（交通运输工程专业论文）基于城市交通信息的动态路径诱导优化算法研究.pdf

y o p t i m i z a t i o na l g o r i t h ms t u d yo fd y n a m i c r o u t eg u i d a n c e b a s e do nu r b a nt r a n s p o r t a t i o ni n f o r m a t i o n at h e s i ss u b m i t t e dt o d a l i a nm a r i t i m e u n i v e r s i t y i np a r t i a lf u l f d l m e n to ft h er e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g b y l i u y u e l i n g ( t r a n s p o r t a t i o ne n g i n e e r i n g ) t h e s i ss u p e r v i s o r ：a s s o c i a t ep r o f e s s o r z h a n g h e j u n e2 0 1 1 r l 一 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果， 撰写成博硕士学位论文! 基王城直交通信息鲍动态路径透昱优化篁法研究：。除 论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已 在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体己 经公开发表或未公开发表的成果。本声明的法律责任由本人承担。 学位论文作者签名：塑靼国丝 学位论文版权使用授权书 本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学 位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论 文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。同意将本学位论文收录到中国优秀博硕士 学位论文全文数据库( 中国学术期刊( 光盘版) 电子杂志社) 、中国学位论文全 文数据库( 中国科学技术信息研究所) 等数据库中，并以电子出版物形式出版发 行和提供信息服务。保密的论文在解密后遵守此规定。 本学位论文属于：保密口在年解密后适用本授权书。 论文作者签名：柳风舱导师签名：砭磊殳 日期：j 7 年月刁日 h r ， l 中文摘要 摘要 近年来，i t s ( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ) 技术得到快速发展，动态路径 诱导系统作为i t s 的关键技术之一，也日益更加重要。如何根据我国的实际情况 能够对车辆进行动态准确的诱导是当今学者研究的热点也是难点。鉴于目前路径 诱导系统的不完整性和不精确性，以“基于路网信息的港口物流智能调度系统模 型和技术研究”为依托，以大连市路网为例，在对短时交通流预测的研究基础上， 计算出路阻，利用编程语言力求开发出一套准确性和实时性均较高的动态路径诱 导系统。 本论文在对短时段交通流预测的基础上，以交通流为自变量计算路阻，接着 以行程时间最短和出行费用最低的两种出行选择运用d i j k s t r a 搜索最佳出行路径。 同时，针对出行者出行目的的精确程度，本系统提供了区域定位和节点定位两种 定位方式，方便出行者快速准确的搜索最优出行路径。 首先，对短时段交通流预测方法进行介绍，短时段交通流进行了预测，因而 计算出行程时间；接下来，运用m a p l n f o 绘图软件绘制带有路网属性的城市道路 网，将带有属性的城市道路网导入到v i s b a lb a s i c 应用界面中，以v b 编程语言为 基础开发出动态车载导航系统；最后，以大连市路网为例，验证该系统的准确性 和实时性，以此说明系统的可行性。 