首页 > 代码库 > 第10章 智能交通
第10章 智能交通
10.1智能交通概述
10.1.1传统交通与智能交通
10.1.2智能交通的定义
智能交通在世界各地迅速推进，已成为现代交通的重要标志，然而，对于这个专用名词，国际上至今没有一个明确的定义。在美、欧、日的ITS推进组织的网页或有关资料中，我们看到分别有如下的叙述。
“美国智能运输协会”(ITS America网址为型：i!望：Q蟹)：ITS是由一些技术组成的，这些技术包括信息处理、通信、控制和电子技术。交通事故、拥挤使我们为生活、为损失的
生产率和浪费的能源付出了昂贵的代价。ITS可以通过新技术和综合运输系统的结合实现人和货物更安全、更高效的位移。
“欧洲道路运输通信技术实用化促进组织”(ERTICO网址为www．ertico．com)：智能运输系统或信息技术在运输上的应用能够减少城市道路和城际间干道的交通拥挤，增加运输安全性，给旅行者提供信息和改善可达性、舒适性，提高货运效率，促进经济增长和提供新的服务。
日本的“道路、交通、车辆智能化推进协会”(VIRTIS网址为www．vertisor．JP)：ITS是运用最先进的信息、通信和控制技术，即运用“信息化”、“智能化”解决道路交通中的事
故、堵塞、环境破坏等各种问题的系统，是人与道路及车辆之间接收和发送信息的系统。通
过实现交通的最优化，达到消除事故及堵塞现象、节约能源、保护环境的目的。而且，ITS
不仅限于道路交通的智能化，同时谋求与铁路、航空、船舶等不同种类的交通部门的合作发
展。ITS是会使社会发生巨变的国家级项目，具有创造出新产业和市场的巨大可能性。
由此可见，虽然关于ITS概念的理解各有差异，但共同点是主要的。我们可以归纳地说：
智能运输系统是人们将先进的信息技术、数据通讯传输技术、电子控制技术、传感器技术以及计算机处理技术等有效地综合运用于整个运输体系，从而建立起的一种在大范围内、全方位发挥作用的实时、准确、高效的运输综合管理系统。其目的是使人、车、路密切地配合、和谐地统一，极大地提高交通运输效率、保障交通安全、改善环境质量和提高能源利用率。
简而言之，“智能交通运输系统”是交通运输领域内各种高科技系统的一个统称。凡是
运用高新技术手段组成的旨在改善交通运输状况，缓解“交通祸害”的各种技术系统，都可
称为智能交通运输系统。
10.1.3智能交通的特征
10.2智能交通应用的物联网共性技术
10.2.1交通信息采集
所有智能交通系统（ITS）都需要基于道路实时交通信息检测。交通信息采集技术的研究已经开展多年。目前已有多种交通信息采集技术在实际中应用，比如地感线圈、微波雷达、视频监控、机动车GPS定位、超声波与红外等，通过这些技术采集到的交通信息主要包括各车道的车流量、车道占有率，车速、车型、车头时距等。
最先开始发展的是接触式的交通信息采集技术，其主要代表是环行线圈探测。这些采集装置都有共同特点，就是埋藏在路面之下，当汽车经过采集装置上方时会引起相应的压力、电场或磁场的变化，最后采集装置将这些力和场的变化转换为所需要的交通信息。经过多年发展，路面接触式的交通信息采集技术已经很成熟，其测量精度高，易于掌握，一直在交通信息采集领域中占有主要地位。但是这种路面接触式的交通采集装置有着不可避免的缺点。首先是安装维护困难，必须中断交通、破坏路面；其次随着车辆增多，车辆对道路的压力导致这类装置的使用寿命也越来越短；现在道路扩张很快，各种环境下的道路日益增多，而路基下沉、盐碱和冰冻等条件将严重影响路面接触式交通信息采集装置的使用。另外，对隧道、桥梁等环境，路面破坏性的安装方式存在更多的困难与不便。所有这些都带来了其使用成本的上升。
新近发展起来的路面非接触式交通信息采集装置不存在安装维护困难、使用寿命短等缺点，主要有微波探测和视频探测两大类。由于安装维护简单，路面非接触式交通信息采集技术发展非常迅速。视频探测是利用车辆进入检测区域（虚拟线圈）导致背景灰度变化的原理来进行检测，直观可靠，但受光度，气候条件的影响很大，且需要进行镜头清洁等日常维护。微波探测则是利用车辆经过检测区域时引起的电磁波的返回时间或频率的变化进行检测，有着安装维护方便、使用寿命长、几乎不受光照度、灰尘以及风、雨、雾、雪等天气气候影响等优点。
以前微波雷达产品由于需要进口，给人的感觉是价格昂贵，但是，随着科技的发展以及国内同类产品的兴起，高价格已经成为了历史，特别是最近出现的双波束双体制微波雷达MPR-U系列产品，其价格已经到了使用者乐于接受的程度，并且性能卓越。基于微波雷达技术的上述特点，结合城市市区道路的实际情况，本文提出了一种新的交通信息采集方案。
一、基于微波雷达的交通信息检测技术原理
将微波雷达技术应用于交通信息采集时关键要解决从雷达回波信号中提取车辆信息问题。简单来说，就是如何利用微波雷达所具有的测速与测距功能来实现交通信息实时检测。 1、 速度检测
微波雷达对运动物体的精确速度检测基于微波多普勒（Doppler）效应。微波在行进过程中，碰到障碍物体时会反射，而且反射回来的波，其频率及振幅都会随着所碰到的物体的移动状态而改变。若微波所碰到的物体固定不动，那么所反射回来的波其频率不变。若物体朝着无线电波发射的方向前进，此时所反射回来的无线电波会被压缩，因此该电波的频率会随之增加；反之，若物体朝着远离无线电波方向行进，则反射回来的无线电波其频率会随之减小,这就是Doppler效应。基于Doppler效应原理，可以对运动目标的速度进行精确测量。目前警用测速雷达采用的就是Doppler体制。 2、 车辆流量检测
利用Doppler效应只能检测具有一定速度运动的物体，并且只能检测单一目标，因此在智能交通系统中，如果要利用Doppler效应对车辆进行存在性检测将会面临只能检测单一车道高速运行车辆的困境，因此不合适该应用。
除Doppler效应外，微波雷达还具有距离检测功能。利用测距功能通过测量车辆与雷达之间的距离就可以判别车辆处于哪一条车道；对于同一车道，有无车辆存在时回波信号强度相差很大，这样就可以判定车辆的存在，综合起来就可以同时获得多车道实时车辆存在信息而不用担心此时道路是否拥挤（低速甚至停止情形）。采用调频连续波(FMCW)体制的雷达可以很好地实现上述雷达测距功能。
二、目前流行的微波交通信息检测技术
微波交通信息检测技术的发展已有十多年历史，最早是采用单波束侧向安装体制，近年又开发出了双波束侧向安装体制雷达和单波束正向安装体制雷达，随着科技的发展，最近出现了双波束、双体制正向安装雷达。它们之间的比较如下表所示。
表
* 正向安装类型雷达一般采用一个数据处理单元同时处理1~4个雷达收发（T/R）前端的方式，即每个车道上方安放一个T/R单元，所产生的IF信号传回到道路侧面的控制盒进行集中处理，这样配置灵活，将极大地节省成本，同时维护也要简单得多。
对城市道路来说，主要用到单波束侧向、双波束侧向以及双波束双体制正向雷达，简述如下。
1、 单波束侧向技术
“单波束侧向”是指检测雷达发射出单一微波束，检测装置安装于道路侧面立杆上的交通信息检测雷达。该装置在所需检测的多车道道路断面上投下椭圆形的“微波阴影”区域，利用微波FMCW原理对各车道车辆进行检测。
