[发明专利]一种基于贝叶斯张量分解的智能路侧多源数据融合方法

说明书

本发明涉及一种基于贝叶斯张量分解的智能路侧多源数据融合方法，包括以下步骤：(1)数据预处理，利用视频和雷达检测器每隔一定时间采集交通流信息，并分车道打上时间标签，针对缺失和异常数据进行有效识别和处理，得到原始数据集；(2)数据融合，通过构建速度张量，利用贝叶斯思想求解相关参数，得到融合后的速度张量。该方法基于智能路侧异构数据，同时利用贝叶斯统计思想，引入张量分解理论，充分考虑高阶张量挖掘数据特征的特性，实现了不同数据源间数据的有效融合，从而提高数据的精度和质量。

技术领域

本发明属于智能交通领域，涉及一种智能交通场景下的智能路侧多源数据融合方法。

背景技术

随着智能交通的迅速发展，智能路侧交通流检测设备应用日益广泛，视频检测器，雷达，激光传感器等大量的被应用到路侧交通流检测中。在此智能路侧多种传感器共存的背景下，如何综合有效利用多源数据从而得到更准确的道路信息，对于全面和精确的掌握道路交通运行状态至关重要。为此，迫切需要一种能够实现智能路侧下多源异构数据融合的有效方法。

当前数据融合可以分为基于阶段的数据融合，基于特征的数据融合和基于语义的数据融合三种方法。传统的数据融合研究更多的是考虑其中一种单一的融合方法，这种数据融合方式仅仅考虑一个层面的数据信息并没有从多维度挖掘数据的特征，很难达到理想的融合效果。为此，本发明提出一种新型的智能路侧多源数据融合方法，实现基于阶段和基于特征两个层面的数据融合。

发明内容

为充分利用智能路侧异构数据，解决不同采集设备数据质量差异问题，提供一种基于贝叶斯张量分解的智能路侧多源数据融合方法。该方法基于智能路侧异构数据，同时利用贝叶斯统计思想，引入张量分解理论，充分考虑高阶张量挖掘数据特征的特性，实现了不同数据源间数据的有效融合，从而提高数据的精度和质量。

本发明主要聚焦于在张量空间内进行阶段和特征融合，将不同维度的特征矩阵进行融合最终实现多源异构速度数据的融合。为实现上述目的，本发明以交通流三要素中的速度为例，设计数据预处理模块以及数据融合模块，提供如下技术方案：

一种基于贝叶斯张量分解的智能路侧多源数据融合方法，其特征在于，包括以下步骤：

(1)数据预处理，采集道路上车辆的速度信息，针对缺失和异常数据进行有效识别和处理；

(2)数据融合，通过构建速度张量，利用贝叶斯思想求解相关参数，得到融合后的速度张量。

进一步的，所述步骤(1)中，利用视频和雷达检测器实时的采集道路上车辆的速度信息。

进一步的，所述步骤(1)中，采用阈值筛选的方式对异常数据予以剔除，若当前速度超过该路段限速v_max的150％，即v′≥f₁·v_max，其中f₁为速度修正系数，f₁＝1.5，则认为是异常数据，赋值为0，并记为w₁；若某采集周期内，未记录相应的数据，则判定为数据丢失，赋值为0，记为w₁；若正常记录数据，则记为w₂；

进一步的，所述步骤(2)中，构建三阶速度融合张量，张量X的维度为3，n₁代表传感器类型，n₂代表车道，n₃代表时间窗；定义与张量相同大小的张量Y，满足：