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 技術領域 [0001] 本發(fā)明涉及數(shù)據(jù)融合技術領域，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 [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用于交通監(jiān)控、車輛跟蹤、交通流量分析等領域，這些傳感器能夠采集包括聲音、圖像、速度、方向等在內的多種環(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，并實現(xiàn)數(shù)據(jù)的融合，對智能交通領域而言至關重要。 [0003] 在公開號為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、浮動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)；對所述的交通信息數(shù)據(jù)進行像素級融合，將所述交通信息數(shù)據(jù)中的不合格信息剔除；對所述每一種數(shù)據(jù)源的交通信息數(shù)據(jù)進行特征級融合，生成三種不同數(shù)據(jù)源的路段交通狀態(tài)信息；對三種不同數(shù)據(jù)源的路段交通狀態(tài)信息進行決策級融合，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)，進行三級融合后，生成了路段的最終交通狀態(tài)，能夠更準確的確定路面的交通狀況。 [0004] 現(xiàn)有技術中，數(shù)據(jù)融合主要分為數(shù)據(jù)級融合、特征級融合以及決策級融合等，但是交通數(shù)據(jù)復雜多樣類型不一，在應對多源傳感環(huán)境下的交通數(shù)據(jù)時，仍然存在融合精度不高、實時性差等問題；其次，對于不同的交通問題，需要對不同的交通數(shù)據(jù)進行相應的提取融合并分析，例如對交通擁堵情況進行分析時，則需要對交通流量數(shù)據(jù)與交通信號數(shù)據(jù)進行相應的提取融合；對交通管理情況進行分析時，則需要對路面狀況數(shù)據(jù)、氣象信息數(shù)據(jù)以及空氣質量數(shù)據(jù)進行相應的提取融合并分析；若將所有的交通數(shù)據(jù)進行融合，則會由于數(shù)據(jù)過多導致計算量過大，并且會存在諸多無關數(shù)據(jù)導致分析結果不精確。 發(fā)明內容 [0005] 為了克服現(xiàn)有技術的上述缺陷，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中存在的問題。 [0006] 本發(fā)明提供如下技術方案：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：輸入目標數(shù)據(jù)并進行初步處理：所述目標數(shù)據(jù)為需要進行提取與融合的交通數(shù)據(jù)； [0008] 步驟S02：將目標數(shù)據(jù)輸入構建好的數(shù)據(jù)識別模型進行數(shù)據(jù)特征提取與分類識別，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：對連續(xù)型數(shù)據(jù)的數(shù)據(jù)特征進行連續(xù)類融合處理，構建連續(xù)融合模型獲取連續(xù)融合數(shù)據(jù)特征； [0010] 步驟S04：對離散型數(shù)據(jù)的數(shù)據(jù)特征進行離散類融合處理，獲取離散融合數(shù)據(jù)特征； [0011] 步驟S05：對連續(xù)融合數(shù)據(jù)特征與離散融合數(shù)據(jù)特征進行降維處理，而后進行最終融合，獲取最終融合數(shù)據(jù)。 [0012] 優(yōu)選的，所述初步處理包括對目標數(shù)據(jù)進行清洗、剔除異常值以及缺失值，并將目標數(shù)據(jù)進行數(shù)據(jù)對齊操作，包括時間對齊與空間對齊，將目標數(shù)據(jù)統(tǒng)一至同一時間維度與空間維度； [0013] 所述目標數(shù)據(jù)包括視頻監(jiān)控數(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)以及道路設施狀態(tài)數(shù)據(jù)；所述視頻監(jiān)控數(shù)據(jù)包括視頻監(jiān)控內容，所述車輛信息數(shù)據(jù)包括車輛號碼、車輛車型、車輛顏色以及車輛速度，所述交通流量數(shù)據(jù)包括某個時間段內通過的車輛數(shù)量，所述車輛行駛狀態(tài)數(shù)據(jù)包括車輛加速度、轉向角度，所述環(huán)境監(jiān)測數(shù)據(jù)包括路面狀況、空氣質量，所述交通事故數(shù)據(jù)包括交通事故發(fā)生的時間、地點、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，所述道路設施狀態(tài)數(shù)據(jù)包括道路照明狀態(tài)、交通信號燈狀態(tài)、指示牌狀態(tài)。 [0014] 優(yōu)選的，所述構建好的數(shù)據(jù)識別模型包括輸入門、遺忘門以及輸出門； [0015] 將當前輸入表示為xt，即t時刻的輸入；將t時刻的隱藏層向量表示為ht，將t時刻的元胞狀態(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為輸入門的權重矩陣，Wf為遺忘門的權重矩陣，WO為輸出門的權重矩陣；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：輸入目標數(shù)據(jù)并進行初步處理：所述目標數(shù)據(jù)為需要進行提取與融合的交通數(shù)據(jù)； 步驟S02：將目標數(shù)據(jù)輸入構建好的數(shù)據(jù)識別模型進行數(shù)據(jù)特征提取與分類識別，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：對連續(xù)型數(shù)據(jù)的數(shù)據(jù)特征進行連續(xù)類融合處理，構建連續(xù)融合模型獲取連續(xù)融合數(shù)據(jù)特征； 步驟S04：對離散型數(shù)據(jù)的數(shù)據(jù)特征進行離散類融合處理，獲取離散融合數(shù)據(jù)特征； 步驟S05：對連續(xù)融合數(shù)據(jù)特征與離散融合數(shù)據(jù)特征進行降維處理，而后進行最終融合，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： 構建決策表，決策表由條件屬性集和決策屬性集組成，對于條件屬性集B中的每個屬性子集，由若干個條件屬性值向量組成；對于任意一個屬性子集X，計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)即元素個數(shù)，計算出屬性子集在條件屬性集的條件屬性值向量下，對決策屬性值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為調節(jié)參數(shù)，取值范圍為[0， 1]；S(xi∈X)是示性函數(shù)，當xi屬于X時取值1，否則取值0；wi是第i個目標對象xi的權重；γ為時間調節(jié)參數(shù)，TX為屬性子集X中數(shù)據(jù)的平均時間戳，T為當前時間；θ為一個衰減系數(shù)； 基于粗糙度，計算決策屬性值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； 定義單個的條件屬性值向量q對決策屬性值g的重要度為包含q時的依賴度，減去不包含q時的依賴度；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；設置一個重要度閾值YU，對排序后的屬性進行遍歷，若對應的重要度大于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；用核心屬性集構建新的決策表；記作簡約決策表。