关键词：短时段交通流；最优路径；搜索；动态路径诱导系统 ，l一 l ，、 r 一 一 茎壅塑墨 一 一一一 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to f i t st e c h n o l o g yi nr e c e n ty e a r s b e i n go n eo ft h ek e y t e c h n o l o g i e so fi t s ，d y n a m i cr o u t eg u i d a n c e s y s t e mi sb e c o m i n gm o r e a n dm o r e i m p o r t 钔1 t h o wt og u i d e t h ev e h i c l e sd y n a m i c a l l ya n da c c u r a t e l ya c c o r d i n gt o t h e c u r r e n ts i t u a t i o no fo u rc o u n t r yi sah o ta n dd i f f i c u l ts p o r tf o rt h e s c h o l a r smn o w a d a y s c 0 n s i d e r i i l gt h eh y s t e r e s i sa n di n a c c u r a c yo ft h e c u r r e n tr o u t eg u i d a n c es y s t e ma n d d e p e n d i n go nt h e “m o d e lo fp o r tl o g i s t i c si n t e l l i g e n c ed i s p a t c h i n gs y s t e m b a s e do n t h er o a dn e ti n j b 衄a t i o na n dt e c h n o l o g ys t u d y ”，t h i st h e s i s ，t a k i n gt h er o a dn e t 1 1 1 d a l i a nf o re x a m p l e ，i st r y i n gt ow o r ko u tr o a di m p e d a n c ef u n c t i o nb a s e do nt h es t u d yo f t 1 1 ea m i c i p a t i o no ft r a f f i cs t r e a m i ns h o r tt i m ei n t e r v a l f u r t h e r m o r e ，u s i n g t h e p r o g r a r 衄i n gl a n g u a g e ，t h ea u t h o ri sm a k i n ge v e r ye f f o r t t od e v e l o pas u l to fd y 蚰m i c r o u t eg u i d a n c es y s t e mw h i c hi sh i g hi nv e r a c i t ya n d r e a l _ t i m e b a s e d0 nt h es t u d yo ft h ea n t i c i p a t i o no ft r a f f i cs t r e a mi n s h o r tt i m ei n t e r v a l ，t h l s t h e s i s w o r k so u tt h er o a di m p e d a n c ef u n c t i o nw i t ht r a f f i c s t r e a ma st h ei n d e p e n d e n t v a r i a b l e t h e n ，a c c o r d i n gt ot h et w o t r a v e lc h o i c e so fs h o r t e s tt r a v e lt i m ea n d1 0 w e s t t r a v e lc o s t d i j k s t r ai su s e dt o s e a r c ht h eo p t i m u mt r a v e lr o u t e a tt h es a m et i m e ， a c e o r d i n gt ot h ea c c u r a t ed e g r e eo fp e d e s t r i a n s t r a v e lp u r p o s e ，t h i ss y s t e mp r o v l d e s 啪 l o c 撕o nw a y st h a ti sz o n el o c a t i o na n dn o d el o c a t i o nf o rt h ec o n v e n i e n c e o fp e d e s t n a n s t os e a r c ho u tt h eo p t i m u mt r a v e lr o u t e f 心s t 妇：l i st h e s i si n t r o d u c e st h ea n t i c i p a t i n gw a yt ot r a f