智能交通系统概论(第六章)

对传感器的依赖性小
融合中心处理代价低，但是预处理代价高
智能交通系统ITS
数据融合的技术和方法
数据融合作为一种数据综合处理技术，实际上是许多传统学科 和新技术的集成和应用。 融合的基本功能是相关、估计和识别 典型应用是目标跟踪与识别。 相关处理技术 相关处理要求对多传感器或多源测量信息的相关性进行定量 分析，按照一定的判别原则，将信息分为不同的集合，每个 集合中的信息都与同一源关联。 估计理论 估计理论的应用范围包括几何定位、跟踪和侧向 识别技术 具体可分为： 物理模型识别技术 参数分类识别技术 认识模型识别技术
智能交通系统ITS
2、数据融合技术
数据融合的定义
军事领域：
数据融合定义为一个处理探测、互联、相关、估计以及组合 多源信息和数据的多层次多方面过程，以便获得准确的状态和 身份估计，完整而及时的战场态势和威胁估计。 国外研究成果：
信息融合：利用计算机技术对按时序获得的若干传感器的观
测信息在一定准则下加以自动分析、综合以完成所需的决策和 估计任务而进行的信息处理过程。 综合考虑两个定义，融合都是将来自多传感器或多源的信息 和数据进行综合处理，从而得出更为准确可信的结论。
智能交通系统综合平台是为实现各ITS子系统间的数据共
享、实现深层次的信息融合和知识发现而提供的综合平台。该平台 能够接受、存储和处理多派、异构数据，具有数据融合、数据挖掘 的功能，并能够为各种应用于系统和公众提供完善的信息服务 解决了智能交通系统各部门和系统间的信息共享和交互 实现了交通信息的综合和深层次的综合利用
智能交通系统ITS
各模块功能： 数据挖掘系统管理器 知识发现系统管理器控制并管理知识发现过程。分析员的输入和知 识库中的信息，用于驱动以下三个过程：数据选择过程、抽取算法 的选择和使用过程、发现的评价过程。系统管理器帮助生成发现结 果的描述，并将恰当发现结果存于知识库以备下一次发现。 知识库分分析员的输入，知识库源于多方面的必须的信息。 数据仓库的数据接口，数据挖掘系统利用数据库的查询机制从数 据库中抽取数据，使用SQL查询语言。 数据选择，确定从数据仓库中需要抽取的数据及数据结构 知识发现引擎，知识发现引擎将知识库中的抽取算法提供给数据 选择构件抽取的数据，其目的是要抽取数据元素间的模式和关系。 发现评价，分析员要寻找关键性的数据模式，以用户能了解的方 式呈现给用户。 发现描述，此构件提供了两种必须功能： 以发现评价辅助分析员 保持发现与用户的通信
模型库 模型库中有大量的相关模型，是推理的基础
智能交通系统ITS
模型管理模块式用来使用户与模型库的组织和处理过程的物
理细节隔离开来，与数据管理模块在模型控制处实现汇接。 推理机 推理机是根据数据库里的知识及送进推理机的“事实”进行 推理，得出最终决策。
人机界面
人机界面模块的主要作用是把用户输入的相关信息，转换为 系统内规范化的表示形式，然后把这些内容表示交给相应的模块 去处理；系统输出的相关信息则也由人机界面转换成易于理解的 外部表示形式提供给用户。
十个模块 综合信息数据库 交通地理信息基础支撑平台 接入/二次数据融合平台 信息加工/发布基础平台 专用通信网络平台 输入/输出接口及接入模块 平台管理模块 ITS设备监控/网管系统 系统仿真模块 交通决策支持平台
智能交通系统ITS
2、智能交通系统综合平台的功能
功能：
信息接口 信息处理 各用户主体服务响应 信息辅助决策 智能交通系统综合平台提供的用户服务，可分为面向政府和面 向社会两大层次。 面向政府： 提供部门间信息共享的机制和技术手段 为相关业务部门提供决策支持 在特殊情况下为生成更高权限的交通控制指挥策略提供支持 面向社会 为企事业单位运营管理、研究开发提供数据支持和决策依据 为社会公众提供全方位、综合性的交通信息服务
智能交通系统ITS
6.3智能交通系统综合平台技术要素
智能交通系统ITS
1、GIS-T技术
