發(fā)布時間：2014-12-22 10:05

 

【摘要】 依托國家高技術研究發(fā)展計劃（863計劃）課題《多源多維城市交通狀態(tài)感知與交互處理》，本文對車聯(lián)網環(huán)境下的交通信息采集與處理方法進行了深入研究。在對國內外研究現(xiàn)狀和研究趨勢進行分析的基礎上，本文首先對車聯(lián)網的系統(tǒng)架構和關鍵技術進行了分析。接下來在對車聯(lián)網關鍵技術分析的基礎上，得出路側單元布設及優(yōu)化方法是車聯(lián)網環(huán)境下交通信息采集方法中的重要一環(huán)這一結論，并通過分析及實驗，給出路側單元的布設方法和調度優(yōu)化方案。之后，在車聯(lián)網環(huán)境下交通信息處理方法方面，根據車聯(lián)網下對車輛定位技術的需求，提出了一個基于非參數動態(tài)模型的自適應數據融合框架結構以及一個適應信號強度和到達時間的自適應似然粒子濾波方法，實現(xiàn)基于已有的基礎設施對車輛精確定位。最后，在行程時間預測技術方面，針對車聯(lián)網下交通信息的特點，提出改進的人工神經網絡（ANN）和改進的支持向量回歸（SVR）方法，對行程時間進行預測，設計了一個仿真平臺，并采用實際數據進行仿真，仿真結果表明提出的改進支持向量回歸的行程時間預測模型具有良好的性能。 

第1章   緒論

 

1.1  研究背景

1.1.1 選題背景

根據公安部交管局的統(tǒng)計，2011年全國涉及人員傷亡的道路交通事故共發(fā)生 210812起，事故造成62387人死亡。經統(tǒng)計，2011 年世界上汽車保有量排名前 6 的國家因交通事故死亡的人數，其中美國為 32310 人，日本為 4612 人，德國為 4009 人，意大利為 3800人，俄羅斯為 27900 人。我國的交通事故死亡人數是美國的 2 倍，日本 14 倍。即使是按萬車死亡率，我國也是美國的2倍。雖然近年來我國在交通設施建設、交通法規(guī)完成程度、駕駛員和行人的交通安全意識等方面取得了一定成績，交通事故死傷人數有所減少，但相比主要發(fā)達國家仍有較大差距。引起交通事故發(fā)生的原因是多方面的，包括駕駛員本身對駕駛技能的掌握、危險發(fā)生時的反應能力、遵守交通法規(guī)意識的強弱、車輛本身狀態(tài)如何、道路本身的路況以及天氣等等。車聯(lián)網環(huán)境下，駕駛員能獲得鄰近車輛的實時信息，如車速、行駛方向和位置等，如果能在危險到來前，提前警示駕駛員，以確保其有足夠的反應時間實施緊急避險行為，能避免交通事故的發(fā)生或者將事故造成的損失盡可能降低。

車聯(lián)網的建設和發(fā)展徹底改變了人們未來的出行模式，大大提升道路交通網絡的運輸效率、安全水平、智能化水平及環(huán)保水平，為建成一種適應現(xiàn)代道路交通網絡運輸發(fā)展的建設、運營、管理模式提供突破口。此外，車聯(lián)網的應用還可以很大程度的解決停車困難問題，減少了在尋找車位過程中帶來的能源消耗，一定程度上也減少了對道路資源的占用。

車聯(lián)網下的交通管理方式將車作為主要管理對象，以車作為信息節(jié)點，把接入系統(tǒng)的每輛汽車都作為信息感知源，再通過無線通信手段連接到網絡中，將汽車和通信進行融合，從而實現(xiàn)對車輛的大規(guī)模統(tǒng)一管理。

 

1.2  國內外研究現(xiàn)狀

1.2.1  國外研究現(xiàn)狀

1.  美國

從本世紀開始，美國將智能交通的戰(zhàn)略向車輛安全及車路協(xié)調技術方面轉移，開始對綜合運輸協(xié)調技術、車輛安全技術、車車/車路通信技術、車輛感知技術等進行研究。主要開展的項目有：智能車輛計劃（IVI）、車輛-基礎設施集成項目（VII）、商用車輛安全計劃、CICAS、IVBSS等。

代表性的相關項目有：

1）車輛-基礎設施集成計劃 VII（Vehicle  Infrastructure  Integration）：該計劃致力于利用無線通信技術使行駛中的車輛更緊密地與周圍的環(huán)境相聯(lián)系，從而提高交通系統(tǒng)的安全性，該計劃的主要參與者包括美國交通運輸部、加州交通部以及戴姆勒、福特、通用等汽車公司，并在加州 101 公路和密歇根 Novi 市部署了數十個路邊基站，用于測試汽車與路邊基站的通信能力。

