摘要】

本专利技术涉及智能交通系统的交通信息实时处理
，特别涉及一种。
技术介绍
信息融合最早应用于军事领域，是组合多源信息和数据完成目标检测、关联、状态评估的多层次、多方面的过程。这种信息融合的目的是获得准确的目标识别、完整而及时的战场态势和威胁评估。随着传感器技术、计算机科学和信息技术的发展，各种面向复杂应用背景的多传感器系统大量涌现，使得多渠道的信息获取、处理和融合成为可能，并且在金融管理、心理评估和预测、医疗诊断、气象预报、组织管理决策、机器人视觉、交通管制、遥感遥 测等诸多领域，人们都认识到把多个数据源中的信息综合起来能够提高工作的成绩。因此，多源信息融合技术在军事领域和民用领域得到了广泛的重视和成功的应用，其理论和方法已成为智能信息处理及控制的一个重要研究方向。现有技术更集中在数据级信息融合，其直接对未经预处理的传感器原始观测数据进行综合和分析。优点是保持了尽可能多的客体信息，基本不发生信息丢失或遗漏；缺点是处理数据太多，耗费时间太长，实时性差。另一种信息融合是特征级信息融合，亦称文件级信息融合，是对已经过传感器初步预处理之后，在传感器实现基本特征提取、提供文件报告的基础上执行的综合分析处理。其优点是既保持足够数量的重要信息，又已经过可容许的数据压缩，大大稀释了数据量，可以提高处理过程的实时性；而且特别有价值的是在模式识另O、图像分析、计算机视觉等现代高技术应用中，实际都以特征提取为基础，都已在这方面开展大量工作。特征级信息融合的缺点是，不可避免地会有某些信息损失，因而需对传感器预处理提出较严格的要求。由于交通数据的多源性，必须运用一种有效的方法合理协调多源数据，充分综合有用信息，提高在多变环境中正确决策的能力。数据融合技术是一种可满足该要求的良好工具。交通数据的多源性和复杂性要求交通信息处理必须拥有数据融合技术，这样才能提供交通信息的稳健性。现有的交通数据融合技术更集中在数据级信息融合，融合过程未对数据根据传感器的稳定性进行分级，并且未对传感器采集到的数据进行校验剔除，数据逐级融合，在融合过程中并未考虑交通事件、交通管制、占地施工、交通事故给数据带来的影响。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种，用于实现交通信息数据的高效融合。本专利技术提供了一种，包括根据测试车及各个传感器采集到的多源交通数据获得真值系统的标准数据，并确定参数的动态赋值方法；剔除所述传感器采集到的数据集合中的异常数据，并进行历史数据的补偿；对完成数据补偿的多源交通数据实时分级信息融合。本专利技术通过建立真值系统获得各种采集方式正确的初始赋值参数，对真实采集到的数据进行异常剔除，缺失数据根据历史数据进行合理填补以保证数据的准确性和完整性，对不同类别的采集方式获得的数据进行分级逐级融合处理以保证数据的可靠性，融合过程的快速性，并在融合过程中考虑交通事件、交通管制、占地施工、交通事故给数据带来的影响。经该融合过程，实现融合的快速、准确、可靠等效果，真值系统解决了现有技术初始参数赋值不准确的问题；对异常数据剔除、缺失数据填补克服了现有技术采集终端性能不稳定，以及采集终端损坏的难题；采用D-S理论对处理后的数据进行分级融合处理，解决了数据融合的多源性问题；还充分考虑交通事件、交通管制、占地施工、交通事故，克服了因以上因素对数据造成的影响。附图说明图I为本专利技术实施例提供的流程图； 图2为本专利技术实施例中对参数动态赋值的方法流程图。具体实施例方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合附图对本专利技术作进一步的详细描述。本专利技术实施例提供的交通数据融合过程能够实现融合的快速、准确、可靠等效果，真值系统解决了现有技术初始参数赋值不准确的问题；对异常数据剔除、缺失数据填补克服了现有技术采集终端性能不稳定，以及采集终端损坏的难题；采用D-S理论对处理后的数据进行分级融合处理，解决了数据融合的多源性问题；还充分考虑交通事件、交通管制、占地施工、交通事故，克服了因以上因素对数据造成的影响。