毕业设计（论文）基于浮动车的实时路况分析算法.doc

基于浮动车的实时路况分析算法摘 要交通拥挤已成为困扰世界各大城市的主要社会问题之一，严重影响城市的可持续发展和人们的日常生活与工作。在当前的交通控制系统中，交通状态数据的采集越来越被重视，目前用于交通状态获取的手段主要有微波雷达、感应线圈、视频摄像头等，这些检测器主要部署在关键路段和主要路口。由于这种检测器有限范围的布局，导致了城市道路上存在大量的信息盲点和“真空”地带，并且在固定检测器分布的地方，也会因检测器故障导致交通信息缺失。如何全面准确地获取实时的城市道路的全路交通信息这个问题亟待解决。准确的判断道路的交通状态并及时发布对于制定有效的出行策略很重要。本文以GPS浮动车为依托，采集路网的交通参数，并通过分析判断路网中的交通状态，为交通管理者和出行者提供准确的信息。本论文主要介绍GPS浮动车交通信息采集系统的构成，采集数据预处理以及各种交通状态判断方法所采用的模型，并提出区间速度与瞬时速度融合的路段平均速度估计模型，最后通过实验测试本文提出的方法。本文研究的重点是如何充分利用GPS信息计算路段的平均速度，涉及到路段的平均速度计算模型的建立，最终根据路段的平均速度以及交通状态判别标准得到交通状态。关键词：GPS浮动车，交通状态，平均速度，模型，算法ABSTRACT Traffic congestion has become one of the major social problems plagued the world's major cities, seriously affecting the sustainable development of cities and people's daily life and work. In the current traffic control system,the acquisition of traffic condition data is taken more and more seriously.Currently,the means to acquire the state of transportation mainly contain microwave radar,induction coils,video camera and so on.These detectors are mainly deployed in key sections and main road intersections.Due to the limited scope of the layout of the detectors,there are plenty of blind spots of information and "vacuum" zone on the city road.Besides,in the places distributed with fixed detectors，there is also traffic information loss because of the failure of the detector.The problem of how to obtain real-time traffic information of the whole city road accurately and totally demands prompt solution.It is very important for the development of effective travel policy to determine the traffic state Accurately and the timely release.The GPS floating vehicles collect network traffic parameters and traffic state in the road network,through the analysis and judgment,it