导　　师： 徐建闽

授予学位： 博士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 在如今的大数据时代,交通数据也呈现了爆发式的增长。交通数据的感知已经不再局限于传统的固定检测器,智能手机、车载智能终端等移动智能设备产生的海量实时的轨迹数据正在成为交通大数据的重要组成部分。随着轨迹数据规模的改变,对轨迹数据的研究内容和方法也要随之转变。海量实时的高频轨迹数据为动态交通诱导提供了丰富的数据资源。本文针对基于轨迹大数据的动态交通诱导技术展开研究。本文研究的总体目标是利用大规模的实时轨迹数据,建立新的数据处理算法与实现方案,对交通状态进行精确的实时估算与动态预测,进而对车辆进行准确而精细的动态诱导。本文取得的主要成果,包括以下几个方面:(1)信号交叉口排队长度实时估算交叉口延误是城市交通状态的一个重要影响因素。实时估算交叉口排队长度一直以来都是一个挑战性的问题。当信号交叉口没有配备固定交通流检测器时,问题将变得更加复杂。本文探讨了在海量GPS数据环境下,计算信号交叉口实时排队长度的关键技术。利用车辆GPS数据,本文提出了基于交通波理论的信号交叉口实时排队长度估算模型,并首次引入了“消散延误”的概念。利用实时排队长度估算模型与车辆的“消散延误”数据,可以实现交叉口每一个信号周期的排队长度的实时估算。根据实时估算的计算结果,本文提出了面向诱导的平均延误时间计算方法。本文对模型和算法进行了实地测试,测试结果表明,本文建立的模型和算法可以较为准确的估算信号交叉口的实时排队长度。(2)基于实时轨迹数据的短时交通流预测短时交通流预测是构建动态交通诱导系统的关键技术之一。短时交通流预测算法需要兼顾实时性与准确性两方面的要求。指数平滑法具有计算效率高且容易实现的特点,更适合于在动态诱导

关 键 词： 智能交通 全球定位系统 动态交通诱导 实时排队长度估算 车速引导

领　　域： []