基于无线传感网络的浮动车系统.doc

基于无线传感网络的浮动车系统 组长： 组员： 专业： 智能运输工程 班级： 运输1110班 一、 引言交通信息是智能交通系统的重要基础。目前交通信息主要通过固定式检测器(如线圈检测器、超声波检测器、视频检测器等)进行采集，存在安装和维护成本高、覆盖范围小、仅能检测固定位置数据等不足，无法满足智能交通系统对信息的需求。随着gps、gis和无线通信技术的广泛应用，利用装备gps的浮动车采集动态交通信息，具有建设周期短、实时性强、覆盖范围广、数据精度高等优点，是交通信息采集技术的重要发展方向。因此，从理论和技术层面对浮动车采集方式进行全面、深入地研究，具有重要的理论意义和实用价值。当前，城市交通日益拥堵、事故频发以及交通所带来的环境恶化和能源短缺已成为世界各国所面临的共同挑战，交通问题已成为各国政府亟待解决的重要问题。近年来中国道路交通基础设施建设水平虽有较大改观，但仍不能完全满足现代经济生活的需要。社会公众、 政府和企业对全面、 准确、 实时的城市道路动态信息服务的迫切需求已达到了前所未有的状态。解决城市交通问题的一个有效途径就是建设先进交通信息系统（advanced transportation information system，atis），希望在完善的信息网络基础上，通过装备在道路上、 车辆上、 换乘站、 停车场等场地上的传感器和传输设备，获得各类实时交通信息并进行综合处理，向社会提供全面、 准确、 实时的道路交通信息，为公众出行提供诱导服务。浮动车 ( floating car data，fcd)技术作为一种新兴的交通信息采集方式，可利用车载gps定位系统采集车辆的位置，同时将位置信息通过无线通讯系统传输到信息处理中心，在信息中心应用相关的计算模型和算法，得到城市的道路交通拥堵状况信息。与传统的道路检测技术和视频监控技术等固定点采集手段相比，浮动车具有低成本、 易安装、 易维护、 测量范围广、 实时性和动态性等优势。因此，基于浮动车的交通信息采集和处理方式在 atis中逐渐趋于主导地位。二、 浮动车系统概念浮动车一般是指安装了车载gps定位装置并行驶在城市主干道上的公交汽车和出租车。浮动车（floating car data）技术，也被称作“探测车（probe car）”，是近年来国际智能交通系统（its）中所采用的获取道路交通信息的先进技术手段之一。其基本原理是：根据装备车载全球定位系统的浮动车在其行驶过程中定期记录的车辆位置，方向和速度信息，应用地图匹配、路径推测等相关的计算模型和算法进行处理，使浮动车位置数据和城市道路在时间和空间上关联起来，最终得到浮动车所经过道路的车辆行驶速度以及道路的行车旅行时间等交通拥堵信息。如果在城市中部署足够数量的浮动车，并将这些浮动车的位置数据通过无线通讯系统定期、实时地传输到一个信息处理中心，由信息中心综合处理，就可以获得整个城市动态、实时的交通拥堵信息。其突出优点是：能够通过少量装有基于卫星定位的车载设备的浮动车获得准确实时的动态交通信息，成本低且效率高，具有实时性强，覆盖范围大的特点。浮动车信息(fcd)采集技术是目前国际上its系统中采集道路交通信息的先进技术手段，它利用定位技术、无线通信技术和信息处理技术，实现对道路上行驶车辆的瞬时速度、位置、路段旅行时间等交通数据的采集。经过汇总、处理后这些信息生成反映实时道路拥堵情况的交通信息，能够为交通管理部门和公众提供动态、准确的交通控制、诱导信息。fcd技术采用移动的定位设备测量交通网络中各离散点的交通流信息，数据范围遍布整个地区，能全天候24小时的进行数据采集；利用无线实时传输、中心式处理大大提高信息采集效率；通过测量的车辆瞬时状态数据，能准确反映交通流变化；利用fcd技术还可以实现多参数测量，包括天气、道路状况、车辆安全等参数；利用现有gps和通信网络资源，采集设备维护和安装成本低。