车载路径诱导系统的关键技术

6.4.2.1　无线数据通信技术

无线数据通信技术是动态路径导航系统的关键，通信系统承担两部分工作，即一方面可以实现车辆坐标信息及出行需求的实时上传，以满足车辆监控和信息采集的功能；另一方面负责最新交通数据和路况信息的下发。目前常用的通信方式有如下几类：①红外信标；②调频FM副载波，包括低速的RDS-TMC和高速的HSDS（High-Speed Data System）、DARC（Data Audio Radio Channel）等方式；③GSM（Global System for Mobile communication）/CDPD/Mobitex蜂窝式数据通信或UHF（Ultra High Frequency）/VHF（Very High Frequency）的RF射频双向数据通信；④红外信标和FM副载波或蜂窝数据通信的双模式；⑤基于GSM/CDPD等无线Internet服务。

6.4.2.2　实时交通信息采集及处理技术

实时交通信息的采集主要依靠道路上的交通流检测设备，如环形感应线圈、雷达、视频设备、牌照识别设备、红外传感器和浮动车辆等。这些方法由于人为的因素或系统故障等因素，数据具有较大的误差。随着GPS技术的应用及普及，基于车载GPS技术的检测技术已逐渐成为实时交通数据采集的研究和发展方向。利用安装在行驶车辆上的GPS定位模块采集实时的路网交通信息，避免了传统交通检测方式的高投人、数据精度和实时性差等缺点，既可以显著地降低成本，又可以有效地利用现有的运行车辆，获取精度较高的道路交通信息。

6.4.2.3　短时交通流预测技术

由于道路交通信息是时刻无规律变化的，根据当时的交通信息选定的路线，也许在下一时刻已经变得拥堵不堪。只有实时的交通信息并不能完全满足出行者的信息需求，还需要根据历史数据并结合实时交通信息预测将来某段时间内的道路交通状况。基于实时交通信息的短时交通流预测已经成为动态路径诱导系统中的重要技术之一，已经受到国内外学术界的广泛关注。迄今为止，应用于短时交通流预测的模型，包括多元回归、ARIMA模型（Autoreg Ressive Integrated Moving Average Model）、卡尔曼滤波模型（Ｋalman Filtering Model）、神经网络模型（Neural Network Model），以及与其他各种模型相结合的预测模型等。然而，这些理论和方法均尚处于探索阶段，需要进一步发展完善。