[发明专利]一种多源异类海量交通数据融合的并行实现方法

说明书

技术领域

本发明属于智能交通技术领域，尤其涉及一种多源异类海量交通数据融合的并行实现方法，具体涉及一种将地感线圈（SCATS）和车载导航（GPS）采集到的交通数据进行并行转化和融合的方法。

背景技术

交通系统是国家和社会发展的必要基础。但是现有的交通基础设施不能满足日益增长的车辆数量，这会给国家经济、人民健康、社会治安带来严重隐患。人们迫切需要一种低能耗、占地少、成本低的交通拥堵解决方案。智能交通系统（ITS）应运而生。智能交通系统是指将信息通信技术运用于交通基础设施和交通工具，缓解交通拥堵，提高交通效率和安全性，减少能耗和废气排放，增加经济效益。先进的出行者信息系统（ATIS）是智能交通系统的重要组成部分，它收集加工处理交通信息，并将结果发送给出行者和交通管理者，帮助他们规划路径，做出更合理的管理决策。ATIS的首要目标是提供实时准确的大规模城区路段网络中的交通状况评估。城市路段网络中存在大量的传感器，如地感线圈（SCATS）、车载导航（GPS）、摄像机、手机等，可收集到海量交通数据。目前交通系统中主要的两种传感器，SCATS和GPS，都存在一定的缺陷。SCATS数据转换成交通状态特征（车辆速度）的准确率低；GPS收集的数据没有统计学意义，并且由于坐标系的不同，与地图匹配的过程中经常出现错误。当各种交通传感器采集的数据量增加时，数据处理的实时性受到极大的影响。因此，如何快速融合由不同类型的传感器收集的海量交通数据，实现对交通状态的实时准确的评估，成为智能交通领域亟待解决的问题。

经文献检索发现，Cheu等人于2001年在智能交通系统大会上发表论文《An arterial speed estimation model fusing data from stationary and mobile sensors》（《一种融合固定式和移动式传感器数据的动态速度估计模型》），提出了一个基于神经网络的融合模型，并进行了仿真试验。但是神经网络需要大量的数据真值进行训练，在实际应用中难以实现。Choi等人于2002年在《Intelligent Transportation System》（《智能交通系统》）上发表论文《A data fusion algorithm for estimating link travel time》（《一种评估路段行程时间的融合算法》）采用模糊推理算法来融合路段行程时间数据，但是该算法具有很强的针对性，可移植性差。也有人提出了自动事件检测算法和先进的驾驶辅助系统，但是这些技术都不能实时处理海量交通数据。

发明内容

本发明要克服现有技术中的不足，提供一种多源异类海量交通数据融合的并行实现方法，能高效处理地感线圈（SCATS）和车载导航（GPS）收集到的交通数据，得到实时准确的交通信息，为出行者和交通管理者提供便利。

为实现上述目的，本发明首先收集SCATS和GPS采集到的交通数据，并将交通区域划分成子区域，分别采用算法级并行和数据级并行将SCATS和GPS采集的数据转换为路段平均速度，最后通过数据级并行计算将两种平均速度进行证据融合，输出评估之后的交通状态。

本发明的方法通过以下具体步骤实现：

(1)收集SCATS和GPS采集到的数据：

SCATS采集到包含数据采集时间、周期、线圈编号、线圈饱和度、时间占用率的交通数据。GPS采集到包含采集时间、车辆编号、车辆速度、车辆位置坐标、车辆行驶方向的交通数据。

(2)区域划分：将交通区域划分成子区域，将GPS采集到的数据拟合到对应的子区域的路段上。具体步骤如下：

①设定一个阈值，阈值=GPS点的数量×路段数量÷集群中的从节点数；

②根据交通区域中的计算量（GPS点的数量×路段数量），利用二维四叉树法在平面地图上将交通区域划分成子区域，如果子区域中的计算量大于阈值，则继续划分，直到子区域计算量小于阈值；

③设定一个大于交通区域中95%的路段长度的临界值A；

④将子区域的长和宽分别扩展A形成扩展之后的区域；

⑤根据计算量最大-最小配对规则，将子区域进行搭配，为每个子区域分配一个对应的集群从节点，保证各个从节点的计算量均衡；

(3)SCATS数据并行粗糙转换：

基于消息传递接口（MPI）编码程序，并行计算各个属性重要度，然后根据粗糙集理论提取交通状态评估规则。具体步骤如下：

①初始化MPI环境；

②通过MPI将整个交通区域交通特征数据集发送给各个从节点；