基于GPS浮动车的城市路段平均速度估计技术研究

交通检测及交通参数估计技术是现代交通管理及控制、诱导、规划的基础。现有固定点交通检测方法存在检测覆盖面小,设备安装和维护投资大等不足,不能完全适应现代交通控制技术发展的要求。目前,随着城市安装车载GPS接收机的车辆逐渐增多,GPS浮动车技术已经成为一种新型的交通检测和交通参数估计方法。本文重点针对目前城市现有少量、多类型的GPS浮动车及GPS浮动车检测周期较大的现实条件,研究基于GPS浮动车的城市路段平均速度估计技术,目的在于充分利用现有城市GPS浮动车检测数据,为交通部门提供实时可靠交通参数。 论文在深入分析了浮动车交通参数估计算法和模型的研究现状基础上,提出应用数据融合技术,结合GPS浮动车检测数据和道路交通信息,从空间域和时间域对GPS浮动车采集数据进行融合,进而估计路段平均速度的技术方案。由此,提出浮动车交通检测数据的特征提取、路段同型浮动车特征参数融合、路段浮动车特征参数和道路特征参数融合的三级数据融合层次,建立了路段平均速度估计模型。 根据估计模型的数据融合层次,首先进行数据采集及预处理,为各融合层次作数据准备。其次,对单一浮动车检测数据进行空间域数据融合,融合算法根据GIS电子地图的路段信息及路段空间节点位置,结合GPS浮动车检测数据及其在路段上的分布情况,对浮动车的路段行驶速度进行估计。 最后,在估计时段内,对多辆浮动车路段行驶速度进行时间域数据融合。时间域数据融合分两个层次,首先根据浮动车路段行驶速度估计值及其对路段区间速度反映的完整程度,在浮动车身份识别基础上,采用加权平均算法,估计路段同型浮动车区间速度;其次,结合路段的道路交通参数,根据路段各型浮动车区间速度,采用RBF网络进行数据融合,估计路段平均速度。 根据对城市主干道路实际采集的交通数据,通过对路段平均速度估计模型的实际测试和算法对比实验结果表明,算法在现有研究基础上,提高了估计的精度,算法估计结果受采样周期变化的影响很小;在90%以上的情形下,模型估计精度大于80%,满足于以较低的数据通信成本实现较高精度的路段平均速度估计的需求。