在VII 系統(tǒng)中，車載單元（Onboard Unit，OBU）將其通過安置在車輛上的各類傳感器采集到的信息（如車輛的行駛速度、位置信息等）上傳至路側單元（Roadside Unit，RSU）中，同時也接受路側單元發(fā)送的周圍車輛的實時狀態(tài)信息以及各類交通服務信息（所處區(qū)域的交通狀態(tài)信息、道路環(huán)境信息等）。車載單元和路側單元之間采用短程無線通信技術（Dedicated  Short  Range Communications，DSRC）相連。

 

2）IntelliDrive 項目：針對推廣 VII 系統(tǒng)時遇到基礎設施運營商和汽車廠商對采用單一標準的路側系統(tǒng)建設和運營興趣不大的問題，美國交通運輸部推進IntelliDrive 項目的研發(fā)。在 IntelliDrive 項目中，考慮采用移動通信技術、WIMAX、衛(wèi)星通信等方式，建立開放式通信平臺，為車輛提供無縫的通信服務。IntelliDrive提供的服務重點在車輛主動安全方面，同時兼顧多種運輸方式和出行模式的解決方案，為駕駛員提供動態(tài)、連續(xù)的服務。IntelliDrive 項目把出行者、管理中心、場地和車輛四個主體，利用廣義的無線移動通信和固定的骨干有線網相連，完成車輛之間和車輛與路側之間的信息交互。 

 

第2章   車聯(lián)網系統(tǒng)框架

 

本章對車聯(lián)網環(huán)境下交通信息需求進行分析，在此基礎上，提出車聯(lián)網的系統(tǒng)架構，分析了車車/車路通信技術、智能車載系統(tǒng)技術和智能路側系統(tǒng)技術等車聯(lián)網的關鍵技術。

 

2.1  概述

交通信息是車聯(lián)網系統(tǒng)中最核心的內容。以交通信息應用為中心，展開車聯(lián)網系統(tǒng)的各個功能模塊。交通信息的來源分為直接信息源和間接信息源。其中直接信息源主要指人（包括駕駛員和乘客）、車（車輛的運行狀態(tài)等）和路（路況等）；間接信息源包含以地形、地貌、氣象等為代表的自然環(huán)境因素和以政治、經濟、人文等為代表的社會環(huán)境因素。

根據變化頻率，交通信息可以分為靜態(tài)交通信息和動態(tài)交通信息。靜態(tài)交通信息指在一個較長時間段內相對穩(wěn)定的交通信息，包括：包含有路網信息和交通管理設施信息等的交通基礎信息；道路交通量和車輛保有量等統(tǒng)計信息；交通參與者出行規(guī)律信息等。靜態(tài)交通信息的獲得主要是通過建立基礎信息數據庫，其數據來源既可以通過從相關部門（如城市規(guī)劃部門、城市建設及道路養(yǎng)護部門、交通管理部門等）和各個系統(tǒng)中已有的數據庫獲得，也可以通過交通調查或地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）和空間遙感（RS）等技術手段獲得。動態(tài)交通信息指的是交通系統(tǒng)中隨時間和空間變化的交通信息，主要包括：道路網交通流狀態(tài)特征信息、交通事件信息、車輛及駕駛員的狀態(tài)信息、道路環(huán)境信息以及交通動態(tài)管理控制信息等。

2.1.1  交通信息感知需求

作為智能交通的一個延伸，車聯(lián)網本身具有智能交通所擁有的信息采集功能。同時，車聯(lián)網是物聯(lián)網的一個具體應用，具有物聯(lián)網的特點，即信息感知。

信息感知能夠為車聯(lián)網提供信息來源，是車聯(lián)網應用的基礎。它最基本的形式是數據收集，即節(jié)點將感知數據通過網絡傳輸到匯聚節(jié)點。但由于在原始感知數據中往往存在異常值、缺失值，因此在數據收集時要對原始感知數據進行數據清洗，并對缺失值進行估計。信息感知的目的是獲取用戶感興趣的信息，這些在車聯(lián)網中具體表現(xiàn)為：

1.  對車況及控制系統(tǒng)感知

主要是汽車運行過程中的各種工況信息，例如車速、各種介質的溫度、驅動系/轉向系的運行狀況等。這些信息通常是利用安裝在汽車上的車用傳感器獲得。車用傳感器是車聯(lián)網最終端的神經末梢。常見的車用傳感器有車速傳感器、加速度傳感器、車身高度傳感器、進氣溫度傳感器、冷卻液溫度傳感器等。

 