can provide accurate information for traffic managers and travelers.This paper introduces the composition of the traffic information acquisition system based on GPS floating car, acquisition of data preprocessing and model various traffic state judgment method, and proposed sections of the integration interval speed and instantaneous speed, average speed estimation model, and finally in this article the experimental tests are done for the proposed method. The focus of this paper is how to take full advantage of the GPS information to calculate the average speed of road sections, related to sections of the average speed calculation model, and the final it get the traffic state according to the sections of the average speed and the traffic conditions criterion.Keywords: GPS floating cars, traffic status, average speed, model, algorithm目录第一章 绪论11.1 城市交通现状11.2 交通参数采集技术21.3 国内外浮动车技术现状31.4本论文研究内容4第二章 GPS浮动车采集交通信息技术62.1 GPS浮动车交通信息采集系统构成62.2 GPS浮动车采集交通信息原理72.2.1 GPS系统组成72.2.2 GPS定位原理92.2.3 GPS浮动车采集交通信息原理10第三章 GPS浮动车数据采集及预处理123.1 GPS浮动车采集车辆参数配置123.1.1 数据采样时间间隔的确定123.1.2 浮动车样本容量的确定123.2 GPS浮动车数据预处理133.2.1 丢失及错误数据识别143.2.2 数据弥补及修复143.2.3 车辆行驶方向判断14第四章 基于GPS浮动车的交通状态判断164.1 交通流参数164.2 交通状态判别标准174.3 路段划分184.4 基于GPS浮动车的交通状态判别算法184.4.1 模糊推理模型194.4.2 多元回归模型194.4.3 速度积分模型204.5 路段平均速度估计模型建立214.5.1多车区间速度计算234.5.2 多车瞬时速度计算254.5.3 路段平均速度计算26第五章 实验及结果分析285.1 实验设计285.2 实验数据及结果285.3 实验结果分析31总结与展望32致谢33参考文献34附录35第一章 绪论1.1 城市交通现状 随着经济和社会的发展，城市规模日益扩大，城镇居民的出行要求也进一步增加，使得困扰世界各大城市的交通拥挤问题变得更加严峻。交通拥挤不仅使道路通行能力降低、行车速度下降、交通延误增大，还造成巨大的经济损失。加拿大交通部2005年发布的一份城市交通报告表明，加拿大每年因交通拥挤造成的经济损失达60亿加元。据美国德州运输研究所对美国39个主要城市的研究，估计美国每年因交通阻塞而造成的经济损失约为410亿美元，12个最大城市每年的经济损失均超过10亿美元。日本东京每年因交通拥堵造成的时间损失以货币单位计算高达123000亿日元。欧洲每年因交通事故、交通拥堵造成的经济损失分别为500亿欧元、5000亿欧元。