摘  要： 為了更加準確地監(jiān)測動態(tài)變化的交通信息，通過分析城市道路交通流量變化的特點，提出一種基于數(shù)據(jù)融合的監(jiān)測方法。根據(jù)數(shù)據(jù)屬性的特點，將數(shù)據(jù)構(gòu)造為多個相關(guān)的時間序列，在此基礎(chǔ)上進行數(shù)據(jù)融合，以最終的結(jié)果對交通信號燈進行實時控制，保證道路通暢。仿真實驗結(jié)果證明，該方法具有較高的判斷準確率和良好的識別性能。
關(guān)鍵詞： 數(shù)據(jù)融合；智能交通系統(tǒng)；灰色優(yōu)勢分析；自適應(yīng)加權(quán)

　21世紀以來，道路建設(shè)、機動車輛保有量均進入了快速發(fā)展的階段，交通需求急速上升，交通問題呈現(xiàn)加重趨勢，原有的單一依靠增加道路設(shè)施來滿足需求的解決方案遇到了發(fā)展瓶頸。大家認識到，道路交通信息化的發(fā)展應(yīng)與道路設(shè)施、道路交通的發(fā)展同步推進。應(yīng)采用信息化手段支持道路建設(shè)、道路管理和交通管理，在增加道路設(shè)施的同時，通過道路信息化的手段來支持道路交通管理并提供道路交通信息服務(wù)，緩解道路交通問題。
    智能交通系統(tǒng)ITS(Intelligent Transportation System)是在較完善的基礎(chǔ)設(shè)施(包括道路、港口、機場和通信)之上，將先進的信息技術(shù)、通信技術(shù)、控制技術(shù)、傳感器、計算機技術(shù)和系統(tǒng)綜合技術(shù)有效地集成，并應(yīng)用于地面運輸系統(tǒng)，從而建立起大范圍內(nèi)發(fā)揮作用的、實時、準確、有效的運輸系統(tǒng)[1]。從智能交通領(lǐng)域在世界范圍內(nèi)的發(fā)展現(xiàn)狀和趨勢來看，交通信息的采集、處理和分析已經(jīng)日益成為交通研究和日常交通管理活動的重要組成部分。世界上很多大中城市的交通管理部門都已經(jīng)擁有了實時采集、處理、分析和發(fā)布大范圍道路網(wǎng)絡(luò)交通信息的能力。
1 數(shù)據(jù)融合算法研究
    數(shù)據(jù)融合（Data Fusion）也稱作信息融合，是一個信息綜合與處理的過程，一般的定義是：利用計算機技術(shù)對按時序獲得的若干傳感器的觀測信息在一定準則下加以自動分析、綜合以完成所需的決策和估計任務(wù)而進行的信息處理過程[2]。
    數(shù)據(jù)融合作為一種數(shù)據(jù)綜合和處理技術(shù)，涉及到了對ITS中多種交通信息采集裝置和各種信息源的有效綜合，包括共用數(shù)據(jù)的檢測(獲取)、過濾、相關(guān)分析、狀態(tài)估計、目標識別和行為估計等，從而進行交通運行狀態(tài)和環(huán)境判定、特殊事件判斷等。ITS的數(shù)據(jù)融合分為兩個層次：(1)低層處理，得到的是一些狀態(tài)、特征和屬性等，例如特殊事件的位置、屬性；(2)高層處理，對應(yīng)的是決策級融合，主要可以產(chǎn)生一些行動決策。
1.1 自適應(yīng)加權(quán)數(shù)據(jù)融合算法
    自適應(yīng)加權(quán)數(shù)據(jù)融合算法是不等精度測量系統(tǒng)數(shù)據(jù)處理的一種重要估計算法。設(shè)有一個多傳感器智能檢測系統(tǒng)，有n個傳感器對某一對象進行采樣檢測，如圖1所示[3]。

    本系統(tǒng)采用占有率、流量和速度3個參數(shù)作為擁擠自動判別的參數(shù)，以暢通、輕微擁擠、常發(fā)性擁擠、偶發(fā)性擁擠4種結(jié)果為例，每種結(jié)果仿真1 000次以觀察算法的準確率，仿真結(jié)果如表1所示。

    本文應(yīng)用自適應(yīng)加權(quán)數(shù)據(jù)融合以及改進的灰色優(yōu)勢分析，對機動車流量控制信息進行判別。實驗結(jié)果表明，該方法判斷準確率不低于96%，具有良好的識別性能，可利用這些檢測結(jié)果對各個路口的交通燈進行實時控制，從而保證道路的暢通。
參考文獻
[1] 賀良華，侯曉東，于來寶.網(wǎng)絡(luò)化信息采集在智能交通中的應(yīng)用[J].控制系統(tǒng)，2008，4(3)：29-32.
[2] 楊萬海.多傳感器數(shù)據(jù)融合及其應(yīng)用[M].西安：西安電子科技大學出版社，2004.
[3] THAWORNWONG S，ENKE D.The adaptive selection of financial and economic variables for use with artificial neural networks[J].Neuorcomputing，2004(56)：205-232.
[4] 劉思峰，郭天榜，黨耀國，等.灰色系統(tǒng)理論及其應(yīng)用[M]. 北京：科學出版社，1999.
[5] 羅黨.灰色決策問題的特征向量方法[J].系統(tǒng)工程理論與實踐，2005，25(4)：54-58.
[6] 唐汝桑，錢寒峰.智能交通信息采集中數(shù)據(jù)融合技術(shù)探討[J].科技咨詢導(dǎo)報，2009，28(4)：17－18.