第三章-交通信息处理技术

TransportationInformationTechnologies交通信息技术第三章交通信息处理技术3第3章交通信息处理技术2第三章交通信息处理技术数据压缩处理技术交通信息融合处理技术交通流和行程时间预测技术模式识别技术参考资料：–《多媒体数据压缩技术》，《计算机图像处理与分析》–纪心毅，JPEG算法与矢量量化算法在图像压缩中的应用研究，合肥工业大学–《城市交通流诱导系统》，杨兆升著，中国铁道出版社，2005年8月–季常熙，城市交通流诱导系统与交通控制系统集成中的信息处理，吉林大学学报，2006–《基础交通信息融合技术及其应用》，杨兆升著，中国铁道出版社，2005年8月–王淑芳，任兰珍，基于多传感器信息融合技术的智能驾驶系统模型，北京石油化工学院学报，2006（14）–杨兆升,王爽,马道松，基础交通信息融合方法综述，公路交通科技，2006，23(3)–王进，短时交通流预测模型综述，智能交通，2005(1)3第3章交通信息处理技术33.1数据压缩处理技术数据压缩处理的必要性–数字图像数据量巨大，造成传输和存储的困难•例如一帧640×480像素、24比特颜色编码的画面，其数据量就要27Mbit每帧，它在680M容量的CD－ROM光盘上只能存储25帧，也就是只能存储1s活动图像。图形数据压缩的出发点–图像数据高度相关，存在大量冗余信息，例如：空间冗余、时间冗余、信息熵冗余、结构冗余、知识冗余和视觉冗余图像编码的目的–去除冗余、以尽量少的数据量来表示和重建图像3第3章交通信息处理技术43.1数据压缩处理技术图像压缩技术分两大类：–无损压缩技术•利用数据的统计冗余进行压缩•可完全恢复原有数据，没有任何失真•压缩率较小，不能解决图像和视频的存储和传输问题–有损压缩技术•利用人类视觉对图像中的某些频率成分不敏感的特性•压缩过程中损失一些信息，不能完全恢复原始数据，损失的数据对图像的影响较小•压缩比很大，被广泛应用于语言、图像和视频数据的压缩3第3章交通信息处理技术53.1.1JPEG标准JPEG(JointPhotographicExpertsGroup)–是一个负责制定静态数字图像数据压缩编码标准的专家组，他们开发的算法称为JPEG算法，又称为JPEG标准。–JPEG包括两种基本压缩算法•采用以离散余弦变换(DCTdiscretecosinetransform)为基础的有损压缩算法–例如在压缩比为1:25的情况下，压缩后还原得到的图像与原始图像相比较，非图像专家难于找出它们之间的区别•采用以预测技术为基础的无损压缩算法3第3章交通信息处理技术63.1.1JPEG标准JPEG原理–JPEG有损压缩利用人视觉系统特性，使用量化和无损压缩编码相结合来去掉视觉的冗余信息和数据本身的冗余信息。JPEG编码算法的三个步骤–使用正向离散余弦变换（FDCT，forwarddiscretecosinetransform）把空间域表示的图变换成频率域表示的图–使用加权函数对DCT系数进行量化，这个加权函数对于人的视觉系统是最佳的–使用霍夫曼可变字长编码器对量化系数进行编码3第3章交通信息处理技术73.1.1JPEG标准3第3章交通信息处理技术83.1.2MPEG标准MPEG(MovingPicturesExpertsGroup，运动图像专家组)–是目前视频压缩的重要技术之一，它利用运动补偿帧间压缩编码技术以减小时间冗余度，利用DCT技术减小图像的空间冗余度，利用熵编码减小了统计冗余度。•例如：高速公路图像传输处理，VCD节目制作–MPEG数字编码标准•MPEG-1支持1.5Mbps传输率的视频图像和声音•MPEG-2针对高清电视(HDTV)，支持10Mbps传输率•MPEG-4适用于音频视频服务及远程监控，是一个有交互性的动态图像标准3第3章交通信息处理技术93.1.2MPEG标准MPEG-1–基本任务：是将图像（包括伴音）转换成计算机数据，与已有的数据（如文字、绘图等数据）在计算机内兼容，并且能在计算机网络和广播电视等通信网络中兼容传输。