《信息融合在智能交通系统中的应用.docx》由会员分享，可在线阅读，更多相关《信息融合在智能交通系统中的应用.docx（2页珍藏版）》请在课桌文档上搜索。
1、信息融合在智能交通系统中的应用智能交通系统是信息融合理论的一个重要的应用领域。为了猎取精确的交通信息，智能交通系统及其子系统采纳了大量的不同种类的传感器，例如线圈检测器、雷达、超声波检测器、摄像机、GPS探测车、手机等等。这些不同种类的检测器可以从不同角度供应交通掌握和管理所需的各种检测信息。但是，它们每一种检测器供应的交通信息往往是不完备、不全都和不精确的；因此有效合理地融合多种检测器的信息可以更好地对观测对象进行估量或理解，从而降低单种检测器信息的不确定性。近年来，随着信息技术和传感器技术的飞速进展，各种各样的新型传感器设施越来越多地被智能交通系统应用到交通信息采集中，同时地提高了对新型传
2、感器数据的处理和融合的要求。而且，由于在交通信息采集中应用了大量的异类传感器，因此在交通工程实践中，信息融合技术需要解决的问题大都是异类信息融合的问题。这个问题也是目前信息融合理论争论的前沿和热点，以往经典的信息融合理论和框架也面临着进一步的挑战。实际上，随着智能交通系统争论的消失，信息融合技术就已经开头被应用于智能交通系统中了。第一篇相关的文献是SUmner在1991年发表的，文章中他强调了信息融合技术在智能交通系统中的重要性。之后，多源信息融合技术在智能交通系统中的应用争论蓬勃绽开。下面从三个典型的应用方面进行争论。1 .先进旅行者信息系统中的应用先进旅行者信息系统(AdvancedTra
3、vellerInformationSystems,ATIS)可以供应应用户旅行所需的交通信息。在ATlS中，来自于不同种类的交通检测器的海量交通检测数据被自动采集到信息中心，然后通过数据处理、融合和分析等过程，得到对当前和将来交通状况的估量和猜测，最终把相关信息发布给用户使用。其中，采用多源交通信息对交通状况的估量就是一个典型的信息融合问题。在这个问题的争论中，Tarko和Rouphail争论了ADVANCE系统中采纳的信息融合技术。ADVANCE系统是较早地在美国芝加哥地区应用的ATTS系统，它用探测车测量的行程时间来作为感应线圈检测器数据的补充，实践证明融合探测车数据明显提高了行程时间估量
4、的精度。ELFaouzi和Lesort也提出了一个基于多源数据的融合框架来估量旅行时间，其中，线圈检测器数据和探测车数据作为数据源参加融合,而由车牌匹配技术测量得到的旅行时间数据则作为真值来验证融合算法的效果。他们的融合方法是加权平均方法，权值由协方差估量误差得到，试验结果显示融合后的估量精度也有肯定提高。ChOi和ChUng用模糊回归的方法实现了这两种数据的融合，并用部分实际交通数据验证了他们方法的有效性。近年来，ELFaouzi的课题组在系统地争论了加权平均方法之后，还争论了投影估量和集成估量两种估量策略，其中给出了最优的线性估量和加权最小二乘的方法。除此之外，他们还最先提出了用证据理论来
5、解决此类融合问题。2 .自动大事检测系统中的应用交通大事检测的目的是向交通管理中心实时报告交通路网中发生的大事、事故状况，从而使交通管理部门准时实施调控和救援。以往的交通大事检测方法大都基于检测线圈数据，因此误报和漏报率较高。近来,新的检测手段(如:探测车)间续地被自动大事检测(AUtomatiCIncidentDetection,ATD)系统所采纳，因此，自动大事检测问题也成为一类信息融合问题。在自动大事检测系统中应用的信息融合技术包括D-S证据推理、贝叶斯推理、投票规律和神经网络方法。例如：IVan等人开发的AlD系统就采纳神经网络方法来融合来自感应线圈检测器和探测车的数据，最终推断大事的
6、发生状况。结果发觉他们的融合策略和方法能够提高ATD系统的性能和牢靠性。Klein争论了D-S证据推理在交通管理中心关心交通管理者识别推断交通大事方面的应用。通过融合三种不同信息源的检测信息，证据推理的方法可以给出最可能发生的大事类型。3 .先进驾驶员帮助系统中的应用保证驾驶员的平安是驾驶员帮助系统工作的焦点。过去的争论集中在被动的平安帮助设施上，例如：保险带、气囊等。尽管碰撞损害的程度有所减轻，但是驾驶员还是盼望提高车辆行驶的平安性。因此，争论的重点从被动系统转向了主动系统。先进的驾驶员帮助系统(AdvancedDriverAssistanceSystems,ADAS)和避撞系统(CollisionAvoidanceSystemsCAS)就是目前争论的热点。在这两个系统中，信息融合技术都得到了胜利的应用。融合的主要目标是采用多种传感器信息,为这两个系统供应对车辆运行时四周的交通环境的牢靠描述。需要解决的融合问题包括以下两个方面：D数据关联：为了把传感器数据与环境描述关联起来，需要对传感器数据与目标状态进行同步。2)数据融合：融合多传感器数据进行目标跟踪和态势估量。在这个方面，Murphy争论了传感器数据融合在车辆诱导和导航中的重要作用，并提出了通用的传感器组织和数据融合方法。Pei和LiOU提出了基于多源信息融合的三维车辆运动估量方法，该方法融合了视频图像中的点特征和线特征。