同世界其他发达国家一样，我国的机动车增长速度迅猛，交通拥挤是一个不争的事实。根据国家统计局的数字，截至2008 年3月，全国机动车保有量超过16亿辆，一季度全国机动车保有量与2007年底相比增长185；全国汽车保有量与2007年底相比增长365。其中，全国私人机动车保有量与2007 年底相比增长508。同时，中国社科院的报告也显示，在全国31个百万人口以上的特大城市中，大部分交通负荷接近饱和，有些城市中心地带的交通已接近半瘫痪状态。交通堵塞如长期困扰以汽车为交通骨干的城市体系，久而久之会麻痹城市功能，加大城市运行成本，严重阻碍城市的社会经济发展。 解决城市交通拥挤问题的传统方法是增加城市道路，修建高架桥等交通基础设施。但实际中对任何城市来说，道路都不能无限制的拓宽和增加，随着对交通问题研究的深入，人们开始意识到必须采取增加道路基础设施和提高路网的通行能力相结合的方法来解决交通拥挤问题，由此逐渐产生了交通控制技术。从1914年美国出现现代交通信号控制以来，城市交通控制技术经历了点控、线控、面控的发展，进入二十世纪八十年代，着眼于整个系统控制的智能交通系统(ITS)，将先进的电子通信、自动控制、计算机处理、信息融合等技术有效集成，综合运用于道路交通管理，提高了路网的通行能力。 实现良好的交通控制必须对道路的交通状态进行实时监测与分析，及时发现道路网中存在的交通问题，这是改善道路交通运行效率，减小路网交通阻塞的前提和基础。在现代交通工程技术中，交通参数是表征道路交通状态的标量，因此，无论是智能交通系统，还是现代交通工程，都是以采集可靠而准确的交通参数为基础的。目前交通工程中常用的交通参数包括：路段车流速度或行程时间、交通量、交通流、密度等。交通参数在交通规划，设计、运营、管理和研究等方面有着广泛的用途，对现代交通工程技术有着重要的意义。1.2 交通参数采集技术 目前交通参数的采集方法可以分为固定型采集技术和移动型采集技术两种。固定型采集技术是指运用安装在固定地点的交通检测设备对移动的车辆进行监测和采集交通参数数据的方法总称。目前主要包括磁频、波频和视频三种采集技术。下面对几种固定型采集技术的检测设备进行对比，如表1.1所示：表11固定型采集技术对比表采集技术检测参数特点环形感应线圈检测器交通流量、占有量、车辆存在信息和点速度点测量技术，设备安装和维护不便，会影响道路及交通。超声波检测器交通流量、占有量、车辆存在信息和排队长度点测量技术，设备安装需增加道路设施，易受天气影响。红外线检测器交通流量、占有率、车辆分类、车辆存在信息和点速度点测量技术，设备安装需增加道路设施，易受天气影响。微波检测器交通流量、车辆存在信息和点速度点测量技术，设备安装需增加道路设施，会损害人体健康。视频检测器交通流量、占有率、车辆分类、车辆存在信息和点速度数据计算量大，设备安装需增加道路设施，空间覆盖面有限。如表所示，固定采集技术采集的交通参数主要包括交通流量、占有率、点速度等，基本上都是点测量技术，检测覆盖面较小，检测设备的安装都需要改造或增设道路设施，维护时会影响道路及交通。这种采集技术适用于对固定点、某一交叉路口或特定路段的交通状态检测。当要实现整个道路路网的交通状态检测时，采用这种技术就意味着在要在路网中安装大量的检测设备，不仅安装和维护费用高，而且会影响交通环境。同时，考虑天气对检测效果的影响，后期的维护费用会更大。移动采集技术指运用安装有特定设备的移动车辆(Floating Car)接收卫星信号或检测道路上的固定标识物来采集交通参数数据的方法总称。目前主要有基于GPS的采集技术、基于电子标签的采集技术和基于汽车牌照自动识别的采集技术。下面对移动型交通数据采集技术的性能进行比较，如表1.2所示。表1.2移动型采集技术对比表采集技术采集的交通参数优点缺点基于GPS的采集技术直接提供交通流量、瞬时车速；间接提供行程时间、行程速度；采集的数据有很强的连续性；可全天候工作；提供的交通信息多样；要获得全路网的精确交通信息必须有足够多的装有GPS接收设备的车辆运行在道路网络中。