该类雷达的主要优点是安装维护方便（不需要中断交通和破坏路面）、能同时检测多达10个车道的车流量信息、道路畅通时准确率很高，拥堵时的检测准确性就要看雷达内部的检测算法的合理性了，不同厂家的产品差别会很大。缺点是其他交通信息参数（如速度、占有率等）均不准确，只能用于参考，并且同时测10车道时，最外侧的2个车道车流量准确率会下降。这些缺点是其检测原理的必然结果。速度和车型依靠数学模型间接获得，因而只能给出所谓的平均速度，车型也只能提供参考，其准确度依据模型而定。 2、 双波束侧向技术
近年来，在侧向单波束雷达技术的基础上，研发出来了一种双波束侧向雷达。“双波束侧向”是指检测雷达发射出两束具有一定夹角的微波束，检测装置安装于道路侧面立杆上的交通信息检测雷达。该装置在所需检测的多车道道路断面上投下2个具有一定夹角的椭圆形“微波阴影”区域，利用微波FMCW原理对各车道车辆进行检测。
该类雷达除具有单波束侧向技术雷达的优点外，由于双波束之间具有关联性，因而道路畅通时准确率较“单波束侧向”高，拥堵时的检测准确性就要看雷达内部的检测算法的合理性了，不同厂家的产品差别会很大；其他交通信息参数（如速度、占有率等）也较准确。不过侧向单波束雷达所具有的检测阈值（检测灵敏度）问题依然存在。也就是说车辆进入与离开雷达“阴影区域”的时刻无法准确探测，因而导致该类型雷达所探测到的所有交通信息参数的准确度（特别是实时速度）都不如正向安装的雷达类型，并且同时测10车道时，最外侧的2个车道交通信息检测准确度都会下降。 3、 双波束双体制正向技术
从对“单波束正向”的分析可以看出，Doppler体制能极好的解决低速情形下的问题，但是速度测量不准确，而Doppler体制则可以极高的解决高速时的交通信息检测问题，但是难以处理低速情形，因此最佳办法是二者的结合，这就是“双波束双体制正向”安装雷达。
该类雷达优点非常突出，能极准确地检测任何情况下的交通信息，并且可以用于超速抓拍触发以及大车占用小车车道抓拍触发。
三、市区道路交通信息采集新方案
1、新方案
目前市区道路交通信息采集一般采用地埋线圈方式，该方式的优点是技术成熟、首次安装成本低；但是其缺点也很明显，如安装维护时需要破坏路面、寿命短而导致维护成本高、车辆拥挤时检测精度下降等。特别是在东北地区，有较长一段时间（一般是11月到第二年5月）由于寒冷而不能破坏路面进行维修，线圈的缺点就更加突出了，因此需要有更合适的方法进行市区道路交通信息采集。
根据市区道路以及道路交通流特点，本文提出了一种基于正向安装微波雷达的交通信息采集新方案。
该方案主要采用正向安装双体制双微波雷达（MPR-U）作为交通信息采集设备，将该雷达安装于已有的信号灯支架、闯红灯抓拍或者超速抓拍支架上（如图 实景照片所示）。可以有2种安装方式，一是雷达波束朝向路口，另一种是雷达波束背向路口，后面这种方式对于智能信号灯控制系统特别有用，因为这样安装可以准确检测到离停车线约40m处的车辆速度与车辆存在信息。对于个别没有现成支架的检测点，可安装侧向微波雷达（MPR-2，如图 所示）或者采用挑杆（F杆或者T形杆）安装正向微波雷达（如图 所示）。
图 利用已有之间安装雷达实景
图 微波雷达侧向安装示意图
图 利用T型杆安装雷达示意图
2、方案可行性分析
1）市区道路以及交通流特点
市区道路具有以下特点： i）路口停车线附近一般都安装有信号灯支架和闯红灯抓拍系统支架；ii）路口之间的路段上安装有超速抓拍系统或者违法变道抓拍系统支架。
根据市区道路的这些特点，从充分利用道路已有资源角度出发，在智能交通系统设计时应该考虑如何充分利用已有的支架或者龙门架。采用线圈显然用不上支架，而微波雷达和视频则可以利用。
市区道路交通流存在以下特点：i）车辆总是走走停停，在快速、慢速、停止三种状态之间很快变化；ii）车辆随意变道现象很普遍；iii）公交车大部分时间在靠近机非隔离带的车道行驶。
市区道路交通流的这些特点使得侧向安装微波雷达和视频均难以胜任交通信息采集重任，而正向安装雷达却可以很好地轻松应对这些问题。
2）交通信息采集技术的选择
选择交通信息采集手段应主要从以下几方面考虑：技术先进性、性能指标准确性、成本（包含首次成本和后期维护成本）以及（潜在）用途多样性等。下面就这几方面比较一下基于地感线圈技术和基于微波雷达技术的交通信息检测手段： i） 技术先进性。地感线圈技术已有几十年的发展历史，很成熟，但是其技术含量相对较低，
并且需要破坏路面、维护成本高；微波雷达技术应用于智能交通的历史并不长，是随着科技的发展，微波雷达技术从军用走向民用的产物，正向安装的微波交通信息检测雷达更是近几年才开发出来的低成本高新技术产品，它完全克服了线圈需要破坏路面以及维护成本高这些缺点；
ii） 性能指标准确性。市区道路交通信息检测指标主要是流量、速度和占有率等。流量和占
有率方面，二者不相上下，但是速度方面微波雷达具有无与伦比的准确性优势，因为它是基于微波多普勒（Doppler）效应原理的，这也是目前警用测速雷达的测速原理； iii） 成本。成本一般主要由以下几部分组成：设备费用、安装（支架、人工）费用、后期维
护费用等。按1个检测断面4个车道来估算，目前雷达设备费用是线圈的2~3倍，但是其安装人工费用很低，只需要在支架上挂一个小盒子而已，另外由于利用了已有的（信号灯、闯红灯抓拍系统等）支架，雷达安装这方面的成本就没有了；后期维护方面，由于雷达寿命长，维护时也不需要破坏路面，因而几乎不需要维护成本。长期（比如5年）综合起来，雷达成本应该比线圈的还低。
iv） （潜在）用途多样性。城市智能交通有很多领域需要对道路交通信息进行采集，只是侧
重点会有所不同，所涉及到的领域主要有行车诱导系统、治安卡口系统、超速抓拍系统、智能红绿灯控制系统以及闯红灯抓拍系统等。行车诱导系统要求最高，所有交通信息都需要采集，治安卡口系统就需要的少一些，比如占有率、车头时距之类的就用不着了，后面的需要的就更少了，如超速抓拍系统只需要高速车辆的速度。正像安装雷达能满足所有这些（潜在）需求。
四、结论
从上面的阐述与分析可以看出，基于正向安装微波雷达、利用城市道路已有支架资源的交通信息采集新方案切实可行，该方案既克服了已有线圈技术的缺点又充分利用了已有资源，车速测量更准确，并且降低了安装和维护成本。
10.2.2交通信息传输
智能交通物联网的网络层通过泛在网的互联功能来实现感知信息的高可靠性、高安全性
传输。互联网和移动通信网等公共通信网络是智能交通物联网的核心网络，该类网络是所有
物联网应用的共性部分，本章并不做特别的介绍。智能交通物联网的接入技术及各种延伸网
(包括车路通信、车车通信等)是交通信息传输技术的主要内容。
1．面向车路通信的短程通信技术
专用短程通信(Dedicated short-Range Communication，DSRC)技术是智能交通领域内为车辆与道路基础设施间通信而设计的一种专用无线通信技术，是针对固定于车道或路侧的路侧单元与装载于移动车辆上的车载单元(电子标签)间通信接口的规范。
