智能交通产业化研究

城市中入、车、路间矛盾日趋突出,给城市的可持续发展带来了诸多负面效应.智能交通系统(ITS)被认为是解决城市交通问题最有前途的方向,因此,智能交通产业应运而生并迅速发展起来.在概括了智能交通产业的概念、特点及内涵的基础上,从产业化的角度研究了智能交通产业的成本、风险和收益问题,提出了应对智能交通产业化的有效策略.     

未来城市交通技术发展与创新 ——“交通7+1论坛”第五十二次会议

随着移动互联网、大数据和人工智能等技术发展,城市交通系统中涌现出“共享交通”“需求响应式出行服务”“无人驾驶”“城市交通大脑”等新兴的交通工具、服务模式和管理手段,未来交通系统将面临创新发展的机遇,并对传统交通行业带来巨大挑战.本次论坛以“未来城市交通技术发展与创新”为主题,分析了预约交通系统的发展前景,探讨了超级交通仿真系统的相关核心技术,分析了无人驾驶的发展、挑战及仿真技术,说明了大数据和人工智能技术在城市智慧发展中的作用与运用要点.     

基于CDMA网络的城市交通数据采集与处理技术

交通数据采集与处理技术是构建智能交通系统的基础。首先通过分析各类交通数据采集技术,提出了基于CDMA网络实施动态交通数据采集的方法;然后以重庆市主城区为例构建了动态交通数据采集系统;最后结合城市道路交通的特性对数据进行处理,使数据与道路相匹配,并在GIS地图上实现道路交通状态的实时显示。     

基于绩效评价的智能交通设施运维管理系统设计与实践

针对智能交通系统建设所带来的大量智能交通设施运维管理问题,提出了一种基于绩效评价的智能交通设施运维管理系统设计与实现方法,采用被管对象层、采集层、处理层和应用层的四层系统架构设计.该系统已应用于上海和其他城市智能交通运维管理系统的实践中,有效提高了智能交通系统设施运维管理效率,具有推广应用的前景.     

大数据环境下上海市综合交通特征分析

20世纪80年代上海市已经开始建设智能交通系统,开展交通数据采集工作.历经2010年世博会,上海市交通信息化快速发展,交通大数据的种类越来越多,为基于大数据挖掘的综合交通调查与分析提供了良好的基础条件.基于2014年上海市第五次综合交通调查结果,综述上海市交通大数据资源现状和基于大数据的城市综合交通特征挖掘分析技术方法及主要成果.提出进一步拓展运用大数据分析城市综合交通特征的应用领域、优化大数据挖掘技术方法和完善大数据采集处理机制的相关建议.     

大数据时代城市智能交通系统发展方向

伴随大数据时代的到来,新技术与新思维必将引发城市交通学科的重大变革,首先是城市智能交通领域。从交通系统的基本属性、交通大数据发展特征、城市交通发展的基本理念和战略出发,深入剖析中国智能交通系统研发与应用存在的隐忧和倾向:高端智能决策支持欠缺、车联网技术研发泛化、理论创新匮乏、系统建设依旧各自为政未形成合力等。强调城市智能交通系统的发展必须服从城市交通发展战略的需要,充分利用大数据技术。最后,提出未来智能交通系统的发展方向和系统建设任务。     

大数据时代新技术在智能交通中的应用

为探索大数据时代人工智能、大数据等新技术如何应用到交通运输领域中,实现智能交通的重大变革,首先,从信息资源整合、数据智能分析决策、大数据全生命周期的新技术应用、信息主动推送、智能网联汽车等方面提出智能交通的痛点及需求。其次,总结智能视频分析、交通信号控制、智能交通平台应用及智能网联汽车等业务领域研究现状。再次,围绕自然语言处理、计算机视觉、智能化交通信号控制、汽车电子标识、数据湖蓝光存储等新技术,分别从技术突破、业务应用两个方面阐述新技术突破在智能交通领域的应用。最后,提出了大数据时代新技术 在智能交通领域研究方向的建议。     

成都市智能交通实施框架

大力发展智能交通系统是缓解成都市交通拥堵的有效手段之一.成都市已初步构建综合交通数据枢纽、智能交通技术支撑平台和智能交通应用系统.成都市“交通先行”的交通发展战略对ITS提出新需求.近期成都市ITS应以“一枢纽、七平台、多个应用系统、一套保障体系”为实施框架,未来建设完善的重点包括8项内容.     

