智能运输系统概论 （第三版）,普通高等教育“十一五”国家级规划教材 21世纪交通版高等学校教材,杨兆升 于德新 主编 史其信 高世廉 主审,目 录,第1章 绪论 第2章 智能运输系统的体系框架 第3章 智能运输系统的理论基础 第4章 交通信息采集与处理技术 第5章 通信技术 第6章 车辆定位技术 第7章 网络技术 第8章 数据库技术 第9章 新技术在智能运输系统中的应用 第10章 交通信息服务系统,第3章 智能运输系统的理论基础,3.1 动态交通分配理论,ITS的研究和实施，对动态交通分配理论提出了更迫切的需求，极大地推进了动态交通分配理论的前进步伐。,3.1.1 动态交通分配的目的,交通供给状况包括路网拓扑结构和路段特性等，交通需求状况则是指在每时每刻产生的出行需求及其分布。 动态交通分配在交通诱导和交通控制中具有核心地位和重要的作用，如图所示。,3.1.1 动态交通分配的目的,可以看出，动态交通分配是以路网交通流为对象，以交通控制与诱导为目的开发出来的交通需求预测模型。,3.1.2 动态交通分配的基本概念,3.1.2 动态交通分配的基本概念,3.1.2 动态交通分配的基本概念,3.1.3 动态交通分配理论研究现状,从提出至今经过了20多年的发展，在理论研究和方法应用上都有了一定的进步，但是无论国外还是国内，目前在动态交通分配方面的学术专著还没有见到，这一点不同于静态交通分配。国内外在动态交通分配领域的研究都正在积极的进行当中，表现为国外在理论、方法和应用上的研究较之国内要超前。,理论方面的研究居多，实际应用上还有待于进一步发展。从总体上来说，自动态交通分配概念提出至今，其研究仍然处于发展阶段。 研究方法可分为：数学规划建模方法、最优控制理论建模方法、变分不等式理论建模方法和计算机模拟等四种。,3.1.4 动态系统最优和用户最优分配模型,3.1.4 动态系统最优和用户最优分配模型,3.1.4 动态系统最优和用户最优分配模型,3.1.4 动态系统最优和用户最优分配模型,3.1.4 动态系统最优和用户最优分配模型,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,3.1.4 动态系统最优和用户最优分配模型,；,。,综合上述三种模型的已知条件、求解和试验，可以看出，如果应用于交通流诱导与交通控制协同将会遇到以下问题： （1）实时OD难以获取 （2）实时动态性难以满足 （3）模型约束条件苛刻 （4）模型求解复杂难以工程应用 （5）即便得到最优解，也很难在实际交通中完全达到,3.1.5 准用户最优动态交通分配,该方法由三个部分组成：动态交通流信息的采集与处理模块、交通参数自适应预测模块和准用户最优路径选择模块。,3.1.5 准用户最优动态交通分配,3.1.5 准用户最优动态交通分配,第3章 智能运输系统的理论基础,3.2.1 协同学的产生及其研究对象,协同论是研究在由许多子系统构成的复杂系统中，子系统是如何通过协作和自组织而形成宏观尺度上的空间、时间或功能结构。基本观点是众参量在竞争中产生序参量，引导和控制整个系统的发展方向。 序参量之间、序参量和其他参量之间通过合作和联合形成系统宏观有序状态。,3.2.1 协同学的产生及其研究对象,3.2.2 城市交通流系统特征分析,3.2.2 城市交通流系统特征分析,3.2.2 城市交通流系统特征分析,协同学研究的对象是非平衡开放系统中的自组织及形成的有序结构。 协同学理论为研究ITS子系统相互作用与相互合作提供了有力的基础理论和方法论思想。,3.2.2 城市交通流系统特征分析,3.2.3 车辆诱导、交通控制和公共交通协同理论,3.2.3 车辆诱导、交通控制和公共交通协同理论,3.2.3 车辆诱导、交通控制和公共交通协同理论,3.2.3 车辆诱导、交通控制和公共交通协同理论,在以上三种协同关系中，控制系统与公交系统的协同主要体现在公交的信号优先，诱导系统与公交系统的协同主要体现在诱导信息对出行者出行方式选择的影响与改变上。,3.2.4 国内外交通控制与交通诱导协同理论的研究,20世纪70年代起，人们开始从全局和整体角度出发考察城市交通系统，将交通控制系统和交通流诱导系统协同研究，以在交通网络平衡过程中把出行者路径选择与信号控制策略的相互影响确切地考虑进来。Allsop（1974）第一次将控制引入交通流分配问题中来，从此有关交通控制和交通流诱导之间的相互影响和相互作用的研究一直是交通领域的专家学者研究的焦点。,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,3.2.4 国内外交通控制与交通诱导协同理论的研究,在理论和实践上，交通控制与交通流诱导的协同均没取得成功性的突破。以往的研究往往偏重其一或者全局一体化的研究思路。目前相关研究仍侧重于发展模式探讨和理论模型的深入研究。 协同学理论为研究交通管理子系统相互作用与合作提供了有力的基础理论和方法论思想。因此，UTCS与UTFGS协同研究可以在协同学理论思想框架指导下进行。,第3章 智能运输系统的理论基础,3.3.1 实时动态交通信息预测的意义,交通信息短时预测对交通控制和公共交通等系统功能的有效发挥也具有决定性影响，是实现预测型决策的前提。 因此，交通状态和行程时间等实时动态交通信息的预测倍受国内外交通学者的关注。,3.3.1 实时动态交通信息预测的意义,3.3.2 短时交通信息预测理论模型体系,3.3.2 短时交通信息预测理论模型体系,3.3.2 短时交通信息预测理论模型体系,3.3.2 短时交通信息预测理论模型体系,基于BP网交通流量预测模型的结构图,3.3.2 短时交通信息预测理论模型体系,3.3.2 短时交通信息预测理论模型体系,3.3.2 短时交通信息预测理论模型体系,c.基于卡尔曼滤波理论的交通流量预测模型研究 Kalman于1960年提出，采用由状态方程和观测方程组成的线性随机系统的状态空间模型来描述滤波器，利用状态方程的递推性，接线性无偏最小均方误差估计准则，采用一套递推算法对该滤波器的状态变量作最佳估计，求得滤掉噪声的有用信号的最佳估计。 不仅可用于信号的滤波和估计，还可用于模型参数的估计，所以适用于交通状况的预测。课题组建立交通流量预测模型，假设研究路段未来时段的交通流量是上游和下游路段上的前几个时段流量的线性函数，利用两周中同周次的两天交通流量的差值和比值两种方法进行交通流量预测；同时建立基本模型、交通流量等参数预测模型和参数比例预测模型。,第3章 智能运输系统的理论基础,3.4.1 智能控制理论简介,3.4.1 智能控制理论简介,3.4.1 智能控制理论简介,3.4.1 智能控制理论简介,3.4.1 智能控制理论简介,3.4.1 智能控制理论简介,3.4.1 智能控制理论简介,3.4.1 智能控制理论简介,3.4.2 智能控制理论在ITS中的应用,总之，智能控制系统具有基于传统理论的控制系统所不具备的智能，包括：处理各种不确定性和不精确性的能力；根据环境因素及过程特性变化实时地修正控制策略的能力；对控制后果进行预测的能力以及基于其上的控制行为的多目标优化。,