基于电子标签的采集技术直接提供交通流量；间接提供行程时间、行程速度；采集的数据有很强的连续性；可全天候工作；可用于自动收费；必须有足够的安装有电子标签的车辆运行在路网中才能获得精确的路网交通信息；数据处理时要运用良好的滤波算法，消除个别车辆运行故障引起的数据误差。基于汽车牌照自动识别的采集技术直接提供交通流量；间接提供行程时间、行程速度；采集的数据有很强的连续性；可全天候工作；车辆不需安装其他设备；检测精度易受天气和光源影响；检测精度汽车牌照清晰度影响。 通过综合比较各种采集技术的特点，本文采用基于GPS浮动车的交通信息采集技术进行交通参数采集。1.3 国内外浮动车技术现状近年来，浮动车交通信息采集与处理技术在世界范围内得到了积极的研究开发和推广应用，其中，国际上比较典型的浮动车项目有美国的ADVANCE和PATH，德国的XFCD和DDG，英国的FVD和Trafficmaster，日本的JARI和IPCar等。其中英国的FVD是目前世界上最典型的GPS浮动车数据系统。其运用范围覆盖英格兰的主要路网。它采用了一个优化的数据采集模式，在系统中，浮动车除安装GPS 接收机外还安装了数据采集部件(DCU)，可存储350h的浮动车位置数据。通常，数据中心每周定期对各浮动车的DCU通信，采集数据，并自动对数据进行地图匹配，记录特定时间段行驶在特定路段的浮动车。当需要对路网中某一路段进行实时交通参数检测时，根据车辆出行具有规律性这一经验事实，数据中心与系统挑选出的当时可能行驶于该路段的浮动车通信，连续采集数据进行实时交通参数估计，从而有效地提高了系统的运行效率并节约了通信费用。日本的JARI项目利用出租车集团车辆实现实时的浮动车信息处理的方法。浮动车与信息中心之间通过Intemet连接，主要提供出行时间信息服务、车辆管理和天气信息服务等。IPCar浮动车系统利用出租车和公交车作为浮动车，通过车辆轨迹和状态参数的分析区别出道路交通的状态模式，并可根据出租车乘客起讫点数据估计出OD流量。归纳起来主要是浮动车的样本量和覆盖率问题及浮动车数据应用两个方面的研究。在GPS浮动车数据应用方面，国外大部分是运用GPS浮动车数据对行程时间进行估计和交通事件进行检测，并逐步进行了验证和补充完善。浮动车技术在我国起步比较晚，同样也在经历一个数据应用研究在先、数据采集优化研究在后的过程。目前我们在应用浮动车采集交通数据方面取得了显著的成绩。2004 年10月由北京市交通委开始浮动车研发，己自主研发了浮动车数据采集发布系统，目前有12万辆车浮动车在运行，是国内外城市应用方面最大规模的一套系统，并且这套系统申请了多项专利。经过国家软件质量监督检测中心的评测，系统在五环内可导航道路的覆盖率已经达到了7423，路况的信息准确率接近85。2007年11月，建设了动态导航示范系统，实现了动态交通信息向车载导航的发布和接收，同时与国内外汽车厂商导航仪厂商和信息服务商开展了一年的测试工作，已经达到可推广使用的条件。目前该系统已成为北京市交通委进行路网运行速度、拥堵点段和拥堵程度、出租车运营状况、路网可靠性、大型活动路网运行的分析工具，为北京市交通委及时采取交通管理和保障措施、制定年度疏堵方案提供了依据，并为交通信息发布和辅助决策支持系统开发提供了良好的平台。除此之外上海、杭州等城市也在利用GPS浮动车积极建立实时交通信息系统平台。在浮动车的行程时间预测研究方面，我国吉林大学、天津大学和北京交通大学的一些学者教授取得了较为卓越的成就。但我们也要清醒地认识到，我们对浮动车的研究深度和系统性都不如发达国家，尤其在交通信息的采集优化和处理方面。因此需要借鉴国外经验进一步深入研究，推广普及GPS浮动车的应用。1.4本论文研究内容本论文主要研究的是以GPS浮动车为依托，实时地采集动态路况信息，将采集的数据信息经过处理，快速准确的判断出道路中是否有拥挤发生，为城市道路的管理者和出行者提供及时可靠的信息。主要内容如下：（1） 绪论部分阐述GPS浮动车采集信息技术在国内外的发展历程及现状，说明本论文研究的意义及主要内容；（2） 第二章介绍了GPS浮动车交通信息采集系统的构成，采集交通信息的原理；（3） 第三章研究了GPS浮动车数据信息采集方法，以及数据预处理；（4） 第四章研究了道路交通状态判别算法模型；（5） 第五章介绍如何根据研究结果进行实验，利用已有的采集到的GPS浮动车数据，并用本文的方法对数据进行分析处理，验证本文提出的判别方法是否能准确判别交通状态；（6） 最后对全文进行总结，说明文章的不足之处，展望进一步的研究工作。