交通事件判别方法的研究

1.问题的提出

近年来，随着交通需求进一步增加，交通管理也逐步走向智能化。在交通控制系统管理中，交通事件的自动检测是目前最据代表性的智能化管理手段。

交通事件检测的服务对象群，主要包括：道路使用者和交通管理者，交通管理者又包括：监控中心的值班人员和交通管理决策者。通过对交通管理实际工作的研究，我们发现，不同的应用对是检测的要求，是不尽相同的。

在无持续性检验的情况下，如果检测算法的输出经常是误报，则会导致救援资源的浪费，同时降低相关人员对检测算法的信任程度。在增加了持续性检验的情况下，势必增加了检测的反应时间，会使更多的车辆进入交通区域，导致拥挤持续时间的延长，形成更多的延误。

每类检测技术都包括多种具体的方法。这些不同种类的交通事件判别方法同时使用时，必然都会在同一时段对目标路段给出拥挤判别的结果，如果这些结果是一致的，为交通管理者和交通参与者提供的决策依据是比较可靠的。但是，如果结果不一致，则为交通管理者和交通参与者提供的决策依据必然存在不确定性。

笔者根据交通事件自动判别的理论，结合多年来的实践经验，对"事件自动判别"事件自动判别在实际应用中的问题予以研究讨论，提出了针对不同需求的"面向多用户需求的事件报警体系"，以及在这种报警体系下的，"以分析角度为线索"的数据融合算法，试图将"事件自动判别"更好地应用于监控系统管理中。

2.关于持续性检验

早期的事件检测算法在对实时交通流数据进行处理分析，一旦判别结果为有拥挤发生，就触发报警。由于在这种报警方式下，会产生较多的误报警，所以后期的算法普遍增加了持续性检验，在算法首次发现有交通拥挤发生后，在持续若干次确认性检验，之后才触发报警。

另一方面，在交通事件持续发生的情况下，单纯的报警信息对高速公路管理者，就失去了实际意义，应高发出"事件在持续中"的信息。

综合这两个方面的应用，我们在实际应用中，构造了这样的持续性检验函数。

函数的算法逻辑：

我们取n(id_D)=f_C(fd)，如果n<3，不事件报警，继续检验；如果n=3，做事件报警；如果n>3，发出"事件持续中"的信息。

3.面向多用户需求的事件报警体系

交通事件检测的服务对象群，主要包括：道路使用者和交通管理者，交通管理者又包括：监控中心的值班人员和交通管理决策者。通过对交通管理实际工作的研究，我们发现，不同的应用对是检测的要求，是不尽相同的。

在无持续性检验的情况下，如果检测算法的输出经常是误报，则会导致救援资源的浪费，同时降低相关人员对检测算法的信任程度。在增加了持续性检验的情况下，势必增加了检测的反应时间，会使更多的车辆进入交通区域，导致拥挤持续时间的延长，形成更多的延误。为了弥补这些不足，充分利用算法判别结果的信息，在对信息的直接用户进行分类的基础上，根据各类用户对拥挤报警的需求重点，以多次持续性检验为基础，提出多级报警的判别框架。

1.一级报警的服务对象是路段监控中心的监控员或交通信息员，其信息的需求重点是尽早获知所发生的交通拥挤，以便于进一步重点观察。因此一级报警要求算法有较高的判别率和尽可能短的检测时间。

2.二级报警的服务对象是路段监控中心的交通管理者和交通参与者，在事件得到确认后，应及时提醒交通参与者，同时提醒与交通管理有关的部门和人员做好现场管理的准备。因此二级报警要求算法有适中的判别率和检测时间。

3.三级报警的服务对象是路段监控中心（甚至是监控总中心）的交通管理者，在事件得到确认后，应及时提醒交通参与者，并决定是否派出现场指挥与救援的交通管理资源，实施必要的交通控制与诱导方案。因此三级报警要求算法有较低的判别率和检测时间。

此外，人工报警应有最高的优先级别。

4.基于数据融合的事件检测算法

在通常情况下，人工和自动两类技术同时用于交通拥挤状态进行判别，而且每类技术又都包括多种具体的方法。这些不同种类的交通拥挤判别方法同时使用时，必然都会在同一时段对目标路段给出拥挤判别的结果，如果这些结果是一致的，为交通管理者和交通参与者提供的决策依据是比较可靠的。但是，如果结果不一致，则为交通管理者和交通参与者提供的决策依据必然存在不确定性。

如果将每种方法给出的拥挤判别结果作为独立的信息源，则运用数据融合的思想，对所有拥挤判别结果进行融合处理是减少交通状态不确定的有效途径之一。因此，将多种事件判别算法同时应用到交通状态监控系统当中，通过对各种算法判别结果进行融合，可以弥补各种算法的缺点，提高判别结果的可靠性。

