[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

摘要

本发明涉及一种多源异类海量交通数据融合的并行实现方法，基于D-S证据融合理论，对交通系统中地感线圈（SCATS）和车载导航（GPS）采集到的交通数据进行并行融合，包括：(1)收集SCATS和GPS采集到的数据；(2)利用二维四叉树法将交通区域划分成子区域；(3)将SCATS数据利用算法级并行，粗糙转换成车辆平均速度；(4)将GPS数据利用数据级并行，转换成车辆平均速度；(5)把来源于SCATS和GPS的车辆平均速度进行证据并行融合，评估交通状态。本发明具有运行时间短、准确性高、覆盖区域大等优点，可以高效评估实时交通状态，为出行者和交通管理者提供更准确的交通信息。

主权项

一种多源异类海量交通数据融合的并行实现方法，其特征在于包括以下步骤：(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；③每个从节点判断对应子区域的数据集是否与整个交通区域的其他数据集冲突；④将非冲突数据集归到从节点，计算非冲突记录的条数；⑤各个从节点将非冲突记录的条数发送到主节点，形成变量在主节点上计算得出各属性重要度，并行逻辑；⑥主节点利用粗糙集算法根据整个交通区域历史交通数据提取评估规则；⑦将评估规则和整个交通区域的实时数据发送至各个从节点；⑧集群中的各从节点根据⑥中的规则评估对应子区域的实时交通数据，得出路段平均速度；(4)GPS数据并行转换：将GPS点拟合到路段上，根据GPS数据计算出各条路段的平均速度，具体步骤如下：①将各个子区域的GPS数据发送到集群中对应的从节点；②在从节点上将GPS点的坐标进行转换；③将GPS点的坐标与地图中的路段进行匹配；④各从节点采用最小距离法，将GPS点拟合到对应子区域扩展之后的区域内离该点距离最近的一条路段上；⑤根据GPS数据分别计算各条路段的平均速度；(5)证据并行融合：将各个子区域SCATS数据经过并行粗糙转换之后得到的路段平均速度和GPS数据经过并行转换后得到的路段平均速度进行并行融合，得出整个交通区域的路段平均速度，具体步骤如下：①各个从节点同时将对应子区域来源于同一条路段上的由SCATS和GPS数据转换得到的车辆平均速度利用D‑S证据理论进行融合；②将融合的结果作为整个交通区域每条路上的车辆平均速度输出，同时将结果添加到整个交通区域的交通状态特征数据库中，更新里面的数据。基于更新之后的数据提取新的评估规则，循环评估子区域SCATS收集的实时数据。