依靠地理信息系统从空间上管理大量的交通信息，具有功能 上的优势和鲜明直接的优点。 GIS是构筑智能交通系统综合平台的最底层支撑。
GIS-T存在的问题：
安全性 在充分利用国家基础地理信息为智能交通系统综合平台服务的 同时，能够确保国家基础地理信息的保密性和安全性。 实时性 ITS综合平台要求系统具有实时性：要求能够实时地应用于交 通管理，能够实时地应用于交通诱导，及时地向出行者等提供 实时交通信息和出行相关信息等。 数据量过大 电子地图等大量数据下载的快速性和无线通信传输方式下载速 率有限性之间的矛盾是我国智能交通系统综合平台需要解决的 问题之一。
综合信息平台数据融合处理的过程
智能交通系统ITS
3、数据挖掘技术
数据挖掘： 从大型数据库的数据中提取人们感兴趣的知识，这些知识是隐 含的、事先未知的潜在有用信息，提取的知识表示为概念、规则、 规律、模式等形式。 数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决 策支持过程。
数据挖掘系统的框架
智能交通系统ITS
6.2智能交通系统综合平台的构成与功能
智能交通系统ITS
系统结构方案需遵循的原则：
硬件方面 为各种处理功能、计算功能和管理功能提供统一的硬件平台 具有系统扩展能力 系统应安全可靠 软件方面 提供统一的软件系统功能 软件的开放性和标准性 软件采用模块化结构，便于功能扩展和处理能力的扩充 软件应具有较高的容错能力，具备在异常情况下自我保护、 识别的功能 软件应具备友好的人机交互界面，方便管理者、使用者和 系统之间的交流。
智能交通系统ITS
6、接口技术
中间件是在计算机硬件和操作系统之间支持应用软件开发和运 行的系统软件，它能够使应用软件相对独立于计算机硬件和操作系 统平台，为当今的大型分布式应用搭起了一个标准的乎台，从而把 大型分散的异构系统有机地组合在一起，为大型企业应用软件系统 的集成提供了技术基础。 特点： 标准的协议和接口 分布计算，提供网络、硬件、操作系统透明性 满足大量应用的需要 能运行于多种硬件和操作系统平台
中间件的作用和分类 作用： 试图通过屏蔽各种复杂的技术细节使技术问题简单化。 将不同时期、在不同操作系统上开发的应用软件集成起来。
智能交通系统ITS
常用的数据挖掘技术
人工神经网络 决策树 遗传算法 最近邻技术 规则归纳 可视化
数据挖掘的步骤
数据准备 包括数据的选择、净化、推测、转换、数据缩减 数据挖掘 数据挖掘是最关键的步骤，也是技术难点所在。数据挖掘 根据目标，选取相应算法的参数，分析数据，得到可能形成 知识的模式模型。 评估、解释模式模型 巩固知识 运用知识
特征级融合 特征级融合属于中间层次，它先对来自传感器的原始信息进行 特征提取，然后对特征信息进行综合分析和处理。 优点：
智能交通系统ITS
实现了可观的信息压缩，有利于实时处理，并且由于所提取的特
征直接与决策分析有关，因而融合结果能最大限度地给出决策分析 所需要的特征信息。 分为： 目标状态数据融合 用于多传感器目标跟踪领域
智能交通系统ITS
解决方案：
城市交通电子地图信息包括： 基础地理信息 道路位置信息、单行道信息、道路限时禁行信息 地理属性信息 建筑物信息、停车场位置信息 具体解决方案：
安全性： 车载装置可采用可覆盖式的不可拆卸的内置存储介质、密钥 及压缩解压等技术，通过下载方式获得GIS的基础信wenku.baidu.com。 实时性： 预先下载大量的基础信息，少量的属性信息实时获取 GIS信息存储的过大容量： 运用线性参考系统技术，将传统的二维GIS信息 转化为一维 GIS信息、将GIS 存储信息分为GIS基础信息和GIS属性信息。
智能交通系统ITS
1、智能交通系统综合平台的构成
三个层次： 数据层：数据层处于平台结构的最底层，为各类服务提供数 据支持。 应用层：应用逻辑层负责处理用户界面层的请求，完成业务 逻辑计算任务并把结果返回给用户。 用户层：用户界面层是智能交通系统综合平台应用的用户接 口部分，担负着用户与应用服务器之间的对话功能