DSRC通信系统主要包括3个部分：车载单元(On—Board Unit，OBU)、路侧单元(Road—Side Unit，RSU)和DSRC通信协议。OBU具有一定的计算和存储能力，一般存储车辆的ID等信息；RSU路边设备一般由天线、读／写器和后台控制单元构成，RSU可通过有绻砬干缝网f加GSM／CDMA、桷融广城的群网虑田．
如图3-6所示，DSRC协议栈采用3层精简协议架构，由物理层、数据链路层和应用层组成。物理层规范了无线通信传输介质及上、下行链路传输介质的物理特性参数。DSRC技术曾出现了3个主要的工作频段，即800—900 MHz、2．4 GHz和5．8GHz频段，我国采用的是国际标准化组织智能运输系统技术委员会提出的ISM 5．8 GHz频段标准。整个频段划分为8对上、下行信道，每条信道宽5 MHz，其下行链路为5．830 GHz／5．840GHz，传输速率为500 kbit／s，上行链路为5．790GHz／5．800 GHz，传输速率为250 kbit／s；数据链路I-l-lZ／D·8UUI．TI-Jlz，传褥愿罕刀z)uIcDIVs；双倨链跆层毯玷网7r于层双琚键跆狴利于层布Ⅱ媒质介入控制子层，它们对接收信号进行确认，提供无连接数据传输和接人物理媒质的服务。该层采用路侧单 图 DSRC协议线
元为从的主从式结构，RSU具有通信的主动权，OBU必须按RSU指定的时隙摄收和发送佰恳。I‘tSU需妥同时与多衲汽牛遇佰，凼此口J以采用全双工通信方式，而OBU只需同时与一个RSU通信，故采用半双工通信方式。为避免多个同时与一个进行通信时发生碰撞，多路访问采用时隙无线电计算机通信网(ALO—HA)控制；应用层规定应用服务数据的分解与重组以及提供一系列的服务原语给不同的应用来实现通信过程的各种操作。
DSRC技术通过信息的双向传输将车辆和道路基础设施连接成一个网络，车辆将运行数
据提交到道路监测网络，进而作为动态交通信息上传到指挥中心，又通过指挥中心和附近车辆发布的信息获得驾驶安全、道路和停车场使用状况的实时数据，实现车与路的一体化。DSRC支持点对点、点对多点通信，具有双向、高速、实时性强等特点，广泛地应用于道路
收费、车辆事故预警、车载出行信息服务、停车场管理等领域。
2．面向车车通信的车载网络技术
除车路通信外，车车通信也是智能交通物联网的重要通信技术。一个典型的车车通信系
统如图 所示，在几十到几百米的通信范围内，车辆之间可以直接传递信息，不需要路
边通信基础设施的支持。车一车间无线通信主要是依赖于移动自组织网络技术(Mobile Ad
Hoc Network，MANET)，也可称为车一车间通信自组织网络(Vehicular Ad Hoc Network，VANET)或车载自组织网络。
图 车车通信系统
在VANET中，所有具备通信能力的车辆构成了通信网络中的移动结点。车辆通过无线接口自动检测通信范围内的车辆，并自动维护网络拓扑状态信息。当一个车辆需要传输信息时，将消息通过多跳通信的方式传输给更远范围的目标车辆。该技术能够更好地实现车辆之间的信息交互，满足道路上车辆的快速动态变化特性，进而及时地在局部范围内发布重要的交通信息。驾驶者可以通过VANET网络通信迅速获得车辆周边其他车辆的信息，例如，前面的车辆紧急刹车等。这种方式可以超越目前的交通视觉依赖特性，使驾驶者对紧急情况产生更加迅速的反应。
基于VANET的车车通信系统适应性更强，特别适用于基础设施遭到破坏、交通事故、地震等危机情形的及时通信。车车通信系统的应用主要有紧急信息警示、车辆纵向协调控制、协作驾驶等。目前车车通信的难点集中在VANET的实现上，由于驾驶人员不同的驾驶行为和路网对车辆移动的限制会导致车流密度的不断变化，换道规则和车辆跟驰规则又会导致车辆之间的相互影响，这些特殊的移动模式给VANET的设计带来了许多挑战。
3．智能交通物联网接入技术
智能交通物联网需要将感知层采集的信息传输到后台的处理层，其主要技术是在接人层。需要传输的交通信息包括从各种交通检测传感器中获取交通数据(图像、数字、文字等)，向交通控制设备(如监控摄像头、交通信号控制器或交通信息板等)发送控制信息等。智能汽车将成为一个随时随地都能接入互联网和无线网络的信息平台，能够实现稳定、快速、可靠的信息接入和共享。
接入技术主要分成有线接人和无线接人两类。有线接入主要包括光纤接入和铜线接人(如电话线和以太网)；无线接人一般包括成熟的蜂窝移动通信网络(如GSM和3G)或者无线局域网技术WLAN(Wireless Local Area Network)。前者适用于固定位置部署的检测器(例如部署在路口的摄像头和线圈检测器)，而后者则适用于移动感知设备(如GPS浮动车)。
10.2.3交通信息处理
智能交通物联网的感知层所采集到的信息是交通系统的基本数据来源，这些未加工过的交通数据可能是视频的，也可能是蜂窝网的基站信号或者GPS的轨迹数据，尚不能表达任何交通参数，因此首先需要进行交通参数提取，例如，提取视频图像中的车牌号码和车辆密度、提取基站序列所反映的交通流参数等。
出于成本和采集精度的考虑，智能交通系统的感知层通常会同时综合使用多种方式采集
交通参数，如同时使用浮动GPS车、环形线圈传感器以及蜂窝基站等，经过交通信息提取
后，都表现为各种交通参数。但由于各种误差的存在可能导致数据相互矛盾，需要对来自多
个或多种数据源的基本交通参数进行检验，这就需要利用数据融合方法对多个数据源的交通
参数进行处理，以获得全面、准确的基础交通参数。
获得准确的交通参数后，需要进一步处理，如估计路网交通状态、预测交通流变化趋势
或估计交通事件的影响和严重程度等，进而发布给相关使用人员，帮助交通管理部门或出行
者提供交通管理决策类信息或交通诱导类信息等，从而完成由信息到辅助决策的转换。
下面依次介绍信息处理各阶段所涉及的处理技术。
1．交通信息提取技术
交通信息提取主要是指从原始的采集数据(可能是图像、图形、文字和语音等)中提取交通相关参数，如车牌号码、车型、交通状态识别、交通流量、车辆排队长度等，主要使用模式识别技术。实际应用的技术非常广泛，本文仅以几个典型代表为例进行介绍。
(1)车牌识别
车牌识别系统(License Plate Recognition system，LPR)能在无人干预的情况下自动拍摄、提取并且识别通过车辆的车牌号，LPR系统在电子收费、道路流量监控、高速公路以及停车场管理等场合都有重要的应用。
车牌识别过程通常分为图像采集、图像预处理、车牌定位、字符分割和车牌识别5个部分。首先通过采集摄像头拍摄的包含车牌的视频图像，再对图像进行预处理以克服图像干扰和加快处理速度，然后从图像中提取车牌字符部分，将车牌上的字符串分割成独立的单个字符，最后提取字符的特征并识别出字符，得到完整的车牌号码，其流程图如图 所示。
图 车牌识别流程图
图像预处理是指对拍摄的彩色车辆图像进行灰度化、边界增强等处理，以克服天气、光照、车牌磨损和污染等带来的图像干扰，并加快后续过程处理速度。灰度化就是将彩色图像转换为灰度图，灰度与彩色图像素点的R，G，B颜色(分别代表红、绿、蓝三原色)的对应转换关系为灰度值。灰度化后通常还要进行灰度变换和灰度均准度但。伙度化后遇帚处妥近仃伙反父挟利伙厦列衡寺图像瑁强处埋，最后阋图像进仃一但化，将灰度图像转化成黑白图，以尽可能减少背景像素的干扰。
