论文部分内容阅读
解决我国私人小型载客汽车保有量持续增长导致的城市交通拥堵问题,一方面需要建设交通基础设施提高道路通行能力,另一方面在大城市更需要通过交通诱导引导公众合理选择路线出行。为了实现对公众出行路线的合理诱导,需要实时准确地采集道路交通信息,并利用采集到交通信息分析识别路段的交通状态,最后还需要通过各种方式向用户发布路况信息。目前的研究大多集中在利用GPS浮动车和路测设备获取实时交通信息,对于道路上单个车辆产生的数据缺乏充分利用。随着汽车智能化和网联化的普及,以智能网联汽车作为浮动车获取车辆实时数据可以更加准确地识别道路交通状态。本文提出基于数据驱动的实时路况估计系统以联网汽车作为数据来源,设计开发了路况估计系统的四个组成部分车载终端、实时路况估计云平台、路况显示APP和实时路况估计管理系统。车载终端通过OBD-II(On-Board DiagnosticII,第二代车载诊断)接口与车载总线实现通信,并将车辆实时数据发送至实时路况估计云平台,实现汽车的网联化。设计开发了实时路况估计云平台实现对车辆数据的处理和计算得到目标路段交通状态,同时向路况显示APP和管理系统提供数据接口。路况显示APP的主要功能是向用户提供路况查询服务;同时针对车主用户提供车况查询和远程遥控功能,吸引更多车辆接入路况估计系统。为了方便对路况估计系统的联网车辆、车载设备和用户进行管理,本文开发了实时路况估计管理系统提供给管理人员监测、维护、统计系统数据和设备。本文在实时路况估计云平台中选择使用支持向量机(SVM,Support Vector Machine)算法估计实时路况,并在微观交通仿真平台SUMO中建立目标路段的路网模型设置仿真参数得到大量车辆仿真数据,验证不同网联汽车渗透率下的识别精度。结果表明网联汽车渗透率不低于20%时,路况估计识别精度可达85%以上,具备实际应用价值。本文设计开发基于数据驱动的实时路况估计系统结合SVM算法可以在网联汽车渗透率较高的路况准确地识别实时路况,并通过路况显示APP向公众提供实时交通信息服务和其他辅助功能,具备一定的实用价值。