交通出行服务重要疑问研讨简述

前言：本站为你精心整理了交通出行服务重要疑问研讨简述范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

作者：王爽沈强单位：北京公科飞达交通工程发展有限公司交通运输部公路科学研究院

交通信息采集技术研究现状

目前，交通信息采集手段可以分为2类:(1)通过人工采集获取，如:交通调查数据、交通事件信息等;(2)通过各类交通信息检测系统实时自动采集，自动采集技术包括移动型交通采集技术和固定型交通采集技术。固定型采集技术固定型采集技术是运用安装在固定地点的检测设备对道路进行交通参数检测的方法，能够提供交通流量、地点平均速度、车头时距、车型分类和车道占有率等参数。目前，常用的固定检测器有:环形线圈检测器、微波检测器、视频检测器、红外检测器、超声波检测器等。各种检测技术都有不同的优缺点(见表1)，在工程建设时，需根据环境条件和具体需求进行选择，也可在同一系统中采用多种检测方式，通过对多源交通数据的融合处理提高检测精度。移动型采集技术移动型采集技术是运用安装有GPS定位设备的移动车辆(浮动车)检测道路上的固定标识物来采集交通参数的方法。移动型采集技术主要有:电子标签、GPS、蜂窝网络和汽车牌照自动识别［8］。其中基于GPS的动态交通数据采集技术是当前最主要的移动型采集技术。目前，对该技术的理论研究重点主要包括提高采集数据质量的方法和计算样本量的方法等。目前市场上的车载终端硬件都有一些数据校正算法对数据进行预处理，剔除或修正异常数据，以保证数据质量。样本量计算，即根据信息检测要求或估计精度要求计算所需的浮动车数量，以求在满足应用精度要求和信息采集成本二者之间寻找平衡点，目前，相关计算方法研究已比较成熟。

交通信息处理技术研究现状

浮动车信息处理技术浮动车信息处理是实现对浮动车GPS数据的格式转换、预处理、统计分析、地图匹配、浮动车最小样本量估计、从而得到各路段的速度趋势、旅行时间、路况等交通信息。其中重点研究内容在地图匹配和行程速度估计2方面。在地图匹配问题研究方面，国内学者提出了很多算法，例如基于概率统计的地图匹配算法、基于曲线拟合的地图匹配算法、基于权重的地图匹配算法、基于卡尔曼滤波的地图匹配算法、基于模糊逻辑的地图匹配算法等［9－13］。针对浮动车数据大规模、长间隔的特点，其算法与传统的导航地图匹配算法有一定区别。刘彦挺提出了一种将基于权值、道路拓扑和最优路径选择相结合的综合地图匹配算法［14］，章威提出了浮动车地图匹配模型族的解决方案，设计了浮动车数据地图匹配算法体系［15］。在行程速度估计研究方面，QuirogaCesarA提出了行程速度积分计算方法［16］，董均宇建立了GPS浮动车路段平均速度估计的数据融合模型［17］，章威在对平均速度和平均通过时间算法误差分析的基础上，提出了基于浮动车技术的目标路段行车速度估计算法［18］。行程时间预测目前广泛应用的行程时间预测模型包括:历史平均模型、ARIMA模型、卡尔曼滤波模型、神经网络模型和非参数回归模型等［19］。例如:动态路径诱导系统中使用历史平均模型对行程时间进行预测，文献［20］中使用ARIMA模型对城市主干道的行程时间进行预测，朱中在文献［21］中使用卡尔曼滤波理论对行程时间进行预测，杨兆升在文献［22］中建立了基于BP神经网络的行程时间预测模型，朱耿先在文献［23］中使用RBF神经网络对行程时间进行预测。对于短时交通流预测，根据理论基础的不同，可以将预测方法分为2大类:统计预测方法和人工智能方法［24］。统计预测方法又可以分为回归分析预测、时间序列预测以及概率预测等。它们均尝试把交通流参数看成一个时间变量，从而找到这一时间序列中隐含的统计规律或关系。这些方法比较成熟、算法简单、速度快，但是过分依赖于用数学模型来刻画交通流特征或者需要很强的经验判断，这将直接影响到这类方法的有效性和预测精度。另外，传统统计学研究的是样本数目逼近无穷大的渐进理论，当样本数目有限时就难以取得理想的效果，因此很难适应目前复杂多变的交通状况。由于受到这些条件的制约，采用统计预测方法进行短时交通流预测的效果并不理想［25］。人工智能方法中的典型代表就是神经网络方法。神经网络凭借其逼近任意非线性函数的能力和所具有的容错、自学习等优点，已被国内外学者用于建立交通流量预测模型，并取得了不少有效的研究成果［26－28］。虽然神经网络能够根据历史数据进行学习训练和经验积累，具有自适应能力的优点，但是它得到的结果是基于经验风险最小化的，需要有足够大的样本数据数量，可能还会出现过学习问题以及求得局部极小解的问题［29］。这些不足，使神经网络在交通流量预测中的应用效果不如期望的那样好，对于非平稳的短时交通流，当输入信号中混有噪声时，神经网络预测的精度更差［30］。由Vapnik等提出支持向量机(SupportVectorMachines，SVM)的机器学习算法［31］，与传统的神经网络学习方法相比，实现了结构风险最小化原理(StructureRiskMinimization，SRM)，它同时最小化经验风险和VC维(Vapnik－ChervonenkisDimension)的界，这就取得了较小的实际风险，从而对未来的样本有较好的泛化性能。SVM能够有效解决小样本、非线性等回归问题，泛化能力强，并能找到全局最优解，克服了神经网络局部极值的难题［32－33］。路径规划最优路径规划是交通出行信息服务平台提供信息服务的重要内容之一。在国内外，有大量的关于路径规划算法的研究，常见的路径规划算法主要有Dijkstra算法，Bellman－Ford算法、Floyd算法、启发式搜索算法、A*算法等。还有很多为车辆导航而改进的算法，如K最短路径算法、遗传算法、蚁群算法和神经网络算法等［34－35］。为了改进算法的性能和提高算法的适用性，很多学者对相关问题进行了系统和深入的研究。陆峰从问题类型、网络类型和实现方法3方面对最短路径算法进行了系统的分类［36］;张可提出了基于路阻函数模型和信号交叉口延误模型，标定以出行时间度量的道路权重的方法体系，以及适合车辆导航的路径优化推荐算法［37］，郑年波根据对偶图思想，定义搜索节点结构，处理交叉口转向限制和延误，并提出了基于搜索节点的双向启发式A*算法［38］。Car＆Frank提出了基于层次空间推理的交通网络行车最优路径算法［39］。陆峰、付梦印、李清泉、吴一民等人也对分层路径规划算法进行了深入研究，提出了切实可行的推理规则和算法，并开展了相关的实验验证［40－43］。目前，还有一种研究趋势是利用从移动对象轨迹数据中挖掘出的“热点路径”来辅助路网分层，从而提高层次路径规划的合理性和可用性［44－45］。对于动态路径规划，苏永云和晏克非建立了路段动态行程时间计算模型，并运用到动态最短路径改进A*算法中［46－47］。

