基于Unix平台的视频监控存储与管理系统的研究与开发

道路交通视频监控是ITS的重要子系统之一。在Windows平台上开发的系统在稳定性、安全性、海量视频数据的处理能力等方面不尽人意。基于Unix平台集群环境下的视频监控存储与管理系统有效地解决了这些问题。通过视频数据的并行实时存储子系统、基于B／S的视频数据管理子系统和视频数据的回放3个子系统的独立和协同作用，实现对多路交通监控视频数据的实时存储及管理。实践证明，运行于Unix平台的视频监控存储与管理系统。数据吞吐率高，能对海量视频数据同时进行存储和管理。且安全可靠。     

区块链技术的城市智能交通大数据平台及仿真案例分析

传统的城市智能交通数据网络架构层级分布,各组织机构独立管理和上传数据,导致数据共享难以实现。首先,针对这一问题,提出采用区块链技术构建城市智能交通大数据平台的方法。该方法以区块数据为核心,去除了各组织机构的中心化数据管理,彻底改变了数据采集、数据处理分析、数据存储模式及方法,充分实现了城市智能交通这一多源系统的平台化大数据共享、去中心化和分布式计算。其次,区块链技术的城市智能交通大数据平台要解决及面临的主要问题即不同数据源数据的统一,数据的统一监管及运营,以及与其他先进技术的技术兼容。为解决这些问题,从技术的角度探讨了大数据平台的区块链关键技术。最后,以雾霾情况下路网交通流数据缺失问题为仿真案例场景,提出了区块链技术的具体应用方法。以北京地区部分路网为例进行仿真,结果表明,在传统的智能交通数据网络架构下,受设备安装布局和分属管理机构的限制,取得数据的路网覆盖率受客观环境的影响较大,可能导致数据缺失;数据采集系统均要独立运行,不能在网络底层共享数据。采用区块链技术的城市智能交通大数据平台架构打破了各组织机构的局限,实现了城市智能交通的数据共享,并进一步解决了传统网络架构下的数据缺失问题。     

面向多源异构信息融合的隧道群组装备数据提取技术研究

为保证隧道施工多源异构设备数据的有效采集，针对施工群组装备运行数据特征，开展散布、异构设备数据的并行采集方案及技术研究； 在先行构建出数据采集系统框架、采集实施流程的基础上，针对设备多维、连续数据生成的特点，开展基于流数据管理（stream-based date management， DSM）的技术方法探究； 通过构建多并发数据采集（forward-oriented optimal concurrency control， FOCC）系统，实现多源异构数据的集采、并采。通过重点对前向乐观并发数据采集管理、采集设备自动组网技术方案进行研发实践，研发多协议集成、多接口并发采集、自组网、自主发送的“数据采集终端”，成功实现了龙门吊、泥水分离系统等隧道施工装备运行数据的实时提取。研究证明，提出的多数据并采技术方案可有效解决多源异构数据采集问题。     

智能交通与大数据融合的优缺点分析

在大数据时代的今天,交通大数据促进了智能交通稳定快速发展,但在促进其发展的同时,也面临着诸多方面的问题。众所周知,唯有对海量交通数据管理与使用好,才能够切实解决好我国交通拥堵问题,并真正降低我国各地区交通事故发生率。基于此,本文分析了智能交通与大数据融合的优势与不足,希望能够对相关行业带来一定借鉴作用。     

城市道路交通运行特征三维可视化分析

为直观地探究多源、海量、异构交通数值型信息所隐含的交通规律,对交通数据进行可视化分析,从流量、速度、交通状态三方面分析了交通运行可视化的研究现状,总结了存在的问题与不足,提出了一种基于时间、空间、交通属性的三维可视图谱库的分析大数据背景下交通规律的思路;结合交通可视化面临的挑战和研究趋势,开发了交通可视化分析平台,为掌握不同典型情境下交通运行时空演变规律提供技术手段。     

交通信息整合利用中基于IRP的数据环境建设

面对众多城市一边着力建设专用的交通信息系统，一边又制造信息孤岛的现象，提出了对综合交通信息资源进行整合利用的观点。对于综合交通信息资源整合利用过程中的数据环境建设问题，章引入了信息工程方法论、信息资源管理理论和数据管理理论，借鉴信息资源规划的方法流程，建立了在综合交通信息资源整合利用中的数据环境构建方法框架，并以一个实例进行了说明。     

交通视频监控系统中的双证书访问控制研究

针对目前规划中的四川交通视频监控系统安全建设需求,提出了一种交通广域网环境下基于PKI/PMI架构,利用其公钥证书和属性证书相结合的方式实现安全访问的双证书访控模型.该安全基础模型从身份认证和授权机制两方面较好地解决了视频监控数据的访问控制问题.     

