衆所周知，在感知問題上，單一的傳感器總是有一定的不足，就像我們人一樣，需要用耳、鼻、眼、四肢等多“傳感器”協作（融合）來探索和感知世界，這就是最通俗的“多元融合”解釋。而在路側或者車載感知中，需要多種傳感器來共同感知路面環境，而多源信息融合的目的，就是將各單一信號源的感知結果進行組合優化，從而輸出更有效的道路安全信息。
本文是多源數據融合的第一篇，科普多源數據融合的基本概念。
一、常見的信號源
常見的信號源主要有：毫米波雷達、超聲波、攝像頭、激光、GPS、里程計、慣導等等……這些傳感器可以感知車身周圍的安全信息、行駛道路的環境信息，也可以進行定位。
二、多源數據融合等級
首先，根據輸出結果的不同，可以將多源數據融合分爲不同的等級，我這裏分別列出3級和5級模型，
3級模型：
5級模型：
在美國JDL/DFS分級模型的基礎上，信息融合系統分類模型爲5級：
三、多源數據融合面臨的問題及挑戰
其中，
1、最根本的問題是：數據自身的缺陷。
目前已有的數學理論可以有效地描述有缺陷的數據，比如：
a.概率論--比如Bayes，EKF,Monte Carlo，MCMC（是目前最強大和流行的近似概率方法）……
b.模糊集理論
c.可能性理論
d.粗糙集理論--能夠處理數據粒度。
f.D-S理論--它允許每個數據源在不同程度的細節上提供信息。
……
2、處理虛假數據的研究主要集中在融合過程中識別或者預測和後續清除異常值。
3、處理混亂數據的方法是：忽略、再處理或用向前/向後預測；用增大狀態框架去具體化延遲估計。
4、處理衝突數據的方法是：衆多替代的融合規則；使用Demspter規則時，硬用修正後的策略。
四、傳感器管理結構
1、集中式管理結構
適合簡單的單傳感器和單平臺多傳感器系統
2、分佈式管理結構
適用於複雜的多平臺多傳感器系統。
3、混合式管理結構
適合傳感器較多的情況。