交通信息采集与处理技术概述.pptVIP

* * 第一级 不同地点、同一时刻多传感器交通参数融合问题：统计分析方法 交通参数间的融合问题：数理统计算法 第二级 又称特征级，是指先对来自传感器的原始信息进行特征提取，然后对特征信息进行综合分析和处理。利用上一层次融合之后的准确、可靠的基础交通参数，融合出交通状态信息，为交通管理者和交通参与者提供更有决策价值的交通信息。 交通信息融合技术的应用 4.3.2 多源多维实时动态交通信息融合技术 第二级 需要注意的是，道路交通状态是一个模糊的概念，有必要对它进行量化处理，例如模糊逻辑允许交通状况被定义成“不拥挤”、“拥挤”、“小事故”、“大事故”，对应于4个数值区间。 第三级 又称决策级，是直接针对具体决策目标的最终结果。 交通信息融合技术的应用 4.3.2 多源多维实时动态交通信息融合技术 信息融合技术的三个层次均有自己不同的应用。而信息融合本身作为一种数据处理技术，涉及到许多学科和技术的应用。下面简要介绍几种信息融合的方法。 交通信息融合方法大致分为两大类：概率统计方法和人工智能方法。 人工智能方法又分为两种：逻辑推理方法和学习方法。与概率统计有关的方法包括：估计理论、卡尔曼滤波、假设检验、贝叶斯方法、统计决策理论以及其他变形的方法。概率统计方法可以在融合的各个层次上使用。常用的逻辑推理方法包括概率推理、证据推理、模糊推理和产生式规则等。常用的学习方法包括神经网络、映