计算机应用技术论文
智能交通系统是把卫星技术、信息技术、数据通信技术、电子控制和计算机技术结合在一起的运输(交通)自动引导、调度和控制系统。智能交通系统包括了机场、车站客流疏导系统,城市交通智能调度系统,高速公路智能调度系统,运营车辆调度管理系统,机动车自动控制系统等。它通过人、车、路的和谐、密切配合提高交通运输效率,缓解交通阻塞,提高路网通过能力,减少交通事故,降低能源消耗,减轻环境污染。文中是搜索整理的关于智能交通的论文6篇，供大家参考阅读。
关于智能交通的论文第一篇：城市轨道交通智能照明控制系统探析
摘要：在城市轨道交通领域，车站照明系统工作时产生的电量负荷是运营能耗的重要组成。由于传统智能照明控制系统的控制模式单一且易造成电力资源的浪费，为改善车站的运营现状，在分析I-bus系统技术原理的基础上总结了I-bus系统应用在智能照明控制的优势；在分析了城市轨道交通应用智能照明需求的前提下设计了基于I-bus的城市轨道交通智能照明控制方案。方案的设计能够为推动城市轨道交通车站的经济、高效运营提供有益的理论支持。
关键词: l-bus; 车站运营;智能照明;
Abstract：In the field of urban rail transit,the electrical load generated by the station lighting system is an important component of operational energy consumption. Because the traditional intelligent lighting control system has a single control mode and is easy to cause waste of power resources,in order to improve the current status of station operation,this paper summarizes the advantages of I-bus system application in intelligent lighting control based on the analysis of the technical principles of the I-bus system.Under the premise of studying the feasibility of applying the I-bus system to the operation of urban rail transit stations,an I-bus-based urban rail transit intelligent lighting control scheme is designed in this paper.The design of the scheme can provide useful theoretical support for promoting the economic and efficient operation of urban rail transit stations.
电负荷是城市轨道交通运营的主要能耗，其中照明系统在整个车站平均设备负荷中的占比达到了15%左右[1]，给车站供电工作带来了巨大压力。
随着工业控制方法正朝着智能化方向发展以及智能照明产品不断地更新迭代[2]，针对城市轨道交通的照明系统因难以实现定时、集中控制和远程管理导致资源浪费严重的问题，在城市轨道交通中引入智能照明控制系统尤为重要。当前，对城市轨道交通开展车站照明控制系统的智能化设计是提高车站运营质量的重要举措。
1 I-bus智能控制系统概述
I-bus控制系统采用的是具有分布式总线结构特点KNX技术标准，使得系统中的各个组件可以独立运行。因该总线结构布线简单且总线技术标准具备良好的兼容性，因此I-bus被广泛应用于商用住宅等大型楼宇的灯光、遮阳等设备的控制[3]，极大地提高了建筑控制设计的智能化水平。I-bus的系统架构如图1所示。
图1 I-bus系统架构
I-bus通过总线介质将内部分散的组件单元进行连接，根据工程现场的具体要求，该总线支持通过软件编程来实现对组件单元的独立控制，也支持通过组合多种组件来实现对系统功能的扩展。I-bus控制系统的电路原理如图2所示。
传感器根据主要根据光照的变化触发驱动信号并传递给驱动器。驱动器接收驱动信号后根据携带的信号类型与信息内容根据预设阈值做分析处理。系统元件能够为控制系统提供稳定、安全的电源支持以及完成对控制系统的区域划分。
图2 I-bus电路原理
区别于传统照明控制系统，I-bus能够广泛应用在智能照明领域中的显着特点主要体现在控制方式、通讯接口和开关动作上。
(1）控制方式
I-bus控制系统能够对群组控制和定时控制等多种自动化控制方式进行有效地组合，为了实现照明控制系统的智能化管理，用户可以使用场景控制、调光控制及传感器监测提高照明控制的管理水平。
(2）通讯接口
传统照明系统采用将接触器与二次电路控制元件配合工作的方法，实现基于综合监控系统的自动控制方案。智能照明控制系统通过接口与SCADA综合监控系统实现交互，从而将与照明控制有关的信息在系统间可靠地传递。
(3）开关动作
传统控制系统一般利用控制接触器的动作来控制照明指令的传送，得益于I-bus控制系统良好的电路保护能力，在断开系统组件负荷的同时可以对电路上的正弦波信号进行准确的采集，当电流信号过零时系统能够断开电源开关。
2 智能照明控制系统需求
