���ܽ�ͨ���������ۺϽ�ͨ��Ϣ����——“��ͨ7+1��̳”����ʮ�λ����ʵ

本次论坛针对城市交通的发展需要,探讨了智能交通物联网和综合交通信息服务问题,认为智能交通物联网就是将技术实用、理念先进的物联网技术,融合各种先进的智能交通技术以及人工智能等技术,运用于交通管理、信息服务和车辆控制等智能交通领域,以达到人、车、路和环境之间的和谐统一,从而形成高效、准时、舒适、低碳的城市综合运输系统.在综合交通信息服务方面,强调服务内容的深刻性和个性化,以及服务模式的人性化、智能化.强调使综合交通物联网信息最大限度地与其他各类相关信息系统实现互联互通,进而催生新的应用和服务.     

�������ܽ�ͨ����������̽�֪�——“��ͨ7+1��̳”�ڶ�ʮ���λ����ʵ

物联网是继计算机产业、通信产业、互联网产业之后的又一新兴朝阳产业. 智能交通物联网是利用智能交通和物联网的各种技术,有效集成地运用于综合交通运输体系中,使参与交通的人、车、路等要素形成一个协调的网络. 论坛以“城市智能交通物联网建设探讨”为主题,研究城市智能交通现状及存在的问题,探讨物联网时代智能交通的发展方向,研究提出可行的城市智能交通物联网架构及理念,并结合实际提出城市智能交通物联网建设方案.     

基于GIS-T的交通信息发布系统设计

基于GIS-T和MTD技术的智能城市交通信息发布系统的原理和运行机制,是将交通信息采集发布、交通流评估模型、交通流预测模型和WebGIS有机地结合在一起,构成一整套完善的城市智能交通信息发布系统,实现交通信息的直观、实时发布,辅助出行者进行出行最优路径选择和出行时间预估,从而达到交通流动态调控的目的。     

智能交通系统共用信息平台中的数据管理技术

实时智能交通数据是构建智能交通系统共用信息平台的基础,而对实时智能交通数据的有效管理是实现共用信息平台各项功能的关键。本文提出智能交通数据管理技术中两个关键问题——数据集成技术、数据压缩与存储技术的解决方案。数据集成的目标是利用定量的方法优化实时交通数据的集成误差,并最大限度地保留原始数据中的有用信息,以确定不同时段、不同用途、不同地点的最佳集成度,本文着重探讨利用信号处理中的小波变换理论进行数据集成的可行性。数据压缩与存储的目标是最大限度地减少存储庞大实时数据所需要的空间,同时又可满足现在和将来所有用户和用途对数据的已知和潜在的需求,本文将重点介绍通过定量化的抽样技术来完整地保留最有代表性的原始数据的方法。此外,本文还将探讨其它一些与数据管理相关的内容,如:数据质量保证,数据流程框架,数据标准与规范,数据安全保证等。     

城市网络智能交通综合管控平台研究与设计

目前,中国多数城市的智能交通子系统处于独立运作的状态,缺少信息的互联互通,没有发挥应有的功用.文章从不同单位间信息共享及融合、集中管理、操作方便及系统美观等方面,研究并设计了网络化智能交通综合管控平台.利用统一的平台将各子系统集中管理,实现系统联动,提高信息利用率,从而更好地服务于交通管理者和交通参与者.     

基于大数据架构的智能交通信息处理的研究与设计

随着交通领域的信息资源越来越庞大,传统的处理方法难以支撑海量数据的实时计算、低延时查询和统计分析等需求。文中提出一种基于Hadoop大数据架构的智能交通信息处理的设计方法,通过分析智能交通领域的应用需求状况,研究结合大数据处理技术的计算模式,处理多用户需求及大规模海量的交通数据,实现大数据的共享的、高效的存储和计算方法,不仅动态实时地、按需地提供个性化服务,还能构造交通管理、出行参考、监控刑侦等全方位、多角度的智能交通信息处理体系。     

基于Optima的实时在线交通流预测方法研究

目前城市道路交通流预测主要是基于物理模型、数理统计特性并融合部分智能预测算法来实现的,而对于一些影响预测效果的重要交通因素,诸如FIFO原则、交通信号控制方案等在现有的预测方法因无法很好地引入和描述而忽略.本文提出了一种基于Optima系统实现的实时在线交通预测方法,通过建立路网模型、需求模型及初始OD矩阵获取路网实时状况,并通过构建关联数据库实现实时路网模型信息、交通信号控制信息的有效对接,依据TRE算法预测路段进出口的累积流量并结合模型分配值、历史数据实现实时在线交通预测.以北京市望京区域为例进行仿真验证,通过误差分析,获得了较为理想的预测效果,验证了该预测方案的有效性.     

