基于车辆历史行驶记忆的问题路况检测模型与算法研究

问题路况是指车辆交通事故、故障停车、货物散落、路面破损等道路偶发性事件，现有的车辆自组织网络中对问题路况的检测研究通常假设驾驶人员自身检测并主动向其他车辆节点或者系统中的信息中心报告当前的问题路况信息。实际上这种操作会分散驾驶人员的注意力从而降低他们自身的驾驶安全性。因此，研究新的检测机制，使问题路况检测可以在无需人员干预的情况下进行并对问题路段进行定位变得极其重要。本课题针对快速道路上车辆自组织网络的高移动性和间歇连通性，提出把车辆实时采集到的自身位置、速度、时间等行驶信息作为问题路况的检测依据，建立车辆自组织网络中的动态分簇通信模型，提出车辆行驶记录的单次动态聚合算法，构建路段上多个车辆自组织网络中问题路况信息的累积聚合算法，并提出基于灰色-径向基本函数神经网络的多因素组合问题路况检测算法，最后在道路仿真平台上对本课题提出的模型与算法进行验证，为提高车辆驾驶安全提供更充分的科学依据。

现有的道路不正常的路况检测研究通常假设驾乘人员或者其他路边人员检测并主动向其他车辆或者系统中的信息中心报告当前的问题路况信息。这种操作会分散驾乘人员的注意力从而降低他们自身的安全性。因此，本课题研究新的检测机制，使道路信息检测可以在无需人员干预的情况下自动进行。本课题的主要工作如下：.（1）针对道路上车辆自组织网络的高移动性和间歇连通性，提出在车辆实时采集到行驶信息和路径信息进行网络数据分发时，引入延时发送机制，根据所在道路的畅通程度和到邻近路口的距离，设置一定的延时，并基于椭圆限制进行信息广播，减少信息包在路网中的泛洪广播，实验结果表明较传统方法具有明显的改进；.（2）提出车辆行驶过程的时空连续动态聚合，引入动态角色和分布控制的思想，提出了一种自主协同车辆跟踪模式。道路数据采集单元之间能够动态组织对异常车辆的协同跟踪，分散控制模式能够有效减缓道路交通信息系统中后端服务器的工作压力，并降低了大量实时道路路况数据在路网中传输对道路信息网络带宽的要求，实验结果验证了这种自主发现、自主追踪目标的模式可以提高道路异常事件处理的效率；.（3）提出模糊综合评价模型的多因素组合的复合式轮询算法，根据不同用户、不同登入时间、不同关注路段等情况进行动态调整的信息推送方法。它结合了轮询与长轮询的特点，并且运用模糊综合评价模型实现了推送方案的灵活性。将多个指标转化为一个能够反映综合情况的指标来进行评价。该模型的实验应用在道路交通信息检测与推送中，结果表明复合式轮询与传统推送方式相比最大的优势是具有其他推送方式没有的灵活性，并且其余各项指标均为中等值。复合式轮询的实时性高于轮询，低于长轮询和流模式，但复合式轮询的服务器资源利用率要高于长轮询和流模式。.（4）最后在道路仿真平台和校园道路环境中对本课题提出上述的模型与算法进行实验，结果基本验证了提出的模型和算法的有效性，但由于实地测试时交通流较小，不能完全准确地反映模型与算法的性能。