[发明专利]一种多源交通信息融合方法及装置

说明书

本发明公开了一种多源交通信息融合方法及装置，融合方法包括：获取多源交通信息，根据卡尔曼滤波器对多源交通信息进行预处理得到标准数据源；根据标准数据源中信息源之间的证据距离，计算得到标准数据源的基本概率分配；根据D‑S证据理论对基本概率分配分别进行静态可靠性优化和动态可靠性优化，得到静态基本概率分配和动态基本概率分配。本发明提供一种多源交通信息融合方法及装置，结合卡尔曼滤波算法以及D‑S理论方法对多源交通信息进行融合，提高多源交通信息融合的准确性和稳定性。

技术领域

本发明涉及信息融合技术领域，尤其是涉及一种多源交通信息融合方法及装置。

背景技术

智能交通系统的研发是缓解城市交通拥堵的重要举措,其中综合利用多种来源的交通信息数据,通过信息融合分析技术,得到更准确的道路路况、更丰富的交通出行信息，以全面地掌控城市交通出行态势及出行特征,显得越来越重要。

本发明的发明人发现，现有的交通信息融合方法是通过使用统计法、模糊理论和Bayes推理法等经典算法实现信息融合的，但是现有的交通信息融合方法在信息融合的过程中由于容易出现数据冲突现象，导致信息融合的精准度较低。

发明内容

本发明提供一种多源交通信息融合方法及装置，以解决现有技术在信息融合的过程中由于容易出现数据冲突现象，导致信息融合的精准度较低的技术问题，实现提高多源交通信息融合的准确性和可靠性。

本发明的第一实施例提供一种多源交通信息融合方法，包括：

获取多源交通信息，根据卡尔曼滤波器对所述多源交通信息进行预处理得到标准数据源；

根据所述标准数据源中信息源之间的证据距离，计算得到所述标准数据源的基本概率分配；

根据D-S证据理论对所述基本概率分配分别进行静态可靠性优化和动态可靠性优化，得到静态基本概率分配和动态基本概率分配。

在本发明的其中一种实施例中，所述获取多源交通信息，根据卡尔曼滤波器对所述多源交通信息进行预处理得到标准数据源，具体包括：

获取多源交通信息，对所述多源交通信息进行降维处理以及归一化处理后，使用卡尔曼滤波器对处理后的所述多源交通信息进行滤波计算，得到标准数据源。

在本发明的其中一种实施例中，所述根据所述标准数据源中信息源之间的证据距离，计算得到所述标准数据源的基本概率分配，具体包括：

根据所述标准数据源中信息源对应的命题，计算所述信息源之间的证据距离，根据所述证据距离和焦元计算基本概率分配。

在本发明的其中一种实施例中，所述根据D-S证据理论对所述基本概率分配分别进行静态可靠性优化和动态可靠性优化，得到静态基本概率分配和动态基本概率分配，具体包括：

根据D-S证据理论得到所述基本概率分配的可靠性矩阵，将所述可靠性矩阵进行变换得到权值矩阵；

根据所述权值矩阵、所述可靠性矩阵和所述基本概率分配，计算得到静态基本概率分配。

在本发明的其中一种实施例中，所述根据D-S证据理论对所述基本概率分配分别进行静态可靠性优化和动态可靠性优化，得到静态基本概率分配和动态基本概率分配，具体包括：

根据动态可靠性权值以及所述标准数据源中信息源的估计方差，计算所述基本概率分配的动态可靠性；

结合所述动态可靠性和所述基本概率分配，得到动态基本概率分配。

本发明第二实施例提供了一种多源交通信息融合装置，包括：

预处理模块，用于获取多源交通信息，根据卡尔曼滤波器对所述多源交通信息进行预处理得到标准数据源；