f i c s t r e a mms h o r tt i m e i n t e r 、，a 1 u s i n gt h ew a v e l e tn e u r a ln e t w o r kt h i st h e s i sa n t i c i p a t e st h e t r a f f i cs t r e a mm s h o r t 痂m ei m e r v a la n df i g u r e ro u tt h et i m e o ft r a v e l n e x t ，u t i l i z i n gt h em a p l n f o s o r w a r e t ：h e 乱m 1 0 rd r a w sac i t yr o a dn e tw h i c hh a s t h ep r o p e r t yo fn e t w o r k us i n gt o g u i d et h ec i t yr o a d n e tw h i c hh a sp r o p e r t yo fn e t w o r ki n t ov i s b a lb a s i ca p p l i c a t i o n p r o g r 锄m i n gi n t e r f a c e ，a n dt h ed y n a m i cn a v i g a t i o ns y s t e m i sd e v e l o p e db a s e do nv b p r o g r a m m i n gl a n g u a g e l a s t ，t a k i n g t h er o a dn e ti nd a l i a nf o re x a m p l e ，t h i sm e s l s v e r i f i e st h ev e r a c i t ya n d r e a l - t i m et os t a t et h ef e a s i b i l i t yo ft h es y s t e m k e yw o r d s ：t r a f f 丘cf l o w 缸s h o r tt i m ei n t e r v a l ；o p t i m u mr o u t e ；s e a r c h ； d y n a m i cr o u t eg u i d a n c es y s t e m q ； 胛一 产卜n叩一 目录 目录 第1 章绪论。1 1 1 课题背景和意义l 1 2 国内外研究现状2 1 2 1 国外研究现状2 1 2 2 国内研究现状一3 1 - 3 动态路径诱导系统的构成4 1 4 本文组织结构4 l 。4 1 研究路线4 1 4 2 章节安排一4 第2 章动态路径诱导系统简介6 2 1 系统构成及模块功能介绍6 2 2 动态路径诱导系统关键技术8 2 2 1 实时交通信息采集及处理技术8 2 2 2 车辆定位技术。9 2 2 3 地图匹配技术9 2 2 4 无线数据通信技术1 0 第3 章短时交通流与行程时间预测1 l 3 1 交通流预测方法介绍1 l 3 2 行程时间预测1 5 3 2 1 路段行程时间计算1 6 3 2 2 交叉口的延误时间的计算1 7 3 3 基于小波神经网络交通流预测方法研究1 9 3 3 1 方法简介1 9 3 3 2 模型构建的总体思路2 3 第4 章基于m a p x 的车辆诱导系统的研究3 0 4 1 车辆诱导的原理3 0 4 2 最短路径搜索算法3 0 4 2 1d i j k s t r a 算法一3 0 4 2 2a u c t i o n 算法3l 4 2 3f r a n k w o l f e 算法3 3 4 2 4p a r t a n 算法。3 5 4 3 数据准备3 3 。_、l膏 目录 4 3 1 地理文件的绘制3 4 4 3 2 属性数据设置3 4 4 4 基于m a p x 的车辆诱导系统的开发及模块功能介绍3 6 4 4 1 主程序流程3 6 4 4 2 功能介绍及操作流程3 8 第5 章实例应用4 2 5 1 大连路网简介4 2 5 2 大连路网属性4 2 5 3 最优路径搜寻4 6 第6 章结论与展望4 8 6 1 本文的主要工作4 8 6 2 存在问题及研究展望4 8 参考文献4 9 附录ab p 神经网络程序代码5 l 附录b 最短路径搜索程序代码5 7 致谢6 4 研究生履历6 5 产，卜；、，辨 基于城市交通信息的动态路径诱导系统优化算法研究 1 1 课题背景和意义 第1 章绪论 近年来，经济的发展，带动交通行业以前所未有的速度迅猛发展，车辆数量 的急剧增加，迫使道路的总里程数不断地上升。