我国城市智能交通系统的发展

人口膨胀、车辆激增引发了交通拥堵、交通事故和环境污染等一系列社会问题,在不断延伸的空中、地面和地下交通网络都不能有效解决这些问题时,智能交通系统成为有效解决交通问题的科学方法。从智能交通系统的概念入手,主要介绍国内外智能交通的发展。     

基于物联网的新一代智能交通

智能交通的概念已被社会所接受,并得到广泛的应用。与此同时,智能交通系统所存在的问题也日益显现,物联网的出现为智能交通的发展提供一条新道路。首先介绍物联网的概念、原理和结构;随后分析物联网对交通运输行业的影响,并重点阐述物联网与智能交通之间的联系,探讨基于物联网的新一代智能交通系统的体系结构;最后,展望基于物联网智能交通的应用前景。     

城市交通控制中的数据采集研究综述

过去几十年来,城市交通控制技术为适应不断增长的交通需求和日益复杂的管理目标有了长足发展. 作为城市交通控制策略制定和控制算法设计的基础,交通数据决定了城市交通控制的适用性、可靠性和先进性. 数据采集技术的发展为城市交通控制能力的提升带来了机遇和挑战. 本文回顾交通控制系统中数据采集与参数估计的基本方法,分析评述检测数据方法从固定式无标识数据、移动式检测数据到固定式有标识数据的演变,指出它们给交通参数估计带来的变革. 结合20 世纪末出现的移动式检测技术,分析评述了对应的两种交通参数估计方法,即基于概率论的方法和基于交通流激波理论的方法给交通控制带来的影响. 针对近年来出现的固定式有标识检测数据,分析其对城市交通需求估计及交通控制策略参数估计研究带来的新任务. 最后,分析指出我国未来交通控制研究的三个方向：一是城市交通控制系统的信息范围已扩展到区域和路网层级,二是交通参数估计研究的重点随着数据采集方式的演变已转向提高参数估计的实时性与精度等领域,三是交通参数研究理论与实践存在差异,如何结合我国城市交通系统运行中检测环境差异导致数据误差率的变化,交通流到达规律的变化,道路上不同种类交通流间的交叉干扰等实际应用因素,使方法与模型能有效地指导我国复杂的交通控制实践是重要方向.     

论ITS的结构体系

主要讨论智能交通系统理论范畴,探讨其主要研究内容和结构。寻求建立ＩＴＳ结构模型,将人、车、路、环境系统通过技术群有机地结合成为一个运行有序的交通系统,从而达到最大提高交通运输的效率,保障效能安全,改善环境质量,提高能源利用率的目的。     

���ڵͲ���Ƶ�ʸ��������г̳�����Ϣʵʱ�ɼ�����

智能运输系统(ITS)是当前解决交通问题的最佳途径之一,而动态交通信息的发布与预测是ITS的关键所在。然而由于在各种外部因素下,道路交通状态呈现出随机变化的特性使得动态交通信息的发布与预测成为一大难点。结合某城市的实际情况,本文建立了在定位误差、采样间隔、车辆类型、道路类型等因素影响下的行程车速估计模型,并用实测数据对模型进行精度验证。结合出租车车辆的特殊信息,改进了低采样频率浮动车技术的估计算法,建立了空车数据处理模型;针对城市复杂和相似路段问题,提出了基于距离、方向角、连通性、历史数据以及车流方向等约束条件下的地图匹配算法;针对低采样频率浮动车数据,提出了考虑交叉口影响下的行程车速估计算法,通过实测数据评估了算法的性能;最后,针对不同检测技术的特征,提出了数据融合算法。     

基于云平台的交通视频检测数据优化研究

交通视频检测技术在智能交通领域应用广泛,成为当前交通信息采集的主要手段.但在恶劣天气条件下,视频车辆检测器采集的交通数据误差较大,难以准确反映路面实际状况.为解决此问题,本文提出基于不同气象能见度等级构建k 型BP网络,对气象能见度低于10 km时的原始交通数据作预处理优化.分析了云计算在交通信息处理方面的优势,基于云计算平台实现了该模型的构建与推广.最后以成都绕城高速七里沟大桥定点观测得到的数据做样本进行实例分析,对比了该模型方法与传统处理方法的数据处理效果,得出了本文方法较传统方法先进的结论.     

动态交通数据故障识别与修复方法

为提高交通模型输入信息的可靠性,通过对交通传感器采集到的动态交通数据的故障进行识别,并根据不同的故障种类采取补充、还原或修正等方法对数据进行修复。分析结果表明,动态交通数据的故障识别与修复方法是可行的,尤其是对数据的补充处理,可以很好地解决因为数据丢失而给后续处理带来的困难。     

面向服务的城市交通综合信息服务平台应用研究

本文结合城市交通信息系统中存在交通数据异构、业务系统互操作性差等不足,依托交通地理信息系统技术,提出"交通一张图"的理念,将各交通业务以服务的方式整合在地图上,即城市交通综合信息服务平台,实现交通数据的共享和系统的互操作。文章阐述了交通综合信息服务平台的系统架构,并在此基础上介绍了系统的主要功能、关键技术和标准规范。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱,以及过分依赖历史数据的不足,提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型,包括受限玻尔兹曼机的显层节点输入端,受限玻尔兹曼机的若干中间层,以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较,结果表明,在相同的数据和计算平台下,本文提出的深度学习回归机预测方法精度更高,且预测实时性也能满足实际的需求.     

城市区域交通检测器优化布局模型

智能交通系统（ITS）是公认的缓解城市拥堵的有效手段之一,交通检测器为ITS提供交通基础数据支持。在城市路网中合理布设交通检测器是保证交通数据准确、有效的前提。以交通检测器效用最大和布设检测器费用最少为目标,构建交通检测器优化布局模型,并通过算例加以说明,为此类研究提供了一个新的思路。     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.