下载文档原格式
一种新型的交通信息采集系统——浮动车交通信息采集系统研究一、浮动车系统简介目前北京市现有的交通信息采集系统主要包括：环型线圈检测系统、微波检测系统、超声波检测系统、视频检测系统（含牌照识别检测系统）等。
这些都是固定点交通流检测系统，能够检测道路断面交通流量、速度等交通参数，但覆盖范围有限。
目前，系统基本覆盖二、三、四环和联络线，以及四横两纵的主干路，对次干路和支路没有覆盖。
而且除牌照识别检测系统外，其它固定点检测系统检测到的交通流信息都是断面信息，不能完整反映区段交通运行情况，如只能获取断面速度，而不能获取路段平均旅行速度。
浮动车交通信息采集系统（简称浮动车系统，FCD）是伴随着ITS新技术应用而在近几年发展起来的动态实时交通流信息采集技术。
所谓浮动车就是指安装有定位和无线通信装置的普通车辆(如出租车、公交车、警车等)，这种车辆能够与交通数据中心进行信息交换。
而浮动车系统是指通过交通流中一定比例的浮动车辆与交通数据中心实时交换数据的一种新型交通信息采集系统。
浮动车系统之所以得到重视，主要原因在于浮动车系统有别于传统固定检测方法的突出特点：（1）覆盖面广，采集范围不再仅仅是点、线，而是面；（2）投资省。
浮动车系统通常结合调度和诱导系统建设，大大节省了投资；（3）采集数据多样、准确。
浮动车系统采集的路段平均车速、旅行时间对于了解道路运行状况、分析拥堵原因、提供交通诱导服务等都是非常关键的参数。
目前在欧洲（主要是英国、德国）、美国、日本都在积极研发和推广应用浮动车交通信息采集系统。
交研中心自2003年开始，即通过与国外知名科研机构、企业等进行交流与合作，开展浮动车交通信息采集系统的相关研究工作。
2004年，交研中心与美国通用公司合作完成了《北京2008奥运会浮动车实时交通流信息采集示范系统可行性研究》。
2 005年，承担北京市科委科技计划课题《浮动车交通信息采集系统研究》，进行全面的技术研究和示范系统建设。
5科技资讯科技资讯S I N &T NOLOGY INFORM TION 2008NO.20SCI ENCE &TECHNOLOGY I NFORMATI ON 信息技术所谓的浮动车通常是指具有定位和无线通信装置的车辆,浮动车所采集的数据一般包括时间戳、位置坐标、瞬时速度、行驶方向等其他内容。
这些交通信息将被应用于交通信息服务、交通管理、交通规划等方面。
而这其中的核心技术就是GP S 与GIS 数据匹配处理器的设计。
G IS 数据提供了城市道路的基础数据(道路名称,I D,路口信息,长度,等级,坐标)。
G P S 定位数据是一个个点,且数据里包含有经纬度坐标。
匹配主要是将GP S 的每个离散的点能够快速准确的匹配到车辆真正行驶的路上。
常见的匹配方法有:点到点、点到线、线到线的匹配方法[1]。
匹配算法有多种,但往往都是考虑比较片面。
本文根据实际需要,总结了更为实用的匹配算法,特别是对G P S 离散位移较大的点的匹配,在一定的取样频率支持下,匹配精度可以达到更加实用的效果。
1对传统匹配算法的改进经典的地图匹配算法一般基于以下两个假设:(1)车辆一直在道路上行驶;(2)车辆行驶具有连续性。
针对智能交通系统的特点,考虑到人为因素,我们加入了第3个假设:(3)在两个匹配点之间,车辆正常行驶,即车辆可选择最短距离路径或最简单路径行驶。
最简单路径是指车辆在两点间所经过道路节点最少,行驶路径的结构最简单。
假设具有一定的合理性:若40m/s 为速度上限,假设认为车辆不会在短时间内(20sec)、短距离内迂回行驶,也就是说取数据的两个点之间路程间隔上限为800m,智能交通系统的重要性能之一就是要求高实时性的处理数据,系统参数T 的选择既要考虑车辆轨迹应有一定长度,同时也综合考虑红绿灯信号周期对行程速度计算的影响,所以根据不同情况和实际要求假设(3)可做相应调整。