通过fcd技术进行数据采集和反应实时路况信息已经成为当今智能交通领域的研究热点。各发达国家纷纷投入巨大的人力、物力支持fcd系统的研究和试验。比较典型的浮动车项目和实验包括英国itisholdingsplc开发的fvd系统，美国的advance和transtar，德国的ddg和xfcd，日本的p-drgs和ipcar等。在我国交通拥堵比较严重的大城市，比如北京、上海、广州、深圳等地均开始了对浮动车技术的深入研究和应用推广。 三、 浮动车的交通信息采集系统发展历程 1954年，wordrop和charlesworth利用人工方式，记录实验车在行驶过程中对向来车数量、同向超越车辆数和被实验车超越的车辆数，以及两个观测点之间的行程时间。这是查阅到的关于浮动车的最早文献记载。虽然与目前采用gps定位和无线通信方式的浮动车相比有较大差别，但仍然可以看成是浮动车技术的雏形。在以后的数十年中，这种采用人工记录的浮动车采集技术在交通调查中得到一定的应用，但没有取得实质性发展和大规模应用。20世纪80年代，随着gps技术、无线通信技术、gis技术、计算机技术等的迅速发展，一些发达国家开始利用安装gps和无线通信设备的浮动车来采集道路交通信息，取得了一系列研究成果，其中美国、日本、欧洲等国家和地区的研究和应用较为典型。1 美国美国德州huston地区的transtar系统和芝加哥地区的advance(advanced driver and vehicle advisory navigation concept)项目是国际上较早开展动车技术研究的项目。transtar系统采用avi技术采集浮动车行程时间数据，从1994年开始研究浮动车在行程时间采集方面的优势，1996年又开展了匝道控制和od矩阵估计方面的研究。advance项目从1994开始利用gps浮动车数据融合线圈检测器数据及历史事故数据，以检测交通事故、行程时间等信息，车辆导航提供基础信息，其研究结果表明，利用gps浮动车采集路段行程时间是可行的。美国加州的path(partners for advanced transit and highways)项目是its领域比较知名的研究项目，浮动车采集技术是该项目的研究内容之一。项目对浮动车的样本数量、信息处理方法、数据精度、gps定位与手机定位的对比分析等进行了研究。俄勒冈州和华盛顿州分别在2000年前后建成了trimet系统（系统的网站为)和probeview系统，两个系统均将公交车作为浮动车，实时采集道路交通信息。2 日本日本国土交通省(ministry of land，infrastructure，and transport)1999年起开展了名为smartway的研究项目，主要研究基于浮动车的道路交通信息采集技术。2001年利用4700辆浮动车采集主干道交通信息，2002年开展了将公交车作为浮动车的试验，2004年开展了规模高达10，000辆浮动车的信息采集试验。需要说明的是，该项目信息采集主要是针对较长时期的道路交通管理和交通状态评价(如交通拥挤损失、交通建设项目评价、交通环境影响评估等)，而不是为了获取实时道路交通信息。日本电子、贸易和工业省(ministry of economy，trade and industry)联合日本电装公司(jsk companies)和keio大学，开展了metijari项目，研究基于出租车的实时交通信息采集技术。1999年开展了浮动车系统初步测试，2001年利用300辆车租车进行了信息采集试验，2004年开展了较大规模的浮动车采集试验。