截止到2 0 1 0 年底，全国公路网总 里程达到3 9 8 4 万公里，五年内增加了6 3 9 万公里；高速公路里程达到7 4 l 万公 里，居世界第二位，比“十五”末增加了3 3 l 万公里，我国已经基本完成对道路 的建设。然而道路的的增长速率远远没有与车辆数的增长速率相符合，同时也没 有从根本上解决交通所带来的一切问题。交通拥堵问题仍然是世界各个国家面临 的共同难题之一。交通拥挤造成了巨大的经济损失、时间资源的浪费以及环境污 染的加重。 据统计，我国大多数城市的高峰期时段的平均行车速度己降至2 0 k m h 以下， 有些路段甚至只有7 8 k m h 。交通拥堵问题造成了巨大的经济损失。首先，在计 算油耗问题方面，通常计算方式是把堵车时间所用的油耗转换成公里数。据计算 堵车三分钟的油耗大约相当于正常工况开动l 公里。以中型车每百公里油耗l o 升 为例，每三分钟因拥堵产生的油耗是o 1 升。以上调油价后的北京9 3 号汽油每升 6 9 2 元来计算，每三分钟的拥堵成本是0 6 9 元。平均每月2 2 个工作日堵车时间1 小时，那么仅堵车油耗消费就高达3 0 3 6 元。其次是尾气的排放问题。据统计，汽 车在怠速情况下，一氧化碳( c o ) 的排放量是正常行驶时的两倍，碳氢化合物( h c i 则是正常行驶的三倍。同时，由于车多，车辆速度过慢，尾气排放增加，造成空 气混浊，阴霾天增加，城市环境急剧恶化，这同样加剧了环境治理的成本负担。 另外，对于每天堵在路上的人来说，车辆因为超车并道引起的几百起追尾刮蹭等 小事故也会带来的时间和经济损耗。据2 0 1 0 年初中国居民生活机动性指数研究 报告最新的研究结果显示，北京居民上下班或上下学拥堵经济成本为3 3 5 6 元 月，以最高成本名列第一。广州和上海拥堵经济成本分别为2 6 5 9 元月和2 5 3 6 元 月列居第二位和第三位。另据调查还发现，中国有1 5 座大城市每月消耗在堵车上 面的费用接近l o 亿元，北京的月均拥堵成本高达6 0 亿元。 飞，q，厂一一 第1 章绪论 针对交通问题带来的环境、经济等各个方面的问题，出行者在出行时迫切需 要一个能够使其避免拥堵、避免违规驾驶、安全、便利、快捷地到达目的地的出 行信息服务系统。而对于交通管理者来说，也希望交通流量能够尽量合理地在整 个城市的道路网上分配。作为智能交通系统重要组成之一的动态路径诱导系统正 是为了达到上述目的而产生的。 1 2 国内外研究现状 1 2 1 国外研究现状 国际上对动态路径诱导系统的研究以日本、欧洲和美国为代表，形成了“三 足鼎立”的局面。最早研究车辆动态路径系统的国家是日本。一个叫做c a c s ( c o m p r e h e n s i v ea u t o m o b i k l e t r a f f i cc o n t r o ls y s t e m ) 的项目于l9 7 3 年在日本进行 了基于r f 射频通信的车载路径诱导的实验，得到的结论是可以节约1 3 的行程时 间【9 】。世界上第一个进行交通信息服务的通信系统是1 9 9 0 年在日本的一个叫做 v i c s ( v e h c i l ei n f o r m a t i o na n dc o m m u n i c a t i o ns y s t e m s ) 项目中使用 1 】。安装于道 路主要路段的红外信标、安装于乡村区域的道路和高速公路的短波信标以及调频 副载波广播是v i c s 采用的三种通信方式 1 】。随着技术的发展，日本的交通技术也 在不断的发展，由五个子系统组成的交互式中心决定式的路径诱导系统，它被称 作交通管理系统( u t m s ，u r b a nt r a f f i cm a n a g e m e n ts y s t e n ) ，它是一种与v i c s 兼容的系统。2 0 0 3 年，名古屋的产学协作团体实施了“基于p r o b e 数据的动态路 径引导系统的研究开发”项目，同时开发了p r o n a v i 车载导航系统，目的是为了 测验系统的稳定性和信息的有效性，日本于2 0 0 5 年名古屋世博期间进行了1 0 0 0 人规模的实验。为了决定最优路径，路径诱导系统将信息中心收集到的检测器数 据转化为路段行程时间数据，所以，在没有大量检测车辆的系统运行时也可以实 现路径诱导。目前在东京和长野的主干道上已经运行该系统。日本的动态路径诱 导系统d r g s 是世界上第一个投入使用的中心式路径诱导系统。 基于对红外线通信的研究是欧洲最早对d r g s 进行的研究。在八十年代后期 英国和德国分别研究了l i s b 系统和a u t o g u i d e 系统【2 】。t r a f f i cm a s t e r 是英国推出 2 p二；弋1 a 卜 基于城市交通信息的动态路径诱导系统优化算法研究 的世界上第一个商用车载路径诱导系统。