智能运输系统概论(39张)课件

1、智能运输系统概论（第三版）目 录第1章 绪论第2章 智能运输系统的体系框架第3章 智能运输系统的理论基础第4章 交通信息采集与处理技术第5章 通信技术第6章 车辆定位技术第7章 网络技术第8章 数据库技术第9章 新技术在智能运输系统中的应用第10章 交通信息服务系统第9章 新技术在智能运输系统中的应用 概述9.1车联网技术在智能运输系统中的应用9.2 云计算技术在智能运输系统中的应用9.3 大数据技术在智能运输系统中的应用9.49.1 概述随着近两年物联网（Internet of Things）技术、云计算技术在国内外的迅速发展，智能运输领域被赋予了更多的科技内涵，在技术手段和管理理念上也引起

2、了革命性变革。新技术DABC物联网车联网云计算大数据9.1 概述物联网已经成为经济危机后期国际竞争的制高点，在其推动下，智能运输将进入全新的快速发展时期。车联网（Internet of Vehicles）是物联网在智能运输系统（ITS）领域的延伸，是实现智能运输管理控制、车辆智能化控制和智能动态信息服务的一体化网络。云计算技术在智能运输领域的发展应用，对于提升城市综合交通信息化处理、推动产业优化结构升级、促进经济发展方式转变具有积极性意义，市场应用前景广阔大数据技术可以高效处理海量的交通信息，满足智能运输行业数据处理的需求。第9章 新技术在智能运输系统中的应用 概述9.1 云计算技术在智能运输

3、系统中的应用9.3 大数据技术在智能运输系统中的应用9.4车联网技术在智能运输系统中的应用9.29.2.1 车联网定义车联网是由车辆位置、速度和路线等信息构成的巨大交互网络。通过GPS、RFID、传感器、摄像头图像处理等装置，车辆可以完成自身环境和状态信息的采集；通过互联网技术，所有的车辆可以将自身的各种信息传输汇聚到中央处理器；通过计算机技术，这些大量车辆的信息可以被分析和处理，从而计算出不同车辆的最佳路线、及时汇报路况和安排信号灯周期。中国物联网校企联盟9.2.1 车联网定义车联网是将无线通信技术应用于车辆间通信的自组织网络；以车辆作为网络节点，通过综合使用多种无线通信技术接入互联网进而与

4、各种车联网服务连接；能够在行驶的车辆之间以及在车辆和路边基础设施之间建立无线通信；利用多跳转发的方式，可以让两个在彼此通信范围之外的车辆进行信息交换；对于提升车辆的信息化、自动化程度，减少交通事故，保障行车安全和提高交通效率具有十分重要的意义。9.2.2 车联网体系结构与关键技术车联网体系结构依据车联网需要提供的网络服务的内容，车联网体系结构可以分为感知层、网络层和应用层，如下图所示。体系结构9.2.2 车联网体系结构与关键技术感知层 由多种传感器及传感器网关构成，包括车载传感器和路侧传感器。 是信息的来源。可以提供车辆的行驶状态信息、运输物品的相关信息、交通状态信息、道路环境信息等。网络层

5、由车载网络、互联网、无线通信网、网络管理系统等构成。 能够传递和处理从感知层获取的信息，目前已经制定了车载环境下无线接入（WAVE）的相关协议。应用层 主要是与其他子系统的接口。 根据不同用户的需求提供不同的应用，如道路事故处理、紧急事故救援、动态交通诱导、停车诱导、危险品运输监控等。9.2.2 车联网体系结构与关键技术根据系统架构，车联网系统可分为智能车载系统（车辆）与智能路侧系统（基础设施）。智能车载系统包括车载信息获取、车载通信和安全预警及控制子系统等；智能路侧系统包含路侧信息获取、路侧通信、交通信息发布、交通管理与控制等子系统。将二者连接起来的关键是通信技术。关键技术车联网技术框架9.

