0010交通信息处理技术.ppt

第二节 交通信息融合处理技术 4 、信息融合的 定义 通过中心数据处理器把来自多个传感器的数据进行综合，把各种传 入数据进行综合处理，使数据在一定准则下加以自动分析综合， 以完成所需的决策和评估，使它产生的输出信息比各个部分分别 处理产生的信息总和更有价值。 5 、信息融合的 优点 ? 可以提高系统的可信度 ? 可使数据采集更客观 ? 可以提高检测效果 ? 可以扩大时间和空间覆盖能力 ? 可以提高系统的性能价格比 第二节 交通信息融合处理技术 6 、信息融合模式 ? 像素级融合 – 直接在各传感器采集到的未处理的原始数据上进行融合，从融合的数据 中提取特征向量，并进行判断识别，是最低层次的融合。 – 得到的结果很准确，但对系统通信带宽的要求很高。 ? 特征级融合 – 先对来自传感器的原始信息进行特征提取（特征可以是被观测对象的各 种物理量），然后按特征信息对多传感器数据进行分类、综合和分析， 属于中间层次的融合。 – 由于数据丢失，结果准确性有所下降，对通信带宽的要求较低。 ? 决策级融合 – 从具体决策问题出发，利用特征级的融合结果，直接针对具体决策目标， 融合结果直接影响决策水平，是一种高层次融合。 – 由于对传感器的数据进行了浓缩，产生的结果最不准确，但对通信带宽 的要求最低。 第二节 交通信息融合处理技术 ? 信息融合三个层次的结构图 第二节 交通信息融合处理技术 7 、三个模式在交通信息融合中的体现（交通信息融合的输出结果） ? 像素级和特征级融合 – 处理的是地面交通信息和部分空间信息（如 GPS ） – 输出的是对城市交通状态的部分描述，如状态向量、特征和属性 等 ? 决策级融合 – 处理的数据包括地面交通信息、全部的空间信息、气象信息等其 他交通相关信息以及交通领域专家的知识等 – 输出的是抽象结果，如对交通系统的状态、交通系统整体性能的 评价以及对系统运行的预测等 第二节 交通信息融合处理技术 8 、交通信息融合的 作用 – 通过各种交通传感器和历史数据库等多种数据来源作为输入，利 用融合技术理论和方法，得到适合各个智能交通服务领域使用的 交通信息。 第二节 交通信息融合处理技术 二、交通信息融合处理的方法 分成三类： – 直接对数据源操作：加权平均、神经元网络等 – 利用对象的 统计特性 和 概率模型 进行操作：卡尔曼滤波、贝叶斯 估计、多贝叶斯估计、统计决策理论等 – 基于规则推理的方法：模糊推理、证据推理、产生式规则等 第二节 交通信息融合处理技术 1 、基于卡尔曼滤波技术的交通信息融合方法 ? 用于实时融合动态的低层次冗余多源数据，该方法用测量模型的统计 特性递推决定统计意义下的最优融合数据估计。 ? 卡尔曼滤波则不需要全部过去的观察数据，它只是根据前一个估计值 和最近一个观察数据来估计信号的当前值。它是用状态方程和递推方 法进行估计的，而它的解是以估计值 ( 常常是状态变量的估计值 ) 的形 式给出的。 ? 基于空间相关性的交通流量滤波融合模型：针对不同检测断面检测数 据的融合。 ? 联合滤波交通流量融合模型和集中滤波交通流量融合模型：对同一断 面多个同步检测设备检测数据融合。 第二节 交通信息融合处理技术 2 、基于贝叶斯估计的交通信息融合方法 将多传感器提供的各种不确定性信息表示为概率，并利用概率论中的 Bayes 条件概率公式对其进行处理。 第二节 交通信息融合处理技术 3 、基于人工神经网络的交通信息融合方法 多传感器信息融合技术就是通过对多个参数的监测并采用一定的信息处 理方法达到提高每一个参数测量精度的目的。 （ 1 ）基于神经网络的传感器信息融合过程 第二节 交通信息融合处理技术 （ 2 ）具体步骤 ? 用选定的 N 个传感器检测系统状态； ? 采集 N 个传感器的测量信号并进行预处理； ? 对预处理后的 N 个传感器信号进行特征选择； ? 对特征信号进行归一化处理，为神经网络的输入提供标准形式； ? 将归一化的特征信息与已知的系统状态信息作为训练样本，送神经网 络进行训练，直到满足要求为止。该训练好的网络作为已知网络，只 要将归一化的多传感器特征信息作为输入送人该网络，则网络输出就 是被测系统的状态。 第二节 交通信息融合处理技术 4 、基于综合统计分析的交通信息融合方法 – 加权平均法是一种简单，直观的融合多传感器低层数据的方法， 利用由一组传感器提供的冗余信息进行加权平均计算，并将加权 平均值作为信息融合值。 – 指数平滑法兼容了全期平均法和移动平均法所长，不舍弃过去的 数据，但是仅给于逐渐减弱的影响程度，即随着数据的远离，赋 予逐渐收敛为零的权数。 – 算术平均值的递推估计融合法。 第二节 交通信息融合处理技术 三、基于信息融合技术的智能驾驶系统 1 、智能驾驶的相关概念 （