基于多源信息融合的城市实时路况系统
岳朝晖，李娟玲
【摘 要】解决和缓解交通拥堵的关键在于建立合理的城市实时路况系统。目前实时路况系统多基于单一的浮动车数据，而浮动车数据的精度与其覆盖率和覆盖强度密切相关。文中在浮动车交通信息采集的基础上综合利用现有传统设备采集的交通信息进行决策级数据融合，实现移动采集与固定采集的相互补充，充分利用现有资源，提高了信息采集的准确性。 【期刊名称】长春工业大学学报（自然科学版） 【年(卷),期】2011(032)006 【总页数】5
【关键词】多源信息融合；实时路况；浮动车；决策级
0 引 言
城市实时路况系统通过在获取交通信息的基础上进行数据挖掘，从中提取交通状态信息，对交通状态信息进行数据融合来实现。目前交通信息获取的手段有许多，主要分为两类先进的检测器和人工检测，其中检测器包括移动型检测器和固定检测器。单一的交通检测器获取的数据具有局限性，无法全面地反应整个路网的交通流运行状态，因此，将多种检测设备获取的交通数据信息在通过预处理后得出交通状态信息，然后将交通状态信息作为独立的数据源进行数据融合，获得更加准确的路况信息，能更全面、更有效地反映城市路网实时的道路状况，为交通管理者和出行者决策提供可靠的依据［1］。
文中以浮动车、视频检测器和人工检测3种检测手段采集的交通信息数据为基础，在交通状态分类一致的前提下，采用相应的独立算法分别进行交通状态判
别，并对3种判别结果进行决策级数据融合，进而得到实时准确的城市路况信息。
3种信息源在进行交通状态分类时，采用同一分类标准，在此将交通状态分为畅通、轻度拥堵、拥堵和严重拥堵［2］。
1 信息源分析
1.1 浮动车
浮动车又称 FCD（Floating Car Data），利用装载有GPS定位系统的浮动车辆（主要是城市出租车）获取车载终端ID、经纬度坐标、瞬时速度、方向、回传时间等信息，通过地图匹配、平均行程车速算法获得车辆经过路段的速度值，并将这些速度信息与电子地图路段进行对应，通过行车路线推测出车辆行驶路径，得出路段旅行时间计算和路段平均速度计算，通过阈值判别法直观反映城市道路实时路况［3］。浮动车实时路况判别流程如图1所示。
浮动车采集数据会受到各种随机因素影响，出现数据丢失、数据错误等情况，因此，需要对数据进行相应的检测和处理，完成丢失数据修复、错误数据识别。首先采用阈值检验法对错误数据进行识别，阈值检验法是预先设定采集的瞬时速度的最大值和最小值，超出阈值范围的数据为错误数据；然后对通过检验判定后的数据进行处理，根据实际情况对数据进行剔除或者修复［4］。 1.2 视频检测器
视频检测器是目前城市道路中使用较为广泛的固定点检测设备，可实现单个检测器检测多车道的交通参数，而且提供可视的图像记录，为模型验证提供很好的依据。一般的视频检测器均是多通道的视频处理设备，基于虚拟线圈，将连续的视频图像转化为离散数字图像，然后通过数学模型进行处理得出交通参数，
这些交通参数包括：交通量、平均车速、车头时距、时间占有率、空间占有率和密度等［4］。根据敏感性、可靠性、直观性原则，选用交通量、平均车速、空间占有率3个参数作为综合评价指标，对数据进行标准化处理。采用K－means均值聚类分析方法对处理后的数据进行聚类，将其分为4个簇，然后通过样本与簇中心的欧氏距离来进行交通状态识别，获取实时交通状态信息。步骤如下［5］：
1）在某一时刻获取一组实时样本数据（q，o，v）； 2）对样本进行 Z－score标准化，得到，；
3）从i＝1到i＝4，计算与之间的距离（欧几里得距离）； 4）取最小距离对应的交通状态类别。 1.3 人工检测
人工检测是采用人工观测手段，通过实地观测或视频监控系统，根据人的容忍度和亲身感受实时判别路况信息，具有优先权，但是由于观测人的容忍度不同，可能对判别结果造成一定的影响。
3种信息源在进行交通状态分类时，采用同一分类标准，在此将交通状态分为畅通、轻度拥堵、拥堵和严重拥堵。
2 多源信息融合
多源信息融合是一种多层次、多方面的数据处理过程，通过对多源信息进行检测、关联、组合和估计，完整准确地得出结果，提高信息的精度。多源信息融合一般分为3个层次：数据级融合、特征级融合和决策级融合。数据级融合是直接对采集到的原始数据进行融合，是在各种传感器的原始预报未经预处理之前进行的数据综合和分析，是最低层次的融合；特征级融合属于中间层次，对
基于多源信息融合的城市实时路况系统
