摘要: |
建设城市路网先进交通信息系统是解决交通拥挤,保证交通安全、提高交通网络使用效率的主要手段之一。能否实时、准确地分析出城市交通流状态,得到道路网络的动态交通状态图谱是实现智能交通系统的关键技术之一。
对路网交通状态进行实时估计和所采用的交通信息相关,不同的交通信息决定了估计与预测的不同的方法和精度。目前许多基于道路磁性感应线圈数据、路口摄像机数据、红外线检测数据、车辆电子标签等进行的研究对城市的硬件要求比较高,在很多城市往往取不到足够的所需数据。
应用全球卫星定位系统(GPS)的数据检测方法,通过对移动车辆进行实时监控,动态获取时间、位置、速度等车辆定位数据,具有精度高,数据量大,城市范围内分布广泛等优点,是获取实时交通数据非常有效的方法。因此越来越多的学者投入到用GPS探测车数据进行交通流状态估计的研究中,但究竟需要多少探测车才能够准确进行交通状态估计是当前首要解决的问题。
论文在广泛阅读国内外文献资料的基础上,针对目前相关研究存在的缺点,提出了一种新的自适应获取探测车采样量的方法,为准确进行交通状态估计提供了精确有效的样本。
本文的创新主要体现在:
(1)提出了一种新的自适应获取探测车采样量的方法。综合考虑了道路等级、长度、车道和路段数量、交叉口信号布局、通行能力等特性;以及GPS探测车的状态信息和通讯能力等诸多因素的基础。检验结果证明该算法能准确的计算上海市交通流状态估计所需要的探测车数量。
(2)提出了基于GPS探测车的自适应时空(时间-距离)曲面拟合模型。用以计算各个有向路段道路方向的平均速度,进而估计整个城市路网的交通状态;最后通过对上海市内环路网进行的实地检验,结果证明了该方法能够在无高空障碍条件下较高精度,大范围的获取城市路网的交通状态。
(3)研究了基于SCATS检测环数据的动态交通状态估计。基于SCATS系统环形检测线圈采集到的数据的特点,采用交通波理论对城市有向路段进行建模和路段平均速度估计,实地检验和结果分析证明了该方法能够高精度的估计城市路网的交通状态,但由于数据源有限,导致了该方法的使用存在很大的局限性。 |