基于GPS的交通状况检测与预测研究.docVIP

基于GPS的交通状况检测与预测研究 　　【摘 要】本文将GPS技术应用于城市交通状况检测，在分析交通状况检测现状的基础上，提出了基于GPS技术与GIS相结合的交通状况的实时检测。构建将遗传算法与高阶神经网络相结合的遗传-神经网络预测模型，实现了的城市交通状况实时预测。为智能交通系统的实现提供了必要的条件。 　　【关键词】GPS；GIS；遗传算法；高阶神经网络；预测模型 　　1 研究背景 　　1.1 GPS车速检测技术需求性分析 　　对交通状态进行实时监视与分析，及时可靠地发现路网道路上存在的交通运行问题，是改善道路交通运行效率，减小路网的道路交通阻塞的前提和基础。在现代交通工程技术中，交通参数正是表征道路交通状态的标量，因此，无论是智能交通系统，还是现代交通工程，都是以可靠而准确的交通参数检测为基础的。 　　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。 　　1.2 交通检测技术现状分析 　　2 交通状况信息数学建模 　　本研究模型吸取了交通流理论中经典和公认的模式，并由公路实地观测数据为例，确定参数。利用GPS提供的即时速度和相关时间信息，得到平均车速、交通流量、行程时间及车道占有率等交通状况信息，对城市交通管理提供重要依据。 　　2.1 平均车速 　　平均车速包括时间平均车速和区间平均车速，时间平均车速是指在特定的时间区间内，通过道路某一地点的所有车辆点速度的算术平均值。区间平均车速是指在特定的时间区间内，占据一定长度区间的所有车辆的速度平均值。 　　2.1.1 时间平均车速 　　设某一条道路上装有GPS的车辆数为n，每辆车的平均速度为 （i=1，2，3，...n）则所有车辆总平均速度为： 　　2.1.2 区间平均车速 　　区间平均车速，利用GIS（Geographical Information System）测得道路的长度、两端路口的经纬度等信息，进而知道车辆此时的位置。 　　设所测区间总长度为s，第i辆车的行程时间为 ，车辆经过第1端路口的时刻为 ，经过另1端路口的时刻为 ，则车辆的区间平均车速为： 　　其中， 　　得到 后，可以求得交通流量Q，算法如下。 　　2.2 交通流量 　　交通流量又称交通量，它与平均车速、车流密度统称为交通流三要素，其关系式为： 　　可见交通流量与车速成抛物线关系。具体分析如下：当车速很大接近自由速度 时，由于车辆数目较少，交通流量很小，随着车速的降低，车辆数的增加，交通流量逐渐增大。当车速达到临界车速 时，交通流量达到最大值 。之后，随着车辆数目的增加，车速进一步减小，道路呈现拥挤状态，交通流量随之减小，直至车速减小到0。无车辆通过，交通流量为0。图中虚线将曲线分成两部分，其中，上半部分即临界速度以下部分，代表道路畅通，下半部分代表道路拥挤。 　　2.3 交通状况其他信息 　　除了交通流量、平均车速等主要参数外，交通状态信息还包括行程时间、车道占有率等其他参数，利用GPS技术亦可方便的得到。 　　2.3.1 行程时间 　　行程时间和延误的调查结果，对全面评价一个区域内或沿一条选定路线的交通流动状态是十分有用的。根据延误的地点和类型以及交通阻滞的时间和频数，我们可以定义拥挤；采用前后对比调查，可以评价交通改善措施的有效性。 　　目前对以上时间参数的测量大都采用秒表作为工具，加之人为的因素，结果往往不够准确。GPS系统可以提供精确的车辆速度及时间信息，与GIS相配合，可以实现数据的自动采集，且结果相当精确。 　　2.3.2 车道占有率 　　3 基于GPS技术的道路交通状况判别方法 　　根据以上所建模型，可以用得到的交通状况信息来分析道路交通状况。 　　利用GPS可以方便的获得车辆的即时速度，而车速是研究整条路线的畅通程度与发生延误的原因或者整条道路通行能力的重要资料。因此，利用车辆速度，我们不但可以获得以上交通状况的有关信息，还可以直接获得车辆所在道路的车辆通过情况。 　　本文提出了1种城市交通状况的实时检测方法。利用GPS提供的精确信息，通过数学建模得到城市各路段或区域交通状况的实时信息，并对当前交通畅通或拥挤状况做出判断，具有高效率、高准确度等特点，可为交通管理部门及驾驶员提供准确信息，以便采取及时措施，极大的提高道路交通的安全性与高效性。 　　在此研究基础上，根据GPS提供的已有记录数据，我们还可以对下一时刻的交通状况做出判断，实现城市交通状况的实时预测，这可作为今后进一步的研究课题。 　　4 交通状况实时预测研究 　　在交通状况实时检测的基础上