第三章交通信息处理技术ppt课件.ppt
第三章 交通信息处理技术,主要内容：1、数据压缩处理技术2、交通信息融合处理技术3、交通流与行程时间预测技术,第一节 数据压缩处理技术,一、数据压缩的必要性1、数据压缩的必要性原始采集的数据，特别是视频检测数据非常大，若不进行数据压缩，将严重影响传输效率。例如一帧640480像素、24比特颜色编码的画面，在650M容量的CDROM光盘上能存储多长的活动图像？,第一节 数据压缩处理技术,2、数据压缩的目的采用各种方法去除冗余，以尽量少的数据量来表示和重建图像。（1）冗余冗余是指信息所具有的各种性质中多余的无用空间，其多余的程度叫做“冗余度”。信息量、数据量和冗余量之间的关系式： I = D- duI代表信息量D表示数据量du是冗余量,第一节 数据压缩处理技术,（2）冗余的分类知识冗余、结构冗余、空间冗余、时间冗余、信息熵冗余等。知识冗余：人类一旦掌握了知识，凭借经验就可辨别事物，无须进行全面的比较和辨别。结构冗余：在数字化图像中，具有规则纹理的表面、大面积相互重叠的相同图案，规则有序排列的图形等结构，都存在数据冗余，这种结构上的冗余叫做“结构冗余”。空间冗余：在同一幅图像中，规则物体和规则背景的表面物理特性具有相关性，这些相关的光成像结构在数字化图像中就表现为数据冗余。,第一节 数据压缩处理技术,时间冗余：这是序列图像和语音数据中所经常包含的冗余。序列图像一般是位于一时间轴区间的一组连续画面，前后帧之间具有很强的相关性。当播放该图象序列时，随着时间的推移，若干帧画面的某些地方发生了变化，但有的部位却没有变化，这就形成了时间冗余。信息熵冗余：是指数据所携带的信息量少于数据本身所反映出来的数据冗余。 例如 若信号a1，a2的概率分别为P(a1)=0.9, P(a2)=0.1, 则信号的平均信息量为 H(x)=(0.9log20.9+0.1log20.1)=0.467(bit) 用二进制数据表示这两个信号时需用1bit显然出现了数据冗余。,第一节 数据压缩处理技术,3、数据压缩的评价 数据压缩方法的优劣主要由所能达到的压缩倍数、从压缩后的数据所能恢复（或称重建）的图像（或声音）质量、以及压缩和解压缩的速度等几方面来评价。压缩的倍数也称压缩率，通常有两种衡量的方法（1）由压缩前与压缩后的总的数据量之比来表示例如，一幅1024768像素点组成的黑白图像，每像素具有8bit，通过使其分辨率降低为512384，又经数据压缩使每个像素平均仅用0.5bit，则压缩倍数为64倍，或称其压缩率为1:64。（2）用压缩后的比特流中每个显示像素的平均比特数bpdp（bit per displayed pixel）来表示 例如，以15000字节存储一幅256240的图像，则压缩率为（150008）/（256240）=2比特/像素,第一节 数据压缩处理技术,4、数据压缩的分类数据压缩也称为数据编码。（1）无损压缩利用数据的统计冗余进行压缩，可完全恢复原始数据而不引起任何失真，但压缩率受到数据统计冗余度的理论限制，一般为2:1到5:1。应用范围：文本数据、程序、特殊场合的图像数据（如指纹图像、医学图像等）。,第一节 数据压缩处理技术,（2）有损压缩利用人类视觉对图像中的某些频率成分不敏感的特性，允许压缩过程中损失一定的信息，所损失的信息不影响对原始图像的理解。应用范围：语言、图像、视频数据。,第一节 数据压缩处理技术,二、静态图像的压缩标准JPEG1、JPEG标准JPEG （joint photographic experts group）是一个负责制定静态数字图像数据压缩编码标准的专家组，他们开发的算法称为JPEG算法，又称为JPEG标准。JPEG标准主要用于静态图像数据压缩，例如电子抓拍图像。JPEG文件的扩展名为.jpg或.jpeg，它用有损压缩方式去除冗余的图像和彩色数据，获取得极高的压缩率的同时能展现十分丰富生动的图像。,第一节 数据压缩处理技术,2、JPEG包括两种基本压缩算法采用以离散余弦变换(DCT discrete cosine transform)为基础的有损压缩算法例如在压缩比为1:25的情况下，压缩后还原得到的图像与原始图像相比较，非图像专家难于找出它们之间的区别。