车联网环境下的高速公路交通事故自动识别方法研究

发布时间：2020-06-15 09:48

【摘要】：近年来,随着中国以及全球汽车保有量的逐年上升,一系列交通问题随之而来,例如交通拥堵日益严重,交通事故的发生量及其引起的损失逐年增加等。近年来,车联网作为物联网在智能交通领域的应用和延伸被提出,实现了车、路、人的融合统一,提高道路通行效率和安全系数。车联网在全球得到了的广泛重视和大力发展,各项技术瓶颈不断突破,不久的将来即可实现商用化。本文对现有交通事故自动识别方法进行总结分析,发现这些方法普遍某些缺陷。基于此,本文提出一种车联网环境下的基于简单集合理论的高速公路交通事故自动识别方法—SFID(Set theory based Freeway Incident Detection)。该方法不需要借助任何路侧固定设施采集交通信息,仅需借助车联网环境中车辆之间的周期性通信来感知其他车辆的存在,然后利用简单的集合理论对其进行处理即可快速判别出是否发生事故。所以,该方法不仅具有简单、实时性高的特点,还可以避免现有大部分交通事故自动识别方法需要在路侧铺设固定数据采集设施的弊端。车联网的整体功能可以概括为对各种异构网络的融合以实现高效可靠的通信,本文对车联网的系统结构、模型、全球主要使用的两大标准—DSRC和C-V2X、应用场景进行了简要介绍。然后对SFID方法进行了详细的理论推导,对自车(作为的研究对象的某一辆车)发生真正事故、通过高速出入口附近路段等几种特殊情形进行理论分析。考虑到MTALAB软件强大的矩阵计算能力,用其对以上几种情形进行理论仿真和数据分析,得到的结论与理论分析一致,由此,SFID方法得到了理论验证。最后运用一种广泛用于交通科学领域的时间驱动的微观仿真建模工具—VISSIM对上述几种情况分别进行现实模拟,该工具可以根据路面实时交通状态模拟现实中的跟驰、停车、变道、加减速等过程。本文采用Wiedemann99跟车模型,利用在道路上设置停车场来模拟自车发生交通事故,在道路上设置减速区来模拟交通事故引起的拥堵减速,将每个仿真秒的车辆数据输出到一个离线文件,然后按照SFID方法原理对其进行计算处理分析。得到的结论与理论分析一致,由此,SFID方法的正确性和可用性得到了进一步验证。
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U491.31
【图文】：

中国通,公路里程,车高

１N２研宄意义逡逑高速公路作为一种经济、高效的现代化交通通道，近年来，全国在大量修建逡逑高速公路，扩大和完善高速路网络，如图１．２所示是中国交通运输部官方公布的逡逑数据，截止到２０１７年年底，中国的高速公路通车总里程突破１３．６万公里。然而，逡逑高速公路通车里程的增加意味着高速公路上发生交通事故的概率也在增加，世界逡逑卫生组织的报告显示全世界每年的交通事故死亡人数高达１２５万［１（）］，其他报告逡逑还显示全球道路交通事故引起的经济损失更是高达到全球经济总产值的３％［１１］。逡逑由于高速公路上的车辆行驶速度之快，正常情况下的平均行驶速度速能达到逡逑８０Ｋｎｉ／ｈ以上，而一般人从发现异常到做出制动反应需要的时间是０．７５－１．５ｓ［１２］，逡逑当驾驶人的视线受到恶劣天气或前方其他车辆影响时，在其发现异常情况以后就逡逑可能没有足够长的时间做出相应反应，因此，极易引发交通事故，甚至二次事故逡逑或者惨烈的连环碰撞事故。因此

最顶层,应用服务,分布计算,智能

图２．１车联网的系统结构逡逑Ｆｉｇ２．１邋Ｔｌｉｅ邋ａｒｃｈｉｔｅｃｔｕｒｅ邋ｏｆ邋ＩｏＶ逡逑工作在最顶层的是应用服务层，利用人工智能、深度学习、分布计算等技术逡逑１１逡逑

【相似文献】