浮动车辆数据在城市智能交通中的应用

道路实时车速监测是城市智能交通体系中最基础和重要的组成部分,利用出租汽车这一浮动车辆载体采集的道路车速实时信息,结合智能终端和系统平台处理,可实现城市道路的车速实时监测、发布和深度开发利用,对改善城市交通拥堵、节能减排、实现城市智能交通起到重要作用。     

中兴智能交通

中兴智能交通系统（北京）有限公司（ZTEITSLIMITED）成立于2000年4月,是中兴通讯股份有限公司致力于智能交通领域的专业子公司,是中国第一批从事智能交通（ITS）产业的高新技术企业。公司面向高速公路、轨道交通、城市交通、水运港口、民航和管道等交通领域,为用户提供完整的基于物联网的综合交通运输行业智能化系统解决方案和产品服务。公司以实现客户价值最大化为经营理念,确立了成为“智能交通领域通信专家、智能交通行业物联网专家,建设国际一流智能交通物联网高科技产业园区”作为公司的远景发展目标。     

基于车联网技术的车路协同系统设计

在全面分析系统功能的基础上,基于车联网技术提出了一种具有感知功能的车路协同系统的设计方案,对系统的物理框架和逻辑框架进行了设计,重点研究了各子系统的组成与功用,分析了系统的智能感知、车路协同通信和智能信息处理等关键技术.研究表明:该系统可以实时、准确地感知和采集车辆、道路环境以及全路网的交通运行状况等信息,有效实现车与...     

��������Ӧ��Ȩƽ���ij��ټ���о�

随着智能交通的发展,海量的交通状态实时数据成为智能交通的研究对象,利用低损耗获取高实时性的交通流状态成为实际应用研究中的重点.本文引入一种自适应加权平均的车速检测方法,与以往的方法相比,自适应加权平均方法更加简单,并且容易实现;虽然其误差比最小均方差加权平均算法略大,但是这种方法不必以存储海量的交通信息数据为代价,解决了交通信息采集过程中的关键——实时性不高、存储容量大等实际问题.通过MATLAB仿真结果可以看到,此方法大大节省了数据存储空间和数据处理的时间,适合在实际工程应用中广泛推广.     

城市短期交通流量预测方法的探讨

根据实际观测得到的交通流量数据,运用灰色预测模型、神经网络以及最小二乘拟合等三种交通流量预测模型．对上海市延安东路隧道浦西段入口处短期车流量进行短期的预测。计算结果表明,神经网络模型的精度最高。最后提出一种根据短期交通流量预测结果的人工智能解决交通拥堵的方案。     

无线传感器网络在城市智能公交系统中的应用

结合智能交通系统特点及要求,介绍了无线传感器网络技术在城市公交车辆智能化管理中的典型应用,通过无线传感器网络技术将车载终端与调度监控中心相结合,能够对行驶的公交车辆进行实时监控、交通信息传送等功能,有助于交通系统的智能化。     

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream，MTS)下智能网联车(Intelligent Connected Vehicle，ICV)实现鸣笛意图(Horn’s Intention，HI)识别，更好地遵循常规车辆(Manual Vehicle， MV)的驾驶意图，提出ICV 对MV 鸣笛声的“ 感知(Perception) — 定位(Location) — 识别 (Recognition)”模型(简称HI-PLR)，采用深度卷积—循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声；采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV；再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明，HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%，定位角度估计误差小于5°，HI 识别率达 82.5%，为ICV在MTS中的智能驾驶决策提供依据.     