混凝土拌和站生产过程动态监控系统的开发与应用

为适应现场混凝土施工中存在的质量管理和成本控制需求,开发了基于GPRS远程信息传输、数据存储、分析平台和广域网（WAN）多用户实时访问信息门户（PIP）的混凝土拌合站生产过程动态监控系统。该系统实现了混凝土施工过程信息数据处理的智能化,解决了混凝土施工过程管理信息的真实性和反馈响应及时性问题,达到了对混凝土施工过程动态管理的目标。     

网格环境下大规模电力系统暂态稳定分析研究

本文是将网格计算技术和电力系统管理融合起来,结合电力系统中相关问题与网格计算技术特性相符合的背景,利用现有的暂态评估方法,提出一种网格环境下解决大规模电力系统中在线暂态稳定分析的海量计算问题框架,最后构建了一个集研究、应用开发和用户使用为一体的大规模电力系统集成分析的网格门户,让用户可以在线动态查看大规模电力系统的运行状况,安全评估及数据管理等。     

船舶航行交通事件实时检测技术研究现状与展望

船舶航行交通事件检测依赖基于历史数据的离线检测方法, 检测模型适用性差, 难以满足监管人员的实时监测需求。通过分析船舶异常行为检测、航行事故检测等现有交通事件检测技术, 可以发现: 在数据层面, 监测数据来源单一、环境信息缺失; 在方法层面, 基于统计、风险评估等经典模型的事件监测方法效率高但准确性低, 基于神经网络、图像识别等机器学习的检测方法准确性高但效率低; 多源数据融合、多项技术结合的交通事件检测方法成为实时检测方法的发展趋势。在此基础上, 梳理了实时船舶航行交通事件检测的3项关键技术: (1)海事大数据技术: 高效处理船舶运动数据和航行环境数据, 统一多源异构数据结构标准, 降低数据源单一造成的事件误报率; (2)船舶行为动态建模技术: 利用知识图谱等技术融合船舶航行情境信息, 在不同船舶运动环境下利用深度学习、语义关联、图神经网络等方法构建不同的船舶行为模型, 提高检测准确性; (3)实时分析和可视化技术: 结合平行系统进行虚实系统间信息传递, 定性分析检测结果, 实时显示检测全过程, 提升监管过程中的人机交互效率。然后, 提出了包括数据采集、后台服务和客户端应用3个功能模块的交通事件平行检测系统; 该系统具备实时接收并处理船舶航行数据、分析并预测交通状态、动态检测并预警交通事件和仿真结果展示等功能。从数据融合、交通状态感知和交通虚实映射3个方面, 展望了面向海事监测实务的实时检测技术发展方向。      

IntelliWay-变耦合模块化智慧高速公路系统一体化架构及测评体系

根据当前智慧高速公路系统的发展历程,总结一些典型的车路协同系统逻辑与物理模型。在总结国内外智慧高速公路系统的整体架构之后,提出新一代智慧高速系统的总体架构-IntelliWay,包括智慧高速公路系统分层模块化架构、基于变耦合程度的智能分级和基于事件驱动的数据分发机制。同时,根据当前智慧高速公路系统的主流应用技术,总结车载高精度定位、高级驾驶辅助系统(Advanced Driver Assistance System, ADAS)与车载总线、路侧设备优化、异构网络融合、网络负载均衡、网络信息安全、多传感器融合与协同感知、以用户为中心的场景自适应信息发布、车辆群体协同自动驾驶、基于大数据与人工智能的交通态势预测、车道级主动交通管理、组件式应用服务开发等驱动智慧高速公路系统快速发展的新兴技术研究现状,然后基于以上关键技术的特点提出未来智慧高速公路系统应用的实施建议;分析广播式交通信息服务、主动交通管理、伴随式信息服务、自动驾驶专用道、车辆队列协同驾驶等智慧高速公路系统的典型应用场景,进行智慧高速系统的测评方法分析和相关案例分析。最后,系统性地分析和预测智慧高速系统存在的挑战及未来发展趋势,以...     

