[发明专利]大规模交通信息的数据处理及融合方法

说明书

技术领域

本发明涉及智能交通系统的交通信息实时处理技术领域，特别涉及一种大规模交通信息的数据处理及融合方法。

背景技术

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别、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。

发明内容

有鉴于此，本发明的目的在于提供一种大规模交通信息的数据处理及融合方法，用于实现交通信息数据的高效融合。

本发明提供了一种大规模交通信息的数据处理及融合方法，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。

本发明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1为本发明实施例提供的大规模交通信息的数据处理及融合方法流程图；

图2为本发明实施例中对参数动态赋值的方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

本发明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1为本发明实施例提供的大规模交通信息的数据处理及融合方法流程图，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。