多源傳感環(huán)境下交通邊緣多源數(shù)據(jù)有效提取與融合方法 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及數(shù)據(jù)融合技術(shù)領(lǐng)域，更具體地涉及多源傳感環(huán)境下交通邊緣多源數(shù)據(jù)有效提取與融合方法。 背景技術(shù) [0002] 隨著智能交通系統(tǒng)的快速發(fā)展，多源傳感器被廣泛應(yīng)用于交通監(jiān)控、車輛跟蹤、交通流量分析等領(lǐng)域，這些傳感器能夠采集包括聲音、圖像、速度、方向等在內(nèi)的多種環(huán)境參數(shù)，為交通管理提供了豐富的數(shù)據(jù)支持，因此從海量的多源數(shù)據(jù)中提取有效信息，并實(shí)現(xiàn)數(shù)據(jù)的融合，對(duì)智能交通領(lǐng)域而言至關(guān)重要。 [0003] 在公開號(hào)為CN103838772B的公開文件中，公開了一種多源交通數(shù)據(jù)融合方法，包括：從手機(jī)、浮動(dòng)車輛及交通視頻圖像三種數(shù)據(jù)源中獲取交通信息數(shù)據(jù)；對(duì)所述的交通信息數(shù)據(jù)進(jìn)行像素級(jí)融合，將所述交通信息數(shù)據(jù)中的不合格信息剔除；對(duì)所述每一種數(shù)據(jù)源的交通信息數(shù)據(jù)進(jìn)行特征級(jí)融合，生成三種不同數(shù)據(jù)源的路段交通狀態(tài)信息；對(duì)三種不同數(shù)據(jù)源的路段交通狀態(tài)信息進(jìn)行決策級(jí)融合，生成路段的一致性交通狀態(tài)描述信息；輸出路段的交通狀態(tài)描述信息。本發(fā)明從多種數(shù)據(jù)源獲取交通信息數(shù)據(jù)，進(jìn)行三級(jí)融合后，生成了路段的最終交通狀態(tài)，能夠更準(zhǔn)確的確定路面的交通狀況。 [0004] 現(xiàn)有技術(shù)中，數(shù)據(jù)融合主要分為數(shù)據(jù)級(jí)融合、特征級(jí)融合以及決策級(jí)融合等，但是交通數(shù)據(jù)復(fù)雜多樣類型不一，在應(yīng)對(duì)多源傳感環(huán)境下的交通數(shù)據(jù)時(shí)，仍然存在融合精度不高、實(shí)時(shí)性差等問題；其次，對(duì)于不同的交通問題，需要對(duì)不同的交通數(shù)據(jù)進(jìn)行相應(yīng)的提取融合并分析，例如對(duì)交通擁堵情況進(jìn)行分析時(shí)，則需要對(duì)交通流量數(shù)據(jù)與交通信號(hào)數(shù)據(jù)進(jìn)行相應(yīng)的提取融合；對(duì)交通管理情況進(jìn)行分析時(shí)，則需要對(duì)路面狀況數(shù)據(jù)、氣象信息數(shù)據(jù)以及空氣質(zhì)量數(shù)據(jù)進(jìn)行相應(yīng)的提取融合并分析；若將所有的交通數(shù)據(jù)進(jìn)行融合，則會(huì)由于數(shù)據(jù)過多導(dǎo)致計(jì)算量過大，并且會(huì)存在諸多無關(guān)數(shù)據(jù)導(dǎo)致分析結(jié)果不精確。 發(fā)明內(nèi)容 [0005] 為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供了多源傳感環(huán)境下交通邊緣多源數(shù)據(jù)有效提取與融合方法，以解決上述背景技術(shù)中存在的問題。 [0006] 本發(fā)明提供如下技術(shù)方案：多源傳感環(huán)境下交通邊緣多源數(shù)據(jù)有效提取與融合方法，包括以下步驟： [0007] 步驟S01：輸入目標(biāo)數(shù)據(jù)并進(jìn)行初步處理：所述目標(biāo)數(shù)據(jù)為需要進(jìn)行提取與融合的交通數(shù)據(jù)； [0008] 步驟S02：將目標(biāo)數(shù)據(jù)輸入構(gòu)建好的數(shù)據(jù)識(shí)別模型進(jìn)行數(shù)據(jù)特征提取與分類識(shí)別，將數(shù)據(jù)分為連續(xù)型數(shù)據(jù)與離散型數(shù)據(jù)兩類； [0009] 步驟S03：對(duì)連續(xù)型數(shù)據(jù)的數(shù)據(jù)特征進(jìn)行連續(xù)類融合處理，構(gòu)建連續(xù)融合模型獲取連續(xù)融合數(shù)據(jù)特征； [0010] 步驟S04：對(duì)離散型數(shù)據(jù)的數(shù)據(jù)特征進(jìn)行離散類融合處理，獲取離散融合數(shù)據(jù)特征； [0011] 步驟S05：對(duì)連續(xù)融合數(shù)據(jù)特征與離散融合數(shù)據(jù)特征進(jìn)行降維處理，而后進(jìn)行最終融合，獲取最終融合數(shù)據(jù)。 [0012] 優(yōu)選的，所述初步處理包括對(duì)目標(biāo)數(shù)據(jù)進(jìn)行清洗、剔除異常值以及缺失值，并將目標(biāo)數(shù)據(jù)進(jìn)行數(shù)據(jù)對(duì)齊操作，包括時(shí)間對(duì)齊與空間對(duì)齊，將目標(biāo)數(shù)據(jù)統(tǒng)一至同一時(shí)間維度與空間維度； [0013] 所述目標(biāo)數(shù)據(jù)包括視頻監(jiān)控?cái)?shù)據(jù)、車輛信息數(shù)據(jù)、交通流量數(shù)據(jù)、車輛行駛狀態(tài)數(shù)據(jù)、環(huán)境監(jiān)測(cè)數(shù)據(jù)、交通事故數(shù)據(jù)、交通違法數(shù)據(jù)以及道路設(shè)施狀態(tài)數(shù)據(jù)；所述視頻監(jiān)控?cái)?shù)據(jù)包括視頻監(jiān)控內(nèi)容，所述車輛信息數(shù)據(jù)包括車輛號(hào)碼、車輛車型、車輛顏色以及車輛速度，所述交通流量數(shù)據(jù)包括某個(gè)時(shí)間段內(nèi)通過的車輛數(shù)量，所述車輛行駛狀態(tài)數(shù)據(jù)包括車輛加速度、轉(zhuǎn)向角度，所述環(huán)境監(jiān)測(cè)數(shù)據(jù)包括路面狀況、空氣質(zhì)量，所述交通事故數(shù)據(jù)包括交通事故發(fā)生的時(shí)間、地點(diǎn)、發(fā)生的交通事故數(shù)量，所述交通違法數(shù)據(jù)包括違章停車數(shù)量、車輛超速信息，所述道路設(shè)施狀態(tài)數(shù)據(jù)包括道路照明狀態(tài)、交通信號(hào)燈狀態(tài)、指示牌狀態(tài)。 [0014] 優(yōu)選的，所述構(gòu)建好的數(shù)據(jù)識(shí)別模型包括輸入門、遺忘門以及輸出門； [0015] 將當(dāng)前輸入表示為xt，即t時(shí)刻的輸入；將t時(shí)刻的隱藏層向量表示為ht，將t時(shí)刻的元胞狀態(tài)表示為Ct，將最終輸出表示為yt；則： ； [0016] ； [0017] ； [0018] 其中，It為輸入門，ft為遺忘門，Ot為輸出門；WI為輸入門的權(quán)重矩陣，Wf為遺忘門的權(quán)重矩陣，WO為輸出門的權(quán)重矩陣；bI為輸入門的偏置，bf為遺忘門的偏置，bO為輸出門的偏置；σ為Sigmoid函數(shù)； [0019] 在時(shí)刻t，元胞狀態(tài)的更新公式為： ，其中， 表示 Hadamard積， 為更新后的元胞狀態(tài)，公式表示為： ，其中，tanh為雙曲正切激活函數(shù)，WC為元胞狀態(tài)的 權(quán)重矩陣，bC為元胞狀態(tài)的偏置； [0020] 隱藏層向量的公式表示為： ； [0021] 最終的輸出公式表示為： ，其中，Wy為輸出層的權(quán)重矩 陣，by為輸出層的偏置。 [0022] 優(yōu)選的，所述獲取連續(xù)融合數(shù)據(jù)特征的具體方式為：