浮动车数据包括车辆位置、速度、燃油消耗、引擎转速、雨刷器状态等，主要用于行程时间信息服务、车辆管理、天气信息服务等方面。系统的特别之处在于浮动车和交通信息中心通过internet进行通信。日本ipcar(internet probe car)system旨在建立一套基于浮动车技术的商业化交通信息服务系统。浮动车上安装了一系列传感器，采集的信息包括车辆位置、速度、环境温度、雨刷器状态等，通过对这些数据进行处理，得到交通参数、气象信息等，并向出行者提供动态交通信息服务。3 欧洲德国宇航研究中心(german aerospace center)交通研究所从2001年起开始研究浮动车采集技术。利用2300台安装gps的出租车作为浮动车，采集berlin、nuremburg、vienna、munich、stuttgart等城市的道路交通信息，积累了大量的浮动车数据。德国众多的汽车公司(如bmw公司、volkswagen汽车集团等)开展了一系列与浮动车相关的研究项目。德国volkswagen汽车集团开展了名为gedaswayflow project的研究项目，利用浮动车采集和分析rhinemain地区的道路行程时间，其主要特色是在浮动车上安装有计算机，地图匹配和行程时间计算等均由车载计算机完成。bmw公司在实验基础上提出了第二代浮动车xfcd(extended floating car data)的概念：车载装置在上传数据之前能自动滤除错误数据；通过风挡雨刷器、车辆速度、abs信号和车头灯等的状态反应出天气情况和道路状况；计算车辆速度和加速度得到道路交通状态等。daimlerchrysler公司开展了名为cityfcd的研究项目，利用车载电脑计算车辆行程时间及相关参数，减少浮动车与交通信息中心的数据传输量。英国从1988年开始了trafficmaster研究项目，由商业公司负责收集道路交通信息并提供动态交通信息服务。信息采集方式以固定检测器为主，并以浮动车数据作为补充。签约用户的车辆可以实时接收到动态交通信息，同时将车辆的相关信息如位置、速度等上传到信息中心。此项目覆盖范围逐渐扩大，目前已扩展到德国、意大利等国家的部分地区。英国itis股份公司从2000年开始研究基于浮动车的交通信息采集系统，目前系统的浮动车数量已经超过30000台，已成为世界上规模最大的浮动车项目之一。2002年系统开始提供商业化的交通信息服务，用户数量和信息服务收入不断增长。项目组2003年在英国中部地区又建立了两个子项目：scottishexecutive journey time planner和local authority psa congestion monitoring。scottish executive journey time planner主要是利用浮动车数据估算苏格兰地区道路的出行时间，项目网站为巡：.uk。local authority psa congestion monitoring项目的研究内容是利用浮动车的历史数据，分析英国中西部地区如wolverhampton市的道路交通拥堵情况，为交通规划和管理部门提供数据支持。 瑞典政府和汽车公司联合开展了optis项目(optimized traffic insweden)，成员单位包括volvo汽车公司、scania卡车公司、saab汽车公司和瑞典道路管理委员会(swedish national road administration)。项目的出发点是建立高效、低成本的道路交通信息采集系统，项目时间为2000年至2002年。项目组利用220台安装了gps装置的浮动车，采集瑞典gothenburg市的道路交通信息，并利用gsm的短消息方式将数据传送到信息中心，取得了满意的效果，并建立了专门的网站发布动态交通信息。