车牌定位是指从车辆图像中提取出车牌区域，以供下一步的牌照字符识别。目前有许多
车牌定位的方法，如基于边缘检测方法、基于颜色特征方法、基于数学形态学方法、基于几
何特征方法、颜色和纹理分析结合等多种方法，这些方法各有优缺点。基于形态学的车牌定
位对于某些特定场景定位效果比较好，但其要求背景相对简单，对牌照字符的大小也有限
制；基于颜色特征的车牌定位方法精度高、定位准确，但是适应性相对比较差，因为车牌图
像所拍摄的背景环境一般都比较复杂，光线和物体等都是随机的，该方法需要和其他方法配
合使用；基于纹理方向特征的车牌定位方法速度快，但是定位误检率高，不够准确；基于边
缘检测的车牌定位方法能把车牌的位置确定在比较精确的范围内，其缺点是执行效率比较
低，同时也很容易把不相关的东西误判为车牌，或者由于某种原因(如图像变形等)而把
车牌忽略掉。
车牌分割是将车牌上的字符串分割成单个独立的字符，分割得准确与否也关系到识别的准确率。在字符分割中遇到的最大问题是车牌倾斜，为此在字符分割之前，必须对车牌进行倾斜矫正。最常用的方法是使用Hough变换检测出车牌倾斜的角度，然后按照这个角度对车牌进行旋转。目前，车牌字符的分割方法一般为垂直投影法，如图 所示，字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，并且该位置应满足牌照的字符书写格式、字符、尺寸限制等条件。利用垂直投影法可实现复杂环境下车牌字符的分割。
图 垂直投影法是先车牌字符分割
车牌字符识别目标是识别车牌上的汉字、字母和数字，其核心思想是模式分类，即对待识别字符进行特征提取，并与存储字符库中的已知字符模式逐一比对，将最接近的字符作为识别结果。字符识别最关键的在于字符特征提取和分类器设计，常用的字符特征提取方法包括逐像素特征提取法、骨架特征提取法、垂直方向数据统计特征提取法等。分类器方面主要有基于神经网络的方法和基于模板匹配的方法两类。前者能够在学习的过程中积累经验，容错能力强，但对字符特征要求非常高，识别速度慢，难以满足实时性要求；后者识别速度快，尤其是二值化后的图像，可以满足实时f生要求，得到了广泛应用。
(2)基于蜂窝基站切换的交通信息提取
在使用蜂窝基站定位技术时，感知层会实时采集各基站所注册的移动终端标识集合，并以此来计算当前的交通流参数"j。该过程主要包括4个步骤，即采集切换序列、建立基站切换模板库、路径匹配以及交通参数计算。其中第一步是由感知层实现的，如前所述，当移动终端距离当前基站较远时，会自动切换到另一个基站，从所有基站上均可采集当前终端的切换序列。
建立基站切换模板库是指预先收集在不同道路上的基站切换模式，定义道路上发生基站
切换的位置为切换点，连续发生两次基站切换的路段为切换路段，切换点和切换路段构成切
换网络。在道路上标定出手机发生切换点的位置，通过专门的测试软件经过实地测试获得其
切换点的坐标，从而计算出切换网络中每条切换路段的长度。如图 所示，所有圆圈所
处的位置表示标定的切换点，1号切换点表示手机从基站1切换到基站6的位置坐标，尺：就是两个切换点1和2之间的路段。
图 基于基站切换提取交通信息
路径匹配是指在建立每条道路切换序列后，将根据当前移动终端的切换序列，匹配用户可能对应的道路。当通过GSM网络信令解析出来的基站序列全部或者部分与这条道路的切换序列一致时，就将该用户的移动路径匹配到这条道路上。以图3—10为例，与道路对应的手机切换序列为1-6—8—11—15-16—19-23-28，如果采集到的手机切换序列为1-6．8、6-8．11．15、15—16-23等，则可以判断手机移动路径在这条道路上的某些路段。
完成路径匹配后，就可以进行每条路段的速度计算。手机至少发生两次切换后，记录两次切换的时间点，并计算出其所移动经过的路段长度为尺；，那么就可以计算出手机移动的速度为Vi = Ri／ti。按照同样的方法，根据采集到的手机切换序列计算出所有路段上的行驶速度。
按照预先标定好的切换网络，在理想条件下每条道路都有一条稳定的切换序列与之对应。然而由于基站切换并不仅仅与信号强度相关，而且也与当前基站的通信容量及运营策略相关，因此每条道路的切换序列可能并不完全稳定，需要使用诸如滤波等方法平滑处理。基于基站切换行为的交通信息采集技术还需要识别用户的交通模式，判断用户是步行、骑车还是乘车，只有乘车用户的位置数据才对交通流量分析有意义。此外在有高架桥或立交桥等的重叠区域，还需要辨别桥上和桥下的不同交通流，这就需要通过大量样本的训练和学习对每种交通模式进行行为建模。
2．交通信息融合技术
数据融合(Data Fusion)是指利用计算机技术对按时序获得的若干观测信息在一定的准则下加以自动分析、综合，以完成所需的决策和估计任务的信息处理过程，如图 所示。数据融合技术充分利用了多源数据的冗余性和互补性，可有效增加信息处理的置信度和可靠性，能够将不确定、离散，甚至相互矛盾的复杂信息转化为一致性的解释和描述。由于交通数据往往来自多种不同的数据源，如固定线圈、监控摄像头、GPS浮动车、蜂窝网络等，通常需要进行数据融合，利用多种数据源的相互检验、互相补充、综合处理，才能产生高精度的实时交通信息。数据融合主要应用在车辆定位与跟踪、交通信息获取、路网交通状态识别以及车辆诱导等方面。
图 交通信息数据融合示意图
根据应用目的的不同，交通信息融合的方法大致包括3类M J：统计分析法，如直接对数据源作加权平均或滑动平均；基于概率统计模型方法，如卡尔曼滤波、贝叶斯估计和统计决策理论等；基于人工智能方法，如神经网络、模糊推理和证据推理。本文仅介绍几个典型的方法，具体细节请参考本文的参考文献。
(1)基于统计分析的交通信息融合
统计分析方法是交通参数融合的经典方法，主要包括自适应加权平均法，指数平滑法，利用平均值的递推估计算法等对交通参数进行融合。加权平均法是一种简单、直观的融合多传感器低层数据的方法，利用由一组传感器提供的冗余信息进行加权平均计算，并将加权平均值作为信息融合值。自适应加权平均的数据融合算法是指在总均方误差最小这一最优条件下，根据各个传感器所得的检测值以自适应的方式寻找其对应的权值，使融合后的x达到最优。
多传感器数据融合值应为
总均方误差为：
其中σ2是各加权因子形的多元二次函数。根据多元函数求极值定理，可得知当加权因子为
时，σ2取最小值。
指数平滑法一般用于短期交通流量预测，它可以消除数据的偶然误差，简单的加权平均法是指对时间序列的所有过去数据全部加以等同对待，而移动平均法实质是以前观测值的加权和。指数平滑法同时考虑以往所有数据，不舍弃过去的数据，而是给予其逐渐减弱的影响程度，即随着数据的远离，赋予其逐渐收敛为零的权重。假设给定的一组感知数据时间序列
为v1，v2，…，vi，则一次指数平滑公式为
式中，Vt(1) 为第t周期的一次指数平滑值；α为加权系数，0<α<1。