德国开发的双模式d r g s 不仅可以安装 在红外信标的区域开发基于红外信标的路径诱导系统，而且在广域内开发基于 r d s t m c 交通广播的路径诱导。目前，德国、英国、意大利等十多个国家已经开 通了基于a l e r t - c 协议的交通数据频道r d s t m c 广播。d m r g ( d u a lm o d er o u t e g u i d a n c e ) 将静态的自主导航和基于r d s t m c 广播联合起来成为动态的分布式路 径诱导系统，扩展的系统可以用g s m 代替r d s t m c 系统。 美国对i t s 的研究是在9 0 年代后期开始的，进行了p a t h f i n d e r ，t r a v t e l d 2 1 ， a d v a n c e 3 】，s e i f t l 4 等以动态路径诱导系统为主要内容的现场运营实验。为动态 路径诱导系统建立系统性的研究基础是于1 9 9 1 年7 月至1 9 9 6 年1 2 月在美国芝加 哥进行的a d v a n c e 项目。美国在1 9 9 4 年8 月至1 9 9 7 年1 2 月份进行的s w i f t 项目使用高速的调频f m 副载波向车载专用电台、传呼机式手表、便携式微机提 供实时的交通信息，可实现分布式的路径诱导；美国在1 9 9 3 年4 月至1 9 9 8 年1 2 月进行的t r a v l n f o 项目通过各种设备可以向出行者提供准确而及时的动态路径和 多方式信息的建议，随着无线i n t e r n e t 的发展，基于i n t e r n e t 的i - c d r g s 非常的富 有开发和实用前景。现在区域性的多方式出行者信息系统在美国的各个地区得到 广泛的应用。美国对于基于i n t e m e t 的交通信息资源己经非常丰富。 1 2 2 国内研究现状 我国对车辆导航系统的研究起步较晚，主要由一些科研院所、学校及少数公 司进行探索性研究实验，目前正处于对定位系统、电子地图、双向通信等问题的 研究阶段，使用的基本都是以无线点广播为基础的诱导设备。u t f g s ( u r b a nt r a f f i c f l o wg u i d a n c es y s t e m ) 是我国的第一个动态路径诱导系统研究项目，它是根据我国 混合交通的实际特点，以城市交通面控系统资源为依托，是一种基于实时动态交 通信息的出行者和分布式动态路径诱导系统。1 9 9 5 年6 月同济大学研制了多段接 力式动态标志路线诱导系统。吉林大学在交通诱导系统方面做了一些研究，尤其 在交通预测、交通分配等方面开展了大量研究，取得了一些成果；北京工业大学 交通研究中心在车辆定位、临控与导航关键技术方面开展了多项研究，重点包括： 城市交通网络及其拓扑关系的表达，g p s d r 组合定位数据融合，基于g s m 进行 3 第1 章绪论 数据通信等；四维公司、大通公司和鞍山科信、南大善邻、西安东强、上海卫导 与三吉等公司通过与国外合作或引进或独立研制，做了大量的工作，取得了一定 进展。总体来说，我国的路径诱导系统的发展还处在初级阶段，基于g p s 、集群 通信、可变标牌的诱导系统正处于研究和试验阶段，。对城市路径诱导系统的全面 研究还有待发展。 1 3 动态路径诱导系统的构成 车辆路径诱导系统的定义是：在应用通信技术、地理信息系统技术所构成的 电子化数字地图的基础上，利用车辆定位技术对路段行驶的车辆进行定位，确定 其行驶的最优行驶路线，为出行者提供静态的或者实时的最优出行路线信息，同 时也可以为路上行驶的驾驶员提供最新的交通信息，以便不断的选择最优行驶路 线。车辆路径诱导系统经历了从静态路径诱导系统到动态路径诱导系统的发展过 程，静态路径诱导系统是利用历史的交通数据作为准则，为出行者提供路径诱导， 而动态路径诱导系统是利用实时的交通信息为驾驶员提供最新的、动态的路径诱 导。动态路径诱导系统可以根据车载诱导单元是在交通控制中心还是在车辆上将 其认为中心决定式动态路径诱导系统和分布式动态路径诱导系统。 1 4 本文组织结构 1 4 1 研究路线 利用m a t l a b 小波神经网络对短时交通流进行预测的基础上，首先对路段行程 时间进行预测，同时确定路阻函数；其次用绘图软件将含有路阻函数等道路属性 的路网图通过m a p x 转化成可以在v i s u a lb a s i c 编程语言应用的界面图，并开发出 了最短路系统；最后以大连市路网为例对最短路系统进行了应用，以说明其可用 性和优越性。 1 4 2 章节安排 第一章是绪论。在对课题研究意义和背景的基础上，简述了动态路径诱导系 统的构成。最后，叙述了国内外研究现状，以及研究路线和章节安排。 4 白 ： 一 _ a ，l 产 - 一 基于城市交通信息的动态路径诱导系统优化算法研究 第二章是对动态路径诱导系统进行了详细的介绍。主要介绍了系统的构成及 各个模块的功能，最后介绍了动态路径诱导系统的关键技术。 