第二章 GPS浮动车采集交通信息技术2.1 GPS浮动车交通信息采集系统构成 基于GPS技术的浮动车系统，利用GPS技术、GIS技术和一定的数据通讯传输手段，能够对数量众多的移动车辆目标实现有效监控，并在此基础上实现车辆信息服务等功能。 这种系统的基本依据是车辆的实时地理坐标和行驶速度。这些数据受行驶路段的道路状况、拥挤程度、交通流量的影响，反映了车辆在城市中的相对位置以及运行状态。由此采用模型可推测道路交通信息。 系统的研究目的在于:实时采集城市实时道路交通信息，建立基于GPS技术的浮动车数据处理系统，为城市交通管理提供有效的支持。GPS浮动车交通信息采集系统的目的是通过分析浮动车采集的交通信息，预测整个路网的交通状况，为交通管理者和出行者提供可靠的信息依据。主要由三部分构成：装配有GPS接收和通信装置的浮动车、现有的无线通信网络和交通信息控制中心。如图2.1所示：图2.1 GPS浮动车交通信息采集系统组成图浮动车通过车载设备控制各部件的操作，将GPS接收机接收到的数据先存储在数据存储器中，再按照一定的周期通过无线通信网络将数据发送给交通信息控制中心。交通信息控制中心利用各种数据分析处理模型及相应的软件对采集数据进行综合分析以获取实时信息和道路网交通状态，并通过无线通信网络发布信息，为交通出行者和管理者提供诱导信息和指挥调度信息。2.2 GPS浮动车采集交通信息原理 GPS浮动车是指安装有GPS定位设备和无线通信装置的普通车辆(如出租车、公交车、警车等)，这种车辆能够与交通信息中心进行信息交换。要知道浮动车如何采集交通信息，必须先了解GPS定位原理。2.2.1 GPS系统组成GPS系统主要由三大部分组成：空问星座部分、地面监控部分和用户设备部分。这三个部分对GPS系统的正常工作所起的作用各不相同，缺一不可。（1） 空间星座部分 GPS系统的星座部分主要由2l颗工作卫星和3颗在轨备用卫星组成。这24颗卫星均匀分布在6个轨道平面内，轨道倾角为55°，轨道的升交点赤经各相差60°，每个轨道平面内各颗卫星之间的升交角距相差90°，一个轨道平面上的卫星比两边相邻轨道平面上的相应卫星升交角距超前30°。卫星轨道为椭圆形，平均高度约20200kin，运行周期大约ll小时58分。在两万多公里高空中的GPS卫星，当地球自转一周时，它们绕地球运行两周。这样对于地面的观测者来说，每天将提前约4分钟见到同一颗GPS卫星，且每天见到的卫星几何分布相同。位于地平线以上的卫星颗数随着时间和地点的不同而有所不同，最少可见到4颗，最多时可见到11颗。在用GPS信号导航定位时，为了解算点位的经度、纬度和高程，必须至少观测4颗GPS卫星。空间星座中3颗备用卫星可在必要时根据指令代替发生故障的卫星，这对保障GPS系统高效可靠的工作非常重要。 图2.2 GPS卫星分布图（2） 地面监控部分 GPS的地面监控部分主要由分布在全球的6个地面站构成，其中包括卫星监测站、主控站、备用主控站和信息注入站。地面监控部分的大部分工作都是在原子钟和计算机的控制下自动完成的，其中监测站和注入站均可做到24小时无人值守，各站点间数据通信都是利用专用网络实现，具有较高的效率和自动化程度。 对于地面监控系统来说，GPS卫星是一个动态己知点。卫星的位置是依据卫星发射的星历描述卫星运动及其轨道的参数算得的。每颗GPS卫星所播发的星历均由地面监控系统提供的。卫星上的各种设备是否正常工作，以及卫星是否一直沿着预定轨道运行，都要由地面设备进行监测和控制。地面监控系统另一个重要作用是保持各颗卫星处于同一时间标准GPS时间系统。这就需要地面站监测各个卫星的时间，求出钟差，然后由地面注入站发给卫星，卫星再由导航电文发给用户设备。（3） 用户设备部分作为被动式的定位技术，GPS用户必须通过专用信号接收设备才能达到定位目的。用户设备部分的主要设备是GPS接收机，它是一种特制的无线电接收机。