1.多源傳感環(huán)境下交通邊緣多源數(shù)據(jù)有效提取與融合方法，其特征在于：包括以下步驟： 步驟S01：輸入目標(biāo)數(shù)據(jù)并進(jìn)行初步處理：所述目標(biāo)數(shù)據(jù)為需要進(jìn)行提取與融合的交通數(shù)據(jù)； 步驟S02：將目標(biāo)數(shù)據(jù)輸入構(gòu)建好的數(shù)據(jù)識(shí)別模型進(jìn)行數(shù)據(jù)特征提取與分類識(shí)別，將數(shù)據(jù)分為連續(xù)型數(shù)據(jù)與離散型數(shù)據(jù)兩類； 步驟S03：對(duì)連續(xù)型數(shù)據(jù)的數(shù)據(jù)特征進(jìn)行連續(xù)類融合處理，構(gòu)建連續(xù)融合模型獲取連續(xù)融合數(shù)據(jù)特征； 步驟S04：對(duì)離散型數(shù)據(jù)的數(shù)據(jù)特征進(jìn)行離散類融合處理，獲取離散融合數(shù)據(jù)特征； 步驟S05：對(duì)連續(xù)融合數(shù)據(jù)特征與離散融合數(shù)據(jù)特征進(jìn)行降維處理，而后進(jìn)行最終融合，獲取最終融合數(shù)據(jù)； 所述獲取離散融合數(shù)據(jù)特征的方式為： 構(gòu)建決策表，決策表由條件屬性集和決策屬性集組成，對(duì)于條件屬性集B中的每個(gè)屬性子集，由若干個(gè)條件屬性值向量組成；對(duì)于任意一個(gè)屬性子集X，計(jì)算出屬性子集在條件屬性集中的條件屬性值向量下的上確定集和下確定集；通過上確定集和下確定集的基數(shù)即元素個(gè)數(shù)，計(jì)算出屬性子集在條件屬性集的條件屬性值向量下，對(duì)決策屬性值g的粗糙度，即不能被條件屬性集完全確定的程度； 所述粗糙度的計(jì)算公式為： ； ? 其中，βB(X)表示X在B中的條件屬性值向量下的粗糙度，BX為X在B中的條件屬性值向量+ 下的下確定集，BX為X在B中的條件屬性值向量下的上確定集；λ為調(diào)節(jié)參數(shù)，取值范圍為[0， 1]；S(xi∈X)是示性函數(shù)，當(dāng)xi屬于X時(shí)取值1，否則取值0；wi是第i個(gè)目標(biāo)對(duì)象xi的權(quán)重；γ為時(shí)間調(diào)節(jié)參數(shù)，TX為屬性子集X中數(shù)據(jù)的平均時(shí)間戳，T為當(dāng)前時(shí)間；θ為一個(gè)衰減系數(shù)； 基于粗糙度，計(jì)算決策屬性值g在B中的條件屬性值向量下的依賴度； ；其中，DB(g)為決策屬性值g在B中的條件屬性值向量下的依賴度； 定義單個(gè)的條件屬性值向量q對(duì)決策屬性值g的重要度為包含q時(shí)的依賴度，減去不包含q時(shí)的依賴度；將所有條件屬性值向量q按照其重要度的值從大到小排序，得到排序后的屬性；設(shè)置一個(gè)重要度閾值YU，對(duì)排序后的屬性進(jìn)行遍歷，若對(duì)應(yīng)的重要度大于YU，則將q保留在B中；若重要度小于或等于YU，則將q從B中移除，視為冗余屬性，剩余在B中的就是核心屬性集，其他被移除的屬性視為冗余；用核心屬性集構(gòu)建新的決策表；記作簡(jiǎn)約決策表。