法国道路管理委员会(french road administration)开展了mediamobile项目，利用出租车作为浮动车，采集巴黎地区的道路交通信息。4 中国我国在浮动车方面的研究和应用起步较晚，但发展非常迅速。部分高校如同济大学、北京交通大学、吉林大学、北京航空航天大学、北京交通发展研究中心、清华大学等近年来陆续开展了浮动车技术的相关研究。在实际项目研究和应用方面，北京交通大学2002年开展了“北京市路网功能层次划分及功能整合技术研究项目，利用少量gps出租车数据，对北京城市路网结构和功能进行了分析和评价。宁波市2004年底完成了“城市动态交通信息采集与服务系统”，利用出租车gps数据得到道路交通信息。2005年广州市先进的交通管理系统建设中，开始将8000辆出租车作为动态交通信息的采集方式之一。同济大学2005年承担了深圳城市交通仿真系统项目，系统的功能包括：(1)面向市政府及其相关部门的城市交通管理决策支持；(2)面向公众的全方位交通信息服务；(3)面向职能部门的数据分析和业务支持如交通规划数据分析、交通设计分析等。浮动车是系统的主要数据采集方式之一。 上海市交通信息中心2005年启动了“基于网格技术的上海交通信息服务示范系统及其关键技术研究”项目，旨在建立包括交通信息采集、信息处理、信息服务、决策支持等功能的上海市综合交通信息服务系统。系统将3000多台出租车作为浮动车，实时采集道路交通信息，目前己基本开发完成。 从上文可以看出，浮动车做为一种新的交通信息采集方式，已经逐渐从研究阶段转为实际应用阶段，其发展前景非常广阔。四、 浮动车技术原理及系统结构1. 浮动车技术框架浮动车利用在车辆上安装的车载移动通信设备和定位装置，例如基于 gps定位系统或移动电话定位系统，将车辆动态信息 (时间、 速度、 坐标和行驶方向等 )实时传送到浮动车信息处理中心，通过定位数据与路网的匹配，以及其他数据的分析来获取道路交通路况信息。浮动车技术的数据范围遍布整个地区，能全天候 24小时进行数据采集；利用无线实时传输、 中心式处理大大提高信息采集效率；通过测量的车辆瞬时状态数据，能准确反映交通流变化；利用浮动车技术还可以实现多参数测量，包括天气、 道路状况、 车辆安全等参数；利用现有的 gps和通信网络资源，采集设备维护和安装成本低。图1 浮动车信息系统总体结构2. 浮动车信息处理架构信息处理子系统是浮动车系统的核心，主要包含地图匹配、 车辆行驶路径推测、 路况信息计算个子模块。图2 浮动车交通信息处理技术框架（1）地图匹配 地图匹配根据数字地图的道路坐标数据调整gps返回的车辆坐标数据，使其落到可能正确的行驶道路上。该部分主要完成车辆坐标数据点投影的工作，即通过将浮动车不同时刻的车辆定位数据向周围道路进行匹配投影，最终获得其可能行驶道路和相应投影点的信息。（2）路径推测路径推测位于地图匹配之后，主要是综合每辆浮动车在某一时间段 (通常是 5分钟 )内的所有车辆点数据，根据时间和道路的连续性，最终确定该车辆在本周期内的行车路线，然后进一步可以获得路线上每个定位点对应的唯一的投影点和道路信息。（3）路况计算路况计算处理的对象是推测出的行车路线数据。计算每辆车相邻两个定位点之间途经道路的拥堵状况和旅行时间，对横跨相邻路链的路线在交点处进行分割，依次完成所有浮动车所行驶道路的路况信息计算。最后对每条路链上所有车辆产生的路况信息做进一步的融合处理，生成以路链为单位的实时动态交通信息。从上文的论述可以看出，浮动车信息处理需要两个必不可少的要素：路网结构表示的电子地图及浮动车 gps定位点。