淺談數據壓縮和數據融合技術在ITS中的應用

     近年來，隨著我國科學技術的不斷發展，ITS技術已經得到了廣泛應用。智能交通系統（ITS）是集成于信息技術、傳輸技術、電子技術、及計算機處理技術等多種類電子工程技術而建立起的實時，高效、準確的綜合運輸和管理體系。其中，數據壓縮和數據融合技術使得ITS技術更具有現實意義。本文基于智能交通系統中信息的特征，探討了數據壓縮和數據融合技術涉及的關鍵技術及要求，分析了技術應用及現實突破。

　　交通信息及特征分析

　　交通系統由包括4個基本要素：人（交通出行者、駕駛員和管理者）、物（貨物)、各類交通工具和相應的交通設施構成。交通信息是指所有與交通系統的四大要素相關聯的信急，是ATMS的關鍵基礎而向ATMS的基礎交通信息上要是指與交通由運行狀態和交通管理有關的交通信息，是交通信息中最直接最基礎的信息。基礎交通信息包括基礎交通地理信息、交通實時狀態信息、交通控制和管理信息、交通政策法規信息公共交通信息。

　　基礎交通信息是一種在大范圍內、全方位發揮作用的，實時、準確、高效的綜合運輸和管理系統，其應具有以下一些基本病性特征：準確性；及時性；共享性；信息的采集具有實時性和動態性；具有海量信息特征；增值性。

　　數據壓縮處理技術

　　交通信息方面時采集到的信息煩雜多樣，要想利用這此不同類別的信息，需采用不同的處理方法；另一方面，交通信息的一個顯著特征是它的空間性和隨機性，因此對它的研究分析需要建立在廣泛統計的基礎，應用各類信息處理技術和統計分析力法來探索它的規律性。

　　所謂多媒體技術就是能對多種載體（媒體）上的信息和多種存儲(媒質)上的信息進行處理的技術，特點上要表現在它的綜合性和交互性。交通信息是屬于多媒體信息范疇。若要實時的綜合處理聲音、圖像、視頻文字等多媒體信息，其數據是非常大的。要傳輸或存儲這樣大的數據是非常困難的，必須對其進行壓縮編碼，在滿足實際需要的前提下，盡量減少要傳輸或存儲的數據量。

　　數據壓縮主要依靠信源編碼技術。一般的，圖像壓縮技術可分為兩大類：無損壓縮和有損壓縮技術。在多媒體應用中常用的壓縮方法有PCM（脈沖編碼調制）、預測編碼、變換編碼、插值和外推法、統計編碼、矢量量化和子帶編碼等；混合編碼是近年來廣泛采用的方法、新一代的數據壓縮方法，如基于模型的壓縮方法、分形壓縮和小波變換方法等也已經接近實用化水平。

　　信息融合技術

　　信息融合技術在單純數據采集融合（即一次融合）階段稱為數據融合，是研究多種信息的獲取、了傳輸與處理的基木方法、技術、手段以及信息的表不、內在聯系和運動規律的一門技術。融合技術指采集并集成各種信息源、多媒體和多格式信息，從而生成完整、準確、及時和有效的綜合信息，它比直接從各信息源得到的信息更簡潔、更少冗余、更有用途。

　　先進的交通管理系統（ATMS）是個典型多傳感器系統，信息融合技術給交通信息加工和處理提供了多種很好的力法，信息融合技術的最大優勢在于它能合理協調多源數據，充分綜臺有用信息.提供在多變環境中正確決策的能力。

　　在信息融合領域使用的主要數學工具或力法有概率論、推理網絡、模彬理論和神經網絡等，其中使用較多的是概率論、模糊理論、推理網絡.當然，除了這幾種常用的力法之外，還有其他很多解決途徑。

　　在融合技術中最早應用的就是概率論。在一個公共空間依據概率或似然函數對輸人數據建模，在一定的先驗概率情說下，依據貝葉斯規則合并這些概率以獲得每個輸出假設的概率，這樣可以處理不確定性問題。貝葉斯方法的上要難點在于對概率分布的描述，特別是當數據是由低檔傳感器給出時就顯得史為困難另外，在進行計算的時候，常常簡單地假定信息源是獨立的，這個似設在大多數情況卜非常受限制。卜爾曼濾波方法則根據早先估計和最新觀點，遞推的提供對觀測特性的估計。另外，概率淪和模糊集理論的綜合應用給解決多源數據的融合問題提供了工具。

　　模糊集理論是基于分類的局部理論，因此，從產生起就有許多模糊分類技術得以發展。隸屬函數可以表達詞語的意思，這在數字表達和符號表達之間建立了一個便利的交互接口。在信息融合的應用中卞要是通過與特征相連的規則對專家知識進行建模。另外，可以采用模糊理論來對數字化信息進行嚴格地、折衷或是寬松地建模、模糊理論的另一個方而是可以處理非精確描述問題，還能夠自適應地歸并信息。對估計過程的模糊拓展可以解決信息或決策沖突問題，應用于傳感器融合、專家意見綜合以及數據庫融合，特別是在信息很少，又只是定性信息的情況下效果較好。

　　推理網絡的構建和應用有看很長的歷史，可以追溯到1913年由一位名叫JohnHWig-more的美國學者所做的研究土作近來，許多對于分析復雜推理網絡的理淪往往基于貝葉斯規則的推淪，并且都被歸類于貝葉斯網絡。目前。大多數貝葉斯網絡的研究都包括了對于概率有效傳播的算法拓展同時它在整個網絡中也充當了新證據的角色。同時貝葉斯網絡在許多任務里都已作為對于不確定推理的標準化有效方法。貝葉斯網絡的優點是簡潔、易于處理相關事件。缺點是不能區分不知道和不確定事件，并且要求處理的對象具有相關性。在實際運用中一般不知道先驗概率，當假定的先驗概率與實際相矛盾時，推理結果很差，特別是存處多假設和多條件問題時顯得相當復雜。

聲明:

凡文章來源標明“中國智能交通網”的文章版權均為本站所有，請不要一聲不吭地來拿走，轉載請注明出處，違者本網保留追究相關法律責任的權利；所有未標明來源為“中國智能交通網”的轉載文章均不代表本網立場及觀點，“中國智能交通網”不對這些第三方內容或鏈接做出任何保證或承擔任何責任。