6、2.2 车联网体系结构与关键技术车联网关键技术交通流状态检测技术行人和非机动车检测技术路面状态和环境检测技术车车/车路通信技术智能车载系统技术智能路侧系统技术车辆行驶安全状态及环境感知技术车辆精确定位技术车载一体化系统集成技术交通控制及信息发布子系统信息采集子系统复杂路况下的交通流安全运行速度确定方法路段车辆违法行为识别与控制技术动态协同车道技术协同安全预警技术9.2.2 车联网体系结构与关键技术车联网的无线通信技术主要上分两种：无线局域网和蜂窝移动网络。目前的车载通信市场主要采用GPRS、CDMA以及3G等移动通信技术，但成本较高且速度有限。随着无线城市的建设，越来越多的城市开始覆盖WLAN

7、，降低成本，提高带宽，满足交通信息实时交互的需求。WLAN环境下，路边基础设施为无线网关AP，车辆与车辆、车辆与路边基础设施之间通过WLAN进行通信。目前国际上选用IEEE 802.11p协议作为车联网通信系统的协议，符合智能运输系统中相关应用的需求。1）车车/车路通信技术9.2.2 车联网体系结构与关键技术车联网环境下无线接入（WAVE）协议栈如图示，其中WSMP（WAVE Short Message Protocol）是WAVE短信息通信协议，LLC（Logic Link Control）是逻辑链路控制。1）车车/车路通信技术WAVE协议栈9.2.2 车联网体系结构与关键技术主要是将各类传

8、感器获得的车辆行驶状态信息、周围的环境信息以及车辆本身的信息等，经过车载单元的分析和处理以向驾驶员提供信息服务；还能通过与路侧系统之间的通信，接受控制中心发送的信息和指令。车辆精确定位技术车辆定位可分为绝对定位和相对定位。绝对定位一般是通过卫星定位系统集合地理信息系统在获取车辆的经纬度信息后确定车辆在道路上的位置信息。目前常见的卫星定位系统有美国的GPS、俄罗斯的GLONASS、欧洲的伽利略和我国的北斗系统。其中GPS系统应用最广。2）智能车载系统技术9.2.2 车联网体系结构与关键技术车辆精确定位技术采用车载传感器进行相对定位。一种是以激光雷达、声纳距离传感器为代表的距离传感器，另一类是视觉

9、传感器。距离传感器的原理都是依靠发射信息来进行测距，可以测量车与车之间的距离、车与障碍物之间的距离，但对于车辆在车道上的位置识别却无能为力。视距传感器可用来进行位置识别，主要分为单目视觉传感器和多目视觉传感器。单目视觉传感器的原理是投影变化，只能获得平面信息，为了获得三维信息，需要使用多目视觉传感器。2）智能车载系统技术进行车辆相对定位所需要的一些重要参数单目视觉原理9.2.2 车联网体系结构与关键技术车辆行驶安全状态及环境感知技术车辆行驶安全信息包括车速、各种介质的温度、驱动系/转向系的运行状况等，通过安装在车上的车用传感器获得。环境信息包括交通状况、交通信号、路面状态、道路线形、行人和非机

10、动车等信息。交通状况和交通信号信息可通过车路通信从控制中心获得，也可通过视频传感器等综合感知技术来判断。路面状态信息变化包括路面的物理损坏和因为雨、雪等气候造成的路面附着系数改变，前者可采用激光、视频、红外等传感器来确定，后者可利用对水迹、雪迹、冰迹的识别进行间接计算。2）智能车载系统技术9.2.2 车联网体系结构与关键技术车载一体化系统集成技术包括行车安全预警与控制、智能运输信息服务等相关技术。在车联网环境下，车辆将自身感知到的信息、车车之间通信交互得到的信息和车路通信得到的路侧设备采集到的信息进行处理，进而提供对危险状况预警、对车辆运动状况进行辅助控制、动态交通诱导、停车诱导等相关服务。2

11、）智能车载系统技术9.2.2 车联网体系结构与关键技术包含三个子系统：一是信息采集子系统，即通过设置的各类传感器进行信息采集；二是通信子系统，完成车辆与路侧设备、路侧设备与控制中心之间的信息交互；三是交通控制及信息发布子系统，负责处理路侧设备采集到的信息和车辆采集到的信息，进行实时的交通控制和信息发布。信息采集子系统交通流状态检测技术行人和非机动车检测技术路面状态及环境检测技术3）智能路侧系统技术 车联网环境下的交通流采集9.2.2 车联网体系结构与关键技术交通控制及信息发布子系统复杂路况下的交通流安全运行速度确定方法动态协同车道技术路段车辆违法行为识别与控制技术协同安全预警技术3）智能路侧系