数据融合的检测算法，是"面向多用户需求的事件报警体系"的一种实现手段，主要为不同的应用需求，提供合理的事件报警。

4.1数据融合的概念

数据融合作为一种数据综合处理技术，实际上是许多传统科学与新技术的集成与应用。

按照数据抽象的层次不同，数据融合可分为三个级别，即像素级融合、特征级融合和决策级融合。像素级融合是直接在采集到的原始数据层上进行的融合，在各种传感器的原始测报未经预处理之前就进行的综合和分析，这是最低层次的融合，也是最为直接的数据融合。特征级融合属于中间层次，它先对来自传感器的原始信息进行特征提取，然后对特征信息进行综合分析和处理。决策级融合是一种高层次融合，其结果为指挥决策提供直接依据。

数据融合系统的功能主要有校准、相关、判别和估计。其中校准和相关是为判别和估计做准备的，实际融合在判别和估计中进行。该模型的融合功能分两步完成，对应于不同的信息抽象层次，第一步是低层处理，对应于像素级融合和特征级融合，输出的是状态、特征和属性等等；第二步是高层处理，对应的是决策级融合，输出的是抽象结果。

4.2交通数据融合的内容

交通事件检测算法的基本理论是："通过对事件产生后，各类检测值的变化规律，来推测事件的发生，甚至是特征及变化，"，事件的产生对某断面（某几个断面）检测值在时间和空间上均同时会产生影响，也就是我们说的"突变"。但是，不同的算法逻辑，从不同的分析角度来检测这些突变，其效果往往是不同的。因为事件的发生一定会引起特征值的变化，但是不同特征值的变化，它的显著性是不同的，这就是对不同特征值检测，不同的检测角度，得出不同的事件检测结论的原因。

4.2.1交通数据源的融合

信息源主要包括：固定设备检测信息、移动设备检测信息和人工报警信息等。

固定设备检测主要有：

环形线圈

视频检测，交通流特征检测、特殊事件检测、区域交通状况判别（一般用于交叉路口，在高速公路中极少用到）和人工图像观察。

移动设备检测（在本文暂不讨论）。

人工报警

交通数据源的融合，是指不同设备信息的综合应用。视频检测中的交通流特征检测与环形线圈，就属于特征级融合，各自提取交通流特征，用于同一算法中；而视频检测中特殊事件检测，与交通流特征检测，则是决策级融合。

4.2.2事件检测算法的融合

事件检测算法，按其检测原理可大致分为如下几类：

基于对时间角度的判别，单截面算法，主要通过判别本时刻的交通指标与历史指标的差异，从交通指标的突变来检测事件的发生。主要有标准差法，平滑法等。

基于对空间角度的判别，双截面算法，主要通过判别上游和下游的交通指标的差异，来检测事件的

综合算法，主要有Mcmaster算法，模糊算法（Fuzzy），神经元算法（BP），遗传算法（GA）等等。

此外，随着技术的发展，对例如停车、坠物等特殊事件的直接检测，也逐步应用于事件检测中，这类检测以视频检测使用最为广泛。

在算法融合中，我们希望将独立性最强的（相关性最差的）指标来融合，最好是完全不同的分析思路，因此我提出的"以时间变化为线索"的算法和"以空间变化为线索"的算法的融合。

基于这种考虑，本文提出了以"分析角度"为线索的数据融合思想，将基于对时间角度的判别和基于对空间角度的判别，进行特征级融合。在基于对时间角度的判别算法中，取单截面算法选用平滑法。在基于对空间角度的判别算法中，取双截面算法选用California算法。此外，将基于对特殊事件的直接检测（选用视频检测），与上述算法做决策级融合。

4.3交通事件报警数据融合的规则

数据融合的检测算法是"面向多用户需求的事件报警体系"的一种实现手段，主要为不同的应用需求，提供合理的事件报警。针对面向多用户需求的三级报警体系，提出如下数据融合规则：

1.一级报警：采用"OR"运算，对单截面算法和双截面算法进行融合。

2.二级报警：采用"AND"运算，对单截面算法和双截面算法进行融合，或视频检测中特殊事件检测报警。

3.三级报警：M公里范围内同时出现二级报警，或某处二级报警持续N个周期。

我们可以看出，一级报警和二级报警是"量"的差异，主要提供了不同检测率的报警；而二级报警和三级报警是"度"的差异，针对不同的危害程度，提出报警。

4.4事件报警的输出

1.一级报警：在路段监控中心的交通监视计算机上输出，控制矩阵切换，将该路图像输出到监控主监视器上，进行人工确认。

2.二级报警：在路段监控中心的交通监视计算机上输出，同时输出到大屏幕投影和地图板上，作光闪报警，控制矩阵切换，将该路图像输出到大屏幕投影上，事件确认后向外场的信息发布设备，发布相关信息。

3.三级报警：在路段监控中心的交通监视计算机上输出，同时输出到大屏幕投影和地图板上，作声光报警，控制矩阵切换，将该路图像输出到大屏幕投影上，事件确认后向外场的信息发布设备，发布相关信息。向相关领导回报，决定是否派出现场指挥与救援的交通管理资源，实施必要的交通控制与诱导方案。

基于数据融合的交通事件检测方法