–组成部分：MPEG视频、MPEG音频和MPEG系统–解决的问题：视频压缩、音频压缩和多种压缩数据流的复合和同步3第3章交通信息处理技术103.1.2MPEG标准–编码和解码过程3第3章交通信息处理技术113.1.2MPEG标准MPEG-2–是MPEG-1标准的扩展，主要针对高清电视HDTV，传输速率10Mbps。MPEG-4–适用于音频视频服务及远程监控，是一个有交互性的动态图像标准–基本思想：根据图像的内容将图像分割成不同的视频对象VO（VideoObject），在编码过程中对前景对象和后景对象采用不同的编码策略，对于人们所关心的前景对象，则尽可能的保持对象的细节及平滑，而对不大关心的后景对象采用大压缩比的编码策略。–应用场合：数字电视、交互式的图形应用（内容合成技术）、交互式多媒体（例如监控系统）3第3章交通信息处理技术123.1.3音频压缩技术波形编码–特点：将信号的时域波形进行抽样量化编码–模数转换过程：•取样：在时间轴上对信号离散化•量化：在幅度轴上对信号数字化•编码：按一定格式记录采样和量化后的数字数据3第3章交通信息处理技术133.2交通信息融合处理技术信息融合交通信息融合的处理方法基于信息融合技术的智能驾驶系统3第3章交通信息处理技术143.2.1信息融合信息融合的背景–利用多个传感器获得的多种信息，得出对环境或对象特征的全面、正确认识，克服了单一传感器给系统带来的误报风险大、可靠性和容错性低的缺点。•多传感器之间的冗余数据增强了系统的可靠性•传感器之间的互补数据扩展了单一传感器的性能信息融合的目标–基于各种传感器分离观测信息，通过对信息的优化组合导出更多的有效信息，得到最佳协同作用的结果。信息融合的目的–是利用多个传感器共同或联合操作的优势来提高整个系统的有效性。多传感器数据融合示意图3第3章交通信息处理技术153.2.1信息融合信息融合的定义–通过中心数据处理器把来自多个传感器的数据进行综合，把各种传入数据进行综合处理，使数据在一定准则下加以自动分析综合，以完成所需的决策和评估，使它产生的输出信息比各个部分分别处理产生的信息总和更有价值。信息融合的优点–可以提高系统的可信度–可使数据采集更客观–可以提高检测效果–可以扩大时间和空间覆盖能力–可以提高系统的性能价格比3第3章交通信息处理技术163.2.1信息融合信息融合模式–像素级融合•直接在各传感器采集到的未处理的原始数据上进行融合，从融合的数据中提取特征向量，并进行判断识别，是最低层次的融合。•得到的结果很准确，但对系统通信带宽的要求很高。–特征级融合•先对来自传感器的原始信息进行特征提取（特征可以是被观测对象的各种物理量），然后按特征信息对多传感器数据进行分类、综合和分析，属于中间层次的融合。•由于数据丢失，结果准确性有所下降，对通信带宽的要求较低。–决策级融合•从具体决策问题出发，利用特征级的融合结果，直接针对具体决策目标，融合结果直接影响决策水平，是一种高层次融合。•由于对传感器的数据进行了浓缩，产生的结果最不准确，但对通信带宽的要求最低。3第3章交通信息处理技术173.2.1信息融合信息融合三个层次的结构图3第3章交通信息处理技术183.2.1信息融合交通信息融合的输出结果–像素级和特征级融合•处理的是地面交通信息和部分空间信息（如GPS）•输出的是对城市交通状态的部分描述，如状态向量、特征和属性等–决策级融合•处理的数据包括地面交通信息、全部的空间信息、气象信息等其他交通相关信息以及交通领域专家的知识等•输出的是抽象结果，如对交通系统的状态、交通系统整体性能的评价以及对系统运行的预测等交通信息融合的作用–通过各种交通传感器和历史数据库等多种数据来源作为输入，利用融合技术理论和方法，得到适合各个智能交通服务领域使用的交通信息。