12、统技术9.2.3 车联网在智能运输系统中的应用车联网通过在车辆和道路之间建立有效的信息通道，实现智能运输系统的管理和信息服务。随着WiFi、RFID等无线技术近年来被运用于交通运输领域智能化管理，车联网将能够用于各个方面，主要包括：感知车辆、环境和道路信息交通数据的传输数据处理与智能决策交通状态显示和交通异常预警或报警信号控制与信息发布第9章 新技术在智能运输系统中的应用 概述9.1 云计算技术在智能运输系统中的应用9.3 大数据技术在智能运输系统中的应用9.4车联网技术在智能运输系统中的应用9.2云计算定义云计算（Cloud Computing）是分布式处理（Distributed Comp

13、uting）、并行处理（Parallel Computing）和网格计算（Grid Computing）的发展。云计算是通过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多台服务器所组成的庞大系统，经计算分析之后将处理结果回传给用户。通过云计算技术，网络服务提供者可以在数秒之内，处理数以千万计甚至亿计的信息，达到和“超级计算机”同样强大的网络服务。9.3.1 云计算定义 分类云服务按照服务的类别可以分为三种：即公共云、私有云和混合云。公共云是由第三方（供应商）提供的云服务。私有云是在企业内提供的云服务。混合云就是公共云和私有云的混合。云计算按应用模式可以分成基础设施即服务（Iaa

14、S）、平台即服务（PaaS）和软件即服务（SaaS）。IaaS就是给使用者提供最简单的计算存储和网络等等能力，让用户自搭建业务平台； PaaS是在云计算平台之上抽象出一些比较简单易用的接口和能力，让用户快速搭建自己的应用； SaaS只提供某些专门用途的服务应用调用。9.3.1 云计算定义云计算的应用模式 特点超大规模虚拟化高可靠性快速部署，弹性扩充按需服务9.3.1 云计算定义 技术体系结构云计算技术体系结构分为四层：物理资源层、资源池层、管理中间件层和SOA（Service-Oriented Architecture，面向服务的体系结构）构建层。9.3.1 云计算定义 技术体系结构9.3.2

15、 智能运输系统中的云计算针对智能运输建设的发展目标及服务对象，智能运输系统存在以下需求：掌控实时交通信息的需求实施交通管理措施的需求预测交通运行动态的需求具备良好的扩展性的需求智能运输系统有多个子系统，通过对这些子系统的应用服务和计算设备进行分层，可以得到共通的计算设备层，可以应用目前云计算服务提供商提供的服务，从而使智能运输系统提供的服务成为云计算服务的一种应用。这种基于云计算服务的智能运输系统称为“智能交通云”。交通云是由云计算和交通信息云服务构成的信息全过程，是一种交通信息采集、处理和应用的工作模式。9.3.2 智能运输系统中的云计算智能交通云系统是一个整合的、先进的、安全的、自动化的、

16、易扩展的、服务于交通行业的开放性平台。整合现有资源，针对未来的交通行业发展扩展整合将来所需的各种硬件、软件、数据;动态满足各应用系统，针对交通行业的需求,交通云全面提供开发系统资源平台需求，快速满足突发系统需求；提供极具弹性的扩展能力需求；海量交通数据的快速处理、监测以及快速发布；数据稳定性高。具备硬件和软件冗余机制，保障交通业务的连续性和灾难恢复，运输高安全、高时效和高准确性。9.3.2 智能运输系统中的云计算智能交通云系统的基本框架9.3.3 云计算在智能运输系统中的应用智能运输云系统的SaaS层由共享服务构件层和云应用系统层两部分组成。共享基础服务构件包括： 统一门户管理服务 PGIS查

17、询服务 统一消息服务 关系数据库通用查询服务 数据抽取集成服务 基本数据分析统计服务 数据关联查询服务 数据挖掘服务等等。9.3.3 云计算在智能运输系统中的应用云应用系统层则可分为： 基于云计算的路网交通流信息采集分析 基于云计算的交通信号控制 基于云计算的交通诱导信息服务 基于云计算的交通管理指挥调度 基于云计算的智能车辆管控智能运输云系统的SaaS层架构第9章 新技术在智能运输系统中的应用 概述9.1 云计算技术在智能运输系统中的应用9.3 大数据技术在智能运输系统中的应用9.4车联网技术在智能运输系统中的应用9.29.4.1 大数据的定义大数据定义大数据（Big Data）本身是一个较