面向智能网联交通系统的模块化柔性试验场

为了给智能网联试验场设计与建设提供参考,分析了智能网联交通系统中测试技术的研究现状;结合长安大学车联网与智能汽车试验场的测试和研究经验,提出了一种面向智能网联交通系统的模块化柔性试验场,该试验场包括应用场景、感知发布、网络链路和管理服务4个层次。应用场景层通过模拟真实场景中的天气、道路和交通条件,验证智能网联交通设备和服务在不同环境、不同场景的适应性;感知发布层通过摄像头、激光雷达、毫米波雷达等传感设备以及可变情报板等信息发布设备,实现环境数据及交通信息的采集,并下发相应的控制信息和服务信息;网络链路层由车载异构网络构成,通过网络间的协同工作,为应用场景层和感知发布层的设备提供网络信息服务;管理服务层负责下层数据的存储、备份、处理和可视化,并实现下层测试设备的管理与维护。在上述模块化平台的基础上,开发智能网联汽车室内测试台架,配合试验场进行交通场景构建、测试场景复现和单一要素分析,实现智能网联交通的柔性场景测试。结果表明：所提出的试验场具有标准化的测试条件,可控可追踪的测试流程和科学的测试评价体系,能够模拟真实的道路交通场景,提高智能网联相关技术的开发和测试效率。该试验场的建设、推广与应用,能够推进智能网联和无人驾驶技术从理论研究到实际应用的转化,为实现未来交通信息服务和交通系统的创新与变革起到至关重要的作用。     

基于瞬时阻抗的路径规划策略仿真性能评估

根据对实时路况的数据处理方式,常见的动态路径规划策略可分为瞬时阻抗T-SPF和平均阻抗A-SPF两种方式.如何验证这些策略的个体效益及其对城市路网的中长期影响一直是相关系统部署的核心问题.针对这一问题,通过Vissim的Car2X模块与自定义程序实现了仿真中的动态转向,并以现实路网为蓝本,对T-SPF和A-SPF在不同程度的市场占有率情况下的运行性能进行了测试.测试结果表明2种现有策略都存在各自的问题;当市场占有率达到15%以上时,T-SPF 策略可能令路网的通行容量处于振荡状态,而实施了 A-SPF 的路网的平均延误和通行量表现稳定,但在个体效益方面表现还不如静态策略.建议为城市路网实施路径规划时设计新的策略以及与之匹配的信号优化机制.      

考虑路网拓扑时变的交通拥堵自适应预测方法研究

对路网交通系统中的交通拥堵进行预测，有利于交通管理和避免交通风险。然而，由于交通管制、道路施工、恶劣天气、自然灾害等原因，路网交通系统的拓扑结构时常发生变化，使得依赖于固定路网拓扑的拥堵预测方法效果不佳。针对这一问题，提出一种双重自适应图卷积循环网络结构(DAGCRN)来处理路网拓扑结构变化情况下的交通拥堵预测问题，该方法运用自适应辅助邻接矩阵对预定义的路网静态图结构进行适应性学习以动态优化原有连接间信息的传递，运用自适应嵌入邻接矩阵对预定义路网静态图结构进行路网隐藏信息的捕捉以确保路网拓扑结构的动态完整性，并采用门控循环单元提取路网交通流的时间特征信息。研究结果表明,DAGCRN具备以下特点：①能够有效捕捉和定位路网拓扑结构发生的变化，并能够在拓扑结构变化时仍然保证拥堵预测的精确率；②相比较一些常见预测模型有更高的预测准确率，尤其是长期预测方面和克服路网结构变化方面更具优势；③进一步的双重自适应功能消融试验，证实了含有自适应辅助邻接矩阵和自适应嵌入邻接矩阵的双重自适应图卷积结构对于路网拓扑结构变化有很强的自适应能力，缺少2个或任一个自适应模块，都会引起模型预测性能的大幅下降。     

