英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料
智能化、互联化：未来的智能交通系统
摘 要
面向连接车辆基础设施步行环境和大数据的新兴技术使收集、存储、分析、使用和传播多源数据变得更加容易和便宜。所连接的环境还引入了新的方法来灵活地控制和管理运输系统的实时性，以提高整个系统的性能。考虑到互联环境的好处，我们必须了解当前的智能交通系统如何适应互联环境。
copy; 2018年国际交通与安全科学协会。爱思唯尔有限公司制作和主持。这是CC BY-NC-ND许可下的开放访问文章。(http://creativecommons.org/licenses/by-nc-nd/4.0/)。
关键词：连通环境；智能交通系统；联网自动车辆；网络社交物理空间；车辆基础设施行人
第1章 介绍
对运输问题的分析和理解常常受到与领域相关的数据源的限制。最近新兴的技术使得收集、存储、分析、使用和传播多源数据变得更容易和更便宜。一个连接的贵宾环境也使系统更灵活，从而可以实现实时管理和控制措施，以提高系统性能。在连接的环境中，车辆、基础设施和行人可以通过点对点连接协议或通过4G或更先进的电信网络（贵宾环境）的集中系统交换信息。这种技术被认为是城市生态系统中最具潜在破坏性的技术之一。信息的交互和交换可以发生在车辆到车辆（V2V）、车辆到基础设施（V2I）、行人到基础设施（P2I）或车辆到行人（V2P）之间。考虑到互联环境的好处，并考虑到其独特的特性，了解当前的智能传输系统如何适应互联环境是至关重要的。本文旨在：（1） 回顾智能交通系统（ITSs）和智能城市的当前趋势；以及（2）提供有关在这些系统中引入连接贵宾环境的见解。
论文的结构如下。下一节将回顾智能交通系统的当前趋势。在第三节中，我们讨论了智能城市和相关的人工智能技术。第四节描述了连接环境的概念。最后，第五节提供了对未来智能交通系统和智能城市的见解。
第2章 智能交通系统（ITSs）的发展趋势
交通拥堵、交通事故、交通污染等问题日益突出，各种交通需求急剧增加，包括汽车交通、公共交通、货运甚至行人交通。为了解决这些问题，智能交通系统已经开发出来，能够集成各种系统，包括传感、通信、信息传播和交通控制。任何智能交通系统执行其功能都需要三个基本组件：数据收集、数据分析和数据/信息传输。
数据收集组件从运输系统收集所有可观察到的信息（例如，路网特定点的交通流量、特定路段的平均旅行时间、登上过境线的乘客人数等）以便进一步分析当前的交通状况。传统上，感应线圈检测器[1,2]用于收集交通量和点速度等基本交通信息，感应线圈检测器[1,2]基于与过往车辆在回路中的感应电流检测车辆的存在，而气动管道检测器[3]基于管道中的压力变化检测车辆的存在。然而，由于这些方法的实施成本高，并且在实施过程中会对交通造成影响，因此它们越来越不受欢迎，特别是在交通拥挤的地区。
由于传感和成像技术的进步，摄像机和射频识别（RFID）扫描仪越来越多地被考虑用于交通数据采集。摄像头可以安装在网络的不同位置，以收集交通视频。然后使用专门设计的图像处理软件（如自动示波器）对视频进行分析，以确定诸如交通流、速度、车辆类型等信息。[4,5]。在这种背景下，车牌自动识别[6,7]是一个关键的研究领域，因为通过车牌的识别和匹配，它可以提供诸如选择的路径和行驶时间等附加信息。另一方面，射频识别数据（RFID）通常可以在接受非接触式支付的位置，或用于货运。通过对唯一射频识别的匹配，可以提取出不同的交通相关信息，如路径选择和出行时间等[8,9]。
最近，由于智能手机和先进通信技术的日益普及，全球定位系统（GPS）数据[10,11]、蓝牙和无线网络组件的媒体访问控制（MAC）地址[12,13]和移动电话数据[14,15]将可用于交通状况分析，甚至可用于旅行。与上面列出的数据源相比，这些新类型的数据更接近于个人水平，因为这些设备通常是个性化的，并且能够连续跟踪（例如全球定位系统和移动电话数据）。有了这些特征，就可以进行更详细和/或行为相关的分析。
智能交通系统的数据分析组件旨在利用从所讨论的各种来源（如感应线圈检测器、全球定位系统等）收集的交通数据，提供各种信息和管理/控制措施。传统上，交通平衡模型[16,17]、交通流模型[18,19]和信号交叉口的各种模型[20,21]等预定义和预先校准的模型被用来评估交通状况并提供必要的响应。最近计算能力的提高和对更详细评估的需求导致了数据分析组件中微观模拟和基于代理的模型的发展[22,23]。由于引入了新的数据源，这些模型得到了扩展，以便有效地利用新的数据来提高评价的准确性和详细程度[8,13,14,24]。
