论文部分内容阅读
随着科学技术的进步,智慧城市发展将创新科技与城市管理运作进行有机融合,提出智能交通系统建设的要求。在智能交通系统中,实时路况估计和路径规划是两个重要组成部分,其目的是更加智能地引导市民出行,提供更加安全、快捷的交通出行环境。当前主流的路况信息采集来源有固定设备采集和浮动车采集,然而这两种方法均有部署成本高和可用节点少的缺点。如今智能手机已经广泛普及,并且具有较强的数据采集、处理和传输能力,因此基于众包手机GPS数据的采集方法开始被使用。相比前两种采集方法,众包手机GPS数据的采集方法具有覆盖范围广、成本低、实时性强等优点。本文主要研究基于众包手机GPS数据来估计实时路况,并根据实时路况进行动态路径规划的智能交通出行方案。基于众包手机GPS数据的实时路况估计主要包含三个关键部分:手机GPS数据预处理、地图匹配和路况估计。针对手机GPS数据的预处理,本文使用“阈值法”对数据进行过滤和清洗,该方法能够有效剔除非机动车用户的手机数据、冗余数据和误差数据。针对地图匹配,本文提出基于路网拓扑结构的Hausdorff距离匹配算法,对预处理之后的手机GPS数据进行地图匹配,该算法能快速处理高频GPS采样轨迹的匹配。完成地图匹配后,本文采用速度积分法和指数加权法计算路段行程时间,并用交通运行指数来表示路况估计。最后,本文利用福州市福飞北路段采集的真实数据进行仿真,验证本文所提出的路况估计方法能够准确估计路况状态。动态路径规划主要包含两个关键部分:动态路网分层和动态路径规划。针对动态路网分层,本文首先利用道路多个静态属性对原始路网进行静态分层,再将实时的动态路况信息叠加在分层后的路网上,从而构建一个动态的分层路网。完成动态路网分层之后,本文提出一种基于多属性动态分层路网的动态路径规划算法。最后,仿真表明本文的动态分层路网路径规划不仅能够规划一条行程时间最短的较优路径,且算法的时间复杂度较低。此外,当路况发生变化时,算法能根据实时路况进行快速重新规划,从而避开拥堵道路,相比于不重新规划路径的传统算法,本文所提的路径重新规划算法的行程时间更短。