目前的技术条件下，以及基于成本的控制，浮动车 gps数据质量难以满足实际需求，突出表现在以下几个方面：1 可采集的参数有限，不能采集到判断车辆行驶特征的关键参数；2 gps定位精度差，浮动车普遍装备的 gps接收机一般存在 50 m以内的定位误差；3 采样间隔大，连续两个定位点跨越了较长距离，存在多条可能的车辆行驶路径。同时，复杂的城市路网也制约了浮动车信息处理准确性的进一步提高。例如，北京市普遍存在的主辅路并行路网结构，主辅路之间的间隔一般在15 m以内，现有 gps定位精度很难将定位点准确匹配到主路或是辅路上，影响后续路况信息的计算。五、 浮动车信息处理关键技术 为了提高浮动车信息处理的准确性和计算效率，相关技术人员做了以下几个方面的尝试：1 对基本道路空间数据进行分层处理和抽象，优化路网结构；2 浮动车行驶模式判断模型可以甄别不良行驶模式下的干扰数据；3 运用统计学原理和数据挖掘算法提升地图匹配的准确性； 4 启发式路径推测算法导入几何运算的约束条件，快速搜索车辆的行驶轨迹；5 提出并行路网结构下的浮动车信息处理模型；6 在生成路况信息的过程中考虑不同车辆所提供信息的可信度，等等。1. 三层路网模型处理浮动车数据需要城市交通地理信息系统(gis-t)的支持。在一般的矢量编码方式路网数字地图中，道路以线或折线对象的方式存储，表示为一系列坐标点的有序集。然而，大城市路网密集，道路结构越来越复杂，高效的地图匹配算法和路径推测算法应该整合相应的路网数据结构。在这种情况下，通过对基本道路空间数据的分层处理和抽象，可以建立一种基于节点路段路链的三层路网数据结构。 式中，rn代表路网结构，n 和 s分别是节点集和路段集。每一个节点 n包含一个经度和一个纬度；路段 s由两个节点的有序对m，n组成，m和n分别是s的起始节点begin (s)和终止节点end (s)。路网结构如图 3所示。图 3 路网结构示意图对于路网 rn 中的任何一个节点 n，n的出度o ( n) = n，z | n，z s 表示以 n作为起始节点的路段的个数，同理可以定义 n的入度 i ( n)。图 1中，节点 1的入度和出度分别是1和2。对于路网 rn 中的一个路段序列s1，s2，sn，如果满足如下条件则s1 ，s2 ，sn组成一条路链，如图 1所示。2. 行驶模式判断在实际应用中，通常选择出租车或公交车作为浮动车，而这些车辆所具有的某些特殊行驶特征往往给路况计算的准确性造成消极影响。如出租车超过 40%的时间处在停驶状态或在道旁及宾馆等地待客，系统则会根据此时车辆的行驶速度而做出该区域交通拥堵的误判。鉴于采集的 gps定位数据中充斥着大量的上述干扰数据，在进行进一步处理之前，对浮动车的行驶状态进行预处理和分析，甄别并剔除干扰数据，可以提高路况信息计算的准确性并提升系统处理的整体效率。通常认为浮动车存在 3种行驶模式：()正常行驶模式；()停驶及待客模式；()拥堵及缓慢模式。根据浮动车记录包含的即时速度信息可以较准确地辨别正常模式，但由于浮动车 gps定位数据具有一定的误差，在低速情况下区分模式和模式具有一定的困难，需要结合浮动车的经纬度坐标变化、事件触发等其他数据特征，设计适当的分类器来判断。曾有相关人员设计了一个浮动车行驶模式判断模型，以期将模式 和模式 正确区分开来，为干扰数据的剔除提供决策依据。分类器设计过程如下：首先提取数据特征，将原始数据映射到特征空间;然后通过特征选择，对特征空间进行降维，选择对分类最有利的特征组合；最后在低维空间中进行 svm （支持向量机）分类器的设计。模型的体系架构如图4所示。图 4 浮动车行驶模式判断模型架构图3. 地图匹配算法 传统的地图匹配算法只应用了 gps定位点和路链之间的位置参考信息 ，而没有考虑路链拓扑特性与车辆行驶特性之间深层次的内在联系。经过深入细致的数据分析 ，可以发现车辆在高速和载客的情况下倾向于在高等级道路上行驶。