图I为本专利技术实施例提供的流程图，包括以下步骤步骤101、获得真值系统,并确定D_S(Dempster-Sharer证据理论多源数据融合方法)中参数的动态赋值方法。所述真值系统标准数据是通过多辆高采样率的测试车，在不同时段多次测试，并获得时段t的平均值，作为标准值权利要求1.一种，其特征在于，包括 根据测试车及各个传感器采集到的多源交通数据获得真值系统的标准数据，并确定参数的动态赋值方法；剔除所述传感器采集到的数据集合中的异常数据，并进行历史数据的补偿；对完成数据补偿的多源交通数据实时分级信息融合。2.根据权利要求I所述的，其特征在于，所述获得真值系统的标准数据的步骤具体包括 通过多辆高采样率的测试车，在不同时段多次测试，并获得时段t的平均值，作为标准值3.根据权利要求2所述的，其特征在于，所述确定参数的动态赋值方法的步骤具体包括 将时段t测试车采集到的数据及各个传感器采集到的数据，拆分出出租车数据、公交车数据、微波/线圈数据、视频监控数据以及车牌识别数据，作为时段t的各类交通信息数据； 分别以出租车数据、公交车数据、微波/线圈数据、视频监控数据及车牌识别数据在时段t的平均值为标准值计算其标准差4.根据权利要求3所述的，其特征在于，所述剔除传感器采集到的数据集合中的异常数据的步骤具体包括 分别计算时段t对应分类交通信息数据X与历史信息数据H，计算X、H的数学期望E(X)、E(H)，计算时段t各类交通信息数据X与过去一年同期历史信息数据H的标准差D (X)、D (H)，如果 数学期望E(X)与数学期望E(H)差值在设定阀值th范围内，且D(X)与D(H)差值同样在设定阀值th'内，则该时刻数据没有发生异常； 数学期望E (X)与数学期望E(H)超出设定阀值th，但D(X)与D (H)差值在设定阀值th'内，则等待下一时段的交通信息数据X"生成；如果下一时段的交通信息数据D(X)与D(X")的差异超出设定阀值th'，则时段t的交通信息发生异常，并将异常数据剔除掉。5.根据权利要求4所述的，其特征在于，所述阈值 th 与 th'设定为th=E(H)/2, th' =D(X)/2。6.根据权利要求4或5所述的，其特征在于，所述历史数据的补偿步骤具体包括 每天各个传感器以及测试车采集到数据后，查找相邻Z个时间段内的包含的Q个交通数据文件，计算每一个时间段交通数据文件的路网平均速度，并将该平均速度视为一个点，平滑连接Z个点生成交通信息曲线片段；将该曲线片段与相同时间段内的历史数据进行匹配，找出最为相似的P条曲线作为辅助信息源，其中，Z表示时间段，Q表示Z个时间段内生成的文件量，P表示最相似的曲线数量； 根据各个传感器以及测试车采集到的各类交通信息数据的时间属性，从所述辅助信息源中查找与交通数据缺失的路链具有相同唯一编号、相同时间属性的历史数据对补偿区域中空缺信息路链进行填补。7.根据权利要求6所述的，其特征在于，所述对完成数据补偿的多源交通数据实时分级信息融合的步骤具体包括融合出租车与公交车数据 获得出租车数据和公交车数据的基本概率赋值函数的初始值，表示Sm1 (A^Pm2 (A); 设出租车和公交车数据融合后的所得值为U，出租车数据与公本文档来自技高网...

【技术保护点】
一种大规模交通信息的数据处理及融合方法，其特征在于，包括：根据测试车及各个传感器采集到的多源交通数据获得真值系统的标准数据，并确定参数的动态赋值方法；剔除所述传感器采集到的数据集合中的异常数据，并进行历史数据的补偿；对完成数据补偿的多源交通数据实时分级信息融合。

【技术特征摘要】

【专利技术属性】
技术研发人员：汪祖云，杜博文，张善海，王立勋，张燕，周一新，
申请(专利权)人：北京市交通信息中心，北京航空航天大学，北京银河金星科技发展有限公司，
类型：发明
国别省市：