采用以预测技术为基础的无损压缩算法,第一节 数据压缩处理技术,3、JPEG原理JPEG有损压缩利用人视觉系统特性，使用量化和无损压缩编码相结合来去掉视觉的冗余信息和数据本身的冗余信息。,第一节 数据压缩处理技术,（1）DCT变换离散余弦变换DCT是数码率压缩需要常用的一个变换编码方法。DCT是先将整体图像分成N*N像素块，然后对N*N像素块逐一进行DCT变换。由于大多数图像的高频分量较小，相应于图像高频分量的系数经常为零，加上人眼对高频成分的失真不太敏感，所以可用更粗的量化。因此，传送变换系数的数码率要大大小于传送图像像素所用的数码率。到达接收端后通过反离散余弦变换回到样值，虽然会有一定的失真，但人眼是可以接受的。,第一节 数据压缩处理技术,DCT变换公式,正变换,第一节 数据压缩处理技术,DCT反变换,第一节 数据压缩处理技术,DCT变换过程,由图像内取出一个区块，分成88个像素的64格阵列，即由图(a)转变为图(b)。经过对逐个像素的亮度（或讨论色度）数值取样，并将像素的亮度数值列成矩阵形表格，见图（C）。然后利用离散余弦变换（DCT）可将各空间取样值转变为频率域的数值，这里称为DCT系数。,可得到64个DCT系数，转换为图（d）矩形阵列表格 。,第一节 数据压缩处理技术,DCT变换的结果：大体上，沿左上到右下的方向DCT系数（绝对值）是依次递减的。所以，也就是说一个图像的DCT低频系数分布在DCT系数矩阵的左上角，高频系数分布在右下角。,第一节 数据压缩处理技术,（2）量化表 对于前面得到的 64 个空间频率振幅值, 将对它们作幅度分层量化操作，方法就是分别除以量化表里对应值并四舍五入。基于事实上人眼对高频率远没有低频敏感的情况，JPEG给出了量度和色度量化值表，见表3-1，p53。,亮度量化值 色度量化值,第一节 数据压缩处理技术,（3）Z字形编排量化后的系数要重新编排，目的是为了增加连续的“0”系数的个数，就是“0”的游程长度，方法是按照Z字形的式样编排，如下图所示。这样就把一个8 * 8的矩阵变成一个1* 64的矢量，频率较低的系数放在矢量的顶部。,第一节 数据压缩处理技术,（4）直流系数的编码 8 *8图像块经过DCT变换之后得到的DC直流系数有两个特点，一是系数的数值比较大，二是相邻8 * 8图像块的DC系数值变化不大（具有一定的相关性）。根据这个特点，JPEG算法使用了差分脉冲调制编码(DPCM)技术，对相邻图像块之间量化DC系数的差值(Delta)进行编码，DeltaDC(0, 0)i-DC(0, 0)i-1,第一节 数据压缩处理技术,（5）交流系数编码量化AC系数的特点是1*64矢量中包含有许多“0”系数，并且许多“0”是连续的，因此使用非常简单和直观的游程长度编码(RLE)对它们进行编码。,第一节 数据压缩处理技术,（6）熵编码为了进一步压缩数据,需对DC码和AC行程编码的码字再做基于统计特性的熵编码。JPEG建议的熵编码是Huffman编码和自适应二进制算术编码。（7）把各种标记代码和编码后的图像数据组成一帧一帧的数据，以便存储、传输和译码，称为JPEG数据流。,第一节 数据压缩处理技术,三、MPEG编码1、MPEG (Moving Pictures Experts Group，运动图像专家组)是目前视频压缩的重要技术之一，它利用运动补偿帧间压缩编码技术以减小时间冗余度，利用DCT技术减小图像的空间冗余度，利用熵编码减小了统计冗余度。例如：高速公路图像传输处理，VCD节目制作MPEG数字编码标准MPEG-1支持1.5Mbps传输率的视频图像和声音MPEG-2针对高清电视(HDTV)，支持10Mbps传输率MPEG-4适用于音频视频服务及远程监控，是一个有交互性的动态图像标准,第三节 微波采集检测技术,2、MPEG-1基本任务：是将图像（包括伴音）转换成计算机数据，与已有的数据（如文字、绘图等数据）在计算机内兼容，并且能在计算机网络和广播电视等通信网络中兼容传输。