无人驾驶环境下考虑OD结构的路网容量模型（双语出版）

为了研究未来无人驾驶车辆对路网容量的影响，揭示无人驾驶车辆与普通车辆的相互影响特性，假设无人驾驶车辆遵循系统最优路径，普通车辆遵循用户最优路径，构建了无人驾驶环境下的道路网络储备容量模型。上层模型为满足路段容量约束条件下的最大交通需求，各OD之间的交通需求采用不同的增长乘子；下层模型为两类用户的混合路径选择行为模型，无人驾驶车辆以系统总阻抗最小为目标，而普通车辆以个人出行成本最小为目标。采用多种群遗传算法进行求解，并通过算例验证了模型和算法的有效性和可行性，得到非统一增长乘子下的路网容量，比较了统一增长乘子与非统一增长乘子的异同之处。研究结果表明：①两种计算结果所得到的道路网络容量增长趋势类似，但是非统一增长乘子计算结果大于统一增长乘子计算结果，当无人驾驶车辆市场渗透率达到一定比例时，二者计算结果的差异随着市场渗透率的增加而逐渐减小；②不同OD对的增长乘子不一定相同，无人驾驶车辆的加入可以优化不同地区的OD需求分布，从而提升整个道路网络的容量；③非统一乘子的计算方法可以有效避免不同OD对的干扰作用，提高部分OD对在低市场渗透率下的路径利用率，路段流量分布更加均衡；④当无人驾驶市场渗透率达到较高的比例时，道路网络容量可增加的幅度较小。     

匝道合流交通场景下自动驾驶汽车安全性测试评价方法

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。     

Towards connected autonomous driving: review of use-cases

Connected autonomous vehicles are considered as mitigators of issues such as traffic congestion, road safety, inefficient fuel consumption and pollutant emissions that current road transportation system suffers from. Connected autonomous vehicles utilise communication systems to enhance the performance of autonomous vehicles and consequently improve transportation by enabling cooperative functionalities, namely, cooperative sensing and cooperative manoeuvring. The former refers to the ability to share and fuse information gathered from vehicle sensors and road infrastructures to create a better understanding of the surrounding environment while the latter enables groups of vehicles to drive in a co-ordinated way which ultimately results in a safer and more efficient driving environment. However, there is a gap in understanding how and to what extent connectivity can contribute to improving the efficiency, safety and performance of autonomous vehicles. Therefore, the aim of this paper is to investigate the potential benefits that can be achieved from connected autonomous vehicles through analysing five use-cases: (i) vehicle platooning, (ii) lane changing, (iii) intersection management, (iv) energy management and (v) road friction estimation. The current paper highlights that although connectivity can enhance the performance of autonomous vehicles and contribute to the improvement of current transportation system performance, the level of achievable benefits depends on factors such as the penetration rate of connected vehicles, traffic scenarios and the way of augmenting off-board information into vehicle control systems.     

城市交通控制与诱导系统协同的信息分析

交通信号控制和动态交通诱导是城市交通管理的两个主要手段，2者协同运作能提高城市交通管理效率。多源交通信息处理是交通控制与交通诱导实现协同的基础和关键。文章分析了交通控制与动态诱导系统的信息需求特点，对交通控制与交通诱导系统协同运作的数据处理与信息融合进行了研究。     

融合路段传输模型和深度学习的城市路网短时交通流状态预测

城市路网短时交通流预测是实现智慧城市的关键技术，随着人工智能的发展，越来越多的深度学习算法被应用于城市道路交通状态估计和预测研究。但是深度学习因缺少对交通流演化机理的刻画导致其可解释性不强，而交通流解析模型常因预测精度问题导致其应用效果受到限制。为了取长补短，首先对路段传输模型（Link Transmission Model，LTM）进行改进，提出了可以利用真实数据实时校准仿真网络从而提高预测精度的数据驱动型路段传输模型（Data-driven Link Transmission Model，D²LTM），并在此基础上引入时空深度张量神经网络模型（Spatial-temporal Deep Tensor Neural Networks，ST-DTNN）来捕获网络交通流数据中的时间维、空间维和深度维特征信息，形成融合路段传输模型和深度学习的城市路网短时交通流预测模型D²LTM-STDTNN。该混合模型一方面通过D²LTM机理模型来揭示交通流演化的基本规律，发挥其对城市路网交通流状态时空演化过程的精细刻画能力，增强混合模型机理的可解释性；另一方面利用ST-DTNN模型强大的高维数据挖掘能力和动态特征学习能力，提高城市级路网交通流的短时预测精度。该模型还考虑了交叉口不同转向的短时预测问题，具有更细的空间粒度和时间粒度，因此也具有更大的预测难度。实测结果表明：D²LTM-STDTNN混合模型相对于基准模型预测精度更高，且具备模拟演化机理方面的优势，提升了城市路网短时交通流状态预测能力，揭示了路段间的交通流动态演化规律，可为网络交通流模拟推演和主动管控提供了技术支撑。