^、I’ 7t ／一717。，HJ7yJHJ l／＼J甘M I Iil II--I’¨／J川H。l^爿、．M‘…、4 o
(2)基于卡尔曼滤波技术的交通信息融合
卡尔曼滤波方法是1960年由卡尔曼提出的，其主要特点是将现代控制理论中状态空间的概念引入滤波技术，将所要估计的信号作为状态，用状态方程来描述系统，因而能够解决
以前难以处理的多维非平稳随机过程的估计问题。其基本原理是状态估计，如果该系统具有
线性的动力学模型，且系统噪声和传感器噪声是高斯分布白噪声模型，那么卡尔曼滤波为融
合数据提供唯一的统计意义下的最优估计。
离散线性卡尔曼滤波方程为：
式中，F(t)是状态量，它是全面描述系统的参数；Φ(t)是系统状态转移量；W(t)是系统误差。卡尔曼滤波通过对t时刻的状态F(t)估计t+1时刻的状态F(t+1)。
卡尔曼滤波用于实时融合动态的低层次冗余多源数据，该方法用测量模型的统计特性递
推决定统计意义下的最优融合数据估计。卡尔曼滤波的递推特性使得系统数据处理不需要大
量的数据存储和计算。由于卡尔曼滤波采用了较灵活及适应性较广的状态空间模型的系统分
析法以及递推算法，使之便于在计算机上实现，大大减少了计算机存储量和计算时间，因而
得到了广泛的应用。基于卡尔曼滤波的上述特点，可以利用其建立模型进行多传感器交通信
息的融合，包括基于空间相关性的交通流量滤波融合模型，联合滤波交通流量融合模型，集
中滤波交通流量融合模型等。
(3)基于贝叶斯估计的交通信息融合
贝叶斯推理方法把每个数据源传感器看作是一个贝叶斯估计器，用于将每一个目标各自
的关联概率分布综合成一个联合后验分布函数，然后随观测值的到来，不断更新假设的该联解决了传统的推理方法的某些缺点，但是由于其定义先验似然函数比较困难，要求对立的假
设彼此不相容，无法分配总的不确定性，因此，贝叶斯推理法具有很大的局限性。
3．交通信息预测技术
智能交通不仅需要实时的道路检测数据，更重要的是能将各种检测设备获得的交通信息通过各种预测模型和方法获得实时、可靠、准确的预测交通状况信息，再利用动态路径诱导和交通信息系统为出行者提供有效的出行参考信息，达到缓解交通拥堵、节约能源的目的。准确、可靠地预测交通信息是智能交通物联网中的信息处理的关键技术。
预测的交通参数主要包括交通流量和旅行时间。与传统面向交通规划所需要的以时、天、月为单位的交通流量预测不同，智能交通管理需要更加实时的交通预测信息，一般不超
过15 min。这种短时预测是智能交通的核心部分，对模型的精度和运算实时性都有很高的要求。由于交通系统高度的不确定性和非线性，短时交通预测突发事件的概率更大，预测难度更高。
(1)交通流量预测
交通流量是城市交通流诱导、公路交通事件检测等应用的基础数据。准确、可靠的流量预测信息是智能交通系统的基础和关键。路段的平均旅行时间是进行车辆诱导的主要依据，
也是出行者最关注的交通参数。建立交通流诱导的关键是要能准确地预测未来时段内车辆在
路段上的旅行时间。在实际应用中，对于动态路径诱导系统来说，最终的路径诱导结果取决
于路网的动态旅行时间，而旅行时间的计算则是基于旅行时间的历史数据、实时数据和预测
数据3方面信息来进行的。
交通流量预测方法大致分为三大类。
1)基于数理统计和微积分等传统数学和物理方法的预测模型，包括多元回归模型、时间序列模型、卡尔曼滤波模型和指数平滑模型等。
2)基于现代科学技术的无模型算法，包括非参数回归、KARIMA算法、谱分析法、状态空间重构模型和基于多维分形的方法。
3)基于小波理论的方法和多种与神经网络相关的复合预测模型。
近几年提出的基于混沌理论的交通流预测方法，以及基于贝叶斯网络的预测方法，均取
得了较好的预澳4结果。
(2)旅行时间预测
旅行时间预测模型大致分为两种：统计模型和分析模型。统计模型是一种数据驱动方法，它将历史和当前交通变量(如旅行时间、速度和流量的时间序列)作为输入。假设当前时刻是t，给定在t一1，t一2，…，t—n时刻的历史旅行时间数据f(t一1)，f(t一2)，…，f(t—n)，通过分析历史数据集可以预测未来值f(t+1)f(t+2)，…
现有的统计模型包括历史趋势方法和时间序列方法等。历史趋势法假设交通状况是间断
性发生的，既具有相同历史趋势的一天里各路段在同一时段具有相同的旅行时间。时间序列
方法定义的旅行时间由确定部分和随机部分两部分组成。确定部分来自交通系统的实时处理，随机部分来自外部环境。最常采用的方法是自回归移动平均模型(Auto Regressive Inte—grated Moving Average Model，ARIMA)。ARIMA模型计算速度快，但是在估计参数时，必须依赖大量的不间断的时间序列，而实际情况下经常由于各种各样的原因造成数据缺失，导致模型精度降低。
分析模型主要是借助宏观或微观的交通仿真软件预测旅行时间的。这些仿真软件需要模型的输入量是预测时段的交通流预测值，所以从一般角度上讲它不能用于旅行时间的预测。但是如果通过其他预测办法得到了未来时刻交通流参数的预测值，就可以用仿真模型来预测
未来时刻的行程时间。
10.3智能交通中的物联网通信网络技术
10.3.1交通骨干通信网
10.3.2中低端通信网
10.4物联网在智能交通中的典型应用
10.4.1区域交通控制系统
许多城市发展的早期，由于机动车数量的增加，在城市路口都出现过类似的情景：道路交叉路口上，一个方向已经没有车，可绿灯仍然亮着，而另外一个方向道路上的车辆却排起长龙在红灯下等候。这就需要引入高效的区域交通控制系统。区域交通控制系统通过控制交通信号对交通流进行有效地引导和调度，实现多向车流的时空分离，是解决城市交通拥堵最直接有效的手段。区域交通控制的核心是获得最优的配时方案，即红绿灯持续时间比。
传统的交通控制方法主要包括定时控制、多时段控制、感应或半感应控制、绿波带控制
和区域静态控制。定时控制是最简单的控制方法，它使用完全固定的配时方案；多时段控制
实际上是一种分段定时控制。通常情况下，城市居民的出行呈现明显的规律性，如交通流量
的高峰往往发生在一天的早晨、中午和傍晚，因此，可以为每一个时段选择一个最优配时方
案(红绿灯持续时间比)，实施多时段控制；感应控制则是只要在绿灯信号时检测到车辆到达，就给出一个单位绿延时，否则转到下一个相位，能减少绿灯的浪费；绿波带控制的目标是保证干线上的车辆延误最小，通过对干线上一批相邻交叉路口的交通信号进行协调配时，使得进入干线的车队按某一车速行驶时，能不遇或少遇红灯；区域静态控制的典型代表是英国道路运输研究所研制的TRANSYT(Traffic Network Study T001)工具，该软件通过将已有的交通量统计数据和交通参数输入到内置的交通模型，计算出最优配时方案，然后存人控制计算机内对整个区域实施控制。
以上几种区域交通控制方案基本都是离线控制，方法简单、可靠，但不能及时响应交通
流的随机变化，因此当交通量数据过时后，控制效果会明显下降。智能区域交通控制系统通
过引入物联网思想，通过路网上的车辆检测器实时采集交通量数据，并传输到区域交通控制
