面向智能交通的多源异类传感器数据并行融合研究

多传感器数据融合技术是针对一个系统使用多种传感器这一特定问题而展开的关于数据处理的研究，将其应用于智能交通领域，可实现城市路网交通状况评估，具有较大的应用价值。本课题拟针对当前交通数据融合处理过程中存在的传感器种类和数量不足、交通状况评估指标不全面、交通指标数据可靠性和可调整性低、数据融合计算实时性差等局限性，研究基于多源异类传感器的交通源数据采集技术以及将海量源数据转换为多重交通指标数据的理论和并行实现方法；构建多重交通指标数据并行可靠性处理模型以及相应的可定制/自适应可靠性权值矩阵学习算法，并且根据交通数据特点设计基于D-S证据推理方法和粗糙集理论结合的并行融合算法；基于云计算技术和CUDA并行实现上述算法和模型，研制一个高性能、高准确度的海量交通数据并行融合计算支撑平台；通过理论分析和平台仿真实验测试模型和算法的性能和可靠性。

本项目历时三年，系统性地围绕“多源异类交通数据采集—>预处理—>转换计算—>融合处理—>并行实现—>发布”整条线索开展研究工作。对各部分的完成情况总结如下：.（1）在交通数据采集方面，基于曲线拟合评估模型，提出GPS浮动车数据采样分析算法。综合考虑道路类型、路段长度、采样频率等因素，计算最小采集采样量，并且保证道路交通状态评估的准确性。.（2）在交通数据预处理方面，通过多地图层构建、原始道路和节点设计、原始结构重构和双向道路实现等步骤，精确和高效地构建GIS-T数字地图，为后续的交通数据处理和并行实现提供基础。.（3）在交通数据转换计算方面，针对SCATS数据的特点，提出了基于自举式粗糙集理论的规则二次提取方法，它相比于普通的一次规则提取方法，获得的规则的准确率更高，覆盖率更大，可用于对SCATS数据结合环境数据评估交通状态；针对GPS数据的特点，采用四叉树方法实现负载均衡地并行拟合GPS数据与GIS地图，提高计算效率。.（4）在交通数据融合处理方面，面向SCATS、GPS、微波、视频等数据，结合粗糙集和D-S证据理论设计一种粗糙证据论模型，并且构建一个海量交通数据智能分析的理论框架。该框架通过发掘交通数据分析中计算复杂度和计算需求，采用基于四叉树区域平衡分割的方法构建计算任务，并调度相应的高性能计算资源进行并行处理。.（5）在并行实现方面，基于理论框架研究，设计Cyber-ITS技术框架，将高性能计算技术引入交通数据智能处理中，用于解决其中计算密集型和协作型问题。基于该框架，重点研究多源异类海量交通数据并行融合实现，构建自举式粗糙证据论架构，提高融合计算的准确性和实时性。.（6）在计算结果发布方面，开发了网页端、移动端、诱导屏等发布形态，并采用服务（Service）的方式进行发布。应用形成服务后，根据使用者的环境进行服务等价和组合，并对该行为基于PI演算进行形式化。.上述研究取得了较丰富的理论和应用成果。在理论研究领域，在国际上开创性地提出Cyber-ITS框架，发表（含录用）学术论文28篇，其中SCI论文8篇，EI论文19篇，连续三年在智能交通领域著名国际会议ITSC发表学术论文，申请发明专利4项。在应用领域，基于研究成果研发了实时交通诱导系统，在杭州、宁波、台州等地进行应用，到目前为止已产生数百万的经济效益，学生团队因此获得国家挑战杯二等奖。