交通信息及特征分析
交 通系統(tǒng)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(yīng)的交通設(shè)施構(gòu)成。交通信息是指所有與交通系統(tǒng)的四大要素相 關(guān)聯(lián)的信急，是ATMS的關(guān)鍵基礎(chǔ)而向ATMS的基礎(chǔ)交通信息上要是指與交通由運(yùn)行狀態(tài)和交通管理有關(guān)的交通信息，是交通信息中最直接最基礎(chǔ)的信息?；A(chǔ) 交通信息包括基礎(chǔ)交通地理信息、交通實(shí)時狀態(tài)信息、交通控制和管理信息、交通政策法規(guī)信息公共交通信息。
基礎(chǔ)交通信息是一種在大范圍內(nèi)、全方位發(fā)揮作用的，實(shí)時、準(zhǔn)確、高效的綜合運(yùn)輸和管理系統(tǒng)，其應(yīng)具有以下一些基本病性特征：準(zhǔn)確性;及時性;共享性;信息的采集具有實(shí)時性和動態(tài)性;具有海量信息特征;增值性。
數(shù)據(jù)壓縮處理技術(shù)
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(jī)性，因此對它的研究分析需要建立在廣泛統(tǒng)計的基礎(chǔ)，應(yīng)用各類信息處理技術(shù)和統(tǒng)計分析力法來探索它的規(guī)律性。
所謂多媒體技術(shù)就是能對多種載體(媒體)上的信息和多種存儲(媒質(zhì))上的信息進(jìn)行處理的技術(shù)，特點(diǎn)上要表現(xiàn)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(shí)時的綜合處理聲音、圖像、視頻文字等多媒體信息，其數(shù)據(jù)是非常大的。要傳輸或存儲這樣大的數(shù)據(jù)是非常困難的，必須對其進(jìn)行壓縮編碼，在滿 足實(shí)際需要的前提下，盡量減少要傳輸或存儲的數(shù)據(jù)量。
數(shù)據(jù)壓縮主要依靠信源編碼技術(shù)。一般的，圖像壓縮技術(shù)可分為兩大類：無損壓縮和有 損壓縮技術(shù)。在多媒體應(yīng)用中常用的壓縮方法有PCM(脈沖編碼調(diào)制)、預(yù)測編碼、變換編碼、插值和外推法、統(tǒng)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(shù)據(jù)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(jīng)接近實(shí)用化水平。
信息融合技術(shù)
信息融合技術(shù)在單純數(shù)據(jù)采集融合(即一次融合)階段稱為數(shù)據(jù)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(shù)、手段以及信息的表不、內(nèi)在聯(lián)系 和運(yùn)動規(guī)律的一門技術(shù)。融合技術(shù)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(zhǔn)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(jìn)的交通管理系統(tǒng)(ATMS)是個典型多傳感器系統(tǒng)，信息融合技術(shù)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(shù)的最大優(yōu)勢在于它能合理協(xié)調(diào)多源數(shù)據(jù)，充分綜臺有用信息.提供在多變環(huán)境中正確決策的能力。
在信息融合領(lǐng)域使用的主要數(shù)學(xué)工具或力法有概率論、推理網(wǎng)絡(luò)、模彬理論和神經(jīng)網(wǎng)絡(luò)等，其中使用較多的是概率論、模糊理論、推理網(wǎng)絡(luò).當(dāng)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(shù)中最早應(yīng)用的就是概率論。在一個公共空間依據(jù)概率或似然函數(shù)對輸人數(shù)據(jù)建模，在一定的先驗(yàn)概率情說下，依據(jù)貝葉斯規(guī)則合并這些概率以獲得每個 輸出假設(shè)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(diǎn)在于對概率分布的描述，特別是當(dāng)數(shù)據(jù)是由低檔傳感器給出時就顯得史為困難另外，在進(jìn)行計 算的時候，常常簡單地假定信息源是獨(dú)立的，這個似設(shè)在大多數(shù)情況卜非常受限制。卜爾曼濾波方法則根據(jù)早先估計和最新觀點(diǎn)，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(yīng)用給解決多源數(shù)據(jù)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(chǎn)生起就有許多模糊 分類技術(shù)得以發(fā)展。隸屬函數(shù)可以表達(dá)詞語的意思，這在數(shù)字表達(dá)和符號表達(dá)之間建立了一個便利的交互接口。在信息融合的應(yīng)用中卞要是通過與特征相連的規(guī)則對 專家知識進(jìn)行建模。另外，可以采用模糊理論來對數(shù)字化信息進(jìn)行嚴(yán)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(yīng) 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(yīng)用于傳感器融合、專家意見綜合以及數(shù)據(jù)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(wǎng)絡(luò)的構(gòu)建和應(yīng)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(xué)者所做的研究土 作近來，許多對于分析復(fù)雜推理網(wǎng)絡(luò)的理淪往往基于貝葉斯規(guī)則的推淪，并且都被歸類于貝葉斯網(wǎng)絡(luò)。目前。大多數(shù)貝葉斯網(wǎng)絡(luò)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(wǎng)絡(luò)中也充當(dāng)了新證據(jù)的角色。同時貝葉斯網(wǎng)絡(luò)在許多任務(wù)里都已作為對于不確定推理的標(biāo)準(zhǔn)化有效方法。貝葉斯網(wǎng)絡(luò)的優(yōu)點(diǎn)是簡潔、易于處 理相關(guān)事件。缺點(diǎn)是不能區(qū)分不知道和不確定事件，并且要求處理的對象具有相關(guān)性。在實(shí)際運(yùn)用中一般不知道先驗(yàn)概率，當(dāng)假定的先驗(yàn)概率與實(shí)際相矛盾時，推理 結(jié)果很差，特別是存處多假設(shè)和多條件問題時顯得相當(dāng)復(fù)雜。