服务器进行交通模型识别，进而建模成与配时参数有关的优化问题，实时计算合适的配时方
案，然后对区域内的交通信号实施控制。
基于上述思想实现的一个早期交通控制系统是英国运输和道路研究所与3家公司联合在TRANSYT基础上研制出的一种自适应控制系统——scOOT，目前已经在全世界超过170个城市运行。SCOOT通过安装在本路口上游交叉口的车辆检测器来实时检测交通量数据，利用交通模型来优化信号配时参数，并依靠通信网络、信号控制机等硬件设备来实施控制。因此，当前路口的交通模型是一个短期预测模型，具有较高的准确性。据统计，SCOOT系统可使平均车辆延误时间降低12％。
然而，SCOOT和悉尼开发的具有类似功能的SCATS系统依然只是一个物联网在智能交通领域应用的雏形。真正的智能交通控制系统将不仅仅是一个实现反馈控制的信号控制系统，而是转变为以交通诱导为主从而实现真正的智能交互。如图 所示为一个典型智能区域交通控制系统，由主控中心、路口交通信号控制机、信号控制管理中心等组成。不仅可以利用检测到的车流量等交通信息参数调控路口信号配比，还可以综合交通限行、禁行等指路标志，利用后台服务器完成与交通参与者之间的信息交换，向交通参与者显示道路交通信息、停车场信息，提供给交通参与者合理的行驶线路，以达到均衡道路交通负荷的主动控制策略。
图 智能区域交通控制系统
以北京市的智能区域交通控制系统为例，北京市五环路以内的1535个路口都部署了静态的线圈感应设备，检测通过的即时车流量，并传到路口的信号机设备上，该设备再以有线方式传到交通管理中心，管理中心的计算机得出数据后再发到路口的信号灯上，调节红绿灯的变化。通过交通信号控制系统，全市近2000台信号机协调联动，根据实时路况自动控制路口放行速度，使得车辆延误时间和停车次数极大降低，通行效率显著提高。同时，该系统还考虑了一些先验知识，通过计算行人过街路ISl上下游车流速度，系统会自动给出行人过街的放行信号，使行人过街的放行时间不少于安全时间。就某一个区域来说，系统会自动将这个区域的所有路口作为优化的目标范围，通过对车流量的计算，根据路口的交通热点以及不同交通对象的需求，采取不同相位的控制形成信号灯变化的最佳周期，实现区域路网的优化协调控制，最终实现点、线、面的优化控制。目前，北京五环路内80％的路VI都已经实现了协同控制，路网综合通行能力提高了15％。
10.4.2动态交通信息服务
交通信息服务系统主要是指根据实时采集的交通流信息，经过加工和处理后，形成有利于：出行者出行的交通信息，并将这些信息及时传递给出行者。随着20世纪90年代智能交通的提出，“车一路”信息系统一直是智能交通发展的重点领域。国际上很早就开始了通过车辆和道路之间建立有效的信息通信来实现交通信息服务。
欧洲的代表性交通信息系统有SOCRATES和TrafficMaster。SOCRATES通过广播向行驶在基础站2—3km范围内，搭载了SOCRATES装置的车辆提供详细的道路交通状况信息，用于计算驾驶者的最优路线；TrafficMaster则采用通过全国道路网络中带有车牌识别装置的路边图像探测器和其他传感器获得交通信息，通过测定已知位置间的平均旅行时间来提供旅行时间信息，并利用现有的寻呼网络来提供交通信息，并且在车载终端装置上显示。
英国的视频信息高速公路(Video Information Highway，VIH)则将大量摄像机安装在高速公路和道路主干网络上，各种系统使用者(包括交通执法部门、高速公路管理部门等)可以自由操控摄像机，能够对路网进行实时控制、事先控制和远程监视。公众也可以通过互联网查看VIH网络摄像机拍摄的交通状况真实画面，作为出行的参考。
日本从1996年开始建设车辆信息与通信系统(Vehicle Information and CommunicationSystem，VICS)，提供交通信息作为导航系统的先导。其运行机制是交通管理者和道路管理者双方提供交通信息，经日本道路交通信息中心集中到VICS中心，并通过广播通信等多种方法发布给司机和车载装置。经过多年的发展，VICS已经遍布日本全国范围内的高速公路和主要城市，可以进行多种出行信息的实时发布和服务，包括实时路况和旅行时间预测，停车场信息，交通事件和天气状况等。在改善交通安全，缓解拥堵和环境保护方面作出了巨大的贡献。
这些交通信息系统主要集中在车路(尤其是高速公路)交通信息提供上，但目前交通问题的重点和主要的压力来自于城市道路交通引发的拥堵问题。本文以城市出行诱导和停车诱导两个应用实例说明来物联网技术的应用。
1．城市交通出行诱导系统
交通研究者们早就发现，在交通高峰时期，城市道路并不是全都发生交通拥堵，有相当一部分道路仍然很畅通。如果能及时地将道路网的交通信息告诉出行者，并提示他们绕行哪些路段，就能有效地引导车辆在道路网中运行，使车辆均衡地分配在道路网络上，从而减少
车辆在道路上的行驶时间。
交通出行诱导服务依托物联网强大的交通状态感知和处理技术，通过实时采集城市道路
交通流量、可用停车位等数据，持续进行建模和分析，并实时分析路网交通状态和交通事件，向出行者提供实时交通信息和路径引导信息。通过诱导出行者的出行行为来改善道路交通状况，实现交通流路网交通流的均衡分配。
交通诱导系统工作流程如图3-13所示。交通采集设备采集到的原始交通数据，经过前述的数据融合形成准确的交通数据。然后，基于交通流量历史数据库、行程时间历史数据库、城区路网地理数据库等基本信息，根据预先设定的自动诱导模型进行处理、运算及预测，自动生成旅行时间、拥堵状况等交通诱导信息。最后通过各种传播媒体发布给出行者。这些媒体包括：接人互联网的计算机、无线广播、用户手持终端设备、路边的可变信息板和车载导航设备等。
图 显示了一个典型的城市交通综合诱导系统。通过线圈、摄像头、GPS浮动车和蜂窝移动网络等交通信息采集手段采集到的动态交通信息，通过交通信息传输系统传输到
图 交通诱导系统工作流程
交通信息控制中心，经过复杂的路网交通信息分析后，计算出新的交通诱导策略，再通过交通信息传输系统将交通诱导信息发布出去。
图 交通综合诱导处理流程
交通诱导信息主要包括车辆速度和旅行时间，一般通过可变信息板、用户移动终端和互联网等方式进行分布。当使用可变信息板发布时，一般利用红、黄、绿3种颜色表示交通拥堵情况，红色代表堵塞，黄色代表拥挤，绿色代表畅通。通常颜色是与车速对应的，如在高速公路上，车速大于40km／h时为畅通，20—40km／h时为拥挤，小于20km／h时则表示堵塞。如图 所示的北京市西三环上的交通诱导信息板，表明由三环去往岳各庄桥的道路
堵塞，而三环主路上则道路畅通。
图 交通信息诱导板
基于可变情报板的交通诱导信息发布只能针对驾驶车辆能司机，无法随时获得动态交通信息。某公司基于蜂窝网络采集交通数据，开发了智能交通分析系统，从移动通信网络实时采集移动电话的基站信息，并将基站坐标传回服务器供后续分析，结合地图匹配技术、交通信息提取技术和交通信息预测算法，可以得到路网实时或者短期预测的交通状况，为交通出行提供诱导信息服务。目前的服务功能主要包括：基于移动互联网的交通信息发布(见图 )、最长7天的道路路况预测、实时道路状况和动态路线规划(旅行时间最短原则)等。
