车联网环境下基于拉格朗日坐标系的交通流模型研究

Traffic flow characters detection methods like RFID, Cellular phone,GPS can not provide traffic flow volume, density and spped information at one time. Because of the insufficient parameter input, traditional traffic flow models can not be applied directly for connected vehicle applications such as traffic information processing, traffic flow state detection, etc. traffic information detection methods like Inductive loop, RFID, cellular phone, GPS are classified in to three categories, which are point detection method, paired detection method and trajectory detection method. These three categories methods should follow vehicle conservation law, temporal conservation law and spatial conservation law separately. New traffic flow models are built according to these three conservation laws above in Lagrangian coordinates, and efficient numerical solution design is followed. Finally, experimental environment is formed using real data for model testing and analysis. The expected achievements can provide methods for multiple source traffic detection data procession, result in high accuracy and variable resolution traffic flow state information, support the customized information, operation and control service for macro traffic flow and individual connected vehicles with traffic flow state data and models. The research project proposed will help to develop a complete fundamental theory system for connected vehicle technologies.

车联网环境下RFID、手机、GPS等交通信息采集技术无法实现对交通流量、密度和速度三参数的同步检测，导致传统交通流模型在交通信息处理、交通流状态检测等方面因不能满足三参数的输入要求而无法直接应用。为解决上述问题，将车联网多源交通信息采集方法归纳为地点检测法、匹配检测法和轨迹检测法三类，分别研究这三类检测方法所得数据各自遵循的车辆守恒、时间守恒和空间守恒定律；采用上述三类守恒定律在拉格朗日坐标系下独立进行交通流建模并设计出相应的高效数值解法；构建开发试验平台并进行模型的数据验证。预期成果可以为车联网多源交通流检测数据提供有效处理方法，获得随样本数调整弹性分辨率的动态高精度交通流状态信息，为宏观交通流和微观个体车辆定制化信息服务与管理控制提供数据和模型支持，有助于完善车联网发展的理论体系。

车联网环境下 RFID、手机信令、卫星定位、蓝牙等交通信息检测技术无法实现对交通流量、密度和速度这三个参数的同步检测，导致传统交通流模型在交通信息处理、交通流状态检测等方面因不能满足三参数的输入要求而无法直接应用。为解决上述理论模型适用性问题，必须构建符合新数据源特征的交通流时空模型。为此，将车联网多源交通信息采集方法归纳为地点检测法、匹配检测法和轨迹检测法三类，对应n(x,t)、x(n,t)和t(n,x)三个坐标空间。分别在这三个坐标空间中对三类检测方法所得数据的特征进行研究，提出了在对应坐标空间内各自遵循的守恒模型，采用双向Eular有限差分法求解出三个守恒模型的数值解差分方程以及基于Newton迭代法求解出三个差分方程的数值迭代式。最后，引入状态空间理论和扩展卡尔曼模型，将前述三种模型的差分方程嵌入到迭代过程中，实现了对交通流状态的动态估计。项目成果的创新点主要有4点：1、创新性地提出采用双向Eular有限差分方法，对n(x,t)坐标系内的交通流守恒模型进行数值化求解，摆脱了当前普遍采用的Godunov一阶显性形式差分法带来的模型应用时面临的CFL（Courant-Friedrichs-lewy）条件约束问题。将提高线圈检测数据等地点检测法数据的模型处理能力；2、创造性地在x(n,t)坐标空内提出了基于拉格朗日坐标系的交通流空间守恒模型，并基于双向Eular有限差分法求解出守恒模型的数值解，解决了基于卫星定位数据（如GPS、北斗等）、手机信令定位数据等轨迹检测法检测数据的交通流建模问题；3、创造性地在t(n,x)坐标空间提出了基于拉格朗日坐标系的交通流时间守恒模型，并求解出守恒模型的数值解差分方程，解决了基于RFID位置数据、蓝牙位置数据等匹配检测法检测数据的交通流建模问题；4、首先提出了将前述交通流模型差分方程与状态空间理论和扩展卡尔曼滤波模型相结合用于工程实践的方法以及流程，提升了理论研究的实用性。已经出版的成果由4篇论文和1部专著，其中有1篇论文被SCI检索，1篇被EI检索，另有多篇论文在审。此外，依托项目研究还获得了“The 15th COTA International Conference of Transportation Professionals”最佳论文奖和第十四届“挑战杯”全国大学生课外学术科技作品竞赛“智慧城市”特等奖。