智能交通诱导系统概述.doc

智能交通诱导系统概述
一、概念
智能交通系统（Intelligent Transport System 或者 Intelligent Transportion System，简称ITS）是将先进的、、、以及等有效地集成运用于整个运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合的运输和管理系统。

二、 国内外交通诱导系统研发现状

交通诱导系统能有效地解决，城市交通拥挤、减少交通事故、降低空气污染、提高运输效率，发达国家非常重视车裁定位导航系统的开发和应用，现已形成了日、美、欧三足鼎立的局面。

(1) 日本的典型车辆导航系统

日本的导航系统以丰田公司与日本警察省、邮政省、建设省共同开发的基于全球定位系统(GPS)和道路车辆信息通信系统(VICS)的导航系统为代表。VICS是日本东京一家具有半官半民性质的交通信息处理、发布中心，它将警察部门和高速公路管理部门提供的交通堵塞、驾驶所需时间、交通事故、道路施工、车速及路线限制，以及停车场空位等信息编辑处理后及时传输给交通参与者，特别是在汽车导航车载机上以文字、图形显示。目前日本已有多家大公司研制出车载装置，如松下公司生产的KX-GA3L已在日本多种类型的车辆上得到了应用。

(2)美国的典型车辆导航系统

TRAVTEK是美国有代表性的城市交通诱导系统。它以实时路线引导和服务信息系统实用化为目的，由交通管理中心、信息与服务中心、装有导航装置的车辆组成。交通管理中心进行道路交通信息的收集、管理与提供，同时还提供系统运行所必需的信息；信息服务中心收集观光设施、旅馆、饭店等为对象的各种服务信息；车载导航装置由车辆定位模块、路线选择模块及接口模块构成，可显示交通堵塞地段、事故及施工等信息的地图，以及按驾驶员需要进行的路线引导及提供服务的文字信息等。

(3)欧洲的典型车辆导航系统

Ali-Scout系统是欧洲最有代表性的车载导航系统，由西门子公司和Bosch／Blaupunkt公司联合开发。系统包括车内设备和车外设备两部分。车内有定位、导航设备、磁场传感器、车轮转数计、带键盘和方向指示器的操作面板，行驶时间测量仪、红外发射器、红外接收器和目标存储器等；车外设备有信标红外发射器、信标红外接收器、信标控制器和交通诱导计算机。车辆通过信标以红外通信方式与中心交换信息。信标安装在路口两旁，典型的是与交通信号灯安装在一起。交通诱导计算机负责完成最优路径的计算、路段阻抗预测和数据库管理等任务。

(4)国内交通诱导系统的研发现状及趋势

国内车辆导航系统的研究起步较晚，主要由一些科研院所、学校及少数公司进行探索性研究实验，目前还未取得实质性成果。吉林大学在交通诱导系统方面做了一些研究，尤其在交通预测、交通分配等方面开展了大量研究，取得了一些成果；北京工业大学交通研究中心在车辆定位、临控与导航关键技术方面开展了多项研究，重点包括：城市交通网络及其拓扑关系的表达，GPS／DR组合定位数据融合，基于GSM进行数据通信等；四维公司、大通公司和鞍山科信、南大善邻、西安东强、上海卫导与三吉等公司通过与国外合作或引进或独立研制，做了大量的工作，取得了一定进展，但均未达到实现产业化的阶段。

当前，我国的交通、通信等基础设施已有了重大改观，研究开发我国具有自主知识产权的交通诱导系统的主，客观条件已基本具备。

三、智能交通系统路径诱导算法研究方向

　　路径诱导算法的实时性、动态路径诱导算法以及路径诱导与交通信号控制的集成是目前路径诱导算法研究的三个主要方向。然而，作为智能交通系统的一个重要子系统，路径诱导系统除了必须具有良好的实时性、动态性和集成性之外，还必须对其它与其实时运营密切相关的众多问题从系统工程的层面加以协调考虑。结合中国城市道路交通的实际和路径诱导算法研究进展的现状，交通诱导要从理论走向实用，下面几个问题需要进一步深入研究。

　　1路段交通流量的实时准确预测

国内对短时交通流预测算法的研究中， 一般将预测算法分为参数模型预测法和非参数模型预测法。参数模型主要有历史平均模型（HA）、ARMA系列模型、Kalman滤波模型、指数平滑模型及与神经网络相关的模型等； 非参数模型中包括非参数回归、KARIMA算法、谱分析法、状态空间重构模型、小波网络、基于多维分形的方法和多种复合预测模型、移动平均法、指数平滑法和基于AR模型的时间序列法等。
路段交通流量的实时准确预测是动态路径诱导算法的实现依据。目前的预测手段一般只能预测短时交通状况[1]，而交通诱导行为往往发生在比较大的空间范围上，这样就可能跨越多个预测区段。研究表明，交通流呈现复杂的混沌特性，如何实现交通流量的一个较长时间区域的实时准确预测将是具有挑战性的研究课题。此外，基于实时交通状况的切换式路径诱导系统必须具备区别正常和异常交通波动的能力。

2新型诱导模型与诱导算法

　　动态路径诱导系统是一个对实时性要求相当强的系统，也是一个有人参与的时变、复杂随机系统。诱导模型及其算法的建立不仅要考虑诱导系统的实时性要求，也必须考虑出行者的心理特征，如出行者对什么方式的诱导认定有效，出行者对诱导指令的心理接受极限等，这是路径诱导系统走向实用的重要步骤。