其主要作用是接收导航卫星发出的信号，对卫星信号进行处理后依据所得数据确定接收机所在的地理位置。GPS接收机的种类虽然很多，但它的硬件结构基本一致，分为天线单元和接收单元两部分。图23是一个简化的GPS接收机结构示意图。天线单元由接收天线和前置放大器组成，其主要作用是接收卫星信号。接收单元包括信号通道、存储、计算与显示控制及电源等部件。其主要功能是接收来自天线的信号，经过变频、放大、滤波等一系列处理，实现对GPS信号的跟踪、锁定、解调、分离，得到导航信息。根据收到的卫星星历、伪距观测数据以及载波观测量，计算出三维坐标和时间。接收单元的显示控制等部件可以完成人机对话、输入各种指令、控制屏幕显示等操作。图2.3 GPS接收机结构示意图2.2.2 GPS定位原理全球定位系统采用多星、高轨、测距体制，以距离作为基本观测量。通过对4颗卫星同时进行距离测量，即可解算出接收机的位置。如图2.4所示，装在载体上的接收机，同时测定至4颗卫星的距离，方法是测量卫星发射电波至接收机接收到电波的时间差、乘以光速c求得距离p，即 （21）式中，tr为接收机接收的时刻，ts为卫星发射电波的时刻。GPS统一采用原子时系统，由于卫星钟和接收机时钟与GPS原子时不同步，都存在钟差。设其分别为tr与ts，实际测得的时间差包含有钟差的影响，为： （22）卫星距离测量原理如2.4图所示： 图2.4 卫星距离测量原理图卫星钟差由GPS地面监控系统测定，并通过导航电文提供给用户，可以认为是已知值，所以实际测得的距离应为(已加卫星钟差改正) （23）因为距离观测值P'中包含了接收机钟差引起的误差，而不是接收机至卫星的真正距离P，故称其为伪距观测值。一般用户很难(也没有必要)以足够的精度测定接收机的钟差，可以把它作为一个待定参数与接收机的位置坐标一并解出。将公式写为： （24）式中Xj，Yj，Zj表示第j颗卫星在地球协议坐标系(WGS-84)中的直角坐标，它们可以利用卫星发播的导航电文中给出的卫星位置信息计算得到，故可以认为是已知量。而X，Y，Z为接收机在同一坐标系中的位置坐标，与接收机钟差同为待求量。共4个未知参数，只须对4颗卫星同步观测，获得4个伪距观测值P' (j=1，2，3，4)组成4个方程式，通过解算即可解出接收机位置(X，Y，Z)和钟差t。从上面的描述可知，GPS信号接收机工作原理的关键在于如何识别和锁定来自不同GPS卫星的导航定位信号，并逐一测量它们到达接收天线的传播时间。实际问题中，伪距是利用调制在载波上的伪随机噪声码测得的。利用CA码伪距进行单点(绝对)定位的精度约为20-30m(水平位置)，利用P码伪距进行绝对定位的精度约15-25m，但P码是保密的，只能供美国及其合约国家的军方使用，而CA码可提供给全世界所有的用户使用。严格的说，上文所述的是没有多余观测时(只有4颗卫星)的GPS静态定位原理，而本文采用的GPS浮动车是将GPS接收机安装在运动的车辆中，这样GPS接收机天线处于运动状态，天线相位中心的坐标是一个连续变化的量，而且以目前的GPS卫星星座配置，多数情况下观测站上可见的卫星都超过4颗。这就需要建立一个存在多余观测的动态定位模型。在动态定位中，对多余观测量进行平差计算，将前一时刻的点位坐标作为当前时刻点位的初始坐标，这就要求第一个点位坐标值必须精确，一般都是经过多次迭代求得第一点精确的三维坐标，并为后续点位的解算提供初始坐标值。2.2.3 GPS浮动车采集交通信息原理浮动车技术对车辆本身及驾驶员的驾驶行为不作任何要求，与一般的社会车辆无异。装有GPS收发装置的车辆行驶在道路上，接收GPS卫星发出的信息，将这些信息存储在车载设备的数据存储器中，并按照一定的周期通过无线通信网络发送给交通信息控制中心。控制中心对接收到的信息进行分析处理，获得实时的路况信息，再将这些信息通过无线通信网络发布。这些数据不仅可以用于交通状态判别，还可以用于交通评估、交通规划、车辆导航等，为交通出行者和管理者提供信息依据。该技术不仅可以实现全天候、大范围的采集，而且能够直接获得车辆的位置、速度和行程时间信息，监测成本小、效率高。