發(fā)布時(shí)間：2014-12-22 10:05

 

【摘要】 依托國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）課題《多源多維城市交通狀態(tài)感知與交互處理》，本文對(duì)車(chē)聯(lián)網(wǎng)環(huán)境下的交通信息采集與處理方法進(jìn)行了深入研究。在對(duì)國(guó)內(nèi)外研究現(xiàn)狀和研究趨勢(shì)進(jìn)行分析的基礎(chǔ)上，本文首先對(duì)車(chē)聯(lián)網(wǎng)的系統(tǒng)架構(gòu)和關(guān)鍵技術(shù)進(jìn)行了分析。接下來(lái)在對(duì)車(chē)聯(lián)網(wǎng)關(guān)鍵技術(shù)分析的基礎(chǔ)上，得出路側(cè)單元布設(shè)及優(yōu)化方法是車(chē)聯(lián)網(wǎng)環(huán)境下交通信息采集方法中的重要一環(huán)這一結(jié)論，并通過(guò)分析及實(shí)驗(yàn)，給出路側(cè)單元的布設(shè)方法和調(diào)度優(yōu)化方案。之后，在車(chē)聯(lián)網(wǎng)環(huán)境下交通信息處理方法方面，根據(jù)車(chē)聯(lián)網(wǎng)下對(duì)車(chē)輛定位技術(shù)的需求，提出了一個(gè)基于非參數(shù)動(dòng)態(tài)模型的自適應(yīng)數(shù)據(jù)融合框架結(jié)構(gòu)以及一個(gè)適應(yīng)信號(hào)強(qiáng)度和到達(dá)時(shí)間的自適應(yīng)似然粒子濾波方法，實(shí)現(xiàn)基于已有的基礎(chǔ)設(shè)施對(duì)車(chē)輛精確定位。最后，在行程時(shí)間預(yù)測(cè)技術(shù)方面，針對(duì)車(chē)聯(lián)網(wǎng)下交通信息的特點(diǎn)，提出改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)（ANN）和改進(jìn)的支持向量回歸（SVR）方法，對(duì)行程時(shí)間進(jìn)行預(yù)測(cè)，設(shè)計(jì)了一個(gè)仿真平臺(tái)，并采用實(shí)際數(shù)據(jù)進(jìn)行仿真，仿真結(jié)果表明提出的改進(jìn)支持向量回歸的行程時(shí)間預(yù)測(cè)模型具有良好的性能。 

第1章   緒論

 

1.1  研究背景

1.1.1 選題背景

根據(jù)公安部交管局的統(tǒng)計(jì)，2011年全國(guó)涉及人員傷亡的道路交通事故共發(fā)生 210812起，事故造成62387人死亡。經(jīng)統(tǒng)計(jì)，2011 年世界上汽車(chē)保有量排名前 6 的國(guó)家因交通事故死亡的人數(shù)，其中美國(guó)為 32310 人，日本為 4612 人，德國(guó)為 4009 人，意大利為 3800人，俄羅斯為 27900 人。我國(guó)的交通事故死亡人數(shù)是美國(guó)的 2 倍，日本 14 倍。即使是按萬(wàn)車(chē)死亡率，我國(guó)也是美國(guó)的2倍。雖然近年來(lái)我國(guó)在交通設(shè)施建設(shè)、交通法規(guī)完成程度、駕駛員和行人的交通安全意識(shí)等方面取得了一定成績(jī)，交通事故死傷人數(shù)有所減少，但相比主要發(fā)達(dá)國(guó)家仍有較大差距。引起交通事故發(fā)生的原因是多方面的，包括駕駛員本身對(duì)駕駛技能的掌握、危險(xiǎn)發(fā)生時(shí)的反應(yīng)能力、遵守交通法規(guī)意識(shí)的強(qiáng)弱、車(chē)輛本身狀態(tài)如何、道路本身的路況以及天氣等等。車(chē)聯(lián)網(wǎng)環(huán)境下，駕駛員能獲得鄰近車(chē)輛的實(shí)時(shí)信息，如車(chē)速、行駛方向和位置等，如果能在危險(xiǎn)到來(lái)前，提前警示駕駛員，以確保其有足夠的反應(yīng)時(shí)間實(shí)施緊急避險(xiǎn)行為，能避免交通事故的發(fā)生或者將事故造成的損失盡可能降低。