2.2  車聯(lián)網系統(tǒng)架構研究

車聯(lián)網作為一種特殊的移動自組織網絡，與其他自組織網絡相比，具有如下特點：

1.  節(jié)點拓撲結構變化快。這是由于車輛具有快速移動的特性，導致了網絡的拓撲結構頻繁發(fā)生變化。這個特點導致車輛節(jié)點間的通信鏈路生存時間縮短，網絡連通性下降。

2.  很難建立精確的鄰居節(jié)點。由于快速變化的拓撲結構，使得節(jié)點獲取全局拓撲結構較難，導致傳統(tǒng)基于網絡拓撲結構的協(xié)議在車聯(lián)網中效果很差。

3.  通信信道有嚴重的多普勒效應，衰減嚴重。實際的城市交通環(huán)境下，高大建筑物、橋梁、隧道以及綠化帶使本就因車輛高速運動帶來的通信信道衰減更加嚴重。

4.  節(jié)點拓撲結構變化具有一定的規(guī)律性。由于車輛在道路上行駛受交通法規(guī)以及交通控制系統(tǒng)的管理，總體上是具有規(guī)律性的，這使得節(jié)點的拓撲結構變化也具有一定的規(guī)律性，因此可以通過相應算法進行預測其變化。

5.  節(jié)點的相關狀態(tài)信息可以通過相關傳感器獲得。如節(jié)點的速度、加速度、方向等可以通過車載傳感器獲取，節(jié)點的位置信息可通過衛(wèi)星定位系統(tǒng)、與路側設施實時通信等獲得。

6.  車輛節(jié)點對能源消耗的要求相對較低。車輛本身可以提供電力，因此對通信設備的能源消耗要求相對較低。但仍需要考慮路側單元對能源的要求。

2.2.1  系統(tǒng)架構

車聯(lián)網作為物聯(lián)網的一個延伸，具有相似的架構。因此可將車聯(lián)網的系統(tǒng)（如圖2.1所示）分為三個層次，筆耕文化傳播，即感知層，網絡層和應用層。

車聯(lián)網感知層：由多種傳感器及傳感器網關構成，包括車載傳感器和路側傳感器。感知層是車聯(lián)網的神經末梢，是信息的來源。通過這些傳感器，可以提供車輛的行駛狀態(tài)信息、運輸物品的相關信息、交通狀態(tài)信息、道路環(huán)境信息等。

車聯(lián)網網絡層：由車載網絡、互聯(lián)網、無線通信網、網絡管理系統(tǒng)等構成。網絡層在車聯(lián)網中充當神經中樞和大腦。它能夠傳遞和處理從感知層獲取的信息，目前已經制定了車載環(huán)境下無線接入（Wireless  Access  in  Vehicular Environment，WAVE）的相關協(xié)議。

 

第3 章   車聯(lián)網環(huán)境下路側單元布設及優(yōu)化方法研究···········35

3.1  概述 ··················· 35

3.2  路側單元布設方法研究·············· 36

3.2.1  路側單元布設影響因素············ 38

3.2.2  路側單元布設方案設計··············· 38

第4 章   車聯(lián)網環(huán)境下車輛定位方法研究···············57

4.1  概述 ················ 57

4.2  基于數據融合的車輛定位方法研究·············· 58

第5 章   車聯(lián)網環(huán)境下行程時間預測方法研究············79

5.1  概述·············· 79

5.2  基于人工智能的行程時間預測方法·················· 82

 

第5章   車聯(lián)網環(huán)境下行程時間預測方法研究

 

車聯(lián)網中的一項重要信息服務就是路徑優(yōu)化。作為路徑優(yōu)化的重要依據，行程時間預測方法備受關注。為了達到進行準確及時的路徑優(yōu)化效果，行程時間的預測必須具有實時性、可靠性和更高的精度。在車聯(lián)網環(huán)境下，車輛和基礎設施之間可以通過信息交互來確定車流量和密度。采用人工神經網絡（artificial neural network，ANN）和支持向量回歸（support vector regression，SVR）可以在現(xiàn)有的行程時間和確定的車流量和密度的基礎上對行程時間進行預測。本章開發(fā)并評價了車聯(lián)網環(huán)境下的基于人工神經網絡和支持向量回歸的行程時間預測模型，設計了一個仿真平臺，采用實際數據進行了仿真，仿真結果表明所提出的改進支持向量回歸的行程時間預測模型具有良好的性能。

 