第三章是在对交通流预测和行程时间的方法进行介绍的基础上，利用小波神 经网络对交通流进行预测。 第四章是基于m a p x 的车辆诱导系统的开发及模块功能介绍。在对m a p x 介 绍的基础上，对诱导系统进行了开发，以及对各个功能模块进行了介绍。 第五章是案例分析，以大连市路网为例，对开发的最短路系统进行了实例验 证，以此说明最短路系统的优越性。 第2 章动态路径诱导系统简介 第2 章动态路径诱导系统简介 动态路径诱导系统是由交通控制中心和车载单元以及与之相对应的无线通信 技术组成。交通控制中心的功能是从各种交通信息中获得实时的交通信息，对要 发布的数据进行及时的处理，车载诱导单元的功能对交通信息进行接收、存贮和 处理，提供良好的人机界面，同时方便用户输入信息和获得诱导命令。通信系统 主要负责车辆和交通控制中心的数据交换。根据车载单元是否在交通控制中心， 将动态路径诱导系统分为分离式诱导系统d d r g s ( d i s t r i b u t e dd y n a n i cr o u t y g u i d a n c es y s t e m ) 和中心式诱导系统c d r g s ( c e n t r a l l yd e t e r m i n dr o u t yg u i d a n c e s y s t e m l 。分离式诱导系统的对象是单个车辆，这类系统的诱导机理比较明确，容 易达到诱导的目的。目前发达国家采用的是这种系统，但是分离式诱导系统对车 内设施和信息传输技术要求比较高、造价相对昂贵。中心式诱导系统是将在交通 控制指挥中心进行诱导，然后将诱导信息发给用户，这类诱导的系统价格相对比 较便宜及见效快。在我国现阶段所实施的交通诱导系统属于中心式诱导系统。 2 1 系统构成及模块功能介绍 动态路径诱导系统的构成主要有数据分析与处理、空间数据管理、属性数据 管理、地图显示和信息输出共五部分组成。具体如图2 1 所示【6 】。 a p p 。 一 基于城市交通信息的动态路径诱导系统优化算法研究 图2 1 动态路径诱导系统功能结构图 f i g 2 1t h ef u n c t i o ns t r u c t u r eo fd y n a m i cr o u t eg u i d a n c es y s t e m 数据分析与处理 g p s 定位数据转换可以将g p s 定位系统接收的数据转化成交通指挥 中心或者车载单元所需要的数据 道路权重标定是对最优路径进行标定，也可以是行程时间、出行费用、 道路等级以及交叉口等进行道路权重的标定 最优路径计算可以根据行程时间最短或者出行费用最小等不同的准 7 第2 章动态路径诱导系统简介 则来选择最优路径 空间数据处理 g p s 定位数据可以通过g p s 定位系统对车辆进行定位 数字化制图可以用数字形式存在于磁盘中的各种地图，能够比较方便 的存取、复制、传输、修改、排版 电子地图的绘制与修改绘制带有道路属性的地图，可以对地图进行缩 放、平移及选择 属性数据管理 属性数据记录的添加、修改与删除 属性数据库索引与外部数据库连接 属性数据字段的添加、修改与删除 地图显示 道路矢量图的显示 编辑图例与标注 地图缩放与平移 信息输出 交通网络地图 数据处理与结果分析提供给交通指挥中心，用以分析和做出决策 2 2 动态路径诱导系统关键技术 2 2 1 实时交通信息采集及处理技术 实时交通信息的获得可以通过安装在道路上的各种交通检测设备( 如：感应 线圈、雷达、视频、车牌照识别、红外传感器及浮动车辆) 检测。但是受到天气、 地理因素、人为因素以及故障等各方面因素的影响，检查到的交通数据存在着较 大的误差。随着g p s 技术的发展，基于车载g p s 及实时的检测技术已经逐渐成为 交通数据采集的研究和发展方向。利用安装在车辆上的g p s 定位模块采集道路网 中的交通信息，不仅克服了传统交通检测的数据精度和实时性差、高投入等缺点， 基于城市交通信息的动态路径诱导系统优化算法研究 同时可以降低成本，也可以利用运行的车辆获得较高精度的道路交通信息。 2 2 2 车辆定位技术 目前，车辆定位技术的测量方法有航位推算法( d e a dr e c k o n i n g ，简称d r ) 和全球定位系统( g l o b a lp o s i t i o n i n gs y s t e m ，简称g p s ) 两种方法。航位推算法是 通过距离传感器和方向传感器提供行驶距离、速度和方向的数值法来推算车辆所 在位置。其优点是：在短时间内保持较高的精度、不依赖外界信息、隐蔽性好、 抗辐射强、全天候观测。缺点是随着时间的推移其误差是越来越大，而且必须有 其他系统提供车辆的初始位置和初始方位角，所以不能长时间使用。 g p s 定位法是利用4 颗卫星定位系统的信号相位差和地面基准台的差分计算 来确定车辆的位置【6 】。