車(chē)聯(lián)網(wǎng)的建設(shè)和發(fā)展徹底改變了人們未來(lái)的出行模式，大大提升道路交通網(wǎng)絡(luò)的運(yùn)輸效率、安全水平、智能化水平及環(huán)保水平，為建成一種適應(yīng)現(xiàn)代道路交通網(wǎng)絡(luò)運(yùn)輸發(fā)展的建設(shè)、運(yùn)營(yíng)、管理模式提供突破口。此外，車(chē)聯(lián)網(wǎng)的應(yīng)用還可以很大程度的解決停車(chē)?yán)щy問(wèn)題，減少了在尋找車(chē)位過(guò)程中帶來(lái)的能源消耗，一定程度上也減少了對(duì)道路資源的占用。

車(chē)聯(lián)網(wǎng)下的交通管理方式將車(chē)作為主要管理對(duì)象，以車(chē)作為信息節(jié)點(diǎn)，把接入系統(tǒng)的每輛汽車(chē)都作為信息感知源，再通過(guò)無(wú)線(xiàn)通信手段連接到網(wǎng)絡(luò)中，將汽車(chē)和通信進(jìn)行融合，從而實(shí)現(xiàn)對(duì)車(chē)輛的大規(guī)模統(tǒng)一管理。

 

1.2  國(guó)內(nèi)外研究現(xiàn)狀

1.2.1  國(guó)外研究現(xiàn)狀

1.  美國(guó)

從本世紀(jì)開(kāi)始，美國(guó)將智能交通的戰(zhàn)略向車(chē)輛安全及車(chē)路協(xié)調(diào)技術(shù)方面轉(zhuǎn)移，開(kāi)始對(duì)綜合運(yùn)輸協(xié)調(diào)技術(shù)、車(chē)輛安全技術(shù)、車(chē)車(chē)/車(chē)路通信技術(shù)、車(chē)輛感知技術(shù)等進(jìn)行研究。主要開(kāi)展的項(xiàng)目有：智能車(chē)輛計(jì)劃（IVI）、車(chē)輛-基礎(chǔ)設(shè)施集成項(xiàng)目（VII）、商用車(chē)輛安全計(jì)劃、CICAS、IVBSS等。

代表性的相關(guān)項(xiàng)目有：

1）車(chē)輛-基礎(chǔ)設(shè)施集成計(jì)劃 VII（Vehicle  Infrastructure  Integration）：該計(jì)劃致力于利用無(wú)線(xiàn)通信技術(shù)使行駛中的車(chē)輛更緊密地與周?chē)��?a href="/guanlilunwen/caiwuguanlilunwen/6626.html">環(huán)境相聯(lián)系，從而提高交通系統(tǒng)的安全性，該計(jì)劃的主要參與者包括美國(guó)交通運(yùn)輸部、加州交通部以及戴姆勒、福特、通用等汽車(chē)公司，并在加州 101 公路和密歇根 Novi 市部署了數(shù)十個(gè)路邊基站，用于測(cè)試汽車(chē)與路邊基站的通信能力。

在VII 系統(tǒng)中，車(chē)載單元（Onboard Unit，OBU）將其通過(guò)安置在車(chē)輛上的各類(lèi)傳感器采集到的信息（如車(chē)輛的行駛速度、位置信息等）上傳至路側(cè)單元（Roadside Unit，RSU）中，同時(shí)也接受路側(cè)單元發(fā)送的周?chē)��?chē)輛的實(shí)時(shí)狀態(tài)信息以及各類(lèi)交通服務(wù)信息（所處區(qū)域的交通狀態(tài)信息、道路環(huán)境信息等）。車(chē)載單元和路側(cè)單元之間采用短程無(wú)線(xiàn)通信技術(shù)（Dedicated  Short  Range Communications，DSRC）相連。

 