第三章 GPS浮动车数据采集及预处理3.1 GPS浮动车采集车辆参数配置在基于GPS浮动车的交通信息采集技术中，某些参数配置对交通状态判别的实时性和可靠性具有重要影响，主要包括数据采样时间间隔、以及浮动车样本量确定。3.1.1 数据采样时间间隔的确定GPS数据采样时间间隔是指GPS接收机连续两次接收定位信息之间的时间间隔。从理论上讲，采样时间间隔越短，就越可以全面的描述一辆车在道路上的整个运行过程，但采样时间间隔太小时，大量的数据传输、处理不仅会加重通信网络和信息处理系统的负担，而且会增加数据采集成本。同时，若采集间隔太小，车辆的运行位置及状态只有微小的改变，对于车辆行程时间和行驶速度的采集及道路交通状态的监控也没有太大的意义。若GPS数据采样时间间隔增大，虽然可以降低采集成本，但同时也将漏掉许多重要的数据，这会降低对GPS浮动车及其行驶路径的跟踪精度，影响道路交通运行状态的监控效果。因此设置合理的采样时间间隔非常有必要。采样时间间隔的大小直接影响算法是否可行，这里先对采样时间间隔进行分析。采样时间间隔，即对浮动车进行定位的时间间隔。在实际中，浮动车定位数据的采样时间间隔受信号传输等的影响，采样时间间隔不一，采样时间间隔最短可达到 1 s，最长的有十几分钟。数据采样时间间隔越小，路径匹配的正确率就越高，但同时数据采集费用也越高；数据采样时间间隔越小，行程时间估计平均误差率就越低，但同时数据采集费用也越高。日本车辆信息与通信系统(Vehicle Informationand Communication System，VICS)对行程时间估计误差的要求在10-25之间，据此确定该系统的最佳浮动车采样时间间隔为2060s。对车辆行驶速度的采集与行程时间的采集是一个道理，采样时间越小，路径匹配的正确率及车辆平均速度估计的精度就越高。3.1.2 浮动车样本容量的确定 理论上，当道路网络中所有的车辆均为浮动车时，采集的信息能够完全真实地反映道路交通的整个运行状态。实际上，由于设备成本、信息共享等相关问题的存在，仅有部分车辆能成为浮动车。当GPS浮动车在路网中的比例达到一定限值，就能获得城市道路交通网络的真实运行状态。继续增加浮动车的数量，并不能明显提高采集数据的精度。因此，确定合适的浮动车样本容量，不仅可以保证采集数据的精度，还能最大限度地降低浮动车采集数据的成本。国内外很多学者对浮动车采集数据的样本容量值的确定进行了研究。Srinivasan，K和Jovanis，P的仿真研究表明10分钟的采样间隔内为使80%的路段上保持至少3辆浮动车，至少需要将所有车辆总体的5%装配成浮动车。XiaowenDai，MartinAFerman和Robert Eroesser的研究表明在城市道路条件下应超过5。Ruey Long Cheu等人以INTERGATION仿真软件的研究结果表明：若路段平均速度的允许误差小于5Km/h，欲达到平均误差等于95%的估计准确率，则需满足两个条件：路网范围内浮动车比例需满足4%-5%；同一时刻路段上行驶的浮动车数量超过10辆。 为了获得道路交通网络的真实运行状态，路网中必须有足够多的浮动车才能满足交通信息采集的精度要求。理论上讲，当道路网络中所有的车辆都为浮动车时，采集所有路段上所有车辆的行程车速和行程时间，才能够完全真实地反映道路交通的运行状态。但是，由于设备成本、信息共享、驾驶员隐私等问题的存在，不可能让所有的车辆都成为浮动车。同时，当GPS浮动车的比例达到一定程度后继续增加浮动车的数量，并不会明显提高采集数据的精度。所以采用合适的浮动车数量，不仅可以保证采集数据的精度，还能最大限度地降低浮动车采集数据的成本。3.2 GPS浮动车数据预处理由于信号盲区、通信故障等原因，GPS浮动车采集的交通数据不可避免的存在一些故障，为了保证数据的可靠性，本节针对数据可能存在的问题，讨论了GPS数据的特点，GPS数据故障识别与修复方法，另外讨论了一下车辆方向判断方法。GPS数据特点：（1） 数据量大。通常所有GPS数据时间跨度为全天24小时，采样间隔是1分钟，每天接收到的数据量为2400多万条，即每分钟实时系统就要处理167万条的数据。（2） 存在定位无效的数据。