论文 关键词：多信息； 交通 事件
论文摘要：本文通过采取决策级融合的多信息融合技术，提出对隧道交通事件的多信息模型，确认完成隧道交通事件，服务于交通事件的管理流程，最终达到长江隧道的安全高效有序的运行。
目前，我国在建的长江隧道就有三条，分别是武汉、上海、南京长江隧道。在公路中，隧道的使用就更多。统计表明，截止到2005年底，我国己有公路隧道2495座，其中，在建的3公里以上的公路隧道有60余座，5公里以上的14座，是世界上公路隧道最多的国家。
隧道既能缩短交通途径，又是简捷通过险要地段的重要手段之一。与洞外环境相比具有：隧道内外亮度差大、空气污染严重、侧向净宽较小且高度有限、没有扩展活动的余地和噪声高等特点。车辆的迅速增长，使得隧道的优越性大大减弱，交通拥挤现象日趋严重，各类交通事件也明显增加，而且发生事故的严重性比较大。交通拥挤和各类交通事件的频繁发生，不仅使隧道效率降低，而且给人们的生命、财产以及社会和 经济 均造成不同程度的损失，有的甚至导致了严重后果。据有关资料统计，在隧道内发生事故的比率为每1亿车公里发生0．5起。同时，由于交通事件发生的突发性和随机性，现阶段要做到完全预防还存在着相当困难。因而，深入分析当前交通发事件发生后事件管理过程中存在的各种问题，探寻应急救援的高效途径，对于降低突发事件造成的(伤亡和经济)损失、预防二次事故发生具有现实意义。
1目前交通事件管理
1．1交通事件管理流程
交通事件指的是不可再现的交通阻塞，它一般由下列原因造成。WWw.11665.coM
①道路交通事件(撞车、抛锚、道路维修等)。
②特殊社会活动、集会等。
③区域性灾害(洪水、飓风、有害物质泄漏等)。
上述原因均可造成道路最大服务交通量的减少并增加某些路段的服务负荷。
面对客观存在、隐患日重的道路安全问题，在采取预防措施的同时，必须尽快建立交通事件处理系统，以快速、准确地检测事件发生，有效地指挥、疏导交通提供紧急救援服务(包括消防、救护、环保、车辆牵引、起吊、供应燃油等)，用最短的时间排除事故，恢复交通，同时及时采取告警、劝诱、疏导、控制或调节手段避免后继事故的发生，最大限度地降低事故死亡率为司乘人员和通行车辆提供最佳服务是交通事件紧急救援系统的基本任务，有效地降低事故损失，减少阻塞和延误，有效减免产生二次事故，保障道路安全、畅通、高效运行。
现有的交通事件管理系统归纳起来主要包括运用人工和机械的处理完成交通紧急事件检测、事件确认、事件的评估及响应、事件处理四个方面的内容。救援资源主要配备有交通巡逻车，负责巡视交通状况，事故报警；路政牵引设备，负责清除事故现场车辆；路政设备，负责养护维修逋路设施；公安部门、消防部门、 医院 救护部门、环卫部门等。在及时获取发生交通紧急事件信息的基础上协调消防、救护、环保、路政、公安等部门迅速溷集救援资源采取适当的紧急救援行动，进行现场处理。
1．2存在的问题
现有的交通事件处理系统起源于交通管理的实践，具有较强的实用性和较简便的可操作性，但由于系统涉及的内容多，学科面广，在许多方面都存在着不同程度的欠缺。如：在系统的涵盖范围上目前的体系结构突出了“救”忽略了“防”考虑的是在事件发乍后如何尽快的发现、确定和处理，对一些可能引发交通事故的苗头缺乏应有的预见性；在事件的自动柃测技术上，国内的研究基本处于理沦阶段。
2多信息模型的建立
2．1多信息采集
现有的交通信息如下表1所示。
通过对隧道交通运行的特殊情况，以及对信息、采集器的分析，隧道交通的多信息采集如下图1所示。
2.2多信息融合的种类
交通事件的确认主要是对事件属性的确定，其多信息模型主要是完成属性层融合，又称目标识别。它是将各信息源获得的各种有关曰标的属性信息进行综台处理，以使交通事件特征更加清晰，进而进行属性判决，识别目标。根据融合数据源的特征。属性层融合又可分为三级：数据级融合(像素级融合)、特征级融合、决策级融合。