2）IntelliDrive 項(xiàng)目：針對(duì)推廣 VII 系統(tǒng)時(shí)遇到基礎(chǔ)設(shè)施運(yùn)營(yíng)商和汽車(chē)廠(chǎng)商對(duì)采用單一標(biāo)準(zhǔn)的路側(cè)系統(tǒng)建設(shè)和運(yùn)營(yíng)興趣不大的問(wèn)題，美國(guó)交通運(yùn)輸部推進(jìn)IntelliDrive 項(xiàng)目的研發(fā)。在 IntelliDrive 項(xiàng)目中，考慮采用移動(dòng)通信技術(shù)、WIMAX、衛(wèi)星通信等方式，建立開(kāi)放式通信平臺(tái)，為車(chē)輛提供無(wú)縫的通信服務(wù)。IntelliDrive提供的服務(wù)重點(diǎn)在車(chē)輛主動(dòng)安全方面，同時(shí)兼顧多種運(yùn)輸方式和出行模式的解決方案，為駕駛員提供動(dòng)態(tài)、連續(xù)的服務(wù)。IntelliDrive 項(xiàng)目把出行者、管理中心、場(chǎng)地和車(chē)輛四個(gè)主體，利用廣義的無(wú)線(xiàn)移動(dòng)通信和固定的骨干有線(xiàn)網(wǎng)相連，完成車(chē)輛之間和車(chē)輛與路側(cè)之間的信息交互。 

 

第2章   車(chē)聯(lián)網(wǎng)系統(tǒng)框架

 

本章對(duì)車(chē)聯(lián)網(wǎng)環(huán)境下交通信息需求進(jìn)行分析，在此基礎(chǔ)上，提出車(chē)聯(lián)網(wǎng)的系統(tǒng)架構(gòu)，分析了車(chē)車(chē)/車(chē)路通信技術(shù)、智能車(chē)載系統(tǒng)技術(shù)和智能路側(cè)系統(tǒng)技術(shù)等車(chē)聯(lián)網(wǎng)的關(guān)鍵技術(shù)。

 

2.1  概述

交通信息是車(chē)聯(lián)網(wǎng)系統(tǒng)中最核心的內(nèi)容。以交通信息應(yīng)用為中心，展開(kāi)車(chē)聯(lián)網(wǎng)系統(tǒng)的各個(gè)功能模塊。交通信息的來(lái)源分為直接信息源和間接信息源。其中直接信息源主要指人（包括駕駛員和乘客）、車(chē)（車(chē)輛的運(yùn)行狀態(tài)等）和路（路況等）；間接信息源包含以地形、地貌、氣象等為代表的自然環(huán)境因素和以政治、經(jīng)濟(jì)、人文等為代表的社會(huì)環(huán)境因素。

根據(jù)變化頻率，交通信息可以分為靜態(tài)交通信息和動(dòng)態(tài)交通信息。靜態(tài)交通信息指在一個(gè)較長(zhǎng)時(shí)間段內(nèi)相對(duì)穩(wěn)定的交通信息，包括：包含有路網(wǎng)信息和交通管理設(shè)施信息等的交通基礎(chǔ)信息；道路交通量和車(chē)輛保有量等統(tǒng)計(jì)信息；交通參與者出行規(guī)律信息等。靜態(tài)交通信息的獲得主要是通過(guò)建立基礎(chǔ)信息數(shù)據(jù)庫(kù)，其數(shù)據(jù)來(lái)源既可以通過(guò)從相關(guān)部門(mén)（如城市規(guī)劃部門(mén)、城市建設(shè)及道路養(yǎng)護(hù)部門(mén)、交通管理部門(mén)等）和各個(gè)系統(tǒng)中已有的數(shù)據(jù)庫(kù)獲得，也可以通過(guò)交通調(diào)查或地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）和空間遙感（RS）等技術(shù)手段獲得。動(dòng)態(tài)交通信息指的是交通系統(tǒng)中隨時(shí)間和空間變化的交通信息，主要包括：道路網(wǎng)交通流狀態(tài)特征信息、交通事件信息、車(chē)輛及駕駛員的狀態(tài)信息、道路環(huán)境信息以及交通動(dòng)態(tài)管理控制信息等。