　　发展基于多目标优化的路径诱导算法也是交通诱导系统研究的重要内容。目前路径诱导方案大多是基于距离最短或时间最短等单一指标，较常用的主要的有Dijkstra算法[2]、Floyd算法、A·算法、双向搜索算法,而实际上人们的出行习惯很难归结为单指标优化问题。出行者除了对时间有要求外，还会希望在舒适感上得到满足，例如尽量减少转弯的次数，尽量少进入路况较差的道路等等。对于司机路径选择行为的调查也表明，大多数的司机并不是趋向时间最短的路径，而是那些包含一些其他因素的次优路径，如熟悉程度、道路等级、连接性等等，这实际上是一个多目标优化问题。传统的最优路径算法不能实现多目标优化，因为这些算法不包含所需的路网信息。目前，多目标优化的路径诱导算法有遗传算法[3]、蚁群算法[4]、智能交通系统的车辆行驶最佳路径算法[5]等。

　　3混合交通流条件下的诱导策略

　　我国城市交通有其特殊性，非机动车占有相当的比重，城市交通流是机动车和非机动车的混合交通流。因此，在城市交通流诱导系统的开发和城市交通诱导策略的研究方面必须考虑我国城市混合交通流的特点。完全采用国外发达国家的先进技术进行交通流的诱导是行不通的，研制开发具有中国特色的城市交通流诱导系统，是解决我国城市交通问题的重要手段之一。

　　4突发事件下的诱导策略

　　交通事故、车辆抛锚等突发事件的发生极易引起交通拥挤或交通阻塞，导致路段通行能力的急剧下降。这种情况下对交通流进行诱导被认为是诱导系统最能发挥作用的地方。当然，突发事件发生的时间和地点具有随机性，是无法预知的。突发事件下的诱导策略是具有挑战性的实用研究课题。
此外，城市干线与普通道路相互作用下的诱导策略和人工智能框架体系上的路径诱导系统的建立、发展提供更多智能化服务的路径诱导系统等也是值得继续深入研究的方向。
四、车联网
1.概念

所谓车联网，是指通过装载在车辆上的电子设备通过无线技术，实现在信息网络平台上对所有车辆的静、动态信息进行提取和有效利用。

2.发展历程

1）第四届无线射频识别（RFID）技术发展国际研讨会2009年11月在上海召开，其中分论坛包括RFID技术及智能交通信息技术与应用论坛。
2）中国智能交通新技术及标准化发展高峰研讨会于2010年9月在杭州举行。会议围绕着“创造低碳、安全、便利的感知交通新生活”，加深对智能交通新技术、新理念的认识，促进智能交通系统的标准化建设。
3）通用汽车已经和中国电信达成合作协议，利用电信3G网络为用户提供车载信息服务，并逐步建设车联网。
4）IBM将部署交通预测系统[6]，声称可以预知一小时后的交通状况，从而留下充足的时间避免交通堵塞。

3.关键技术

1）DSRC和VPS技术
目前在汽车定位、通信及收费领域应用较多的是DSRC以及VPS技术。DSRC是一种微波技术，主要应用在电子道路收费方面；而VPS则是一种GPS+GSM技术，在汽车导航、求助及语音通信方面有着较为广泛的应用。以上两种技术已经使用，较为成熟。
2）适合车联网应用的无线通信技术
车联网的关键技术是如何实现车与路、车与车之间的信息交换与互动，而在其中扮演主要角色的是无线通信技术。需要研究现有的多种无线技术中的那一种符合实时互动，以及兼容传统与未来车联网应用的要求。

五、中国交通运输目前存在的问题

　 1、基础设施短缺与其利用的低效率并存；
　 2、基础设施建设速度落后于车辆增长速度。目前，中国机动车保有量约5000万辆，大城市机动车保有量增长率15%，而城市道路每年仅增长3—5%；
　 3、交通拥堵已成为大中中的普遍现象；
　 4、交通安全形势严峻，造成的损失巨大。1999年，全国共发生412，800起交通事故，其中83，529人死亡，286，808人受伤，因交通事故引起的直接损失折款多达21亿元人民币；
　　5、机动车尾气排放已成为城市大气污染的主要来源。一些大城市机动车排放的污染物对多项大气污染指标的贡献率已达到60%以上，正在严重地危害着人们的身体健康；
6、运输效率低，能源消耗不断上升。抽样调查表明，全国货运汽车实载率不足70%，而在车辆技术不断提高的今天，运输汽油车油耗却从1992年的百公里6.9升增加到1998年的7.4升。

参考文献：
[1]张玉梅，白树林，基于乘积耦合Volterra模型的短时交通流预测[J].计算机应用，2012,32(3) ：843-846.
[2] 王元彪,智能交通系统中Dijkstra算法的高效实现[J].计算机工程与应用，2007,33(6).
[3] 孙霞，黄席樾，杨祖元，向长城 基于改进遗传算法的城市交通动态最优路径求解[J].计算机工程与应用，2007,43(30).
[4]李冉冉,基于蚁群算法的交通流诱导设计与实现[J].计算机与现代化，2011(11):28-31.
[5]刘海燕,智能交通系统的车辆行驶最佳路径算法[J].北京工商大学学报，2006,24（1）：53-55
[6]FISCHETTI M. Predictive modeling warns drivers one hour before jams occur[J].[2011-10-01].