图 基于移动互联网的交通信息发布
2．智能停车诱导系统
交通“停车难”Et益成为制约我国大中城市经济发展的“瓶颈”。在大中城市，尤其是繁华的市中心或商业区、商务区，大多数驾车者会因找不到停车位而烦恼，以致长时间在密集车流中绕行，增加了道路负担，同时也大幅度地增加了CO：的排放量。
通过引入物联网技术实时采集停车场的车位信息，将结果融合后发布给驾驶者，以构建智能停车系统。作为城市智能交通的组成部分，它能合理地安排停车，提高停车设施泊位利
用率，促使停车设施利用均衡化，减少驾驶者寻找停车泊位的时间消耗，从而减少市中心为
停车而附加的交通量。
以德国科隆的智能停车系统为例，该系统通过250个动态诱导显示牌和180个静态诱导
显示牌连接37个停车场(17000个停车泊位)。该系统的结构组成和主要服务内容如图 所示。每个停车场均设有电脑计数器，用以感应汽车驶进、离开停车场的状况，并将停车场剩余的车位数据传输给市政府的交通监控中心，所有的停车场送来的信息经过交通中心综合处理后，再将这些数据及综合信息输送到城市街道上每个动态指示牌，所以每个区域以及区域外的停车场使用情况的信息是实时动态的。在科隆的系统中有110个显示动态停车容量的指示牌和170个方向指示牌，科隆市的交通信息是公开、共享的，通过图文电视、广播、电话、电台都能获得交通信息，甚至通过互联网访问还可得到系统内每个停车场的使用情况。
图 科隆停车诱导系统架构
停车诱导系统的实施对于科隆市停车问题起到了相当大的缓解作用。据统计，超过90％的去城市中心的驾驶员知道该系统的存在，有75％的驾驶员已经使用过该系统。与没有停车诱导系统相比，每年因车辆寻找停车位所产生的车辆里程减少了9400万公里，这降低了城市中心交通总量的3．2％，每年可节约6100万欧元。
10.4.3道路电子收费系统
电子收费系统(Electronic Toll Collection，ETC)是物联网技术在道路收费中的应用。通过在车辆上安装具有身份标识的标签，在收费口安装对应的通信和计费装置，通过自动识别通信车辆并使用电子货币结算实现了道路不停车收费。使用该系统的车辆只需要按照限速要求驶过收费道口即可，收费过程可由无线通信和计算机操作自动完成，避免了以前在收费站前停靠交费的过程。ETC主要应用在高速公路收费站和城市交通拥堵收费等场景中。
1．高速公路电子收费系统
高速公路收费站前通常可以见到排着长长的车龙缓缓而行，每辆车都需要经历“停靠一缴费一通行”一系列步骤才能通过收费站。据相关部门统计，一辆车停车缴费最快也需要8～lOs的时间，繁忙公路上大量车辆的通行不仅会造成收费口的拥堵，排队车辆的多次起步停车也会导致汽车尾气排放的激增。
而速公路ETC系统的基本组成单元如图3—18所示，它由4个部分组成：车载单元OBU、路边装置RSU、ETC管理中心以及后端的银行结算系统。OBU一般使用IC卡加CPU单元组成的“双片式”结构，其中Ic卡存储账号、余额等信息，CPU单元存储车主、车型等物理参数并为OBU与RSU之间的高速数据交换提供保障；车道控制单元的RSU与OBU完成高速通信，它实时读取通过车辆(OBU完成高速通信，它实时读取通过车辆OBU的数据，进行合法性判断后，发送控制信号到车道控制单元，并将车辆通信信息发送到管理中心；ETC管理中心对整个系统进行监控
图 ETC 系统框架
和管理，与银行收费系统进行通信和业务处理数据交换；后端的银行收费系统对收到的扣费请求进行处理，并且进行结算和对账处理。
整个ETC电子收费运行过程如下。
·用户前往发行安装部门申请安装车载装置，预缴通行费或设立事后付费账户，相应的信息被存入车载装置中，然后该车便可上路。
·在进入收费站时，车辆按规定限速通过收费车道。路边装置识别车辆相关信息，并通
过无线通信与车载单元双向通信来完成收费过程。
·每次收费操作都需将收费操作的相关信息递交收费计算机，事后付款方式的收费数据
将定时(或实时)递送给后台系统，以便生成转账清单向金融机构请求支付。
截至2009年8月，全国开通了600多条不停车收费高速公路车道，用户发展到60多万，服务覆盖的高速公路超过24000km，如图3—19所示为一个典型的高速公路ETC车道。
图 收费站ETC车道
ETC系统既可用于高速公路收费站的自动收费，也被一些城市引入到城市交通管理中作为调节城市拥堵路段流量的手段。针对城市交通拥堵地段内的车辆征收交通拥堵费，调节车辆出行路线是缓解城市交通压力的有效手段。以下分别介绍新加坡和斯德哥尔摩市的拥堵收费系统应用。
2．新加坡的电子道路收费系统
新加坡是一个城市化岛国，国土面积为650平方公里，2008年的汽车保有量是80万辆，是世界上汽车密度最大的国家之一，每公里道路拥有81辆汽车。如果这些车都上路，整个国家就会变成一个巨大的停车场，根本跑不起来。为此，新加坡开发了电子公路收费系统(Electronic Road Pricing，ERP)，针对高峰时段驶人中心商业区、高速公路和交通拥挤区
域的车辆征收车辆拥堵费，如图 所示。
ERP系统共包括3个部分：车载读卡器(In-Vehicle Unit，IVU)，ERP道口检测器和中央控制中心。车载读卡器是固定于汽车内的，集现金储值和感应为一体的设备，与每辆车的车牌号对应。驾驶者可以在公共交通“一卡通”中充值后插人自己的读卡器内，读卡器将显示一卡通内余额和驶过路段收费额；ERP道口检测器设置在限制路段人口处，当车辆经过电子收费路口时，道口检测器检测到车载读卡器后开始计费，车辆无需停车交钱；当车辆驶离电子收费道口后，检测器将车辆信息数据传送至中央控制中心，经过银行结算系统联网扣除本次通行费，如果读卡器的现金卡储存值不足，摄像机就会自动摄下车辆的牌号，并自动将照片等信息传到行动中心，执法人员就可以追查出违章的车主。
图 新加坡的电子道路收费系统
a) 读卡器 b) ETP收费点图
从ERP出现以来，收费区域的交通量下降了10％～15％，车速提高了将近30％。收费费率已经根据各条道路监控到的实际数据和目标数据的比对做出了降低收费的调整，尽管下调了费率，却并没有引起交通量的明显回升。未来的ERP系统将根据实时的路网交通状况收取拥堵费，实施更为灵活、实时和公正有效的动态收费。
3．斯德哥尔摩电子收费系统
瑞典的斯德哥尔摩是一座由14个城镇大小的岛屿组成的城市，该地区的人口正以每年2万人的速度增长，每天都有超过50万辆汽车涌入城市，城市道路承受的负荷越来越大，导致交通堵塞问题不断加剧，环境也不堪重负。在IBM公司的协助下，斯德哥尔摩市开发了一个电子交通收费系统，该系统在整个市区的18个道路点上安装了一个收费装置，对通行车辆按照车型类别征收通行费，如图 所示。
图 斯德哥尔摩停车收费系统
a 收费点分布图 b 收费点的工作原理图
每个道路点的收费系统如图3-21b所示，该系统由联网的摄像头(5和3)、激光扫描