2.1.1  交通信息感知需求

作為智能交通的一個(gè)延伸，車(chē)聯(lián)網(wǎng)本身具有智能交通所擁有的信息采集功能。同時(shí)，車(chē)聯(lián)網(wǎng)是物聯(lián)網(wǎng)的一個(gè)具體應(yīng)用，具有物聯(lián)網(wǎng)的特點(diǎn)，即信息感知。

信息感知能夠?yàn)檐?chē)聯(lián)網(wǎng)提供信息來(lái)源，是車(chē)聯(lián)網(wǎng)應(yīng)用的基礎(chǔ)。它最基本的形式是數(shù)據(jù)收集，即節(jié)點(diǎn)將感知數(shù)據(jù)通過(guò)網(wǎng)絡(luò)傳輸?shù)絽R聚節(jié)點(diǎn)。但由于在原始感知數(shù)據(jù)中往往存在異常值、缺失值，因此在數(shù)據(jù)收集時(shí)要對(duì)原始感知數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗，并對(duì)缺失值進(jìn)行估計(jì)。信息感知的目的是獲取用戶(hù)感興趣的信息，這些在車(chē)聯(lián)網(wǎng)中具體表現(xiàn)為：

1.  對(duì)車(chē)況及控制系統(tǒng)感知

主要是汽車(chē)運(yùn)行過(guò)程中的各種工況信息，例如車(chē)速、各種介質(zhì)的溫度、驅(qū)動(dòng)系/轉(zhuǎn)向系的運(yùn)行狀況等。這些信息通常是利用安裝在汽車(chē)上的車(chē)用傳感器獲得。車(chē)用傳感器是車(chē)聯(lián)網(wǎng)最終端的神經(jīng)末梢。常見(jiàn)的車(chē)用傳感器有車(chē)速傳感器、加速度傳感器、車(chē)身高度傳感器、進(jìn)氣溫度傳感器、冷卻液溫度傳感器等。

 

2.2  車(chē)聯(lián)網(wǎng)系統(tǒng)架構(gòu)研究

車(chē)聯(lián)網(wǎng)作為一種特殊的移動(dòng)自組織網(wǎng)絡(luò)，與其他自組織網(wǎng)絡(luò)相比，具有如下特點(diǎn)：

1.  節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)變化快。這是由于車(chē)輛具有快速移動(dòng)的特性，導(dǎo)致了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)頻繁發(fā)生變化。這個(gè)特點(diǎn)導(dǎo)致車(chē)輛節(jié)點(diǎn)間的通信鏈路生存時(shí)間縮短，網(wǎng)絡(luò)連通性下降。

2.  很難建立精確的鄰居節(jié)點(diǎn)。由于快速變化的拓?fù)浣Y(jié)構(gòu)，使得節(jié)點(diǎn)獲取全局拓?fù)浣Y(jié)構(gòu)較難，導(dǎo)致傳統(tǒng)基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的協(xié)議在車(chē)聯(lián)網(wǎng)中效果很差。

3.  通信信道有嚴(yán)重的多普勒效應(yīng)，衰減嚴(yán)重。實(shí)際的城市交通環(huán)境下，高大建筑物、橋梁、隧道以及綠化帶使本就因車(chē)輛高速運(yùn)動(dòng)帶來(lái)的通信信道衰減更加嚴(yán)重。

4.  節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)變化具有一定的規(guī)律性。由于車(chē)輛在道路上行駛受交通法規(guī)以及交通控制系統(tǒng)的管理，總體上是具有規(guī)律性的，這使得節(jié)點(diǎn)的拓?fù)浣Y(jié)構(gòu)變化也具有一定的規(guī)律性，因此可以通過(guò)相應(yīng)算法進(jìn)行預(yù)測(cè)其變化。

5.  節(jié)點(diǎn)的相關(guān)狀態(tài)信息可以通過(guò)相關(guān)傳感器獲得。如節(jié)點(diǎn)的速度、加速度、方向等可以通過(guò)車(chē)載傳感器獲取，節(jié)點(diǎn)的位置信息可通過(guò)衛(wèi)星定位系統(tǒng)、與路側(cè)設(shè)施實(shí)時(shí)通信等獲得。