交通信息技术发展现状

交通信息技术常常被研究者所忽视，国内相关的研究不多，工程实践中也缺乏可行的标准指导。交通信息技术的研究侧重包括信息方式和内容的选择与设计、信息子系统架构、交通信息协议和用于交通信息的移动通信技术。交通信息方式提供信息服务的方式和载体有:交通信息咨询服务热线电话、交通信息服务网站查询、电子信箱定制、移动通信短信息定制或点播、触摸屏终端查询、静态指示牌、电子情报板、交通信息广播电台、车载智能交互显示终端、路侧广播系统等。通常，由于公众出行信息服务平台服务对象的广泛性和服务内容的多样性，需要多种信息方式综合以达到最佳效果。交通信息协议目前，面向移动终端的交通信息协议在国际上主要有3个:TMC、TPEG和VICS。TPEG是TMC未来的替布协议，VICS则是日本VICS系统应用的协议［6］。我国的RDS-TMC标准是在参考国际标准中的ISO14189-1/14189-2/14189-3的基础上，结合我国特点，于2006年11月正式［48］。但目前没有配套全国统一的位置表(LocationTable)，因此，使用企业内部信息标准，是各交通信息服务商的现实选择，如文献［6］中提出的基于LINK的面向移动终端的交通信息协议。交通信息的无线通信技术对移动终端实时交通信息，必须使用无线数据通道，目前可选择的无线通信技术主要包括:调频多工数据系统(RDS、DARC)、数字广播(DAB、CMMB)、蜂窝网络(2G、2.75G、3G)、专用短程通信(DSRC)。目前国内已建成的WiFi/WLAN和WiMAX网络由于城市覆盖范围小、没有规模商用、建成该网络的城市不多等因素，还难以使用于交通信息［6］。(1)RDS广播数据系统(RDS)由欧洲广播联盟组织开发，数据传输速率为1.2kbps左右。RDS数据内容可以包括电台类型、节目类型、交通公告、广告信息、标准时间、天气预报等，同时提供了开放式数据接口，为特殊要求用户提供数据文本应用通道。(2)DARC日本广播协会(NHK)开发的DARC数据传输速率为16kbps，能够和RDS兼容。VICS系统就是采用DARC完成中心向车载移动接收设备的信息传输。RDS和DARC成本低廉、技术成熟、覆盖范围广，且不干扰音频广播，目前国内部分城市利用RDS和DARC技术路况信息，终端设备通过嵌入式的FM副载波接收芯片获取路况信息并实现动态导航过程。(3)DAB数字音频广播(DAB)是继调幅、调频广播之后的第3代广播，具有接收质量高、抗干扰性能强、发射功率小、覆盖面积大、频谱利用率高、适合高速移动接收等特点，其数据带宽为1.2Mbps。DAB目前已在国内部分城市投入商用，路况、新闻、电视与数字广播等地方性信息服务，相关导航产品也已面世。(4)CMMB中国移动多媒体广播CMMB是国内自主研发的第一套面向多种移动终端的数据广播系统，速率范围在2.7～12Mbps，可以通过无线广播电视覆盖网，向各种小屏幕便携终端提供数字广播电视节目和信息服务，在2008北京奥运会前开始提供服务，目前已覆盖全国大部分主要城市和地级市。早在2006年，国家广电总局就已对CMMB和DAB进行了区别定位和明确划分:CMMB通过卫星实现全国统一覆盖，由单一运营商运营;DAB侧重本地多媒体业务，由地方不同的运营商分别运营。(5)蜂窝网络蜂窝网络是目前最常用的交通信息的通信通道，常用技术包括2.5、2.75G和3G。2.5G是在GSM基础上添加了GPRS(传输速率115.2kbps);2.75G是在GSM基础上添加了EDGE(传输速率384Kbps)，可以说是从2G到3G的最后过渡阶段，在CDMA基础上发展起来的CDMA1X(传输速率153.6kbps)也称为2.75G技术;3G就是TD－SCDMA(传输速率2.8Mbps)、CDMA2000EVDO(传输速率3.1Mbps)、WCDMA(传输速率14.4Mbps)这些更加高速的网络。2011年，我国移动通信用户已经超过8.6亿，3大运营商2011年净利润突破1200亿。作为移动通信增值服务的出行信息服务具有巨大的市场发展潜力。(6)DSRC专用短程通信(DSRC)技术是ITS的基础之一，传输速率为250～500kbps，能够提供高速的数据传输，是专门用于车辆通信的技术，它负责在车－路以及车－车之间建立信息双向传输。