智能交通系统ITS
专家系统是一个具有处理大量知识和经验的程序系统，它运用 人工智能技术和计算机技术，根据存入计算机中的知识与经验进行 推理和判断，从而实现模拟人的 决策过程。 专家系统主要由知识库、数据库和模型库、推理机以及相关模 块组成。
知识库 知识库存放的内容是大量的专家知识与经验，知识库与数据库 不同，知识库中的知识是富于创造性的，而数据库中的数据时被动 的。 知识获取模块式将事故处理专家的知识以一定方式存入计算机， 是系统的基本技术之一。 知识维护模块是对知识库中的知识进行维护，并对新知识进行 有效性检验。 数据库 数据库存放与所要处理的事件的相关数据，其中数据管理模块 主要是用于简化数据存档的保存。
智能交通系统ITS
智能交通系统概论
主讲：任其亮
智能交通系统ITS
第六章 智能交通系统综合平台 6.1 智能交通系统综合平台的含义 6.2智能交通系统综合平台的构成与功能
6.3智能交通系统综合平台技术要素
智能交通系统ITS
6.1 智能交通系统综合平台的含义
智能交通系统ITS
在智能交通系统中，一方面，要对大量静态交通信息和实时性 动态交通信息进行采集；另一方面，更侧重于各种交通信息的整合、 信息传输、信息汇总、信息融合、信息的深度发掘和共享利用。 在智能交通系统中涉及的信息技术应用是多方面、全方位的， 其中技术难度大、最急需的是基础交通信息采集、融合和综合交通 信息平台的集成。 ITS的核心问题:资源共享、信息共用 背景： 在我国，由于与交通相关的不同部门的职责不同，所以存在条 块分割现象。交通信息资源归不同部门所有，不同部门的交通信息 不能实现共享。
低层次的融合。 优点：能保持尽可能多的现场数据，提供其他融合层次所
不能提供的细微信息
智能交通系统ITS
局限性：
所要处理的传感器数据量太大，故处理代价高，处理时间长， 实时性差； 融合要求有较高的纠错处理能力 要求各传感器信息来自同质传感器 数据通信量较大，抗干扰能力较差 应用于： 多源图像复合、图像分析和理解 同类（同质）雷达波形的直接合成 多传感器数据融合的卡尔曼滤波
智能交通系统ITS
数据融合的种类和层次
数据融合系统分为：
局部或自备式 收集来自单个平台上多个传感器的数据 全局或区域融合 组合和相关来自空间和时间上各不相同的多平台或多个传 感器的数据
按照数据抽象的三个层次，融合可分为：
像素级融合 直接在采集到的原始数据层上进行的融合，在各种传感器
的原始测报未经预处理之前就进行数据的综合和分析。是最
目标特性融合
特征目标特性融合就是特征层联合识别，融合方法是模式识别 的相应技术
智能交通系统ITS
决策级融合 决策级融合是一种高层次融合，其结果为指挥控制决策提供依
据，决策级融合是三级融合的最终结果，是直接针对具体决策目标
的，融合结果直接影响决策水平。 优点： 具有很高的灵活性 系统对信息传输带宽要求较低 能有效地反映环境或目标各个侧面的不同类型信息 具有容错性 通信量小，抗干扰能力强
智能交通系统ITS
数据融合技术在交通运输领域及融合信息平台中的应用
应用研究的原因以及应用领域 原因： 通过数据融合技术在交通运输领域中的应用，提高在ITS中多 个子系统之间数据交换以及中心与 设备之间数据交换的效率。 通过数据融合的远程控制盒管理系统，提高整个交通运输管 理系统的运营效率。 应用领域： 车辆定位中的应用 车辆身份识别中的应用 车辆跟踪中的应用 车辆导航中的应用 交通管制中的应用
智能交通系统ITS
4、数据仓库技术
数据仓库是支持管理决策过程的、面向主题的、集 成的、稳定的、不同时间的数据集合，是存储数据的一 种组织形式。
5、人工智能和专家系统技术
人工智能是在计算机科学、控制论、信息论、神经生 理学、心理学、哲学、语言学等多种学科相互渗透的基础 上发展起来的一门新兴边缘学科。 人工智能的特征： 重视知识 重视推理 采用启发式搜索 采用数据驱动方式 用人工智能语言建造系统