面向混合交通流的智能网联车鸣笛意图识别模型

为使混合交通流(Mixed Traffic Stream，MTS)下智能网联车(Intelligent Connected Vehicle，ICV)实现鸣笛意图(Horn’s Intention，HI)识别，更好地遵循常规车辆(Manual Vehicle， MV)的驾驶意图，提出ICV 对MV 鸣笛声的“ 感知(Perception) - 定位(Location) - 识别 (Recognition)”模型(简称HI-PLR)，采用深度卷积-循环神经网络(Deep Convolution Recurrent Neural Network, DCRNN)算法感知鸣笛车辆(Horning Vehicles, HV)的鸣笛声；采用到达时差 (Time Difference of Arrival, TDOA)算法定位HV；再基于运动时间窗(Motion Time Window, MTW)的支持向量机(Support Vector Machine, SVM)算法识别HI.实验结果表明，HI-PLR可使 ICV 对混流中车辆的鸣笛声感知准确率达90.4%，定位角度估计误差小于5°，HI 识别率达 82.5%，为ICV在MTS中的智能驾驶决策提供依据.     

基于强化学习的汇流瓶颈区可变限速策略研究

为提高高速公路汇流瓶颈区的通行效率,本文结合强化学习无需建立模型,具有智能学习的特点,对瓶颈区的可变限速策略进行了优化,首次提出了基于Q学习算法的可变限速控制策略.策略以最大化系统总流出车辆数为目标,通过遍历交通流状态集合,尝试不同限速值序列进行自适应学习.以真实路段交通流数据搭建了元胞传输模型仿真平台,通过将其与无控制和基于反馈控制的可变限速策略进行对比,对Q学习策略的控制效果进行评价.通行时间的降低和交通参数的变化表明,强化学习控制策略在提高汇流瓶颈区通行效率和改善交通流运行状况方面具有优越性.     

����ǿ��ѧϰ�Ļ���ƿ�����ɱ����ٲ����о�

为提高高速公路汇流瓶颈区的通行效率,本文结合强化学习无需建立模型,具有智能学习的特点,对瓶颈区的可变限速策略进行了优化,首次提出了基于Q学习算法的可变限速控制策略。策略以最大化系统总流出车辆数为目标,通过遍历交通流状态集合,尝试不同限速值序列进行自适应学习。以真实路段交通流数据搭建了元胞传输模型仿真平台,通过将其与无控制和基于反馈控制的可变限速策略进行对比,对Q学习策略的控制效果进行评价。通行时间的降低和交通参数的变化表明,强化学习控制策略在提高汇流瓶颈区通行效率和改善交通流运行状况方面具有优越性。     

基于GPS浮动车的高速公路路线诱导方法研究

随着我国高速公路建设的快速发展,高速公路路线诱导可以显著提高高速公路的通行能力。根据现代智能交通运输系统的实际需求．研究基于GPS浮动车数据的采集系统,并构建基于BP神经网络算法的旅行时间预测模型,可为驾驶者提供实时的路线诱导,同时有助于驾驶员避开拥塞和提高出行质量。     

�������Ԥ��ģ�͵Ķ�ʱ��ͨ��Ԥ��

在现代智能交通系统中,短时交通流预测是实现先进的交通控制和交通诱导的关键技术之一.为了提高短时交通流预测的准确性,本文提出了一种基于组合预测模型的短时交通流预测方法.一方面,根据当前的交通流数据来动态调整其对未来预测的影响;另一方面,通过对历史交通流数据的时空特性分析,利用数据挖掘领域的相关知识寻求与当前交通流特性最为相似的历史曲线,并以其为基础来获得预测值的匹配值;然后,将二者获得的信息进行融合,采用多种不同的组合方式来实现短时交通流预测.以厦门市莲花路口断面的交通流量为例,通过对仿真图像和数据的分析,得出各种组合方法的预测平均绝对相对误差均小于10%,能够较好地满足交通诱导系统的需求.     

两种短时交通流混沌预测方法分析

短时交通流预测是智能交通系统的核心内容和交通信息服务、交通诱导的重要基础。采用符合交通流特性的混沌理论对短期交通流进行预测。在相空间重构和混沌识别的基础上,建立短期交通流加权一阶局域预测模型和基于最大Lyapunov指数的预测模型,并对一组实际的交通流数据进行预测。仿真结果表明:两种方法都能较准确的预测交通流,但最大Lyapunov指数预测模型的预测精度相对较高。