2．2．1数据级融合
数据级属性融合是对来自同一目标多个信息源的原始数据直接进行融合，然后基于融合后的数据进行特征提取和身份估计。这种融合的主要优点是能保持尽可能多的现场数据，提供其它融合层次所不能提供的细微信息。但也有其明显的局限性:处理时间长，实时性差;要求各信息源提供的信息是同类型信息;数据通信量较大，抗干扰能力较差。
2.2.2特征级融合
特征级融合中，各信息源获得的同一目标的属性信息分别进行特征提取，从而获得许多组关于目标属性的特征向量。然后融合这些特征向量并基于融合后的特征向量进行目标识别。特征级融合的优点在于实现了可观的信息压缩，有利于实时处理，并且由于所提取的特征直接与决策分析有关，因而融合结果能最大限度地给出决策分析所需要的特征信息。
2.2.3决策级融合
即对每个信息、源获得的属性信息分别进行特征提取和属性判决，然后将多属性判决进行融合，以获得目标的最终属性判决，决策级融合的主要优点有:具有很高的灵活性;系统对信息传输带宽要求较低;能有效地反映环境或目标各个侧面的不同类型信息。
2.3多信息模型的实现
由上述分析可知，隧道 交通 事件确认中，信息源获得的目标属性信息的形式多样，提取的特征也各不相同，且一般情况下，事件的这些属性信息并不能同时全部得到。隧道交通事件多信息模型可分为特征提取、独立识别、决策融合三个部分，过程如下图2所示。
2.3.1特征提取
各独立识别系统根据各自的信息、通道从事件发生中获取信息，提取目标的属性特征。也就是提取各获得的信息进行处理。由于其需要具体介绍各检测器的具体性能，涉及知识比较多，由于篇幅的限制，这里不再详细介绍。
2.3.2独立识别
各独立识别子系统根据各自的特征信j急输人，按照各自的识别方法，判定目标的类型，同时，根据信息质量的好坏和特征提取的精度，给出判定结果的可信度。
模式识别方法有bayes推理、模糊推理、专家系统、bp神经 网络 等。由于特征信息的形式不一样，所以各自的识别方法不尽一样。
由于根据事件的一种信息源的特征来识别，所以上述各独立识别结果一般不是一个确切的结果，而是事件识别框上的模糊集。结果可信度与目标特征提取精度有关，精度越高，则识别结果的可信度就高，它在决策融合中的作用就越大。
2.3.3决策加权融合
各识别结果和它们的可信度送往融合中心后，融合中心依据各识别结果的可信度对识别结果进行加权融合，从而得到交通事件的准确信息，如事件等级、事件地点、事件对交通影响的大小。设ri是独立识别系统i的识别结果，它是 目标识别框上模糊集，ai是它的可信度，则融合后的识别结果为:
r也是目标识别框上的模糊集，利用最大隶属度原则可确定最终的识别结果。当然，也可以作为最终的识别结果直接提供给管理人员，以供管理人员综合考虑再做决策。
3结语
在 现代 交通日益飞速 发展 的今天，目前的单一信息处理的交通事件管理机制无法适应现代高技术条件下的隧道具有信息来源广泛、信息形式多种多样、信息量暴增等特点，对多信息融合技术在管理机制的使用很有必要。
多信息融合技术中，通过分析数据级融合、特征级融合和决策级融合的特点，决策级融合可以使用于交通事件的确认中。
多信息融合技术应用于交通事件管理机制还只是一种尝试，还需要大量的量化工作以及实践工作，以使其更好的应用于交通管理中，达到隧道交通运行的最优化。
隧道交通事件管理机制是隧道交通管理系统中的一个重要子系统。利用现代 科学 技米努力提高隧道对突发事件的应急管理水平，对于提高隧道使用效益、减少交通阻塞和延误、降低交通事故发生率均有着十分重要的意义。
