資料融合概述

在美國華盛頓州交通部(Washington State Department of Transportation)的 ITS 資料融合報告書中，將「資料融合」定義為利用資料處理器整合數個來源的資料，

以提供綜合且精確的資訊(Dailey et al., 1996)。而在美國國防部對「資料融合」的 定義則為一種關於自動偵測、處理、相關、估計及單一或是多種資料來源之整合，

進行多層級、多事件之處理程序(Klein, 2001)。

而根據 Sarma & Raju(1991)的研究，資料融合具有下列特性：

(1) 增加空間與時間的涵蓋率：每個偵測器的偵測範圍不同，藉由整合數個偵測 器的資料可以增加資料於時間與空間維度的完整性。

(2) 提升資料可靠度：當多個偵測器同時偵測同一目標時，可以提高對目標偵測 結果的信賴程度。

(3) 降低資料不確定性：同時從多個偵測器得到的整合資料可以減少對偵測目標 特性進行推論假設的情形發生。

(4) 改善偵測效果：整合對相同目標的數個量測值可以提升偵測的準確度，改善

14

量測誤差與系統雜訊情形。

(5) 增加資料穩定性：當某一偵測器發生故障或者有漏失資料產生，可以藉由其 他偵測器提供資料。

根據美國國防部定義資料融合共分為三個等級，等級一是將原始資料作過濾 或篩選的動作，偵測回傳值如果有不符合合理數值範圍的情形發生，則需要刪除 或用演算法加以修正，增加量測值的準確度，而以國道高速公路所回傳的交通參 數為例，速度值可能會因為車輛進出交流道而減速，故以車輛偵測器資料作為旅 行時間預測模式的資料來源時，應先判斷速度值的合理性，將異於常態車流的速 度值加以修正為符合實際路況的資訊。

等級二是將兩個以上的資料來源根據資料特性擬定權重值加以融合，而得到 較準確且可靠的資訊，目前國道較常見的交通資料偵測技術有車輛偵測器(VD)、

GPS探測車以及電子收費門架(ETC)等資料，每種資料的特性、偵測範圍、回傳 頻率以及準確程度等皆不相同，因此如何整合這些資料供管理者與用路人使用將 是一重要研究課題，資料融合勢必可以大幅度提升即時交通資訊之準確性。

等級三則是將等級二的融合資料作更進一步的說明與應用，例如交通管理 單位可以根據此融合資料告知用路人各路段是否有發生擁塞，並擬定替代道路 方案供用路人選擇與決策以改善擁塞情形，另外管理單位或資訊加值業者也能 用路段融合資料進行旅行時間預測和路徑導引的模式演算，以較準確的演算結 果提升民眾對交通資訊的信賴而達到交通量導引的目的。

根據上述三種之等級定義Linn and Hall(1991)將資料融合演算法分為五大類：

資料關聯、狀態估計、分辨融合、型態辨認及人工智慧，其中較常見的資料融合 技術及分類如表2-1所示。三種融合等級所對應的融合類型分別為：等級一對應 之方法為資料關聯法與狀態預測；等級二應用之技術則有分辨融合與型態辨認；

等級三則以人工智慧法為主。

15

表2-1 資料融合方法

融合等級 融合方法 融合技術

Level 1 資料關聯 Gating Techniques Figure of Merit 狀態估計 Kalman Filters

Level 2 分辨融合

Bayesian Decision Theory

Dempster-Shafer Evidential Reasoning Artificial Neural Networks

型態辨認 Cluster Methods Level 3 人工智慧 Expert Systems

Fuzzy Logic

據Hall & McMullen (2004)針對一系列應用於智慧型運輸系統之資料融合演 算法做統計，各融合類型統計數量分佈如下圖所示，其中以人工智慧與分辨融合 方法所佔之比例較高，而型態辨認則較少數量應用於ITS領域。

圖2-9 應用在智慧型運輸領域之資料融合演算法數量 融合類型

0 5 10 15 20 25 30

Association Estimation Pattern Recognition

Identity Fusion Knowledge-based System

Other

16