基于手机定位及聚类的高速公路实时交通参数估计研究

《基于手机定位及聚类的高速公路实时交通参数估计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文基于手机定位及聚类的高速公路实时交通参数估计研究姓名：马丽申请学位级别：硕士专业：系统工程指导教师：孙棣华20050501重庆大学硕士学位论文中文摘要摘要高速公路交通参数主要包括交通流量、密度、速度等，高速公路交通参数的实时估计是交通流诱导、行程时间预测、交通事件检测、道路安全分析、道路交通容量以及性能分析的基础，在高速公路监控和管理系统中起着尤为重要的作用。目前，交通参数估计的方法多是以设置于道路断面车辆检测器获取的车辆通过信息为基础，进而估计通过道路断面的交通流状态，其检测性能主要取决于检测器传感部件

2、的精度、可靠性及道路上检测器的密度。实现较大范围的交通参数检测，需要检测设备的大量投资。而鉴于检测设备及其安装成本高、维护费用大、易损坏、受气候和光线等自然条件影响大，难以实现全天候、大范围、低成本的交通信息检测。论文提出利用“微观”交通信息——道路上独立车辆的行驶状态来估计道路交通参数，发展一类新的交通参数估计方法。该方法通过移动通信网络获得的在路手机位置及运动速度作为检测信息，应用聚类分析估计在路车辆运行状态，进而实现高速公路交通参数的实时估计。提出的方法利用已有的通信网络，不需检测设备的大量投资，可大大降低检测成本，实

3、现交通信息的全天候、较大范围、实时检测处理。论文首先分析了现有实时交通参数估计方法及其特点；探讨了高速公路车辆行驶的特征、车载手机的运行规律，并分析比较了手机定位数据与道路断面检测法、GPS定位检测法的交通参数检测数据在数据检测对象和数据处理方法两方面的数据特征；针对上述手机定位的数据特征，提出了基于手机定位交通参数估计的方案框架，包括3个部分：基于电子地图匹配技术的车载手机识别、独立车辆识别及在路车辆数估计、交通参数估计。随后，论文针对方案实施的关键技术——独立车辆识别及在路车辆数估计的解决思路，提出了基于手机定位及聚类的

4、独立车辆识别方法，并详细的阐述了算法的实现以及聚类阈值的选取；在此基础上，建立了基于独立车辆运行状态的交通参数估计算法。最后，通过仿真实验验证了本文算法的参数估计效果，并从实验和理论上与R.Bolla&F.Davoli(2000)提出的基于手机数量的交通参数估计的估计性能进行了系统的比较，证明基于手机定位及聚类的实时交通参数估计有较好的适应性、实时性和准确性。关键词：交通参数，手机定位，聚类分析，最佳阈值，移动通信I重庆大学硕士学位论文英文摘要ABSTRACTTheestimatingreal-timetrafficvari

5、ablesonfreewayisthebaseoftrafficflowguidance,thepredictionofroutetraveltime,thedetectionoftrafficincident,theanalysisofroadsafety,andtheanalysisoftrafficcapacityandperformance.Itplaysimportantrolesinthemoderntrafficsupervisionandmanagementsystem,soitissignificantto

6、studythemethodsofestimatingreal-timetrafficvariablesonfreeway.Atpresent,itisratherdifficulttoestimatereal-timetrafficvariablesusingthetraditionalmethods,whichgetdetectinginformationfromdetectorthatissitedintheroadsection.Thentrafficvariablesarecalculatedfromthatinf

7、ormation.Becausethecostpriceofinstallationandmaintenanceofdetectingequipmentistoohighcosttobeusedthosedetectingmethodsfordetectingtrafficinformationthatisthewholeday,lowcostandhighefficiencyinthewiderrange.Inthispaper,anewmethodofestimatingreal-timetrafficvariables

8、basedonmobilephonelocatingispresented.Thestateofvehiclesonfreewayisestimatedbyclusteringandanalyzinglocation,velocityandaccelerationofmobilephone