6.  車(chē)輛節(jié)點(diǎn)對(duì)能源消耗的要求相對(duì)較低。車(chē)輛本身可以提供電力，因此對(duì)通信設(shè)備的能源消耗要求相對(duì)較低。但仍需要考慮路側(cè)單元對(duì)能源的要求。

2.2.1  系統(tǒng)架構(gòu)

車(chē)聯(lián)網(wǎng)作為物聯(lián)網(wǎng)的一個(gè)延伸，具有相似的架構(gòu)。因此可將車(chē)聯(lián)網(wǎng)的系統(tǒng)（如圖2.1所示）分為三個(gè)層次，筆耕文化傳播，即感知層，網(wǎng)絡(luò)層和應(yīng)用層。

車(chē)聯(lián)網(wǎng)感知層：由多種傳感器及傳感器網(wǎng)關(guān)構(gòu)成，包括車(chē)載傳感器和路側(cè)傳感器。感知層是車(chē)聯(lián)網(wǎng)的神經(jīng)末梢，是信息的來(lái)源。通過(guò)這些傳感器，可以提供車(chē)輛的行駛狀態(tài)信息、運(yùn)輸物品的相關(guān)信息、交通狀態(tài)信息、道路環(huán)境信息等。

車(chē)聯(lián)網(wǎng)網(wǎng)絡(luò)層：由車(chē)載網(wǎng)絡(luò)、互聯(lián)網(wǎng)、無(wú)線(xiàn)通信網(wǎng)、網(wǎng)絡(luò)管理系統(tǒng)等構(gòu)成。網(wǎng)絡(luò)層在車(chē)聯(lián)網(wǎng)中充當(dāng)神經(jīng)中樞和大腦。它能夠傳遞和處理從感知層獲取的信息，目前已經(jīng)制定了車(chē)載環(huán)境下無(wú)線(xiàn)接入（Wireless  Access  in  Vehicular Environment，WAVE）的相關(guān)協(xié)議。

 

第3 章   車(chē)聯(lián)網(wǎng)環(huán)境下路側(cè)單元布設(shè)及優(yōu)化方法研究···········35

3.1  概述 ··················· 35

3.2  路側(cè)單元布設(shè)方法研究·············· 36

3.2.1  路側(cè)單元布設(shè)影響因素············ 38

3.2.2  路側(cè)單元布設(shè)方案設(shè)計(jì)··············· 38

第4 章   車(chē)聯(lián)網(wǎng)環(huán)境下車(chē)輛定位方法研究···············57

4.1  概述 ················ 57

4.2  基于數(shù)據(jù)融合的車(chē)輛定位方法研究·············· 58

第5 章   車(chē)聯(lián)網(wǎng)環(huán)境下行程時(shí)間預(yù)測(cè)方法研究············79

5.1  概述·············· 79

5.2  基于人工智能的行程時(shí)間預(yù)測(cè)方法·················· 82

 

第5章   車(chē)聯(lián)網(wǎng)環(huán)境下行程時(shí)間預(yù)測(cè)方法研究

 

車(chē)聯(lián)網(wǎng)中的一項(xiàng)重要信息服務(wù)就是路徑優(yōu)化。作為路徑優(yōu)化的重要依據(jù)，行程時(shí)間預(yù)測(cè)方法備受關(guān)注。為了達(dá)到進(jìn)行準(zhǔn)確及時(shí)的路徑優(yōu)化效果，行程時(shí)間的預(yù)測(cè)必須具有實(shí)時(shí)性、可靠性和更高的精度。在車(chē)聯(lián)網(wǎng)環(huán)境下，車(chē)輛和基礎(chǔ)設(shè)施之間可以通過(guò)信息交互來(lái)確定車(chē)流量和密度。采用人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）和支持向量回歸（support vector regression，SVR）可以在現(xiàn)有的行程時(shí)間和確定的車(chē)流量和密度的基礎(chǔ)上對(duì)行程時(shí)間進(jìn)行預(yù)測(cè)。本章開(kāi)發(fā)并評(píng)價(jià)了車(chē)聯(lián)網(wǎng)環(huán)境下的基于人工神經(jīng)網(wǎng)絡(luò)和支持向量回歸的行程時(shí)間預(yù)測(cè)模型，設(shè)計(jì)了一個(gè)仿真平臺(tái)，采用實(shí)際數(shù)據(jù)進(jìn)行了仿真，仿真結(jié)果表明所提出的改進(jìn)支持向量回歸的行程時(shí)間預(yù)測(cè)模型具有良好的性能。

