MTU研究人员开发优化模型填补网联车辆数据空白 让交通规划人员准确/经济地了解出行需求
发布时间:2019-05-05 23 来源: 互联网 浏览量:25

(图片来源:密歇根理工大学官网,图片人物:研究生Qinjie Lyu和Shuaidong Zhao)

盖世汽车讯 据外媒报道,美国密歇根理工大学(MTU)的研究人员研发了一个新模型,可让交通规划者更准确地了解城市交通状况,从而更好、更经济地规划城市。现在大多数车辆都具备联网能力,GPS导航、信息娱乐面板以及汽车的无线网络都可为汽车提供信息,如告知行车方向、识别其他汽车或是检查是否有交通信号灯、交通标志或桥梁等其他基础设施。

所以上述信息都可帮助交通规划者准确了解道路的使用情况,但是现在,此类数据通常不受控制、不准确又不可靠,而且还缺乏位置和路径信息。

密歇根理工大学土木与环境工程助理教授及计算机科学性附属助理教授Kuilin Zhang研发出了一种方法,可以填补空白信息。Zhang教授相信,未来,该方法将非常经济有效,可让交通规划人员制定出更有效的交通拥堵缓解措施、了解在何处修建更宽或是新的道路等等。

汽车信息咨询公司IHS Automotive表示:“到2025年,全球将有1.25亿辆网联汽车上路行驶,而平均每辆汽车每天可产生多达30tb的数据”。

Zhang教授表示:“未来,我们会有更多网联车辆,如果我们能够弥补网联车辆数据中缺失的部分,我们就可以了解每个驾驶员完整的活动和出行情况,然后此类数据就可用于了解出行需求”。

汽车并不需要具备自动驾驶能力才是网联汽车,任何具备无线联网能力,如配备了蜂窝网络或是专用短程通信(DSRC)技术的汽车都被认为是网联汽车。网联车辆的轨迹数据可用来预测车辆行程,但是Zhang教授发现,此类数据中有很多空白,从而无法进行可靠的预测。

在该项研究中,研究人员使用了2800辆网联车辆中两个月的数据,此类数据由位于密歇根州安阿伯市的Safety Pilot Model Deployment Program项目提供。在此类数据的基础上,研究人员们创建了一种优化方法(模型),该方法由数据驱动,可重建网联汽车缺失的定位-运行持续时间-路径选择等信息。重建后得到的信息可用于改进模环亚娱乐型的验证和校准,该模型基于活动,是一个出行需求动态模型,可为交通规划组织提供更多细节,从而可更好地估计出行需求,也有助于减少交通拥堵、减少排放和节约能源。

Zhang教授认为,此类基于活动的模型的价值不仅仅在于准确性,它还能节省资金。地方政府经常从私人公司购买商用车GPS中的信息,或者依靠全国家庭出行调查(National Household Travel Survey)来获取信息,此种方法非常昂贵,而且得到的信息也只是少量驾驶员而不是所有驾驶员的信息。现在,地方政府可以使用该模型,花更少的钱,了解更多市民的驾驶习惯。

此外,如果更多的城市仿效纽约市,开始收取拥堵费,该模型将会更加重要。收取拥堵费是利用车牌阅读器在交通高峰期向驾驶员收取通行费。该项研究的下一步是将该模型用于佛罗里达州、纽约和怀俄明州现有的网联汽车上进行测试,并且提供有关如何利用网联汽车的看法。

 

*特别声明:本文为盖世汽车原创技术文章,版权归盖世汽车所有,禁止转载或大篇幅摘录!违规转载,法律必究。

本文地址:http://auto.gasgoo.com/News/2019/05/050956275627I70102378C601.shtml

文章标签: 黑科技 前瞻技术

 

全国统一服务热线:400-028-1738 公司传真:028-8613872 公司邮箱:274446879446@qq.com

网站版权:永利国际管理有限公司 CopyRight @ 2012-2019 All Rights Reserved 京icp备09073941号-1