城市车辆网络中的交通信息预测

城市车辆网络中的交通信息预测

在大都市，实时预测交通信息备受期望，其不仅可以在很大程度上促进交通管理，还可以节省驾驶员在路上的行驶时间，并能减少车辆的燃油消耗，该指标在低碳社会备受重视。然而，由于在每条路段或十字路口布置大量的检测传感器需要花费大量的资金和时间，故获取交通信息非常困难。最近，上海规划项目提供了一种创新性的、有益于成本效益的方式，该方式可以在数千辆移动出租车上布置交通用传感器解决上述问题。在该项目的理念中，通过上述传感器数据感知交通状况信息。由于个体出租车信息容易出现错误，或出现由于时间和空间分布造成的感知区域大小不同，故该技术具有挑战性。采用数据聚合方法，可以解决上述问题。首先研究上海3000辆出租车的测试数据特点，利用交通状况的空间相关性条件，提出基于交通预测的相关性算法。该算法的数据搜集时间段为2007 年2月5日至2007年2月8日，共计3135辆出租车参与了试验。在该数据的支持下，采用评估函数对车辆速度和道路允许的平均车速进行评估，包括利用GPS报告中的部分数据评估载客状态。该算法可以成功地扩大出租车传感器的覆盖面积。基于该算法进行了相关试验，试验结果显示了该算法的重要性，但不证明通过该算法可以提供上海任何时间、任何地理位置的交通信息。

Kaoru Ota et al.Wireless Communications and Networking Conference (WCNC), 2011 IEEE.

编译：孙博华