 

5.1  概述

車(chē)聯(lián)網(wǎng)中的一項(xiàng)重要信息服務(wù)就是路徑優(yōu)化。作為路徑優(yōu)化的重要一個(gè)依據(jù)，行程時(shí)間預(yù)測(cè)方法備受關(guān)注。目前常用的做法是使用歷史平均出行時(shí)間或當(dāng)前的行程時(shí)間作為對(duì)短期行程時(shí)間預(yù)測(cè)的依據(jù)。信息來(lái)源主要為固定型檢測(cè)器和移動(dòng)型檢測(cè)器。前者會(huì)采用密集放置的流量傳感器，如交通攝像頭和線(xiàn)圈檢測(cè)器，來(lái)估計(jì)行程時(shí)間，這些傳感器通常每四分之一英里到半英里放置一個(gè)，行程時(shí)間可以通過(guò)傳感器獲得的流量、密度以及速度等參數(shù)來(lái)預(yù)測(cè)，但也可能引發(fā)行程時(shí)間預(yù)測(cè)的其他錯(cuò)誤。后者主要采用 GPS 浮動(dòng)車(chē)，具有覆蓋范圍廣、數(shù)據(jù)精度高以及實(shí)時(shí)性強(qiáng)等優(yōu)點(diǎn)，但城市內(nèi)譬如隧道、停車(chē)場(chǎng)以及城市中密集建筑物等復(fù)雜環(huán)境中，GPS 系統(tǒng)的效果較差，會(huì)使行程時(shí)間預(yù)測(cè)出現(xiàn)較大誤差。

 

第6章   總結(jié)與展望

 

6.1  全文總結(jié)

車(chē)聯(lián)網(wǎng)是物聯(lián)網(wǎng)在智能交通系統(tǒng)領(lǐng)域的延伸，它是以車(chē)內(nèi)網(wǎng)、車(chē)際網(wǎng)和車(chē)載移動(dòng)互聯(lián)網(wǎng)為基礎(chǔ)，按照約定的通信協(xié)議和數(shù)據(jù)交互標(biāo)準(zhǔn)，在車(chē)-車(chē)、車(chē)輛與互聯(lián)網(wǎng)之間，進(jìn)行無(wú)線(xiàn)通信和信息交換，以實(shí)現(xiàn)智能交通管理控制、車(chē)輛智能化控制和智能動(dòng)態(tài)信息服務(wù)的一體化網(wǎng)絡(luò)。車(chē)聯(lián)網(wǎng)的建設(shè)和發(fā)展徹底改變了未來(lái)的出行模式，大大提升道路交通網(wǎng)絡(luò)的運(yùn)輸效率、安全水平、智能化水平及環(huán)保水平，為建成一種適應(yīng)現(xiàn)代道路交通網(wǎng)絡(luò)運(yùn)輸發(fā)展的建設(shè)、運(yùn)營(yíng)、管理模式提供突破口。目前，國(guó)外雖然已經(jīng)定義了用于車(chē)聯(lián)網(wǎng)的通信標(biāo)準(zhǔn)和一系列應(yīng)用場(chǎng)景，但相關(guān)的核心技術(shù)仍處于實(shí)驗(yàn)室研究和試驗(yàn)階段。我國(guó)尚未定義相關(guān)標(biāo)準(zhǔn)，但也開(kāi)始進(jìn)行相關(guān)技術(shù)的研究。為了給車(chē)聯(lián)網(wǎng)應(yīng)用提供信息來(lái)源，本文依托國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863 計(jì)劃）課題《多源多維城市交通狀態(tài)感知與交互處理》，對(duì)車(chē)聯(lián)網(wǎng)環(huán)境下的交通信息采集和處理方法進(jìn)行研究，主要研究成果包括以下幾個(gè)方面：

