基于多源交通数据融合技术的路况分析研究

刘军建

摘要：多源数据融合技术中融合了多源数据，通过数据提取、融合、整理，形成分析数据集，为做出合理决策提供科学建议。将多源交通数据融合技术应用到路况分析中可以通过多源交通数据分析，准确了解路况情况，对有效缓解拥堵有极大的帮助。

关键词：多源数据融合；分析数据集；路况分析

中图分类号：U495 文献标识码：A 文章编号：1007-9416（2018）06-0088-02

机动车数量的不断增加，大大增加了城市道路、高速公路路况复杂程度，拥堵成为路况中的常见现象。随着城市路况分析重要性的日益突出，如何采集到更准确、更精细的数据信息，是实现准确路况分析的基础。路况分析中采用单子的技术和方法进行信息收集，存在一定的缺陷和不足，影响到信息收集的准确性，进而影响路况分析的精准性。为了改善这一现状，需要运用多源数据融合技术进行信息收集，实现路况分析[1-2]。

多源数据融合技术应用时，主要通过获取数据—理解数据—整理数据—数据转换—数据组合—构建分析数据集这一流程实现的[3-4]。多源交通数据融合技术是指将多种交通数据融合在一起，为做出合理的路况分析提供参考。随着多源数据融合技术应用的日益广泛，在路况分析中引入多源交通数据融合技术可以提高路况分析准确度，准确了解路况情况，做出合理的交通管制。因此文章基于多源交通数据融合技术的路况分析进行了研究。

1 多源交通信息获取及其融合框架

交通信息获取使用图形方法进行获取。图像获取主要依赖摄像头拍摄图片，摄像头位置在交通路口3-4米高处。然而在实际应用中会出现一些问题使得图像检测变得很难。这些问题主要有：

（1）如果车辆速度过快或者车辆颜色与路面相近这样很难识别；（2）当光线比较弱时，拍摄图片很难识别车辆，这样使得相应算法无法正常工作；（3）当光照突然发生变化，这样很难准确检测；（4）在复杂天气情况下，拍摄图像受天气影响比较大。

为解决该问题提出使用磁敏传感器进行车辆检测。该技术不会受到光线变化而造成检测结果不准情况。为保障交通检测准确性和高效性，本文提出了图像检测和磁敏检测共同检测。如图1为系统框架图。

从图1中可知系统由：融合中心、视频检测、磁敏检测构成。相应的工作流程为：第一步进行检测包括：磁敏检测、视频检测，该过程中磁敏检测和视频检测是相互独立过程，视频检测根据摄像头拍摄图像根据相应的图像识别算法进行检测，磁敏检测则是根据相应的物理特性进行检测。第二步是数据融合，该过程是将检测的数据进行汇总分析。

2 基于多源交通信息的数据融合在路况中的应用

为提高系统响应速度，多源交通信息融合管理使用Client/Server结构（C/S结构）进行开发。服务端进行相应的融合数据分析。客户端进行相应的数据采集、数据发送以及数据显示等。如图2为多源交通信息通信模式。

2.1 特征提取

特征提取包含磁敏信号特征提取和视频信号特征提取。在磁敏信号特征提取中主要依据窗口阈值进行检验。该方法容易实现。只需要在图像中检测到是否有车辆，如果有车辆则该段特征值为“1”，否则为“0”。

视频信号特征提取中需要解决车辆粘结准确度不高问题。因此需要对原始数据进行滤波处理。本文使用Douglas-Peucker方法进行波形分析[5]。如下为滤波处理算法流程。

（1）数据点短点连接从数据点中找出离连接线距离最远的点，该距离为，如图3为示意图。（2）如果则视为线段。（3）否则将转化为和，并跳转到（1），进行迭代计算。

2.2 多源交通信息融合

多源交通信息融合包含多源数据关联、数据源可靠性融合计算以及融合决策等。在多源数据关联中包含空间同步、时间同步以及数据关联方法选择。在数据关联中可使用概率关联算法和最近邻算法。本文使用最近邻算法进行数据关联。算法步骤如下：

（1）获取磁敏和视频信号特征值；（2）进行预测值计算。计算方法为：，其中表示测量值，表示估计值；（3）计算测量值与估计值距离；（4）更新估计值。

3 结语

当前车辆检测有多种方式，比如传感器檢测、图像检测等。针对图像检测存在多因素影响，为此提出磁敏检测和图像检测共同检测方法。系统使用C/S模式进行开发。视频信号处理中使用Douglas-Peucker方法进行波形处理。最后使用最近邻算法进行信息融合。

参考文献

[1]张兵，崔希民，韦锐，等.基于RS与GIS多源数据融合的高原区地质调查研究[J].煤炭工程，2016，48（3）：99-102.

[2]丁宏飞，秦政，刘博，等.基于AF-SVR的城市快速路多源交通信息融合研究[J].计算机工程与应用，2017，53（5）：266-270.

[3]王红梅，郑标，卢阳禄，等.基于多源遥感影像的道路交通对建设用地空间格局的影响分析——以从化中心城区规划区为例[J].中国土地科学，2016，30（11）：86-94.

[4]金盛，沈莉潇，贺正冰.基于多源数据融合的城市道路网络宏观基本图模型[J].交通运输系统工程与信息，2018，18（2）：108-115.

[5]崔艳玲，金蓓弘，张扶桑.基于数据融合的高速公路交通状况检测[J].计算机学报，2017，40（8）：1798-1812.

Abstract：Multi-source data fusion technology fuses multi-source data， and through data extraction， fusion， and sorting， analysis data sets are formed to provide scientific suggestions for making reasonable decisions. Applying multi-source traffic data fusion technology to road condition analysis can accurately understand road condition through multi-source traffic data analysis， which is of great help to effectively relieve congestion.

Key words：multi-source data fusion； analysis data set； road condition analysis