这种定位方法克服了d r 的缺点，可以提供全天候、连续、 实时的高精度位置、速度和时间信息。但是这种测量方法的弊端是容易受到外界 环境的干扰，当车辆穿过了高楼区、涵洞、林荫区等，g p s 信号非常差甚至中断 而无法定位。为了克服问题，利用d r 的短时期高密度性特性和g p s 的长期高密 度性特性形成d r g p s 组合系统，可以互补彼此单独使用时的缺点，因此说d r g p s 是提供车辆定位最好的组合系统。 2 2 3 地图匹配技术 地图匹配技术是车辆导航系统的重要组成部分之一。其作用是利用数字地图 可以使定位系统更加的精确和可靠。地图匹配是为了修正并进行实时的数字匹配 实际的驾驶路线与电子地图上的误差。地图匹配结果很大程度上受数字地图的精 度影响。车载定位单元提供的定位信息存在着误差，使得车辆的实际位置与测量 的位置存在误差，因此需要地图匹配。地图匹配技术是利用已知的数字化地图， 匹配其他定位传感器所定位的位置与地图上的定位路径，通过计算机算法实现其 过程。地图匹配算法是在比较车辆轨迹与数字地图提供的路径的基础上，将定位 传感器的车辆的实际位置与道路网联系起来，运用匹配过程将车辆定位到地图的 最大可能位置。并依据车辆当前位置及目的地形成最优路径，在行驶的过程中不 断的进行路径优化寻找最优动态路径。常用的地图匹配算法有：基于模糊逻辑 9 。 第2 章动态路径诱导系统简介 ( f u z z y - l o g i c - b a s e d ) 算法、概论性( p r o b a b i l i s t i c ) 算法、半确定性 ( s e m i d e t e r m i n i s t i c ) 算法等。 2 2 4 无线数据通信技术 无线数据通信技术是动态路径诱导系统的关键技术。它主要承担着两个主要 的工作，一个是将出行者信息以及采集到的路况信息及时的上传，同时也将最新 的交通数据和路权信息及时的下发。目前常用的通信方式主要有：调频f m 副载 波( 包括低速的f d s t m c 和高速的h s 2 d s 、d a r c ) 、红外信标、g s m c d p d m o b i t e x 蜂窝式数据通信或者u h f v h f 的r f 射频双向数据通信、基于红外信标和 f m 副载波或者蜂窝数据通信的双模式d r g s 、基于g s m c d p d 等无线i n t e r n e t 一 服务。 以上是动态车辆路径诱导系统的关键技术，同时短时交通流预测以及路径诱 导算法研究也是动态路径诱导系统的关键技术，这两部分将分别在第三章和第四 章介绍。 l o p 户 l 基于城市交通信息的动态路径诱导系统优化算法研究 第3 章短时交通流与行程时间预测 交通流( 亦称交通流流量) 是指在特定时间内即指在t n ，内，通过道路某一 横断面或者某一交叉口或者道路的某一个观测点的车辆或者行人数量。交通流是 指道路交通网络上行人和车辆的动态运行过程。运用各种检测手段不断的检测出 道路网上的不同路段的实际交通流数据的过程叫做交通流状态。交通流不仅可以 整理出各个时段的交通流实际的分配格局，还可以根据不同的性能指标评价出不 同交通诱导信息的效果，交通诱导的规律性知识可以通过交通流状态、交通诱导 信息和交通诱导效果总结出来。由于交通流具有时空性、随机性、时变性、不确 定性、不可预知性、内在相关性、内在约定性等特性，说明交通流是一个复杂的、 不断变化的整体，并且变化速度快。总之，交通流的错综复杂性，导致交通交通 流信号中频率成分极其复杂，如何精确进行交通流预测成为当今科研的一个热点。 3 1 交通流预测方法介绍 预测的方法有很多，从不同的角度分类可以分成以下几类：以预测中获得 信息的形式不同分类，可以分为定性预测方法和定量预测方法【7 】。由于系统中的量 化信息比较少，无法进行量化描述，只能通过专家意见等方法为定性依据对未来 情况进行估计，对于这类预测我们称之为定性预测。如调查法、类推法、主观概 率法；用数学的方法建立起目标和因素之间的数学模型的预测方法叫做定量预测， 是预测中比较常用的方法，如回归法、时间序列法；根据模型的参数不同来分 类，可以分为基于参数模型方法和非参数的模型方法。利用直接记录或分析系统 的输入和输出信号的方法估计系统的非参数模型。所谓非参数模型是指系统的数 学模型中非显式地包含可估参数。非参数模型比参数化模型直观，辨识和计算非 参数模型的方法比辨识参数化模型要简单。非参数模型主要有：非参数回归、谱 分析法、k a r i m a 算法、状态空间重构模型、小波网络分析、基于多维分形的方 法等；参数模型包括：a r m a 系数模型、历史平均模型、k a l m a n 滤波模型、指数 平滑模型、神经网络模型等：根据预测目标的关系分为基于线性模型方法和基 于非线性模型方法。