为解决城市道路网络中日益激烈的交通供需不平衡问题,世界各国均大力推动关于车-路通信与协同控制的新一代智能交通系统的研究。智能网联汽车加强与外部实时信息交互,能实现人-车-路-环境之间高效协作,谷歌、特斯拉等互联网公司和车企纷纷开展相关技术研究,目前已进入道路实测阶段。因此,智能网联汽车与传统汽车逐渐构成“混合交通”,是城市道路交通发展的大势所趋。本文立足于智能网联汽车,以路线规划、行驶建议、交通预测为出发点,开展城市道路混合交通状态分析与预测关键技术研究,为车辆在城市道路混合交通中高效安全行驶提供理论基础和技术支撑。论文主要内容和创新点如下:1.针对城市道路混合交通车-路-环境信息共享的需求,构建实时的交通时空地理信息数据库。本文设计的数据库由静态经验场、动态实时场、车本体场组成,将路网拓扑、路段属性及历史交通信息等静态经验数据,车辆位姿和交通状态等动态实时信息,车辆运动性能和行驶策略等车本体信息进行分图层存储。为了获得准确的车辆位姿信息,提出GNSS信号捕获下采样策略,保证捕获精度的同时大大提高了车辆定位的实时性。2.针对道路行程时间预测问题具有强非线性、影响因素多的特点,提出一种时空启发式粒子滤波的行程时间多步预测算法。本文通过谐波分析法和Moran’s I指数分析路段行程时间序列的时空特性,构建三阶空间邻接扩展的交通时空矩阵,表征历史交通模式;根据预测误差及其置信度自适应地选取有效粒子,对粒子状态预测值与行程时间观测序列进行相关分析,建立粒子权重更新模型;提出时空相似性重采样策略,依据有效粒子权重值的累积分布对低权重粒子进行重采样,从而对城市道路行程时间实现快速准确的多步预测。算法有效解决了粒子退化问题,提高了行程时间预测的实时性以及多步前瞻预测的稳定性。3.针对实时交通影响下车辆行驶独立性逐渐减弱的问题,提出一种道路条件与交通状态约束的行驶速度优化算法。通过分析城市道路结构和交通流状态的特征,量化城市道路线形参数、交通组成及交通事件对行驶速度的影响,推导出道路条件约束的多元线性拟合行驶速度方程;根据路段中交通流状态的演变规律,建立交通流可变长度模型,推导出交通状态约束的行驶速度模型;研究交通实测数据中交通流状态参数变化规律,建立交通基本图约束的行驶速度方程组;构建瞬时行程时间、总行程时间和总行程距离的性能评价矩阵,联合解算出总代价最小的行驶速度最优值。采用城市道路线形和交通状态实测参数的仿真实验证明,算法能解算综合考虑道路条件和实时交通状态的最优速度,为城市道路混合交通中智能网联汽车行驶速度提供建议。4.为了探究城市道路中交通冲击波的形成及其影响,提出一种交通冲击波传播轨迹的数值检测算法。根据交通流动态模型和车辆守恒定律,推演出交通流状态演变时空图,首次将图像处理中的梯度检测、非极大值抑制、双阈值方法,用于检测交通流状态时空图中冲击波的传播轨迹。为验证提出的数值检测算法与交通流解析方程的一致性,采用一种极参数坐标映射方法,并建立了一种误差校正模型,对提取的冲击波轨迹线段的角度与距离误差进行解耦。无控制和可变限速控制交通瓶颈场景的仿真实验证明,算法能描述路段瓶颈的拥堵与排队等交通状态时空演变过程,准确提取交通冲击波传播轨迹,使相对距离误差降低到0.1%-3%。为了实现城市道路混合交通的信息共享与协作控制,本文开展了实时交通数据库构建、道路行程时间预测、车辆速度约束优化和交通状态演变分析等关键技术研究,实测数据和仿真实验证明了算法的有效性。