魏 康，彭 钊

（中通服咨询设计研究院有限公司，江苏 南京 210019）

0 引 言

随着车联网技术的发展，对其中的信息实施融合处理，有利于对车联网信息进行监控和识别，更有利于提高对车辆和交通信息的智能管理和调度能力[1-3]。

目前，常用的信息融合方法主要有基于改进集合卡尔曼滤波的信息融合方法和基于扩展Kalman滤波的信息融合方法[4,5]。将其投入实际应用后发现存在融合过程耗时长、融合过程能量损耗大的问题。这对这一问题，本研究设计了基于多Agent的车联网信息融合方法。

1 多Agent结构模型设计

在多Agent结构间的相互协作的基础上，完成从模型构建、数据采集到自主分析决策的过程。在这一过程中，可实现车联网各设备间信息的处理和共享，使车联网具有更强的鲁棒性和自组织能力，大大提高车联网的综合性能[6-8]。

在本文的研究中，首先采用任务分解方法将车联网中的待执行任务分解为多种形式，如状态评估Agent、指令执行Agent以及综合导航Agent等，由此得到车联网信息融合多Agent结构模型如图1所示。

图1 车联网信息融合多Agent结构模型

2 车联网信息融合方法设计

2.1 车联网信息特征提取

本研究采用扩展融合Kalman滤波的方法对车联网信息实施干扰滤波，为后续的融合步骤提供支持，也在根本上降低融合过程的耗时及能量损耗。

假设为车联网信息交互的相空间嵌入维数，然后结合自相关积分方法对车联网实施信息挖掘，得到的输出信息流为：

式中，in代表车联网信息线性规划的统计平均值，由此构造车联网信息挖掘过程的最小二乘拟合系数为：

在此基础上，假定当前车联网信息流中的节点数目为g，结合匹配相关检测方法得到车联网信息特征的提取输出结果为：

式中，q代表三维激光扫描的帧数。

2.2 车联网信息融合输出

结合上文实现的车联网信息特征提取结果，对车联网的输出链路层的信息进行关联维特征分割，得到车联网信息的统计平均量：

式中，bk代表车联网信息输出结果的模糊加权值[9-10]。在此基础上，采用关联度评价方法进行车联网信息调度，再结合模糊控制方法得到信息输出增益为：

式中，B代表噪声谱级。基于此，采用相似传递性原则得到对车联网信息的融合输出结果如下：

在此基础上，对车联网的安全等级规则形函数进行泛化匹配，并不断对车联网信息的统计特征进行反馈调整，从而实现车联网信息的实时融合，减少融合过程的耗时。

3 实验与研究

为验证上述设计的基于多Agent的车联网信息融合方法的可行性与有效性，设计如下实验加以验证。实验在MATLAB仿真平台上完成，车联网信息采样长度为1 024，初始采样频率为0.25 kHz。根据上述仿真参量设定，进行车联网信息融合。

为有效避免实验结果过于单一、提高其说明性，将文献[4]方法和文献[5]方法作为对照，与本文方法共同完成性能对比验证，对比指标如下。

（1）融合过程耗时。该指标可直接反映不同方法的融合效率。融合过程耗时越短，说明融合效率越高。

（2）融合过程能量损耗。该指标可直接反映不同方法的能量损耗差异，其计算方式如下：

式中，z表示融合过程能量损耗；e表示链路衰减参数；w表示路径损耗；A1与A2分别表示多Agent模型中输入、输出端的能耗增益。

在实验次数不断增加的条件下，统计不同方法的融合过程耗时，结果如表1所示。

表1 不同方法的融合过程耗时统计结果

分析表1可知，文献[4]方法的融合过程耗时在8.2～9.0 s之间，文献[5]方法的融合过程耗时在8.9～10.1 s之间，而本文方法的最大融合过程耗时仅为6.8 s，明显少于两种传统系统。根据上述结果可知，应用本文方法能够使得融合过程耗时大大缩短。

测试不同方法的融合过程能量损耗，对比结果如表2所示。

分析表2中的实验数据可知，由于3种方法采用的融合方式不同，随着试验次数的增加，其融合过程能量损耗也会随之发生变化。两种传统方法的融合过程能量损耗均在85 dB以下。而本文方法的融合过程能量损耗最低为66 dB，最高也仅为68 dB，说明本文方法消耗的能量最少。

4 结 论

本研究设计了一种基于多Agent的车联网信息融合方法，并通过设计仿真实验证明了该方法具有配置过程耗时短、配置过程能量损耗低的应用优势。