设备(1和4)、收发器(2)以及收费系统(6)组成。该系统的工作原理为：车辆通过该道路时，会阻断扫描设备(1)发出的激光束，触发RFID读写头读取车辆上安装的RFID标签，并将车辆特征信息、通过时间、日期和收费站登记到收费系统(6)中。同时摄像头(3)将拍摄并识别车头的车牌号码，当车辆行驶并阻断激光扫描器(2)的激光束时，摄像头(5)将拍摄车尾的车牌号码。然后将车牌号码输入计算机系统，与车辆登记数据匹配进行收费。对没有登记的车辆，该车牌号码可以作为强制执行收费的证据。驾驶者可通过当地银行、因特网或7-Eleven等便利店交费。
与一般的ErIC系统不同，斯德哥尔摩的电子收费系统仅仅在系统部署的前期使用了RFID技术作为车辆信息的交换方式，在系统正式投入使用后，完全使用了车牌号码识别技
术，不再要求在车辆上安装RFID标签。车主只需要将车牌号码在计算机系统中进行登记，
识别车辆之后，系统会自动记录车牌号码，并对照车辆登记信息进行收费。
准确识别车牌号码是上述过程中最有挑战性的问题。由于光线强度的不同，天气恶劣或者拍摄视角欠佳，系统可能无法识别道路摄像机拍摄的部分汽车牌照。因此，该系统利用了图像增强以及前后车牌比对技术，对整个图像进行分析并搜寻预先设定的模式。该算法模拟人眼的机能，不断移动图像直到找出最佳视角并识别出预期的模式，从而还原出通常无法识别的车牌。 ．
道路收费系统对缓解斯德哥尔摩的交通堵塞和提高市民生活的总体质量起到了立竿见影的作用。系统投人运行后，城区的车流量降低了近25％，每天乘坐轨道交通工具或公共汽车的人数增加了4万人。此外，斯德哥尔摩城区因车流量减少而使废气排放量减少了8％～14％，CO：等温室气体排放量降低了40％。
10.4.4公共交通管理系统
在许多城市的公交站台，总能看到大量的乘客焦急地等着下一班车。而公交车一般总是
姗姗来迟，或者扎堆出现在公交车站，而公交运营单位却不知道增发哪些班次。在出租车上
下站的乘客，在上下班高峰期很难看到空车，而一些空车司机正开着空出租车寻找打车乘客。城市公共交通是与人们生活息息相关的重要基础设施，提高公共交通资源利用效率，对于改善城市交通质量和人们生活质量具有重大意义。
物联网技术可以有效改善公共交通管理水平，利用GPS定位技术、通信技术、地理信息系统等技术实现运营公交车、出租车、出行乘客、查询终端、公交站点和管理中心等元素的互联互通。一方面方便广大乘客了解公共交通信息，合理安排出行，另一方面使得公共交通管理机构加强了对运营车辆的指挥调度，提高了运营效率。
以杭州市的公交车智能调度系统为例，该系统构成如图3—22所示。安装在公交车上的车辆行驶状态传感器记录了车辆行驶速度、空调车厢温度、尾气排放烟度和行驶平稳度等信息，车辆上还装有车载GPS能够实现车辆自动定位，并每隔10 S将定位信息数据打包发送给服务器数据库，同时传送给线路调度员或调度室(调度中心)，当车辆行驶过程中遇到道路阻塞、交通事故、车辆故障、乘客纠纷、拥挤等紧急情况时，司机也可通过车载终端上相应按键向线路调度员发送信息，直至与调度员直接对话。
调度管理中心的调度员通过平台的电子地图，能够实时监测车辆运行状况，并可向
车辆发布加速、减速、越站、跨线、折返等指令。而后台中心可以对车辆及线路营运情况，以及营运生产实绩和客运服务质量等进行统计和评估，并能把车辆停靠信息等公交服务信息发布到相关媒体，如发光二极管(LED)发车显示屏、智能电子站牌、声讯台、公交网站、手机短信等，同步传输给乘客引导乘车。电子站牌的液晶电视和LED屏幕，除实时滚动显示车辆停靠信息外，还能向市民和乘客提供内容丰富的娱乐视频流媒体，以及公交线路调整、天气预报、本日新闻等文字性信息，既为乘客出行提供了便利，节约了乘客出行时间，也让乘客能在“等车”过程中领略精彩纷呈的视频节目，体现出公交“以人为本”的精神。
图 智能公交系统图
该管理系统的建设使得杭州市公交系统逐步形成了公交全网集中、分级监控、责任明确、措施有效的客运管理新体系，提高了车辆利用率和车辆准点运行率，实现了使更多出行者愿意采用公交方式出行的目标。
10.4.5智能车辆
与前面所有应用侧重于优化整个交通系统的管理不同，智能车辆主要致力于提高汽车的安全性、舒适性，以及提供优良的人车交互界面。目前已经出现了一些应用广泛的汽车智能化系统，如智能雨刷、自动前照灯、智能空调、智能悬架、防打瞌睡系统等。但这种智能系统只是部署在单个车辆内的辅助驾驶系统，作为交通系统的核心要素，智能车辆需要结合车辆和道路两方面才能使车辆从代步工具转变为真正的智能行驶系统。
智能车辆目前并没有一个很精确的范畴，本文选取基于车载网络的道路安全和车载信息服务系统为例说明物联网在智能车辆中的应用。
1．安全辅助驾驶
2009年，全国共发生道路交通事故23万起，造成6．8万人死亡、275125人受伤，直接财产损失9．1亿元。汽车安全辅助驾驶系统的功能就是保证汽车在较差的环境中也能够识别路况信息，并辅助驾驶员安全行车，对于降低交通事故率具有重要的意义，是智能交通系统中的一个重要组成部分。
基于车车通信的安全辅助驾驶系统是当前智能汽车领域使用的主流方法。其原理如图 所示，每个车辆上安装车载装置，将车辆通过自组网方式互相连接。车辆间通过无
线通信接El来交换车辆行驶信息，包括方向灯转向动作、车速、GPS以及车辆类型(自行车、卡车、普通车等)等。目前主流的通信技术能够与直线道路上300。500 m、拐弯处约30m范围内的汽车之间交换数据。无论车辆行驶在直行还是曲折的道路等驾驶员视野受限的地方，都可提前检测到车辆异常行为和突发性危险，并警告驾驶员，降低驾驶员的错误行为，减少车辆追尾事故的发生。
图 基于车车通信的安全辅助驾驶系统
2．车载信息服务系统
车载信息服务系统(Telematics)的主要内容是指通过内置在汽车上的计算机系统、无线通信技术、卫星导航装置和强大的后台服务系统对搜集到得各项信息和数据进行处理，从而为车主提供行驶导航、实时路况、道路救援、远程故障诊断、安全监视、个性化资讯及娱乐资讯等服务。
国外Telematics系统已被广泛应用，且该产业发展成熟度较高。美国是较早推行Telemat—ics产业发展的国家之一，早在1997年，通用公司就已经推行了on—star服务，综合摩托罗拉无线通信模块，车辆定位技术及服务中心，为汽车提供了全方位的通信服务。欧洲的Telem—atics产业把交通信息和交通安全作为主攻方向，主要包括e—Call(紧急救援服务)和e—Safe—ty等。Et本Telematics产业发展呈现出发展快，功能性强的特点，由于13本道路路况复杂，以G—Book为代表的Telematics系统的导航功能极具优势。
中国的Telematics产业刚刚起步，能享受到Telematics服务的车型还主要集中于高档车。以导航系统为例，普通汽车上的导航设备都只能存储静态的城市地图，无法根据实时路况进
行导航。而Telematics车载终端则可以下载实时路况信息，并由导航软件将路况信息处理后
在地图上显示，如可用红色表示当前道路阻塞，黄色表示当前道路行驶缓慢，绿色表示当前
道路畅通，通过提前了解道路堵塞情况，帮助司机更换线路行驶，也可自动进行路径规划，
根据道路的拥堵情况为车主动态导航。
第10章 智能交通