智能交通系统的数据/信息传输组件有助于将收集到的数据传输到运营中心进行评估，并向旅行者和基础设施传播信息和/或管理/控制措施。传输收集到的数据的方法已经从有线到光纤，再到具有云平台的无线网络（如3G/4G、无线网络等）。为了传播信息和控制/管理战略，通过利用改进的通信技术，方法已经从传统的交通标志和无线电广播发展到各种信息标志[25]、移动应用程序[26]和车载信息[27]。
有了这些基本组件，智能交通系统可以根据其功能分为两类。这些是先进的列车运行信息系统（ATIS）和先进的管理系统（AMS）。每一项的细节如下。
先进的旅行者信息系统——旨在通过提供各种类型的信息（如旅行时间、等待时间、可用停车场）帮助旅行者做出旅行决策（如模式选择、路线选择、停车时间选择等）。在各种实现方式中，行程时间估计/预测[8,10,28]和路线引导系统[29,30]是最常用的研究领域，因为它们可以直接影响旅客的选择，尤其是路线选择。随着上述数据收集方法和通信技术的进步，所提供的行程时间和路线引导信息可以更加准确和实时。随着数据来源的增加（如全球定位系统数据、手机数据等），旅行者也可以获得其他实时信息。例如，对智能手机应用程序自动采集的驾驶员路况图像的分析可用于实时确定可用的路边停车场[31]。另一个例子是根据公共汽车乘客通过移动电话信号通过不同的蜂窝塔发送的信息预测公共汽车到达时间[32]。
先进管理系统——旨在控制或管理不同情况下运输系统内的不同基础设施和操作员，以确保运输系统的效率和安全。在文献中，这种控制/管理方法适用于动脉[33]、高速公路[34]、货运[35]、过境服务[36]和事故/紧急情况[37]。通过丰富的数据源、改进的数据分辨率和增强的信息发布方法，可以实现更实时、更详细的管理。例如，傅杨[36]提出了基于实时公交位置信息的公交保持控制策略，以调节特定站点的公交车头时距尽管这些研究人员只在模拟实验中验证了他们的模型，但他们对新的信息源如何用于交通管理提供了很好的见解。Kurkc等人[37]通过使用开放数据源和社交媒体数据进行事件检测提供另一个例子，这是事件管理程序的关键第一步。
第3章 智能城市及相关人工智能技术综述
前一节介绍的智能交通系统旨在解决运输相关问题，提高运输系统的整体效率。这些智能交通属于智能城市框架内的智能交通范畴，近几十年来，智能城市正受到人们的关注。在文献中，关于什么是智慧城市还没有达成共识，并且有不同的定义[38,39]。例如，霍尔（40）建议，智能城市将监控其组件（例如道路、建筑物等），以更好地优化其资源，规划预先维护活动，并监控安全性，同时最大限度地向其公民提供服务。 Lombardi等人[41]另一方面，提出智能城市是指在人力资本、社会和关系资本以及环境问题上使用信息和通信技术（ICT）的城市。这些定义还取决于利益相关者的背景和政府的重点【42】。例如，学术界认为提高生活质量是智慧城市的主要目标，而私人公司的利益相关者可能会选择效率作为首要目标[42]。尽管定义如此多样，但使用先进的电子/数字技术（例如，信息通信技术）、将信息通信技术或其他电子硬件嵌入城市基础设施，以及在系统的不同方面提高利益相关者的利益，是智能城市的三个主要特征或维度。
关于功能，智能城市可分为六个不同的组成部分[39,41,43,44]：智能治理、智能经济、智能人力/社会资本、智能环境、智能生活和智能移动。智能治理旨在利用信息和通信技术提高公共部门组织管理公共资源的效率和透明度，并鼓励公众参与决策。智能经济的目标是利用信息和通信技术及相关技术，提高制造业链的生产力，并加强和加强促进电子商务的在线交易。智能人力/社会资本旨在通过提供从智能城市其他组成部分产生的丰富信息，提高公民的教育水平和积极的公众参与。目标也是收集个人的观点和态度，因为这些数据是任何政府都能获得的最好的信息。智能环境的目标是减少污染和解决其他环境问题，最终目标是通过使用技术提高城市/城市的可持续性。智能生活旨在通过在城市和基础设施内实施先进技术，提高生活质量（如保障、住房质量、社会凝聚力等）。智能移动，有时被视为智能生活的范畴，因为它注重人的高效运输，试图利用先进的信息和通信技术来优化物流和运输系统，并为乘客和货物提供高效、安全和环保的服务。基于这些组成部分，设计了各种指标（例如，本地无障碍设施、生产力、排放量等）[41,45]，以评估智能城市的绩效，并帮助决策者设计政策，为更智能的城市铺平道路。
