面向移动交通检测的动态交通流建模与实时交通状态估计

Road traffic state estimation and associated traffic flow modeling are crucial for intelligent road traffic surveillance and control. With the rapid development of wireless communication technologies, GPS, mobile internets, and mobile sensing technologies, in-vehicle GPS, bluetooth devices, and smart mobile phones are becoming an important source for an emerging type of mobile traffic sensing data. As compared to fixed sensing data (by e.g. loops and cameras), mobile sensing data are getting more accurate, more robust, and cheaper, and also can provide much broader coverage in time and space. Because the two types of data are totally different in their respective spatiotemporal nature and informative implication, challenges have already been indicated to the classical road traffic flow modeling and traffic state estimation approaches that have mostly been built upon fixed sensing data of road traffic in the past decades. And for this reason, this project intends to address three main themes: (1) Eulerian traffic state estimation with mixed sensing data; (2) Lagrangian traffic flow modeling and traffic state estimation with mobile traffic sensing data, (3) machine-learning-based traffic state estimation with big data from mobile traffic sensing.

道路交通状态估计及相关交通流建模是智能交通监控的重要一环。在移动互联网和无线通信技术蓬勃兴起、车联网技术快速发展的大趋势下，以车辆为载体的移动交通检测技术终将取代以道路为载体的固定交通检测技术。由于固定和移动检测数据具有迥然不同的物理时空本质和信息蕴含，传统上以固定检测数据为基础的“欧拉”交通流建模和交通状态估计方法面临挑战，由此催生本项目的三个核心议题：① 能够同时处理固定和移动交通检测数据的“欧拉”交通状态估计器设计；② 面向移动检测数据的“拉格朗日”交通流建模和交通状态估计器设计；③ 基于移动检测大数据和机器学习的交通状态估计方法。本项目的主要特色是视野的前瞻性、理论的前沿性和方法的领先性。

本项目集中考察人工驾驶和网联自动驾驶混行条件下的交通流动态建模、状态估计和先进控制。建模部分主要研究：交通瓶颈通行能力陡降机理解析及可信仿真再现；拥堵高速公路出口匝道锁闭机理分析；基于移动检测数据的信号交叉口点/线排队模型构建及一致性分析；网联自动驾驶车辆编队和利己换道对宏观交通流性态的影响。交通状态估计部分着重讨论：基于移动检测数据的城市信号交叉口排队估计；高速公路成对出入口匝道缺失流量估计；基于固定和移动混合检测数据的高速公路交通状态估计（涉及通用估计器设计、网联车占比动态建模与实时估计、泛在移动互联对交通流模型精度的补偿效应及、基于混杂异构数据融合的交通流模型参数在线辨识等问题）。交通控制部分重点考察：基于网联车数据和最大压强法的城市网络交通信号控制；面向通行能力陡降的高速公路交通控制；网联自动驾驶车辆的协同编队控制（车队一致性控制算法设计及稳定性分析、不稳定网联通信环境下的自动驾驶编队控制）。项目研究取得一系列重要成果，对有限移动网联和智能网联混行条件下的交通流建模、监视和控制研究与实践有重要参考价值。依托本项目，课题组出版Springer书籍章节1个,发表高级别SCI期刊论文12篇，在重要国际会议宣读论文9篇。一篇论文获得2020年IEEE国际智能交通系统年会最佳论文一等奖（整个会议仅1名）。