3第3章交通信息处理技术193.2.2交通信息融合处理方法交通信息融合处理方法–直接对数据源操作：加权平均、神经元网络等–利用对象的统计特性和概率模型进行操作：卡尔曼滤波、贝叶斯估计、多贝叶斯估计、统计决策理论等–基于规则推理的方法：模糊推理、证据推理、产生式规则等3第3章交通信息处理技术203.2.2交通信息融合处理方法基于卡尔曼滤波技术的交通信息融合方法–用于实时融合动态的低层次冗余多源数据，该方法用测量模型的统计特性递推决定统计意义下的最优融合数据估计。基于贝叶斯估计的交通信息融合方法–将多传感器提供的各种不确定性信息表示为概率，并利用概率论中的Bayes条件概率公式对其进行处理。3第3章交通信息处理技术213.2.2交通信息融合处理方法基于人工神经网络的交通信息融合方法–多传感器信息融合技术就是通过对多个参数的监测并采用一定的信息处理方法达到提高每一个参数测量精度的目的。基于综合统计分析的交通信息融合方法–加权平均法是一种简单，直观的融合多传感器低层数据的方法，利用由一组传感器提供的冗余信息进行加权平均计算，并将加权平均值作为信息融合值。–指数平滑法兼容了全期平均法和移动平均法所长，不舍弃过去的数据，但是仅给于逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。3第3章交通信息处理技术223.2.3基于信息融合技术的智能驾驶系统智能汽车的概念–在网络环境下用信息技术和智能控制技术，使汽车具有自动识别行驶道路、自动驾驶、自动调速等功能。自动车辆系统（AVS）异类传感器–包括视频传感器、激光扫描仪和雷达传感器等安全驾驶系统–包括碰撞报警系统（CW）、偏向报警系统（LDW）和智能巡游系统（ICC）等–自动泊车系统（视频）3第3章交通信息处理技术233.2.3基于信息融合技术的智能驾驶系统–谷歌开发智能汽车谷歌开发智能汽车3第3章交通信息处理技术243.2.3基于信息融合技术的智能驾驶系统多传感器信息融合系统的结构–专家知识库•信息融合除了需要融合算法外，还应有必要的领域知识进行有监督（教师指导）的融合，这些领域知识就构成了专家知识库。–传感器模型库•存放所用的传感器模型，定量地描述了传感器的特性以及各种外界条件对传感器特征的影响。–信息协调管理•多传感器所表示的时间、空间和表达方式各不相同，必须将它们统一到一个共同的时空参考体系中，该模块完成了时间因素、空间因素和工作因素的全面协调管理。–信息融合方法•对不同的任务和不同的对象采用不同的方法，或者综合使用几种方法。3第3章交通信息处理技术253.2.3基于信息融合技术的智能驾驶系统–多传感器信息融合系统结构多传感器信息融合系统结构3第3章交通信息处理技术263.2.3基于信息融合技术的智能驾驶系统智能驾驶系统的子系统–环境识别子系统、状态判断子系统、车辆控制子系统等智能驾驶系统的信息融合层次–数据层融合，直接对数据源操作。通过图像处理和识别以及多传感器集成等技术，得到环境中汽车、人和其他障碍物的位置（得到速度、加速度则更好），预测下一步（或下几步）其位置的变化，从而为决策的形成奠定基础。–特征层的融合，利用对象的统计特性和概率模型进行操作。主要是根据环境中形势与已有的知识进行关联，识别现在环境中形势的特征。–决策层的融合。主要是根据各种特征的关联概率，以及该策略的成功概率、风险程度、能量消耗等综合因素，采用基于规则推理的方法，最后形成一个决策。3第3章交通信息处理技术273.2.3基于信息融合技术的智能驾驶系统–智能驾驶系统框架智能驾驶系统框架基于信息融合的智能驾驶系统模型3第3章交通信息处理技术283.3交通流和行程时间预测技术交通流预测方法行程时间预测方法3第3章交通信息处理技术293.3.1交通流预测方法交通流预测背景–准确、可靠的交通预测信息是动态路径诱导系统的基础和关键–短时交通流预测是在时刻t对下一决策时刻(t+Δt)的交通流作出短期实时预测，预测时间跨度一般不超过15min–它不同于传统的交通规划中的宏观意义上的以小时、天、月、年计算的交