组成部分：MPEG视频、MPEG音频和MPEG系统解决的问题：视频压缩、音频压缩和多种压缩数据流的复合和同步,第一节 数据压缩处理技术,编码和解码过程,第一节 数据压缩处理技术,3、MPEG-2是MPEG-1标准的扩展，主要针对高清电视HDTV，传输速率10Mbps。4、MPEG-4适用于音频视频服务及远程监控，是一个有交互性的动态图像标准基本思想：根据图像的内容将图像分割成不同的视频对象VO（Video Object），在编码过程中对前景对象和后景对象采用不同的编码策略，对于人们所关心的前景对象，则尽可能的保持对象的细节及平滑，而对不大关心的后景对象采用大压缩比的编码策略。应用场合：数字电视、交互式的图形应用（内容合成技术）、交互式多媒体（例如监控系统）。,第一节 数据压缩处理技术,四、音频压缩编码语音信号的传输在交通信息领域的应用主要表现：调度电话、交通广播信息。音频压缩编码标准主要：波形编码，参数编码，混合编码。1、波形编码特点：将信号的时域波形进行抽样量化编码模数转换过程：取样：在时间轴上对信号离散化量化：在幅度轴上对信号数字化编码：按一定格式记录采样和量化后的数字数据,第一节 数据压缩处理技术,（1）脉冲编码调制（PCM编码）原理：,第一节 数据压缩处理技术,（2）差分脉冲编码（DPCM，differential pulse code modulation）利用样本与样本之间存在的信息冗余度来进行编码的一种数据压缩技术；思路：根据过去的样本去估算(estimate)下一个样本信号的幅度大小，称为预测值，然后对实际信号值与预测值之差进行量化编码，由于差值的取值的动态范围小了很多，因此就减少了表示每个样本信号的位数。,第一节 数据压缩处理技术,（3）Adaptive Differential PCM 核心思想利用自适应的思想改变量化阶的大小，即使用小的量化阶去编码小的差值，使用大的量化阶去编码大的差值：variable quantization levels使用过去的样本值估算下一个输入样本的预测值，使实际样本值和预测值之间的差值总是最小：variable predictor coefficients,第二节 交通信息融合处理技术,一、信息融合的相关概念1、信息融合的背景利用多个传感器获得的多种信息，得出对环境或对象特征的全面、正确认识，克服了单一传感器给系统带来的误报风险大、可靠性和容错性低的缺点。多传感器之间的冗余数据增强了系统的可靠性传感器之间的互补数据扩展了单一传感器的性能2、信息融合的目标基于各种传感器分离观测信息，通过对信息的优化组合导出更多的有效信息，得到最佳协同作用的结果。3、信息融合的目的是利用多个传感器共同或联合操作的优势来提高整个系统的有效性。,第二节 交通信息融合处理技术,4、信息融合的定义通过中心数据处理器把来自多个传感器的数据进行综合，把各种传入数据进行综合处理，使数据在一定准则下加以自动分析综合，以完成所需的决策和评估，使它产生的输出信息比各个部分分别处理产生的信息总和更有价值。5、信息融合的优点可以提高系统的可信度可使数据采集更客观可以提高检测效果可以扩大时间和空间覆盖能力可以提高系统的性能价格比,第二节 交通信息融合处理技术,6、信息融合模式像素级融合直接在各传感器采集到的未处理的原始数据上进行融合，从融合的数据中提取特征向量，并进行判断识别，是最低层次的融合。得到的结果很准确，但对系统通信带宽的要求很高。特征级融合先对来自传感器的原始信息进行特征提取（特征可以是被观测对象的各种物理量），然后按特征信息对多传感器数据进行分类、综合和分析，属于中间层次的融合。由于数据丢失，结果准确性有所下降，对通信带宽的要求较低。决策级融合从具体决策问题出发，利用特征级的融合结果，直接针对具体决策目标，融合结果直接影响决策水平，是一种高层次融合。由于对传感器的数据进行了浓缩，产生的结果最不准确，但对通信带宽的要求最低。,第二节 交通信息融合处理技术,信息融合三个层次的结构图,第二节 交通信息融合处理技术,7、三个模式在交通信息融合中的体现（交通信息融合的输出结果）像素级和特征级融合处理的是地面交通信息和部分空间信息（如 GPS）输出的是对城市交通状态的部分描述，如状态向量、特征和属性等决策级融合处理的数据包括地面交通信息、全部的空间信息、气象信息等其他交通相关信息以及交通领域专家的知识等输出的是抽象结果，如对交通系统的状态、交通系统整体性能的评价以及对系统运行的预测等,第二节 交通信息融合处理技术,8、交通信息融合的作用通过各种交通传感器和历史数据库等多种数据来源作为输入，利用融合技术理论和方法，得到适合各个智能交通服务领域使用的交通信息。