因此，地图匹配可参考的因素就扩展至 4个：( 1)定位点到路链的投影距离 distance；(2)车辆的行驶方向和路链方向的夹角angle；(3)平均车速speed；(4)车辆载客状态 state。地图匹配可以被看作一个二分类问题，即根据一定的数据特征将 gps定位点和路链的关系分为匹配和不匹配两种。本文将分类样本定义为 (gps定位点 ，路链 )关系对，选取 svm作为分类器 ，上述 4个因素分别作为数据特征。同时 ，为了提高分类的质量 ，提取了 4个特征对应的后验概率 5 作为二次数据特征。对于 gps定位点 p和路链 l组成的样本，可以提取 4个后验概率组成的特征向量：定位点 p匹配到路链 l的概率 prob定义为：式中，*为归一化后的 svm最优分类面向量，设分类阈值为 b*，即对于任何一个样本，只要满足规则：即认为 gps定位点成功地匹配到路链上。4. 路径推测算法 路径推测是浮动车数据处理过程中的关键技术之一，即利用浮动车在不同路链上连续运动的轨迹点来搜寻车辆的真实行驶轨迹。经过路径推测过程，浮动车数据就可以在时间和空间上同城市道路关联起来，由车辆 gps定位点信息得到车辆在具体城市道路上的行驶状态，从而反映出车辆所在道路的路况信息。路径推测在本质上是路径搜索的过程，即将当前定位点的候选匹配点作为起点，搜索车辆可能经过的下一条或下几条路链，直到找到下一个定位点所在的路链，从而确定两个定位点之间的车辆行驶轨迹。这可以归结为图的深度优先遍历问题，采用启发式的搜索方法，对搜索过程进行剪枝，提高了搜索效率。将一个定位点的候选匹配点作为起点，按时间顺序选择下一个定位点作为终点建立一条向量，计算向量的方向与长度，向量的方向为浮动车行驶路线的方向，向量的长度为浮动车行驶路线的最小可能距离。设向量长度为 l1 ，起点与其所在路链终点的距离为 l2 ，如果 l1 l2 ，则说明车辆还未驶出当前路链，否则说明车辆驶入当前路链的下一条或后续若干条路链。当车辆驶入当前路链的后续路链时，存在两种行车状态，一种是保持直行 (图 3所示 ) ，另一种是拐弯。在拐弯情况下，向量和车辆所行驶过的路链形成类三角形，如图6所示。按照一般道路建设的规划，相邻路链的夹角大于 60，则根据三角形的性质，向量为三角形最长边，则车辆实际行驶的距离应当小于两倍的向量长度，此性质可以作为路径搜索的一个极重要的约束条件。同时，所搜索路链的方向与向量方向夹角应当小于 90。依据上述约束条件，路径推测算法可以在较短的时间内推测出车辆可能的行驶轨迹 ，并计算出车辆的平均速度，作为评估其途经路链的路况信息的基本标准。图5 车辆直行示意图图6 车辆跨路链转弯5. 并行路网结构模型 一些城市的环路和主干线均采用主辅路并行路网结构，基于现有 gps定位精度很难将定位点准确匹配到主路或是辅路上，进而产生多条路径推测结果，导致计算出的路况信息不准确。并行路网结构由于主辅路之间的距离远小于 gps的区分精度，对于一个定位点而言，其真实的坐标可能在主路上，也可能在辅路上，在这种情况下，会产生大量候选路径集。 并行路网下路径推测的关键点是如何从候选路径中挑选出车辆的真实行驶轨迹。传统的策略主要基于某种规则，选择一条路径作为车辆的行驶轨迹，但缺乏足够的信息来保证这种选择的准确性，一旦路径选择错误，将给许多路链的路况计算造成消极影响。从融合的角度来讲，推测车辆的真实行驶轨迹，其目的在于将车辆的平均速度标记到轨迹中包含的路链上去，并以此作为获取路况信息的基础。在并行路网结构下，路径选择可以等价为从并行路网所覆盖的路链集中挑选车辆途经的路链子集，并将车辆的平均速度标记到这些路链上。