5.1  概述

車聯(lián)網中的一項重要信息服務就是路徑優(yōu)化。作為路徑優(yōu)化的重要一個依據，行程時間預測方法備受關注。目前常用的做法是使用歷史平均出行時間或當前的行程時間作為對短期行程時間預測的依據。信息來源主要為固定型檢測器和移動型檢測器。前者會采用密集放置的流量傳感器，如交通攝像頭和線圈檢測器，來估計行程時間，這些傳感器通常每四分之一英里到半英里放置一個，行程時間可以通過傳感器獲得的流量、密度以及速度等參數來預測，但也可能引發(fā)行程時間預測的其他錯誤。后者主要采用 GPS 浮動車，具有覆蓋范圍廣、數據精度高以及實時性強等優(yōu)點，但城市內譬如隧道、停車場以及城市中密集建筑物等復雜環(huán)境中，GPS 系統(tǒng)的效果較差，會使行程時間預測出現(xiàn)較大誤差。

 

第6章   總結與展望

 

6.1  全文總結

車聯(lián)網是物聯(lián)網在智能交通系統(tǒng)領域的延伸，它是以車內網、車際網和車載移動互聯(lián)網為基礎，按照約定的通信協(xié)議和數據交互標準，在車-車、車輛與互聯(lián)網之間，進行無線通信和信息交換，以實現(xiàn)智能交通管理控制、車輛智能化控制和智能動態(tài)信息服務的一體化網絡。車聯(lián)網的建設和發(fā)展徹底改變了未來的出行模式，大大提升道路交通網絡的運輸效率、安全水平、智能化水平及環(huán)保水平，為建成一種適應現(xiàn)代道路交通網絡運輸發(fā)展的建設、運營、管理模式提供突破口。目前，國外雖然已經定義了用于車聯(lián)網的通信標準和一系列應用場景，但相關的核心技術仍處于實驗室研究和試驗階段。我國尚未定義相關標準，但也開始進行相關技術的研究。為了給車聯(lián)網應用提供信息來源，本文依托國家高技術研究發(fā)展計劃（863 計劃）課題《多源多維城市交通狀態(tài)感知與交互處理》，對車聯(lián)網環(huán)境下的交通信息采集和處理方法進行研究，主要研究成果包括以下幾個方面：

1.  提出車聯(lián)網系統(tǒng)框架。在對車聯(lián)網環(huán)境下信息需求分析的基礎上，提出車聯(lián)網的系統(tǒng)架構，分析了車聯(lián)網的關鍵技術，包括車車/車路通信技術、智能車載系統(tǒng)技術和智能路側系統(tǒng)技術。

2.  對車聯(lián)網環(huán)境下信息采集方法進行研究，提出了路側單元布設及調度方案。通過對智能路側系統(tǒng)技術分析，闡述了路側單元設置的重要性。指出了影響路側單元布設的幾個因素，并進行了路側單元布設試驗，設計了路側單元布設方案。以基于節(jié)能降耗為出發(fā)點，提出了一個路側單元調度優(yōu)化方案，在保證系統(tǒng)連通性的同時降低了路側單元系統(tǒng)的能源消耗。

3.  對車聯(lián)網環(huán)境下車輛定位方法進行研究。提出了一個基于非參數動態(tài)模型的自適應數據融合框架結構以及一個適應信號強度和到達時間的自適應似然粒子濾波方法，對車聯(lián)網環(huán)境下的交通信息進行處理，實現(xiàn)基于已有的基礎設施對車輛進行精確定位。

參考文獻:

[1] 胡永利,孫艷豐,尹寶才.  物聯(lián)網信息感知與交互技術[J]. 計算機學報. 2012(06)
[2] 鄒鳳,仲姣菲,伍偉麗,堵丁柱,Lee Junghoon.  解決高度分割的車載自組網絡連通性問題的路側單元最優(yōu)化調度方案[J]. 計算機工程與科學. 2012(01)
[3] 馬楊.  車路協(xié)同,還有多遠?[J]. 中國交通信息化. 2011(09)
[4] 陳超,呂植勇,付姍姍,彭琪.  國內外車路協(xié)同系統(tǒng)發(fā)展現(xiàn)狀綜述[J]. 交通信息與安全. 2011(01)
[5] 王貴槐,萬劍.  汽車安全輔助駕駛支持系統(tǒng)信息感知技術綜述[J]. 交通與計算機. 2008(03)
[6] 楊兆升,王媛,管青.  基于支持向量機方法的短時交通流量預測方法[J]. 吉林大學學報(工學版). 2006(06)
[7] 姚智勝,邵春福,高永亮.  基于支持向量回歸機的交通狀態(tài)短時預測方法研究[J]. 北京交通大學學報. 2006(03)
[8] 徐啟華,楊瑞.  支持向量機在交通流量實時預測中的應用[J]. 公路交通科技. 2005(12)
[9] 朱中,楊兆升.  實時交通流量人工神經網絡預測模型[J]. 中國公路學報. 1998(04)



本文編號：10592