实际应用中,我们应将T 的数据一次性读入,统一处理,具体实施分为以下3个方面。
一种改进的浮动车地图匹配算法摘要：为提高浮动车地图匹配精度，提出一种改进的浮动车地图匹配算法，综合利用道路拓扑关系和车辆定位误差，缩小候选路段范围，然后采用基于距离与方向的要素加权方法确定最终的匹配点，从而减少正确匹配路段被剔除的概率。
依托南京市局部路网以及浮动车定位数据进行实例分析，结果表明，该方法具有较好的精度和实时性。
关键词：浮动车；地图匹配；道路拓扑；要素加权0 引言随着智能交通系统的应用发展，安装车载定位设备的车辆越来越多，浮动车数据采集技术开始广泛应用于城市路况信息获取、道路建设和出行规划上[1]。
地图匹配（Map Matching，MM）是浮动车技术的重要组成部分，由于路网环境、电子地图误差和定位设备误差的影响，浮动车采集的定位点会随机分布在道路两侧一定宽度范围内，只有将这些定位点修正到其行驶的道路上，才能开展相关应用。
目前，国内外学者研究的地图匹配算法主要包括几何匹配算法、概率统计匹配算法、相关性匹配算法、基于要素加权的匹配算法、模式识别匹配算法等[2]。
其中，基于要素加权的地图匹配算法具有逻辑简单、速度快、实时性好等优点，目前已经得到较为广泛的应用[3]。
陈佳瑜等提出了一种基于权重的地图匹配算法[4]，采用一种间接的方式确定车辆当前行驶的道路，利用定位点当前信息和历史信息，降低定位误差对地图匹配效果的影响。
章威等提出一种基于大规模浮动车数据的地图匹配算法[5]，引入了匹配度的概念，以GPS定位点到候选路段的距离以及方向夹角为要素，加权计算得到匹配度，进而确定最佳的匹配道路。
王美玲等提出了一种浮动车地图匹配的新算法[6]，采用距离，航向和可达性三个要素加权计算候选路段的综合权重。
邹珍提出一种改进的基于权重的地图匹配算法[7]，将权重模型与交通规则约束、最短路径算法相结合。
在对以往的研究进行分析后发现，充分利用道路拓扑和多个要素可以进一步提高浮动车地图匹配精度。
本文从这一角度出发，综合利用道路拓扑关系和车辆定位误差，缩小候选路段范围，然后采用基于距离与方向的要素加权方法确定最终的匹配点，以期能够提高浮动车地图匹配精度，并确保匹配的实时性。
浮动车（Floating Car Data）技术，也被称作“探测车（Probe car）”，是近年来国际智能交通系统（I TS）中所采用的获取道路交通信息的先进技术手段之一。
其突出优点是能够通过少量装有基于卫星定位的车载设备的浮动车获得准确实时的动态交通信息，成本低且效率高，具有实时性强，覆盖范围大的特点。
浮动车信息 (FCD) 采集技术是目前国际上ITS系统中采集道路交通信息的先进技术手段，它利用定位技术、无线通信技术与信息处理技术，实现对道路上行驶车辆的瞬时速度、位置、路段旅行时间等交通数据的采集。
经过汇总、处理后这些信息生成反映实时道路拥堵情况的交通信息，能够为交通管理部门与公众提供动态、准确的交通控制、诱导信息。
FCD技术采用移动的定位设备测量交通网络中各离散点的交通流信息，数据范围遍布整个地区，能全天候24小时的进行数据采集；利用无线实时传输、中心式处理大大提高信息采集效率；通过测量的车辆瞬时状态数据，能准确反映交通流变化；利用F CD技术还可以实现多参数测量，包括天气、道路状况、车辆安全等参数；利用现有GPS与通信网络资源，采集设备维护与安装成本低。
通过FCD技术进行数据采集与反应实时路况信息已经成为当今智能交通领域的研究热点。
各发达国家纷纷投入巨大的人力、物力支持FCD 系统的研究与试验。
