智能运输系统概论(ppt).ppt
智能运输系统概论（版）,普通教育“十一五”国家级规划教材,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9章 新技术在智能运输系统中的应用,9.1 概述,9.1 概述,第9章 新技术在智能运输系统中的应用,9.2.1 车联网定义,9.2.1 车联网定义,9.2.2 车联网体系结构与关键技术,9.2.2 车联网体系结构与关键技术,9.2.2 车联网体系结构与关键技术,9.2.2 车联网体系结构与关键技术,车联网关键技术,9.2.2 车联网体系结构与关键技术,车联网的无线通信技术主要上分两种：无线局域网和蜂窝移动网络。目前的车载通信市场主要采用GPRS、CDMA以及3G等移动通信技术，但成本较高且速度有限。随着无线城市的建设，越来越多的城市开始覆盖WLAN，降低成本，提高带宽，满足交通信息实时交互的需求。WLAN环境下，路边基础设施为无线网关AP，车辆与车辆、车辆与路边基础设施之间通过WLAN进行通信。目前国际上选用IEEE 802.11p协议作为车联网通信系统的协议，符合智能运输系统中相关应用的需求。,1）车车/车路通信技术,9.2.2 车联网体系结构与关键技术,车联网环境下无线接入（WAVE）协议栈如图示，其中WSMP（WAVE Short Message Protocol）是WAVE短信息通信协议，LLC（Logic Link Control）是逻辑链路控制。,1）车车/车路通信技术,9.2.2 车联网体系结构与关键技术,主要是将各类传感器获得的车辆行驶状态信息、周围的环境信息以及车辆本身的信息等，经过车载单元的分析和处理以向驾驶员提供信息服务；还能通过与路侧系统之间的通信，接受控制中心发送的信息和指令。车辆精确定位技术车辆定位可分为绝对定位和相对定位。绝对定位一般是通过卫星定位系统集合地理信息系统在获取车辆的经纬度信息后确定车辆在道路上的位置信息。目前常见的卫星定位系统有美国的GPS、俄罗斯的GLONASS、欧洲的伽利略和我国的北斗系统。其中GPS系统应用最广。,2）智能车载系统技术,9.2.2 车联网体系结构与关键技术,车辆精确定位技术采用车载传感器进行相对定位。一种是以激光雷达、声纳距离传感器为代表的距离传感器，另一类是视觉传感器。距离传感器的原理都是依靠发射信息来进行测距，可以测量车与车之间的距离、车与障碍物之间的距离，但对于车辆在车道上的位置识别却无能为力。视距传感器可用来进行位置识别，主要分为单目视觉传感器和多目视觉传感器。单目视觉传感器的原理是投影变化，只能获得平面信息，为了获得三维信息，需要使用多目视觉传感器。,2）智能车载系统技术,9.2.2 车联网体系结构与关键技术,车辆行驶安全状态及环境感知技术车辆行驶安全信息包括车速、各种介质的温度、驱动系/转向系的运行状况等，通过安装在车上的车用传感器获得。环境信息包括交通状况、交通信号、路面状态、道路线形、行人和非机动车等信息。交通状况和交通信号信息可通过车路通信从控制中心获得，也可通过视频传感器等综合感知技术来判断。路面状态信息变化包括路面的物理损坏和因为雨、雪等气候造成的路面附着系数改变，前者可采用激光、视频、红外等传感器来确定，后者可利用对水迹、雪迹、冰迹的识别进行间接计算。,2）智能车载系统技术,9.2.2 车联网体系结构与关键技术,9.2.2 车联网体系结构与关键技术,包含三个子系统：一是信息采集子系统，即通过设置的各类传感器进行信息采集；二是通信子系统，完成车辆与路侧设备、路侧设备与控制中心之间的信息交互；三是交通控制及信息发布子系统，负责处理路侧设备采集到的信息和车辆采集到的信息，进行实时的交通控制和信息发布。