一种基于中间件的动态交通信息采集方法

摘要

本发明涉及一种基于中间件的动态交通信息采集方法，克服了数据丢失、数据噪声、特别是数据的多源异构的不良影响，减少了冗余数据，保证了数据正确率，提高了数据准确度和可靠性。其方法为：1)采用串口通信模式和/或网络通信模式进行交通信息的传输；2)利用CORBA中间件技术中的接口定义语言IDL定制能够与不同交通信息检测设备相匹配的信息采集端口，识别和规范来自不同检测设备的数据，实现对道路交通流量、车辆速度、道路占有率等实时动态交通信息的采集；3)对采集到的所有数据进行预处理，并采用基于网络拓扑关系的道路匹配算法进行浮动车的地图匹配；4)利用免疫聚类神经网络，对预处理后的多源异构实时动态交通数据进行融合并存入数据库。

主权项

一种基于中间件的动态交通信息采集方法，其特征是，它的步骤为：1)采用串口通信模式和/或网络通信模式进行交通信息的传输；2)利用CORBA中间件技术中的接口定义语言IDL定制能够与不同交通信息检测设备相匹配的信息采集端口，识别和规范来自不同检测设备的数据，实现对道路交通流量、车辆速度、道路占有率的实时动态交通信息的采集；3)对采集到的所有数据进行预处理，并采用基于网络拓扑关系的道路匹配算法进行浮动车的地图匹配；对数据的预处理包括异常数据的修复和缺失数据的填充；其中，数据异常值采用错误数据限定处理，通过阈值法识别错误数据，即根据数据类型设定相应的数据阈值，把检测设备采集的流量、速度和占有率交通参数与其设定的上下阈值比较，如果测量值不在上下阈值所规定的范围内，则认为是错误数据，对其进行修复；各交通参数的阈值依据道路额定通行能力的规划指标和各交通参数的历史统计数据确定；异常数据按照如下公式修复：qmod(t)＝αqlw(t)+(1‑α)q(t‑1)其中：qmod(t)为交通参数q(t)的异常数据修复值；qlw(t)为上一周同一工作日、同一时段交通参数q(t)的测量值；q(t‑1)为交通参数q(t)上一时段的测量值；α∈[0，1]为计算的权值，如果某交通参数具有较大的时间起伏特性，α取较小的数值，否则α取较大的数值；缺失数据的识别方法是把在一定时间段内得到的数据定义成某一时刻的数据，然后对数据的时间段进行扫描，如果在某一时间段内没有得到数据，则认为该时段的数据产生了丢失；缺失数据的填充值取为同一交通参数上一周同一工作日、同一时段的测量值和该交通参数上一时段的测量值的加权和，计算公式与异常数据的修复相同；4)利用免疫聚类神经网络，对预处理后的多源异构实时动态交通数据进行融合并存入数据库；其中，基于免疫聚类神经网络的数据融合技术，是利用径向基函数神经网络对多源异构实时动态交通数据进行融合的过程，其中径向基函数神经网络的隐层结构由基于人工免疫理论的数据聚类方法确定。