摘  要： 为了更加准确地监测动态变化的交通信息，通过分析城市道路交通流量变化的特点，提出一种基于数据融合的监测方法。根据数据属性的特点，将数据构造为多个相关的时间序列，在此基础上进行数据融合，以最终的结果对交通信号灯进行实时控制，保证道路通畅。仿真实验结果证明，该方法具有较高的判断准确率和良好的识别性能。
关键词： 数据融合；智能交通系统；灰色优势分析；自适应加权

　21世纪以来，道路建设、机动车辆保有量均进入了快速发展的阶段，交通需求急速上升，交通问题呈现加重趋势，原有的单一依靠增加道路设施来满足需求的解决方案遇到了发展瓶颈。大家认识到，道路交通信息化的发展应与道路设施、道路交通的发展同步推进。应采用信息化手段支持道路建设、道路管理和交通管理，在增加道路设施的同时，通过道路信息化的手段来支持道路交通管理并提供道路交通信息服务，缓解道路交通问题。
    智能交通系统ITS(Intelligent Transportation System)是在较完善的基础设施(包括道路、港口、机场和通信)之上，将先进的信息技术、通信技术、控制技术、传感器、计算机技术和系统综合技术有效地集成，并应用于地面运输系统，从而建立起大范围内发挥作用的、实时、准确、有效的运输系统[1]。从智能交通领域在世界范围内的发展现状和趋势来看，交通信息的采集、处理和分析已经日益成为交通研究和日常交通管理活动的重要组成部分。世界上很多大中城市的交通管理部门都已经拥有了实时采集、处理、分析和发布大范围道路网络交通信息的能力。
1 数据融合算法研究
    数据融合（Data Fusion）也称作信息融合，是一个信息综合与处理的过程，一般的定义是：利用计算机技术对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合以完成所需的决策和估计任务而进行的信息处理过程[2]。
    数据融合作为一种数据综合和处理技术，涉及到了对ITS中多种交通信息采集装置和各种信息源的有效综合，包括共用数据的检测(获取)、过滤、相关分析、状态估计、目标识别和行为估计等，从而进行交通运行状态和环境判定、特殊事件判断等。ITS的数据融合分为两个层次：(1)低层处理，得到的是一些状态、特征和属性等，例如特殊事件的位置、属性；(2)高层处理，对应的是决策级融合，主要可以产生一些行动决策。
1.1 自适应加权数据融合算法
    自适应加权数据融合算法是不等精度测量系统数据处理的一种重要估计算法。设有一个多传感器智能检测系统，有n个传感器对某一对象进行采样检测，如图1所示[3]。

    本系统采用占有率、流量和速度3个参数作为拥挤自动判别的参数，以畅通、轻微拥挤、常发性拥挤、偶发性拥挤4种结果为例，每种结果仿真1 000次以观察算法的准确率，仿真结果如表1所示。

    本文应用自适应加权数据融合以及改进的灰色优势分析，对机动车流量控制信息进行判别。实验结果表明，该方法判断准确率不低于96%，具有良好的识别性能，可利用这些检测结果对各个路口的交通灯进行实时控制，从而保证道路的畅通。
参考文献
[1] 贺良华，侯晓东，于来宝.网络化信息采集在智能交通中的应用[J].控制系统，2008，4(3)：29-32.
[2] 杨万海.多传感器数据融合及其应用[M].西安：西安电子科技大学出版社，2004.
[3] THAWORNWONG S，ENKE D.The adaptive selection of financial and economic variables for use with artificial neural networks[J].Neuorcomputing，2004(56)：205-232.
[4] 刘思峰，郭天榜，党耀国，等.灰色系统理论及其应用[M]. 北京：科学出版社，1999.
[5] 罗党.灰色决策问题的特征向量方法[J].系统工程理论与实践，2005，25(4)：54-58.
[6] 唐汝桑，钱寒峰.智能交通信息采集中数据融合技术探讨[J].科技咨询导报，2009，28(4)：17－18.