线性模型有h a ( 历史平均法) 、基于a r ( m a 、a r m a 、a r i m a 第3 章短时交通流与行程时间预测 等) 的时间序列法、指数平滑法、k a l m a n 滤波法等。非直线模型主要包括混合非 直线模型、原理模型和经验模型等。 随着预测技术的发展和成熟，在交通领域内的预测在上个世纪六、七十年代 开始，几十年来，各个国家的学者和专家利用不同学科的方法开发出了各种预测 模型用于短时交通流预测，如光谱分析法( 1 9 7 4 年) 、历史平均法、线性回归模型、 时间序列方法、人工神经网络模型、基于小波理论的方法、基于混沌理论的预测 模型、交通仿真、动态交通分配模型、以及不同模型的组合等。总结一下，大概 可以归纳七类：基于统计方法的模型、动态交通分配模型、基于混沌理论的模型、 交通仿真模型、非参数回归模型、神经网络模型及综合模型。 - ( 1 ) 基于统计方法的模型( s t a t i s t i c b a s e dm o d e l ) 这种预测方法的思路是：假设未来预测的数据和过去的数据具有相同的特性。 。 基于统计方法的模型主要有历史平均模型( h i s t o r ya v e r a g em o d e l ) 、线性回归模型 ( 1 i n e a rr e g r e s s i v em o d e l ) 、时间序列模型( t i m es e r i a lm o d e l ) 、m a r k o v 预测、卡尔 曼滤波模型( k a l m a nf i l t e r i n gm o d e l ) 、极大似然估计模型( m a x i u ml i k e l i h o o d f o r m u l a t i o nm o d e l ) 等。 时间序列模型( t i m es e r i a lm o d e l ) 时间序列模型是基于时间序列统计特性的一种常用的方法，它是处理动态随 机数据的参数化模型一种实用方法【8 】。对实际测量的数据序列的统计处理和数值分 析等过程，然后将它拟合成一个参数模型，然后利用这个模型分析研究实测数据 的内在联系性，从而根据它的规律，预测其未来值。时间序列模型主要有线性平 稳模型和非线性平稳模型。线性平稳模型主要有自回归模型( a r 模型) 、滑动平 均模型( m a 模型) 、自回归一滑动平均混合模型( a r m a 模型) 。非线性平稳模 型主要有自回归求和( a r i m a 模型) 和滑动平均模型( i m a 模型) 。时间序列模 型的优点是建模简单，容易理解，在数据充分的情况下，其预测精度较高，但是 同时也存在不足：只考虑交通本身的数据，没有考虑其他任何影响因素，而交 通流的变化受外界因素影响很大，所以，当交通状态急剧变化时，预测结果与实 际的结果间存在较大的时间延迟；模型的参数求解的过程是离线的，同时预测 中参数是固定不变的，不能移植，对于不确定性强的交通流动态预测很难适应； 1 2 镥 p i ， 基于城市交通信息的动态路径诱导系统优化算法研究 时间序列预测对数据的要求是连续的大量的数据，但是由于实际的信息采集系 统会遇到不同的问题，如：检测仪器的损坏、通信传播系统等问题，难免会出现 数据缺失的情况。所以在大范围的调整公路预测中这类模型是不适合的。 卡尔曼滤波模型( k a l m a nf i l t e r i n gm o d e l ) 卡尔曼滤波理论是1 9 6 0 年由k a l m a n 提出的，人们为了纪念他，以他的名字 来命名。卡尔曼滤波模型是一种广泛应用于现代控制理论中的先进时间序列方法， 运用观测方程和状态方程组成的线性随机系统的状态空间模型来描述滤波器，同 时利用状态方程的递推性，依据线性无偏最小均方差估计准则，采用一套递推算 法对该滤波器状态变量作最佳估计，从而求得滤掉噪声的有用信号的最佳估计【3 5 】 该方法输入参数可以是过去几段时间段或者是当前时间的一些变量，输出将来时 间相对应的预测值。该模型的优点：适应性较强、可以同时处理平稳和非平稳数 据、占有计算机内存空间较少、计算时间较少、具有线性、无偏、最小均方差性、 具有在线预测的功能；缺点是卡尔曼滤波是线性模型，所以在预测非线性、不确 定的交通流量时，模型性能变差，而且在计算时都要调整权值。 ( 2 ) 交通仿真模型( t r a f f i cs i m u l a t i o nm o d e l ) 由于影响交通流变化的因素很多( 如：天气、时间、节假日等) ，很难有一 个公式能把所有的因素都考虑在内。交通仿真模型可以提供一个唯一的手段来进 行评价。交通仿真一般以车辆为实体，通过计算机来模拟道路网实际的交通状况， 从而得到道路网预测的交通信息 9 】。严格意义来讲，交通仿真模型不能用于交通流 预测的目的，因为它需要输入用于预测的交通流数据。 ( 3 ) 基于动态交通分配的模型( d a t m o d e l ) d a