,第二节 交通信息融合处理技术,二、交通信息融合处理的方法分成三类：直接对数据源操作：加权平均、神经元网络等利用对象的统计特性和概率模型进行操作：卡尔曼滤波、贝叶斯估计、多贝叶斯估计、统计决策理论等基于规则推理的方法：模糊推理、证据推理、产生式规则等,第二节 交通信息融合处理技术,1、基于卡尔曼滤波技术的交通信息融合方法用于实时融合动态的低层次冗余多源数据，该方法用测量模型的统计特性递推决定统计意义下的最优融合数据估计。卡尔曼滤波则不需要全部过去的观察数据，它只是根据前一个估计值和最近一个观察数据来估计信号的当前值。它是用状态方程和递推方法进行估计的，而它的解是以估计值(常常是状态变量的估计值)的形式给出的。 基于空间相关性的交通流量滤波融合模型：针对不同检测断面检测数据的融合。联合滤波交通流量融合模型和集中滤波交通流量融合模型：对同一断面多个同步检测设备检测数据融合。,第二节 交通信息融合处理技术,2、基于贝叶斯估计的交通信息融合方法将多传感器提供的各种不确定性信息表示为概率，并利用概率论中的Bayes条件概率公式对其进行处理。,第二节 交通信息融合处理技术,3、基于人工神经网络的交通信息融合方法多传感器信息融合技术就是通过对多个参数的监测并采用一定的信息处理方法达到提高每一个参数测量精度的目的。（1）基于神经网络的传感器信息融合过程,第二节 交通信息融合处理技术,（2）具体步骤用选定的N个传感器检测系统状态；采集N个传感器的测量信号并进行预处理；对预处理后的N个传感器信号进行特征选择；对特征信号进行归一化处理，为神经网络的输入提供标准形式；将归一化的特征信息与已知的系统状态信息作为训练样本，送神经网络进行训练，直到满足要求为止。该训练好的网络作为已知网络，只要将归一化的多传感器特征信息作为输入送人该网络，则网络输出就是被测系统的状态。,第二节 交通信息融合处理技术,4、基于综合统计分析的交通信息融合方法加权平均法是一种简单，直观的融合多传感器低层数据的方法，利用由一组传感器提供的冗余信息进行加权平均计算，并将加权平均值作为信息融合值。指数平滑法兼容了全期平均法和移动平均法所长，不舍弃过去的数据，但是仅给于逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。算术平均值的递推估计融合法。,第二节 交通信息融合处理技术,三、基于信息融合技术的智能驾驶系统1、智能驾驶的相关概念（1）智能汽车的概念在网络环境下用信息技术和智能控制技术，使汽车具有自动识别行驶道路、自动驾驶、自动调速等功能。（2）自动车辆系统（AVS）异类传感器包括视频传感器、激光扫描仪和雷达传感器等（3）安全驾驶系统包括碰撞报警系统（CW）、偏向报警系统（LDW）和智能巡游系统（ICC）等自动泊车系统（视频）,第二节 交通信息融合处理技术,2、ICC、CW和LDW系统中存在的问题 依靠单一传感器，容易产生误报，降低了系统的稳定性,第二节 交通信息融合处理技术,2、ICC、CW和LDW系统中存在的问题 依靠单一传感器，容易产生误报，降低了系统的稳定性。3、多传感器信息融合系统的结构专家知识库信息融合除了需要融合算法外，还应有必要的领域知识进行有监督（教师指导）的融合，这些领域知识就构成了专家知识库。,第二节 交通信息融合处理技术,传感器模型库存放所用的传感器模型，定量地描述了传感器的特性以及各种外界条件对传感器特征的影响。信息协调管理多传感器所表示的时间、空间和表达方式各不相同，必须将它们统一到一个共同的时空参考体系中，该模块完成了时间因素、空间因素和工作因素的全面协调管理。信息融合方法对不同的任务和不同的对象采用不同的方法，或者综合使用几种方法。