【感知算法】Dempster-Shafer理论

提出问题：自动驾驶地图更新，尤其众包更新方式，如何用多次不同、可能互相矛盾的观测更新地图元素；如p次观测新增了一个标识牌、q次没有观察到，如何计算这个特征的可信度或者概率？
本文介绍了一种经典方法，该方法的命名是纪念提出该理论的两位数学家。

Dempster-Shafer理论

首先抽象一般问题，即推断、论断等问题的建模。

基本概念：mass belief plausibility

这些基本概念比较抽象，但是结合自动驾驶地图众包更新问题，便一目了然。先记下：

• 一般地，论断即下文中假设的各种状态，如“没有禁停标志”、“有……”等，不同的状态、假设或论断是矛盾的。
• 一个论断的置信度，表达成一个区间，其上下界为plausibility\belief，$belief<plausibility$.
• mass是各个论断子集的subjective概率，表示论断子集整体上对应证据的度量，且该度量不能用以确定该子集中部分或任一论断的置信度。
• belief是包含某假设的所有论断子集的mass之和，度量证据对论断的支持程度，值取0到1。
• plausibility是1-所有与该假设交集为空的论断子集的mass之和，或者是所有与假设交集不为空的论断子集的mass之和，表示该假设是真的可能性上界，也即最多有这么多的证据证明该假设。

$$pl(p)=1-bel(\sim p)$$

定义

X是代表所有可能状态的集合。超集是X的所有子集的集合$2^X$.
X = { a , b } 2 X = { { a } , { b } , ∅ , { a , b } } X = \{a,b\} \\ 2^X = \{\{a\},\{b\}, \emptyset, \{a,b\}\} X={ a,b}2X={ { a},{ b},∅,{ a,b}}
定义mass function，为超集的每一个元素映射一个belief mass：
$$\begin{gathered} m:2^X\to [0,1] \\ m(\varnothing )=0 \\ \sum _{A\in 2^X}m(A)=1 \end{gathered}$$
则，A的概率 P(A)
$$\begin{gathered} bel(A)\le P(A)\le pl(A) \\ bel(A)=\sum _{B|B\subseteq A}m(B) \\ pl(A)=\sum _{B|B\cap A\ne \varnothing }m(B) \end{gathered}$$

下一篇将此理论用于自动驾驶地图众包更新问题，结合实际就理解这些抽象的数学十分有用

现在尝试把DS理论应用到自动驾驶地图众包更新。

地图特征变化判断

a mass function is applied to quantify the evidence of the existence.
existence state: existenct、non-existent、tenative、conflict
$$\begin{gathered} \exists \\ \nexists \end{gathered}$$