车联网中基于多源数据融合的道路交通速度预测方法研究

发布时间：2021-01-27 20:06

　　随着中国城市化进程的不断加速和居民机动车保有量的持续增长,城市路网承担的交通压力日益加重,交通拥堵和交通事故等一系列交通问题也随之产生,并严重制约着道路通行能力和居民出行效率。城市智能交通系统通过对道路运行状态的监控和诱导,能够有效缓解交通拥堵问题,提高道路通行效率。准确实时的进行道路交通状态预测是智能交通系统实现交通控制和诱导的关键,同时也可为驾驶人员的行驶路线规划提供决策支持。车联网提供车辆之间和车辆与附近路边设备之间的无线通信,通过获取自身车辆、其他车辆和外界环境等相关信息,车联网中很容易形成能够反映交通状态的海量数据,相比于传统交通系统消息数据的匮乏,如何通过融合车联网中丰富多样的信息以得到更加精确的交通状态估计,对改善城市交通拥挤和提高道路利用率具有现实意义。本文面向车联网提出了一种多源数据融合中间件（MDFOSGi）框架,其利用OSGi（Open Service Gateway initiative）技术框架面向服务的优势,使车辆可以动态获取到交通参与方发布在路边单元的数据服务信息,针对不同应用封装不同的数据融合算法,利用车辆自身丰富的存储和计算资源,对车、道路、环境等相关... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

地图范围基于以上分析本文选择移动车辆采集的轨迹数据对交通速度进行分析

轨迹数据预处理与特征提取结果

工作日交通速度趋势图


本文编号：3003650