所谓定位无效是指，定位有效标志字段“LOCFLAG”的值为0。 （3）GPS距离误差大。有研究表明，在典型路段(北京市三环快速路)中，一天内，距路段点距离误差在100米以内的点为301万，但是，距离在50米以内的点仅为90万。 （4）存在一定数量的异常数据，即这些数据表现出来的状态明显有悖于交通流的特性。异常数据主要有以下几种情况：（1） 部分字段数据缺失 部分数据缺失是指在传回的数据中，出现车辆 ID 号、时间、经纬度、瞬时速度、方向角等字段中的一个或几个没有数据。对于这种情况，一般采用直接剔除或修复的方式进行处理。（2） 重复数据 重复数据是指传回的数据与前面已传回的数据一模一样。对于这种情况，一般采用直接剔除的方式进行处理。（3） 错误数据 错误数据是指由于受到外界较强信号的干扰，使得经纬度、瞬时速度数据与真实值相差较大，导致出现错误数据，对于错误数据，采用直接剔除或修复的方式进行处理。3.2.1 丢失及错误数据识别由于GPS信号盲区和通信延迟的影响，GPS浮动车采集和传输数据过程中会造成数据丢失故障。一般情况下，可以通过把在一定时间内得到的数据定义成某一时段的数据，可以实现对丢失数据的识别。例如：如果将数据采集的时间间隔设置为一分钟，那么可以将19:30:00-19:31:00这一时段内的数据均看作是19:30:00这一时段内的数据，根据这一原则，对所有时段的数据进行扫描和判断，如果在某一时段内没有得到数据，或者得到的数据个数不对，则认为该时段的数据存在问题，需要进行修复和补充处理。当GPS接收机或通信网络出现故障时，采集到的数据通常也是错误的，不能反映真实的交通状况，这种情况下，可以预先给出检测器参数的合理范围，然后检查所采集的数据是否在合理范围之内。3.2.2 数据弥补及修复根据所采集到的交通信息数据的具体情况以及处理数据要求，采用以下所述方法进行数据的弥补和修复。采用历史趋势数据进行修复。当某一路段的某一时段采集的数据与相同路段同一时段的历史数据存在较大偏差时，可用历史趋势数据对该段数据进行修复。采用历史数据与实测数据的加权估计值进行修复。具体的权值大小需要人工实验，如无同时段的数据，也可将相邻时段的数据进行平均得到所需的数据。3.2.3 车辆行驶方向判断 由于双向车道两个方向的路段交通状态不一定相同，需要对每个路段两个方向的车辆进行判断。本文主要利用车辆行驶方向角和电子地图上路段本身方向角信息来判断车辆的行驶方向。判断方向的基本思想是：通过对车辆行驶方向角A1和电子地图上路段方向角A2分析可知，车辆在正常行驶情况下，如果车辆行驶方向与道路方向一致，那么|A1-A2|40°，如果车辆行驶方向与道路方向相反，那么|A1-A2|-180°|40°，根据这两种情况可以判断车辆的行驶方向。第四章 基于GPS浮动车的交通状态判断4.1 交通流参数交通流是指：连续不断的车辆在道路上行驶形成的车流。广义的交通流包括车流和人流。交通流的特征可以用三个基本的参数表示：速度v、流量q和密集度k。其中，流量q是指在单位时间段内，通过道路某一点、某一断面或某一条道路的交通实体数；速度v是指车辆单位时间内的走行距离；密集度k包括占有率R和密度P两种含义，密度是空间集中度的量度，占有率是相同车辆流在时间集中度的测量。这三个基本参数之间存在一定的量化关系，即通过某一个参数可以推倒出另外两个参数。具体的推倒关系如下：（1） 速度流量速度流量关系是双变量的关系，1935年格林希尔茨在线性速度密度关系和方程“流量=速度×密度”的基础上，推导出下面的抛物线方程： （41）式中，q代表流量，单位为Vehh；v代表速度，单位为km/h；vf代表自由流速度，单位为kmh；pj代表阻塞密度，单位为Vehkm。（2） 速度密度线性关系格林希尔茨模型表达式： （42）指数关系数模型表达式： （43）式中，m代表临界密度，即流量最大时的密度，单位为Vehkm；对数关系格林伯格模型表达式： （44）式中,Vm代表临界速度，即流量最大时的速度，单位为kmh。由以上的一系列公式可知，通过速度，借助于路段上的一些阀值参数，即可推倒出流量和密度，因此，本论文选取速度作为重点研究对像，对于从速度到其他两