基于车辆位置预测的可变情报板信息路由算法研究.docVIP

基于车辆位置预测的可变情报板信息路由算法研究 　　摘 要：当前高速公路可变情报板信息发布大多数为人工手动操作，且实时性较差。为了解决可变情报板信息发布定向性和实时性问题，提出了基于车辆位置预测的可变情报板信息路由算法。根据车辆的违法位置、时间、速度和方向等信息和实际路网数据建立局部路网模型，预测出违法车辆从违法时间开始到当前时间内的所有可能行驶路径、当前可能位置、行驶方向前方最近的可变情报板位置及其达到该位置的概率和时间。选择最大概率的可变情报板在估算时间到达时发布该车辆的交通违法信息；车辆驶过可变情报板时撤销交通违法信息显示。解决了在仅有车辆交通违法信息和少量实际路网数据的情况下可变情报板信息路由问题，同时也解决了高速车辆交通违法信息告知的定向性、实时性、可视性的问题。 　　关键?~：车辆位置预测；局部路网模型；可变情报板；信息路由 　　引言 　　目前，高速公路可变情报板显示的信息内容大多数为提示性内容，例如高速路的路况信息、气象信息等，能够有效的指导交通流，进而保障交通顺畅[1]。文献[2]结合路网结构，建立动态化、层次化的交通预测模型，提供诱导信息。文献[3]根据天气状态及交通流运行状态的实时变化，自动调整高速公路该路段的限速值，通过可变情报板发布限速信息。文献[4]通过信息发布的联动策略，增强了雾天低能见度情况下路况可变情报板信息发布的及时性、一致性和系统性。这些可变情报板的信息显示主要针对高速公路上的经过某个路段的所有车辆，不具有定向性，容易引起视觉疲劳，导致驾驶员忽略或错过重要信息。文献[5]将车速估计结果与行车时间作为车辆行驶位置的判定依据，采用云推理估计车辆的在高速公路隧道行驶位置。文献[6]都是在短时间内定位设备信号微弱或无信号的情况下对车辆行驶位置进行预测。这些算法均无法对长时间无信号的情况下对车辆位置进行预测。 　　针对目前高速公路上车辆交通违法行为取证困难且时间长，及获取行驶车辆的实时位置比较困难的问题，从而导致车辆交通违法信息告知不具有定向性、实时性。本文提出一种综合考虑车辆违法地点、违法位置、行驶方向、违法时间等因素的基于车辆位置预测的可变情报板信息路由算法，以解决交通违法信息告知的定向性、实时性、可视性等问题。 　　1 路网模型 　　根据高速公路路网的特点建立路网模型示意图如图1所示。高速公路出口包括两种，分别下高速出口和换高速出口。按照以下规则建立路网模型。 　　（1）以高速公路出口为节点，其中N1为上行节点，N2为下行节点。 　　（2）车辆在每个节点有两种可能行驶方向，分别为前向行驶方向和右向行驶方向，用两个箭头表示车辆在该节点的两种可能行驶方向。 　　2 车辆位置估计 　　2.1 节点概率 　　根据可获取的路网数据可以把车辆在节点N两个方向上的行驶概率的影响因素归纳为四个，分别为节点N前方路段拥挤度、车牌号码、车辆历史记录和节点N出口记录与断面交通量。关于节点两个方向上的概率示意图，如图2所示。 　　2.2 局部路网模型 　　根据当前时间与违法时间之间的时间差及行驶速度，可以得到该违法车辆的大致行驶范围。基于路网模型，根据违法车辆的违法地点和行驶方向，通过路径搜索得到该违法车辆所有的可能行驶路径，在路网模型基础上建立局部路网模型如图3所示。其中违法车辆有三条可能行驶路径，分别为路径1：N1→N2→N3→N6、路径2：N1→N4和路径3：N1→N2→N3→N5。 　　2.3 位置估计 　　选择车辆违法时的行驶速度V。选择当前时间T1与违法时间T0的差值作为车辆行驶时间T。通过L=V*T，得到违法车辆的可能行驶距离L。 　　根据L与局部路网模型中的违法车辆所有可能行驶路径进行匹配，可以得到违法车辆在所有可能行驶路径上的当前位置，如图3中的D1、D2和D3。 　　3 信息路由选择 　　根据违法车辆行驶方向和各条可能行驶路径上的当前车辆位置，在图3中的局部路网模型中找到当前位置D1、D2和D3前方距离最近的可变情报板，分别为VMS1、VMS2和VMS3。通过公式（3）计算违法车辆到达VMS1、VMS2和VMS3的概率，其中Pi为某条可能行驶路径上各个节点在该行驶方向上的概率。 　　选择可能行驶路径上的概率最大者作为发布车辆交通违法信息的目标可变情报板M。 　　4 仿真实验 　　5 结束语 　　本文采用概率论与数理统计的方法，根据现有路网数据和车辆交通违法信息对违法车辆当前位置进行预测，从而对违法车辆即将可能达到可变情报板位置进行预测。从概率角度选择到达概率最大的可变情报板发布车辆交通违法信息，车辆驶过可变情报板撤销交通违法信息显示。这种在违法车辆即将驶过可变情报板上显示该车辆的违法信息的策略，解决了告知信息的定向性、实时性、可视性等问题，使可变情报板显示