论文部分内容阅读
交通信息采集与交通状态判别是现代智能交通建设和道路交通控制与管理的重要基础。目前常用的环形感应线圈等固定型检测技术和GPS浮动车检测技术普遍存在路网覆盖率有限的问题，难以提供全路网的交通信息。
由于目前我国移动网络的建设已较为成熟，网络覆盖面较广，用户群庞大，在实际路网中，大部分行驶的车辆都载有移动电话用户。由于车载移动台具有与其所在车辆相同的行驶速度，因此，通过采集、处理车载移动台提供的移动通信数据，可以获取相应路段交通信息，判断道路的交通状态。该方式覆盖面广、数据量充足，是现有交通信息采集技术的有效补充。
本文以高速公路路网为实验路网，对如何利用现有移动通信数据提取高速公路交通信息并进行交通状态判别进行了研究。具体研究内容包括：
一、确定用于交通信息采集的移动通信数据类型及其采集方式。从移动通信运营现状及交通信息采集需求考虑，确定了以路网中活跃移动台的周期性位置更新、呼叫连接、切换、短消息四种通信事件作为交通信息采集的移动通信数据源，以及通过在基站控制器（BSC）或移动业务交换中心（MSC）中加载数据提取程序及存贮设备的移动数据提取方式。
二、利用实际调查数据，分析移动电话用户通信行为受交通状态变化影响的特性，探讨通过移动通信数据变化反映交通状态变化的可行性，并根据调查统计分析结果，建立了移动电话用户的通信行为仿真模型。
三、研究基于移动通信数据的交通流信息采集的整体流程及其各部分具体实现方法。根据高速公路网结构及其移动通信网络结构特性，采用基站小区覆盖范围的路网划分方法，并在此基础上采用基于活跃移动台小区定位与切换定位结合的地图匹配方法对车载移动台进行定位。
四、在现有基于切换定位的交通信息提取方法基础上，提出直接交通信息与间接交通信息相结合的交通信息采集方法。其中，直接交通信息指由移动台连续两次切换估算的路段行程速度；间接交通信息指从移动通信数据中提炼整合的、能够反映交通状态变化的路段通信密度量等信息，以解决在道路拥堵严重、切换样本难以获得情况下的交通信息采集问题。
五、建立完整的基于移动通信的交通仿真系统。实现地理信息平台、微观交通流仿真平台、移动通信仿真平台等多个系统的跨平台数据交换及协联工作；完成通信行为仿真模块、以及交通信息采集模块和交通状态判别模块等核心模块的研发。实验证明，仿真系统运作稳定而有效，生成的仿真数据符合实际规律。
六、基于本文所提出的直接和间接交通信息，进一步提出基于BP神经网络模型的高速公路交通状态判别模型，并通过仿真实验对路段进行交通状态判别与交通事件检测。实验证明，本文提出交通状态判别模型对事件检测率高，效果良好，最高检测率达到100％，相应误报率为1.39％，最低检测率也达到85.00％，相应误报率为13.16％。