18、为抽象的概念，单从字面来看，大数据表示数据规模庞大，但与以往的“海量数据”（massive data）、“超大规模数据”（very large data）等概念之间有何区别。目前，国内外对于“大数据”的基本定义尚未给予公认的说法。大数据由巨型数据集组成，这些数据集的大小常超出人类在可接受时间下的收集、使用、管理和处理能力。大小具有波动性，至2012年，单一数据集的大小从数兆字节（TB）至数十兆亿字节（PB）不等。几乎无法使用大多数的数据库管理系统处理，必须使用“在数十、数百甚至数千台服务器上同时平行运行的软件。9.4.1 大数据的定义大数据特征大数据（Big Data）具有4V特性：数据集的规

19、模性（Volume）大数据的首要特征就是应该具有数据的规模性。多样性（Variety）大数据的“大”是指复杂性方面的大，而不是体积大。高速性（Velocity）所谓的高速性特点是指对于大量数据的输入输出过程有着很高的要求，即快速的完成多种数据源的数据采集及数据处理的过程。真实性（Veracity）要求数据具有真实性特征，不能包含伪造数据。9.4.1 大数据的定义综上所述，通过对大数据所满足的基本要素分析，结合国内外相关的研究给出“大数据”的基本定义：“大数据”是指所涉及的数据规模复杂巨大，难以利用人工或者现有的数据采集、数据储存及数据处理方法处理的数据集合。在总数据量相同的情况下，与个别分析独

20、立的小型数据集（data set）相比，将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性，可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定实时交通路况等；这样的用途正是大型数据集盛行的原因。9.4.2 智能运输系统中的大数据信息处理模式目前，智能运输系统领域大数据的处理模式主要分为流体处理模式（stream processing）和批量处理模式（batch processing）两种。流体处理模式是指对于所采集的数据实时动态处理；批量处理模式是储存处理的过程。 流体模型框架 流体处理的基本理念是交通数据的价值会随着时间的流逝而不断减少，因此，尽可能快地对最新数据进行

21、分析并给出结果是所有流数据处理模式的共同目标。将交通数据信息视为流体，源源不断的数据组成了数据流。当新的交通数据到来时就立刻处理并返回所需的结果。基本交通数据流体模型9.4.2 智能运输系统中的大数据信息处理模式 批量模型框架 Google公司于2004年提出MapReduce编程模型是最具代表性的批处理模式。MapReduce是用于大规模数据集（大于1TB）的并行运算。概念“Map（映射）”和“Reduce（化简）”及他们的主要思想，都是从函数式编程语言借来的，还有从矢量编程语言借来的特性。当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduc

22、e（化简）函数，用来保证所有映射的键值对中的每一个共享相同的键组。MapReduce执行流程图9.4.3 大数据技术在智能运输系统中的应用大数据为智能运输发展带来新的机遇：大数据技术的海量数据存储和高效计算能力，将实现交通管理系统跨区域、跨部门的集成和组合；将会更加有效地配置交通资源，从而大大提高交通运行效率、安全水平和服务能力；交通大数据分析将为交通管理、决策、规划和运营、服务以及主动安全防范带来更加有效的支持；基于交通大数据的分析能够有效地为公共安全和社会管理提供新的理念、模式和手段。9.4.3 大数据技术在智能运输系统中的应用大数据可以在一下方面促进智能运输发展：缓解城市交通拥堵提高运输效率增强交通安全水平保障城市信息畅通提供环境监测方式激励学生学习的名言格言220、每一个成功者都有一个开始。勇于开始，才能找到成功的路。221、世界会向那些有目标和远见的人让路（冯两努香港著名推销商）222、绊脚石乃是进身之阶。223、销售世界上第一号的产品不是汽车，而是自己。在你成功地把自己推销给别人之前，你必须百分之百的把自己推销给自己。224、即使爬到最高的山上，一