比较典型的浮动车项目与实验包括英国ITIS Holdings Plc开发的FVD系统，美国的ADVA NCE与TranStar，德国的DDG与XFCD，日本的P-DRGS 与IPCar等。
在我国交通拥堵比较严重的大城市，比如北京、上海、广州、深圳等地均开始了对浮动车技术的深入研究与应用推广。
1. 系统框架基于GPS的浮动车交通信息系统主要由车载设备、无线通信网络与交通信息中心等组成。
车载设备主要包括GPS模块、无线通信模块等，GPS模块接收卫星定位信号并运算出车辆的坐标与瞬时速度，无线通信模块负责将车辆坐标、速度等数据传送到交通信息中心。
专利名称：基于浮动车停车点数据过滤的地图匹配方法专利类型：发明专利
发明人：王东柱,齐彤岩,刘文峰,龚民,彭礼平,桑丽,孙玲申请号：CN200910086869.1
申请日：20090617
公开号：CN101577049A
公开日：
20091111
专利内容由知识产权出版社提供
摘要：一种基于浮动车停车点数据过滤的地图匹配方法，包括：步骤一、建立浮动车信息数据库；步骤二、将移动点浮动车数据记录和停车点浮动车数据记录分开；步骤三、计算移动点浮动车移动点投影距离及行驶方向夹角；步骤四、计算每辆移动点浮动车的距离度量值，步骤五、过滤移动点浮动车所在路段；步骤六、计算停止点浮动车停止点投影距离；步骤七、过滤停车点浮动车所在路段；步骤八、初次判定停车点浮动车所在路段：步骤九、设定停车点浮动车的排队长度；步骤十、计算停车点浮动车到路段终点的距离；步骤十一、二次判定停车点浮动车所在路段：步骤十二、三次判定停车点浮动车所在路段；本方法可以将能够表示路段交通状态的零速度点匹配到路段上。
申请人：交通部公路科学研究所
地址：100088 北京市海淀区西土城路8号
国籍：CN
代理机构：北京万科园知识产权代理有限责任公司
更多信息请下载全文后查看。
基于低采样频率浮动车的行程车速信息实时采集技术朱鲤;杨东援【期刊名称】《交通运输系统工程与信息》【年(卷),期】2008(008)004【摘要】智能运输系统(ITS)是当前解决交通问题的最佳途径之一,而动态交通信息的发布与预测是ITS的关键所在.然而由于在各种外部因素下,道路交通状态呈现出随机变化的特性,使得动态交通信息的发布与预测成为一大难点.结合某城市的实际情况,本文建立了在定位误差、采样间隔、车辆类型、道路类型等因素影响下的行程车速估计模型,并用实测数据对模型进行精度验证.结合出租车车辆的特殊信息,改进了低采样频率浮动车技术的估计算法,建立了空车数据处理模型;针对城市复杂和相似路段问题,提出了基于距离、方向角、连通性、历史数据以及车流方向等约束条件下的地图匹配算法;针对低采样频率浮动车数据,提出了考虑交叉口影响下的行程车速估计算法,通过实测数据评估了算法的性能;最后,针对不同检测技术的特征,提出了数据融合算法.【总页数】7页(P42-48)【作者】朱鲤;杨东援【作者单位】教育部同济大学交通工程重点实验室,上海200092;上海城市交通设计院,上海200025;教育部同济大学交通工程重点实验室,上海200092【正文语种】中文【中图分类】U491【相关文献】1.基于浮动车车速数据的交通状态实时判别系统和方法 [J], 王吟松;王嘉文;张建跃;董秀军;杨晓光2.基于道路坡度实时信息的经济车速优化方法 [J], 王建强;俞倩雯;李升波;段宁;李克强3.基于手机位置的实时交通信息采集技术 [J], 王西点4.基于时空信息融合学习的路段行程车速短时预测 [J], 杨顶;邓明君;徐丽萍5.基于RFID的频谱动态信息实时采集技术研究 [J], 李素桂;朱锦锋;龚让声因版权原因，仅展示原文概要，查看原文内容请购买。