1.  提出車(chē)聯(lián)網(wǎng)系統(tǒng)框架。在對(duì)車(chē)聯(lián)網(wǎng)環(huán)境下信息需求分析的基礎(chǔ)上，提出車(chē)聯(lián)網(wǎng)的系統(tǒng)架構(gòu)，分析了車(chē)聯(lián)網(wǎng)的關(guān)鍵技術(shù)，包括車(chē)車(chē)/車(chē)路通信技術(shù)、智能車(chē)載系統(tǒng)技術(shù)和智能路側(cè)系統(tǒng)技術(shù)。

2.  對(duì)車(chē)聯(lián)網(wǎng)環(huán)境下信息采集方法進(jìn)行研究，提出了路側(cè)單元布設(shè)及調(diào)度方案。通過(guò)對(duì)智能路側(cè)系統(tǒng)技術(shù)分析，闡述了路側(cè)單元設(shè)置的重要性。指出了影響路側(cè)單元布設(shè)的幾個(gè)因素，并進(jìn)行了路側(cè)單元布設(shè)試驗(yàn)，設(shè)計(jì)了路側(cè)單元布設(shè)方案。以基于節(jié)能降耗為出發(fā)點(diǎn)，提出了一個(gè)路側(cè)單元調(diào)度優(yōu)化方案，在保證系統(tǒng)連通性的同時(shí)降低了路側(cè)單元系統(tǒng)的能源消耗。

3.  對(duì)車(chē)聯(lián)網(wǎng)環(huán)境下車(chē)輛定位方法進(jìn)行研究。提出了一個(gè)基于非參數(shù)動(dòng)態(tài)模型的自適應(yīng)數(shù)據(jù)融合框架結(jié)構(gòu)以及一個(gè)適應(yīng)信號(hào)強(qiáng)度和到達(dá)時(shí)間的自適應(yīng)似然粒子濾波方法，對(duì)車(chē)聯(lián)網(wǎng)環(huán)境下的交通信息進(jìn)行處理，實(shí)現(xiàn)基于已有的基礎(chǔ)設(shè)施對(duì)車(chē)輛進(jìn)行精確定位。

參考文獻(xiàn):

[1] 胡永利,孫艷豐,尹寶才.  物聯(lián)網(wǎng)信息感知與交互技術(shù)[J]. 計(jì)算機(jī)學(xué)報(bào). 2012(06)
[2] 鄒鳳,仲姣菲,伍偉麗,堵丁柱,Lee Junghoon.  解決高度分割的車(chē)載自組網(wǎng)絡(luò)連通性問(wèn)題的路側(cè)單元最優(yōu)化調(diào)度方案[J]. 計(jì)算機(jī)工程與科學(xué). 2012(01)
[3] 馬楊.  車(chē)路協(xié)同,還有多遠(yuǎn)?[J]. 中國(guó)交通信息化. 2011(09)
[4] 陳超,呂植勇,付姍姍,彭琪.  國(guó)內(nèi)外車(chē)路協(xié)同系統(tǒng)發(fā)展現(xiàn)狀綜述[J]. 交通信息與安全. 2011(01)
[5] 王貴槐,萬(wàn)劍.  汽車(chē)安全輔助駕駛支持系統(tǒng)信息感知技術(shù)綜述[J]. 交通與計(jì)算機(jī). 2008(03)
[6] 楊兆升,王媛,管青.  基于支持向量機(jī)方法的短時(shí)交通流量預(yù)測(cè)方法[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2006(06)
[7] 姚智勝,邵春福,高永亮.  基于支持向量回歸機(jī)的交通狀態(tài)短時(shí)預(yù)測(cè)方法研究[J]. 北京交通大學(xué)學(xué)報(bào). 2006(03)
[8] 徐啟華,楊瑞.  支持向量機(jī)在交通流量實(shí)時(shí)預(yù)測(cè)中的應(yīng)用[J]. 公路交通科技. 2005(12)
[9] 朱中,楊兆升.  實(shí)時(shí)交通流量人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型[J]. 中國(guó)公路學(xué)報(bào). 1998(04)



本文編號(hào)：10592