车联网环境下交通信息动力学特性的建模与仿真研究

车联网交通信息动力学主要研究车联网"信息感知与即时交互诱导"环境下交通引导信息对驾驶者和交通系统的动态影响。本课题在车联网相关实验和城市GPS浮动车数据库的基础上，采用信息论中的IG（信息增益）模型对不同类型交通信息的敏感性进行定量评价，基于改进的Bayesian网络分类算法获取敏感交通信息影响下的非确定性路径选择规则表，并运用非集计数学分析方法建立驾驶者的避堵路径选择模型。在此基础上对传统元胞自动机(CA)物理模型进行扩展，建立考虑车联网(VN)信息交互、引导因素的VNCA模型并开发相应的仿真系统，利用多态仿真和核聚类统计学习方法逐步探索、揭示车联网环境下交通引导信息对交通系统的动态影响机理。相关研究成果对信息动力学、交通诱导技术和交通仿真技术的发展，对车联网在交通工程领域的应用推广将起到积极的促进作用。

经过三年的研究工作，本课题基本完成各项研究任务，达到了预期的目标。主要研究内容包括四个方面：一是在车联网相关实验和城市GPS浮动车数据库的基础上，采用信息增益模型对不同类型交通信息的敏感性进行定量评价，基于改进的Bayesian网络分类算法获取敏感交通信息影响下的非确定性路径选择规则，并运用非集计数学分析方法建立驾驶者的避堵路径选择模型，相关研究成果物化于“实时路径诱导环境下路网交通流演化分析软件”（软件著作权号：2012SR118740）和“城市交通运行监测与信息发布软件”(软件著作权号: 2013SR076804)。二是提出车联网环境下的交叉口协同控制模型与算法，实现一种全新的交叉口交通流组织模式，为未来车联网车辆、自动驾驶车辆的组织优化提供有效的技术手段，相关研究成果物化于“车联网技术环境下交通控制仿真软件”（软件著作权号：0705801），并申请发明专利1项。三是研究基于车联网的移动式交通信息采集技术，提出一种基于亮度组合模式的鲁棒识别方法，改变目前视频检测技术基于“背景差分”的模式，大幅提高动态视频交通信息采集的准确度，相关成果物化于京港澳高速公路的实际应用系统中，并申请发明专利3项（已获授权2项）。四是将相关研究成果应用于广州市BRT系统的运行优化工作中，取得一定的社会经济效益，本课题负责人因此于2014年1月受邀参加交通运输工程领域最权威的国际学术会议（美国TRB学术年会）并作主题演讲。作为前沿性课题，相关研究成果还作为主要材料编入本科教材《智能交通系统》中（2014年，人民交通出版社）。课题研究成果作为主要支撑材料，获得省部级科学技术奖二等奖2次（排名前3均为本课题负责人和主要参与人），撰写学术论文10余篇。