基于車聯(lián)網(wǎng)的實時路況估計方法研究.pdf

1、我國汽車保有量的急速增加導(dǎo)致城市交通頻繁發(fā)生擁堵現(xiàn)象，但傳統(tǒng)的增修道路和控制車輛數(shù)目增加的方法并不能從長遠(yuǎn)發(fā)展的角度解決此問題。利用先進技術(shù)對原有道路交通狀態(tài)進行分析，向社會公眾提供最優(yōu)的實時路況信息，從而達(dá)到疏導(dǎo)交通的目的。在此基礎(chǔ)上提出了一種基于車聯(lián)網(wǎng)的實時路況估計架構(gòu)，并開發(fā)了路況顯示系統(tǒng)。
　　本研究以武漢市運行的各種類型車輛為研究對象，對車輛數(shù)據(jù)采集、實時路況估計和路況估計結(jié)果應(yīng)用三個方面的關(guān)鍵技術(shù)進行了研究，并通過真實

2、車輛數(shù)據(jù)對研究成果進行了驗證，主要工作成果如下：
　?。?）車輛數(shù)據(jù)采集系統(tǒng)分移動式車機平臺和搭載式車機平臺。移動式車機平臺是指智能手機、平板電腦等移動終端通過一種車輛通信接口設(shè)備與車載網(wǎng)絡(luò)通信采集車輛數(shù)據(jù)；搭載式車機平臺是指車載電腦通過OBD-II接口直接與車載網(wǎng)絡(luò)通信，實時采集車速等信息，并將車輛數(shù)據(jù)發(fā)送至服務(wù)器端。
　?。?）實時路況估計的算法效率是影響此類數(shù)據(jù)應(yīng)用的重要因素。本研究對服務(wù)器接收的實時車速等數(shù)據(jù)進行預(yù)處

3、理；由于不同狀況下，路段行程速度與單一車輛的速度間的關(guān)系較復(fù)雜，故引入RBF神經(jīng)網(wǎng)絡(luò)和支持向量機SVM，以目標(biāo)路段內(nèi)同類型車輛平均速度和不同類型車輛占車輛總數(shù)的比重作為輸入變量估算路段行程速度；采用均方誤差MSE與平均絕對百分比誤差MAPE指標(biāo)評價算法的擬合能力，通過兩種算法估計結(jié)果對比，SVM估計的MSE為2.1493，MAPE為6.9475％，均比RBF神經(jīng)網(wǎng)絡(luò)小，表明SVM比RBF神經(jīng)網(wǎng)絡(luò)的估計效果更可靠和準(zhǔn)確，因此，本研究以SV

4、M的結(jié)果作為目標(biāo)路段真實的路段行程速度。
　?。?）將SVM估算的路段行程速度服務(wù)于社會公眾?；诮K端平臺和百度地圖，開發(fā)了實時路況顯示系統(tǒng)。將市區(qū)道路交通狀況分為暢通、緩行和擁堵三個等級，可以向社會公眾提供簡單直觀的全市及熱點路段的交通狀況；同時利用GPS技術(shù)，該系統(tǒng)實現(xiàn)了車輛實時定位和歷史行程回放等功能。
　　本研究開發(fā)了集車輛數(shù)據(jù)采集、服務(wù)器數(shù)據(jù)管理及實時路況顯示于一體的實時路況估計平臺，對實時路況估計研究具有一定的應(yīng)