在智能移动及其智能交通系统的背景下，必须根据传感器和利益相关者提供的信息，实时执行各种估计、预测以及管理和控制方法。与运输相关的问题的特点是，大量变量的参数关系没有被很好地理解，大量不完整的数据，以及不明确的目标和约束[46]。近年来，与人工智能相关的技术以其独特的知识构建优势被应用于智能移动及其智能交通系统中。人工智能（AI）是由机器在智能地感知环境（从各种类型的传感器中分析数据）和做出最大化实现目标的机会的理性决策中所表现出来的智能[ 47 ]。交通问题常用的人工智能方法包括人工神经网络、支持向量机和贝叶斯网络。
人工神经网络（ANN）通过考虑隐层和充分的训练，能够实现输入输出之间的非线性映射，适合于解决变量间参数关系不易理解的传输问题。在文献中，人工神经网络通常用于状态估计/预测[48,49]、事件检测[50]、交通/基础设施控制[51]和行为分析[52]。与人工神经网络相似，支持向量机（SVM）是分析输入数据的有监督学习模型，但更侧重于阶段/场景的分类。因此，尽管支持向量机已应用于其他与运输相关的问题[53,54]，但它们主要用于智能交通系统环境下的事件检测[55,56]和事故预测[57,58]等问题。贝叶斯网络是一种统计模型，它考虑了控制变量的概率和条件依赖性。在其文献中，贝叶斯网络被用于各种交通问题[59,60]，但主要用于交通预测[61,62]和事件/事故相关的起诉[63,64]。
第4章 智能移动的互联环境
由于信息通信技术和相关传感技术的显著进步，目前的趋势是在车辆上安装和使用车辆自动和通信系统（VACS）。车辆自动和通信系统已经被证明能够提高个人安全性、舒适性和便利性，以及连接车辆的排放量[65]。也可以预见，车辆自动和通信系统可以通过交通控制发展潜力，提高全球交通效率[66–69]。在未来十年内，装有真空吸尘器的联网自动车辆（CAV）数量将迅速增加。同时，在短期内，常规人类驾驶车辆（RHV）将继续在市场上发挥主要作用[70,71]。因此，这条路将很快被装有真空吸尘器的联网自动车辆和常规人类驾驶车辆共用。
装有真空吸尘器的联网自动车辆和常规人类驾驶车辆的市场渗透可能导致高速公路网络性能和交通流效率的提高。它还将使实施控制方案成为可能，例如常规人类驾驶车辆无法提供的单独车速和车道变更建议。如Diakaki等人所述。[65]对交通流条件做出响应的车辆自动和通信系统，即自适应巡航控制系统（ACC）和协同自适应巡航控制系统（CACC），在宏观交通流特征上产生变化。此外，由于装有真空吸尘器的联网自动车辆而减少的再作用时间可以通过较小的车辆间隔来提高交通流效率[70,72,73]。在混合自主权单车道环线试验（包括230米环线上的22辆常规人类驾驶车辆）中，Stern等人[74]通过在交通中使用装有真空吸尘器的联网自动车辆来抑制环路的不稳定性，可以节省超过40%的燃油消耗。然而，针对新兴车辆自动和通信系统对混合装有真空吸尘器的联网自动车辆和常规人类驾驶车辆的交通流特性的影响以及它们对改善交通流运行的潜力的研究一直是有限的[65,75]。
与车内旅行者相比，行人是最易受伤害的道路使用者。行人在道路交通伤亡总数中占很大比例（例如，2010年有273000人死亡）。目前的工作集中在开发基于行人保护系统的先进驾驶员辅助系统。在复杂的城市环境下，由于各种障碍物和驾驶员反应时间不足，这些系统的性能很脆弱。车辆-行人（V2P）通信技术试图解决行人和交通碰撞问题，以提高行人安全。
由于信息和通信技术的进步和智能设备的日益普及，在运输相关环境中建立连接环境的想法得到了扩展，现在已经跨越了物理边界。在文献中，交通网络通常仅被建模为交通基础设施的有向图。然而，交通网络应该由人、物理基础设施、感知道路标记和多式联运系统组成。因此，在网络、社会（人的行为）和物理（CSP）空间中考虑完整的网络更为合理。关于物理空间重构中的物理、语义、逻辑和感知网络的灵活分层交通网络模型的构建，越来越多的讨论〔76〕。
第5章 智能交通系统与智能城市的未来
从上一节的评论可以看出，它的功能属于多个层次的互联环境（即网络、社会和物理）。基于这种理解，本节旨在为未来智能交通系统和智能城市的发展提供一些见解，包括：网络资源信息分析、物理网络建模和互联环境中的流量模型。
5.1 从网络资源分析公众的态度和看法
除了各种传感器可以收集到的物理数据外，从网络来源（如社交网络）收集到的公众态度和看法是了解城市地位和交通系统性能的其他有希望的数据来源。因此，未来的智能交通系统应该使用这些数据源来监控和管理系统。为了从社交网络数据源（如推特上的公共评论）中提取有用的、有意义的信息，提出
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237870]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