交通信息服务质量评价研究现状

科学的交通出行信息质量评价是评估交通出行信息是否满足公众需求的重要手段。目前我国对交通信息质量的评价体系的研究还很少。美国ITS协会于1999年召开了一个关于ATIS数据质量的研讨会，并了一份报告，该报告提出了关于检测器数据、交通事件、图像和气象检测器数据的质量评估准则。美国联邦公路管理局于2003年了一份关于ATIS系统中的行程时间质量评估报告，在该报告中定义了行程时间的评估内容及评估方法。2004年，美国联邦公路管理局了“交通数据质量评估报告”，在该报告中，介绍了交通信息质量的评估框架和准则，这些准则针对不同信息使用用户和使用环境。但在这些文献有一些缺陷，评价要素(交通参数)不全面或评价指标不全面，而且也没有多指标的综合评价方法，不能对交通信息质量进行综合评价。我国交通信息质量标准尚未，各服务机构尚未以统一的质量标准提供信息，这在一定程度上影响了人们对交通信息的使用［49］。因此，迫切需要形成一个完整的交通信息质量评价体系，为制定国家交通信息质量标准提供理论依据和数据支撑。

研究展望

交通信息系统在国外的商业化服务已经比较成熟，而国内才刚刚起步，成熟的商业化服务还比较少。国外在交通信息服务的数据采集、数据处理和数据3个环节上形成了完善的技术体系，而国内的理论体系初步形成，还不够完善，能够与工程实践相结合的研究并不多。未来的研究，我们需借鉴国外交通出行信息服务平台的研究和建设经验，完善相关的理论体系，研究和解决工程建设中的实际问题，未来研究的重点应放在:(1)针对交通历史数据的数据仓库技术和数据挖掘技术交通出行信息服务平台中的数据仓库中存放着海量的各种粒度的交通历史数据，通过数据挖掘和深层次分析，可以得到非常有价值的信息，用于交通决策支持、趋势分析等，因此应该对数据仓库和数据挖掘在交通出行信息服务平台中的应用进行研究。(2)行程时间预测算法的优化行程时间预测算法的计算效率和计算精度还有很大的优化空间，例如结合历史数据，探索多模型融合预测方法提高预测精度;将固定检测器数据，模型计算结果和浮动车数据等进行融合，提高预测精度;对算法本身研究改进策略，使算法的训练和预测能够满足实时性应用的需求。(3)出行者对交通信息响应行为研究由于预测信息的对交通参与者出行行为的影响，反作用于交通流本身，使交通流向偏离预测结果的方向发展，从而使交通流预测结果部分失效。解决这类循环作用问题的方法，目前比较认可的是采用计量经济学中的离散选择模型，研究出行者对实时交通信息的响应和行为过程，目前此方向的研究成果还没有达到实用程度。(4)多模式条件下动态交通路径规划问题研究公众出行路径选择通常是多种交通模式组合优化的过程，目前还没有适用于多模式环境下的出行路径动态规划算法。另外，交通管制、交通事件等动态信息造成的路径连通关系的动态变化，如何在动态路径规划算法中体现也是未来研究的难点。(5)交通信息质量评价体系研究信息质量标准的合理范围既要考虑成本又要满足用户需求，另外，合理的交通信息质量评价参数和评价指标的选取、评价指标计算方法、交通信息质量评价方法都是交通信息质量评价体系研究的重要内容，最终目标是形成适用于我国的、量化的交通信息质量评价标准。