就目前的系统规模而言，环路和主干线上的浮动车密度足以保证在一个处理周期内有多辆浮动车先后经过同一路链，利用这些车辆所提供的速度信息的一致性，可以相对简单地对信息的可信度做出判断，进而摒弃不可信和不精确信息对融合过程的消极影响。通过引入 d-s证据推理框架，可以有效地解决信息不可信和信息冲突情况下的融合问题。6. 路况信息生成 随着浮动车规模的不断扩大，同一周期内往往有多辆浮动车先后经过同一条路链。由于各车辆提供的路况信息的时效性、准确性等存在差异，基于统计平均的多车辆交通信息融合机制不能准确体现非线性道路交通系统的时变特征。因此，路况信息的生成必须考虑信息的可信度，以及合理处理信息之间的相互冲突。 d-s证据推理理论是目前信息融合领域的主流算法 ，在智能交通领域有着广泛的应用。其最大的特点是对不确定信息的描述采用“区间估计 ”的方式 ，在区分不知道与不确定方面以及精确反映证据收集方面显示出很大的灵活性。当发生信息冲突时 ，它可以通过“ 悬挂 ” 在所有目标集上共有的概念 (可信度 )使得发生的冲突获得解决 ，并保证原来高可信度的结果比低可信度的结果加权要大。综上所述，在浮动车信息处理基本架构之下，结合上文列出的浮动车信息处理关键技术，可以将浮动车gps定位数据与电子地图在时间和空间上联系起来，从而实现从浮动车gps定位数据到路况信息的转变。在城市内部署一定规模的浮动车，能够动态获取城市内道路的实时路况信息，为市民出行提供引导服务。六、 浮动车系统现有成果应用1. 现有成果1) 技术研发 确定不同覆盖率要求条件下的浮动车数量规模。针对我国大城市复杂路网特性，开发了基于改进的最优路径选择的浮动车数据实时地图匹配算法，尤其解决了主辅路并行、立交匝道等复杂区域的地图匹配难题，既满足了浮动车交通信息采集系统实时计算的速度性能要求，也达到了95%的匹配准确率。建立了适合不同数据采集间隔的路段速度估算算法，通过对快速路的实际验证，算法精度达到90%以上。2) 应用系统搭建 北京市更新的出租车均配备了gps定位装置，并有多家出租车公司建立了调度系统，项目利用现有的调度系统数据，建立了集浮动车实时处理和历史应用分析功能于一体的浮动车交通信息采集示范系统。用于实时路况显示、路网运行评价、拥堵评价、出租车运营分析等方面，为交通决策、管理和交通信息服务提供有力的数据支持。 目前，参与计算的出租车在8000辆左右，约占出租车总量12，占机动车总数的2.8%。每辆车大约每分钟上传一个gps点数据，每天接收到的数据量约900万条。浮动车数据对于五环内（含五环）次干路以上路网的覆盖率达到90%以上。此外，利用浮动车数据生成交通事件信息，自主研发了基于rds-tmc、gprs-tmc的交通信息发布实验系统。3) 在国内外重要期刊和会议上发表论文11篇，取得软件著作权登记3项，申请专利1项。2. 成果应用1) 实时路网运行状态显示与分析 以5分钟间隔更新路网运行速度信息，反映实时路网运行状态变化，为交通管理、交通信息服务提供数据。2) 交通决策支持分析 利用浮动车历史数据，进行路网运行速度变化趋势分析、拥堵点段识别与分析、出租运营情况分析、居民出行效率分析等。3) 疏堵方案制定 根据浮动车数据结果，对区域拥堵现象和症结进行分析，为疏堵方案制定提供依据。4) 交通拥堵评价 应用浮动车系统成果，进行分区域、分时段的交通运行状况变化趋势研究，用于长期监控城市交通拥堵变化趋势。5) 交通政策/措施影响分析 通过政策/措施实施前后交通运行情况前后对比，分析政策/措施实施效果，如大型活动交通保障措施实施效果，公交优先政策实施效果等。6) 路网可靠性分析利用浮动车采集的大量具有行程特征的数据，分析北京市路网行程时间的波动性，结合反映路网运行效率的运行速度，从另一个角度反映路网运行状态质量的高低。七