| 关于多信息的长江隧道交通事件管理的探讨 |
|
|
|
通信量较大，抗干扰能力较差。
2.2.2特征级融合
特征级融合中，各信息源获得的同一目标的属性信息分别进行特征提取，从而获得许多组关于目标属性的特征向量。然后融合这些特征向量并基于融合后的特征向量进行目标识别。特征级融合的优点在于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。 2.2.3决策级融合
即对每个信息、源获得的属性信息分别进行特征提取和属性判决，然后将多属性判决进行融合，以获得目标的最终属性判决，决策级融合的主要优点有: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。
2.3多信息模型的实现
由上述分析可知，隧道交通事件确认中，信息源获得的目标属性信息的形式多样，提取的特征也各不相同，且一般情况下，事件的这些属性信息并不能同时全部得到。隧道交通事件多信息模型可分为特征提取、独立识别、决策融合三个部分，过程如下图2所示。
2.3.1特征提取
各独立识别系统根据各自的信息、通道从事件发生中获取信息，提取目标的属性特征。也就是提取各获得的信息进行处理。由于其需要具体介绍各检测器的具体性能，涉及知识比较多，由于篇幅的限制，这里不再详细介绍。
2.3.2独立识别
各独立识别子系统根据各自的特征信J急输人，按照各自的识别方法，判定目标的类型，同时，根据信息质量的好坏和特征提取的精度，给出判定结果的可信度。
模式识别方法有Bayes推理、模糊推理、专家系统、BP神经网络等。由于特征信息的形式不一样，所以各自的识别方法不尽一样。
由于根据事件的一种信息源的特征来识别，所以上述各独立识别结果一般不是一个确切的结果，而是事件识别框上的模糊集。结果可信度与目标特征提取精度有关，精度越高，则识别结果的可信度就高，它在决策融合中的作用就越大。
2.3.3决策加权融合
各识别结果和它们的可信度送往融合中心后，融合中心依据各识别结果的可信度对识别结果进行加权融合，从而得到交通事件的准确信息，如事件等级、事件地点、事件对交通影响的大小。设Ri是独立识别系统i的识别结果，它是 目标识别框上模糊集，ai是它的可信度，则融合后的识别结果为: 
R也是目标识别框上的模糊集，利用最大隶属度原则可确定最终的识别结果。当然，也可以作为最终的识别结果直接提供给管理人员，以供管理人员综合考虑再做决策。
3结语
在现代交通日益飞速发展的今天，目前的单一信息处理的交通事件管理机制无法适应现代高技术条件下的隧道具有信息来源广泛、信息形式多种多样、信息量暴增等特点，对多信息融合技术在管理机制的使用很有必要。
多信息融合技术中，通过分析数据级融合、特征级融合和决策级融合的特点，决策级融合可以使用于交通事件的确认中。
多信息融合技术应用于交通事件管理机制还只是一种尝试，还需要大量的量化工作以及实践工作，以使其更好的应用于交通管理中，达到隧道交通运行的最优化。
隧道交通事件管理机制是隧道交通管理系统中的一个重要子系统。利用现代科学技米努力提高隧道对突发事件的应急管理水平，对于提高隧道使用效益、减少交通阻塞和延误、降低交通事故发生率均有着十分重要的意义上一页 [1] [2] |
|
|
| |
|
上一个论文： 中国沿海船舶值班中常见问题及对策
下一个论文： 浅谈高速公路沥青路面水破坏的原因及防治措施 |
|
用户登录 
新用户注册 