,第二节 交通信息融合处理技术,4、智能驾驶系统框架,智能驾驶系统框架,基于信息融合的智能驾驶系统模型,第三节 交通流和行程时间预测技术,一、交通流预测为什么要进行交通流预测？为动态路径诱导提供实时、可靠、准确的预测信息。什么是短期交通流预测？预测的内容包括哪些？预测内容：交通量、速度、密度、旅行时间等。交通流预测模型的特性：实时性、准确性、可靠性。预测模型：基于统计方法的模型、动态交通分配模型、交通仿真模型、非参数回归模型、神经网络模型、基于混沌理论的模型、综合模型。,第三节 交通流和行程时间预测技术,1、基于统计方法的模型 (Statistic-based Model)用数理统计的方法处理交通历史数据，如交通流、交通速度、旅行时间等用于预测。使用历史数据进行预测，利用现在和过去的观测值来预测其未来值。缺点：只利用了交通流系统本身的历史数据，没有考虑其他任何影响因素（例如相邻路口）不能反映交通流过程的不确定性与非线性，尤其无法克服随机干扰因素的影响,第三节 交通流和行程时间预测技术,2、交通仿真模型 (Traffic Simulation Model)交通仿真模型把车辆当作实体，用计算机模拟实际道路交通情况，对道路的交通状况进行仿真，得到道路预测的交通信息。严格意义上说，交通仿真模型不能用于交通流预测的目的，因为它需要输入用于预测的交通流数据。而且，交通仿真模型不能实现实时性。但交通仿真模型提供了一个交通流、占有率和旅行时间之间关系的一个模拟实际的计算方法。,第三节 交通流和行程时间预测技术,3、动态交通分配模型（DTA模型）DTA模型通过采集到的交通流数据和出行者选择的行为用于估计随时间变化的网络的状态。动态交通分配是按照一定的准则将动态交通需求量合理地分配到路网上，从而得到路段实时交通量的方法。实现降低交通拥挤程度和提高路网运行效率的目的。以传统的静态的交通分配的假设解决随时间变化的动态交通流问题，对任何一个网络没有一个方法是通用的方法。,第三节 交通流和行程时间预测技术,缺点：假设条件苛刻，在实际路网中无法得到相应信息或取得信息的代价昂贵某些模型的解释性虽然较好，但无法求解或求解难度大，优化时间长过分强调精确的系统最优或用户最优分配结果，加大了模型求解的难度，不适合在大规模路网上实现应用,第三节 交通流和行程时间预测技术,4、神经网络模型,第三节 交通流和行程时间预测技术,BP神经网络训练过程,预测对比效果,第三节 交通流和行程时间预测技术,二、行程时间预测预测行程时间要满足实时性和准确性，交通网络复杂，预测行程时间困难。1、行程时间计算方法个别行程时间 指驾驶员通过某条路线所需要的时间，通常用距离和速度来表示。,第三节 交通流和行程时间预测技术,平均行程时间指在一定时期p内，路线R上Np辆车的平均行驶时间公式前提：个别行程时间可以获取,第三节 交通流和行程时间预测技术,2、智能交通信息平台行程时间预测功能根据检测器采集的基本交通参数，通过数据挖掘、数据融合等方法，采用行程时间预测技术提供整个路网任意路段的预测行程时间值。3、影响行程时间预测的因素这些因素是否可以用于行程时间预测，主要依赖于他们能否被精确地检测到。,第三节 交通流和行程时间预测技术,4、城市道路路段行程时间预测城市道路行程时间分成两部分：车辆在路段上的运行时间和交叉口的运行时间，其中交叉口的运行时间包括通过交叉口行驶时间和交叉口的延误时间。如果只考虑交通流量及红绿灯控制对其的影响，通过某一路段总的行程时间将包括：车辆在该路段上的平均行驶时间、在下游交叉口处的排队等待时间和通过该交叉口的时间等三部分。,第三节 交通流和行程时间预测技术,路段行程时间的计算公式交叉口延误时间的计算随机服务系统理论算法：模型假设、模型建立、排队时间的计算,第三节 交通流和行程时间预测技术,5、快速路路段行程时间预测交通流预测方法基本相似可分为两大类统计归纳模型：比如 ARMA，ARIMA，ARX模型，多元线性回归模型和神经网络。这些方法的特征是需要很多的历史、当前的交通参数数据（速度、流量、占有率和运行时间）作为输入。分析推理模型：比如 METANET， SIMRES， STM，或 DynaMIT，这些方法主要是采用宏观、中观、微观模拟交通状况，这些模型需要动态OD矩阵作为输入。,