信息采集子系统交通流状态检测技术行人和非机动车检测技术路面状态及环境检测技术,3）智能路侧系统技术,9.2.2 车联网体系结构与关键技术,9.2.3 车联网在智能运输系统中的应用,第9章 新技术在智能运输系统中的应用,云计算（Cloud Computing）是分布式处理（Distributed Computing）、并行处理（Parallel Computing）和网格计算（Grid Computing）的发展。云计算是通过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多台服务器所组成的庞大系统，经计算分析之后将处理结果回传给用户。通过云计算技术，网络服务提供者可以在数秒之内，处理数以千万计甚至亿计的信息，达到和“超级计算机”同样强大的网络服务。,9.3.1 云计算定义,云服务按照服务的类别可以分为三种：即公共云、私有云和混合云。公共云是由第三方（供应商）提供的云服务。私有云是在企业内提供的云服务。混合云就是公共云和私有云的混合。云计算按应用模式可以分成基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。IaaS就是给使用者提供最简单的计算存储和网络等等能力，让用户自搭建业务平台； PaaS是在云计算平台之上抽象出一些比较简单易用的接口和能力，让用户快速搭建自己的应用； SaaS只提供某些专门用途的服务应用调用。,9.3.1 云计算定义,超大规模虚拟化高可靠性快速部署，弹性扩充按需服务,9.3.1 云计算定义,9.3.1 云计算定义,技术体系结构,9.3.2 智能运输系统中的云计算,9.3.2 智能运输系统中的云计算,9.3.2 智能运输系统中的云计算,智能交通云系统的基本框架,9.3.3 云计算在智能运输系统中的应用,智能运输云系统的SaaS层由共享服务构件层和云应用系统层两部分组成。,共享基础服务构件包括： 统一门户管理服务 PGIS查询服务 统一消息服务 关系数据库通用查询服务 数据抽取集成服务 基本数据分析统计服务 数据关联查询服务 数据挖掘服务等等。,9.3.3 云计算在智能运输系统中的应用,云应用系统层则可分为： 基于云计算的路网交通流信息采集分析 基于云计算的交通信号控制 基于云计算的交通诱导信息服务 基于云计算的交通管理指挥调度 基于云计算的智能车辆管控,智能运输云系统的SaaS层架构,第9章 新技术在智能运输系统中的应用,9.4.1 大数据的定义,大数据（Big Data）本身是一个较为抽象的概念，单从字面来看，大数据表示数据规模庞大，但与以往的“海量数据”（massive data）、“超大规模数据”（very large data）等概念之间有何区别。目前，国内外对于“大数据”的基本定义尚未给予公认的说法。大数据由巨型数据集组成，这些数据集的大小常超出人类在可接受时间下的收集、使用、管理和处理能力。大小具有波动性，至2012年，单一数据集的大小从数兆字节（TB）至数十兆亿字节（PB）不等。几乎无法使用大多数的数据库管理系统处理，必须使用“在数十、数百甚至数千台服务器上同时平行运行的软件。,9.4.1 大数据的定义,大数据（Big Data）具有4V特性：数据集的规模性（Volume）大数据的首要特征就是应该具有数据的规模性。多样性（Variety）大数据的“大”是指复杂性方面的大，而不是体积大。高速性（Velocity）所谓的高速性特点是指对于大量数据的输入输出过程有着很高的要求，即快速的完成多种数据源的数据采集及数据处理的过程。真实性（Veracity）要求数据具有真实性特征，不能包含伪造数据。,9.4.1 大数据的定义,9.4.2 智能运输系统中的大数据信息处理模式,目前，智能运输系统领域大数据的处理模式主要分为流体处理模式（stream processing）和批量处理模式（batch processing）两种。流体处理模式是指对于所采集的数据实时动态处理；批量处理模式是储存处理的过程。,9.4.2 智能运输系统中的大数据信息处理模式,9.4.3 大数据技术在智能运输系统中的应用,9.4.3 大数据技术在智能运输系统中的应用,
