改進的D-S理論在ETC系統(tǒng)中的應用研究

作者：時間：2016-12-15 來源：網(wǎng)絡

加入技術交流群
- 掃碼加入
  和技術大咖面對面交流
  海量資料庫查詢

不停車收費系統(tǒng)即（NOSTop ElectrONic Toll collection System，簡稱ETC）是智能交通系統(tǒng)（ITS）的重要內容，它的關鍵是利用車載智能識別卡與收費站車輛自動識別系統(tǒng)的無線電收發(fā)器之間，通過無線電波實現(xiàn)車輛自動識別和數(shù)據(jù)交換，獲取通過車輛的類型和所屬用戶等相關數(shù)據(jù)，并由計算機系統(tǒng)控制指揮車輛通行，其過路過橋費通過計算機網(wǎng)絡，從用戶所在數(shù)據(jù)庫中的專用賬戶或用戶擁有的智能儲值卡中自動交納，從而實現(xiàn)不停車自動收費。整個系統(tǒng)運行的重要環(huán)節(jié)是正確提取通行車輛的車型和牌照數(shù)據(jù)，以及車載IC 卡中的信息，信息融合及判斷的準確度決定了系統(tǒng)運行的可靠性。本文將給出改進的D-S 理論信息融合算法在ETC 系統(tǒng)中的應用研究。

1 D-S 證據(jù)理論概述及改進

Dempster-Shafer 證據(jù)理論（簡稱D-S 證據(jù)理論）源于20 世紀60 年代Dempster 在多值映射方面的工作，他將證據(jù)的信任函數(shù)與概率空間的概率的最大最小值相關聯(lián)，構造了不確定推理模型的一般框架。此后Shafer 又在此基礎上進行了擴展，形成了能夠處理不確定、不精確、不完整信息的證據(jù)理論。它憑借其能夠表示“不確定性”、“未知”等概念的優(yōu)點，在數(shù)據(jù)融合中得到廣泛重視。

1.1 D-S 證據(jù)理論概述

設有一個有限假設空間，Θ為空間中所有命題的窮舉集合，D-S 理論用“識別框架(Frame. of Discernment)”描述構成整個假設空間的所有命題的集合Θ，識別框架中的各元素要求互相排斥，而集合中的命題稱為識別框架的原命題。定義1 設Θ為給定識別框架，Ω=2Θ為Θ的冪集，則函數(shù)m：Ω→[0，1]，在滿足下列條件：

時，稱m 為Ω 上的基本概率分配；?A∈Ω，m(A)稱為基本概率分配函數(shù)（BPA），m(A)≥0的命題稱為證據(jù)的焦元。

定義2 設Θ 為一識別框架，m(A)為Ω 上的基本概率分配函數(shù)，滿足下列的函數(shù)稱為信任函數(shù)：

其中A 的信度函數(shù)為A 中每個子集的信度之和，Bel(A)表示對A 的總的信任程度，亦為可信度。

定義3 Bel 為給定信任函數(shù)，有一函數(shù)PL：

，則PL為A 的似然函數(shù)。即：

雖然D-S 證據(jù)理論在實際得到廣泛的追捧，但在應用中人們發(fā)現(xiàn)其自身也存在一些不足和缺點，特別是在高沖突證據(jù)組合的時候會導致合成的結果違背直覺。前人如Zadeh 和Yager、Smets 他們也在這個問題上做了許多詳細的研究，并提出了針對性的意見及妥善的改進方法。可惜隨著科技的進步這一問題終究沒有得到很好的解決。

1.2 D-S 證據(jù)理論的改進

D-S 的合成法則如下：

m1 與m2 是識別框架Θ 的兩個獨立證據(jù)，Ω 為Θ 的冪集，A、B 為冪集中的元素，則這兩個證據(jù)組合后得到的組合證據(jù)為：

其中

為歸一化常數(shù)：

它的作用就是避免在合成時將非零的概率賦給空集Φ。

雖然D-S 理論有諸多優(yōu)點，但在實際的應用中卻不是令人滿意，往往有時與直覺相違背，主要的原因是存在證據(jù)沖突，這是不可小覷的問題。所以做了如下的改進，取沖突權值為歸一化常數(shù)的對數(shù)：

如果上述兩個證據(jù)之間不存在沖突，則Cov(Bela，Belb)=∞；如果證據(jù)間完全沖突，則Cov(Bela，Belb)=0。在充分認識到證據(jù)間的沖突下，令σ=1-K 為沖突因子，當σ=0 時證據(jù)之間不存在任何沖突，當σ=1 時證據(jù)之間完全沖突，那么對D-S 的合成法則改進如下：