城市轨道交通需要长期持续运营，使用传统的照明控制系统往往由于人员工作疏忽和运营管理限制等因素使得车站的照明控制不能够根据实际的运营需要实现智能化控制。由于I-bus控制系统已在众多建筑设计的工程应用中表现出了高度自动化的特点，因此通过分析城市轨道交通智能照明的技术需求，研究将I-bus控制系统用于城市轨道交通是设计及实施城市轨道交通照明控制智能化方案的前提。
2.1 系统兼容性的需求
因城市轨道交通是一个庞大的控制系统，系统内部的各部分组件往往由不同厂家提供，为便于各组件均能分别与控制主机间建立稳定的通讯关系，I-bus控制系统在解决兼容性问题上的优势可以有效解决上述通讯难题，保障和维持系统稳定运行。另外，乘客对于乘车的舒适度要求及业主对于运营的经济性要求不断升级，I-bus良好的兼容性也能够帮助技术人员不断完善系统的功能。
2.2 系统监控能力的需求
城市轨道交通车站的内部环境具有层次化的特点，特别是换乘车站因客流量变化较大使得照明控制的场景也很复杂。因此针对客流量急剧变化及突发事件发生等运营状况，车站的智能照明控制系统需要实时监控本身工作的安全性。为防止一部分电路故障对其它部分电路的正常工作造成影响，可增设电流阈值的比较判读逻辑，以维持车站的有序运营。
2.3 系统可维护能力的需求
I-bus控制系统内的各部分组件是独立工作的，某一组件的故障不会对其它组件造成干扰，满足了城市轨道交通对建筑控制系统的功能要求。因此当智能照明控制系统出现故障需要维护时，技术人员只需修改少量的代码便能够调整组件的功能，完全减免了在工程现场重新布线的复杂过程，很大程度上节约了劳动成本。
3 智能照明控制系统方案设计
3.1 控制策略设计
城市轨道交通车站的照明控制系统主要完成对公共区实现智能化的照明控制，将I-bus应用于城市轨道交通车站的照明控制要贴合车站的运营特点和环境特点，采用多种控制方式结合的最佳控制策略，为乘客的出行提供人性化的服务，为车站的运营提供高效化的管理。为此可利用人工智能算法建立照明控制的模型，把影响乘客舒适度的客流量、光照强度、温度等环境参数作为模型的输入，通过大量的运营数据训练模型后能够预测接下来短期时间内的车站各个区域的环境照度，智能化地调整照明控制效果。城市轨道交通智能照明控制策略如图3所示。
图3 智能照明控制策略
3.2 控制模式设计
传统照明控制系统的照明控制模式相对单一[4]，随着车站客流量的与日俱增，车站公共区域的照明控制的实际效果直接影响了乘客的乘车体验，也影响了乘客对车站提供服务的满意度。所以如何有效改进照明控制的智能化程度也成为实现“智慧城轨”及“智慧城市”的关键内容。
3.2.1 实现灯具监控
照明控制系统对各灯具的状态监视及远程控制既能够满足车站多种运营场景的照明需要，也能够满足维修人员在调试流程中排查出照明控制系统存在的故障。由上述对I-bus技术原理的分析，技术人员可通过编程方式来增加控制主机的监控功能和提高控制系统与用户的可视化交互能力[5]。
3.2.2 增强场景控制
城市轨道交通既有位于地面的轻轨车站，又有位于地下的地铁车站，因此智能照明控制系统的设计需要充分根据车站的特点，通过平衡自然光照和人工照明实现照明的经济性[6]。轻轨车站照明控制模式的设计可以通过感光元器件实时测量自然环境的光照强度，对于自然光照过强的区域可以实施遮光处理，对于光照过暗的区域可以打开照明灯具进行照度补偿。
传统照明控制系统的照明灯具工作时不能够根据客流量的变化动态调整工作状态，导致电力资源的浪费，所以为了根据实际的客流量采取匹配该场景的照明控制策略将会很大程度上降低传统照明控制系统的能耗[7]。比如，由车站运营的客流量信息生成数据库，照明控制模型根据运营时刻表预测公共区的客流量，并控制照明灯具在客流量大的时间段内全部工作来保障乘客出行安全，在客流量小的时间段内部分工作来减少能源消耗，并且为方便清洁人员在车站运营结束后打扫卫生，在该时间段内照明控制系统只需满足基本照明。
城市轨道交通车站保障乘客的人身安全是其运营工作的重中之重，为了避免突发事件发生时乘客容易出现慌乱的情况，智能照明控制系统应完善“应急”照明模式[8]。当突发事件发生时，照明控制系统切换至“应急”照明模式，控制照明灯具使用特定颜色的灯光及时有序地引导乘客转移至安全区域。
4 结束语
车站既有的传统照明控制系统已经不能够适应当前“智慧城市”时代，将城市轨道交通车站的照明控制系统进行智能化的改造升级是行业发展的迫切需要。本文在总结I-bus控制系统技术特点的基础上分析了城市轨道交通的智能照明控制系统的需求，根据工程实际设计了智能照明控制系统的方案，能够为城市轨道交通的智能化发展提供一些思路。
参考文献
[1]张强.智能照明系统在地铁运用联合库中的应用[J]。现代城市轨道交通, 2017(1):23-27
[2]张德保,张伟,华树明,等.智能照明标准化现状与发展趋势探讨[J] .中国照明电器，2019(7):5-9
[3]史国申,周胜辉,邸聪. ABB i-bus轨道交通智能化照明控制技术应用介绍[J]。仪器仪表标准化与计量, 2018(6):22-24
[4]王月华.城市轨道交通智能照明系统设计[J] .城市轨道交通研究, 2012,15(8):108-111
[5]刘雨微.基于地铁车站的智能照明系统研究与设计优化[D] .北京:北京建筑大学, 2019
[6]阮玉华,董文厚。智能照明系统在地铁列车客室中的应用研究[J]。交通节能与环保, 2019,15(6):124-126
[7]王龙，刘恒.城市轨道交通车站照明及控制优化设计[J] .电气化铁道, 2020,31(S1):236-238
[8]李赛.现代地铁中的智能照明控制系统[J] .自动化应用, 2019(2):20-22
关于智能交通的论文第二篇：航空高分辨率影像技术在智能交通中的应用
摘要：针对为出行者提供精准的导航需求出发，研究无人机航空高分辨率测绘和配备北斗地基高精度定位终端的移动测绘相结合的高精地图数据构建技术。基于高精度“像-景-位置”的车道级车辆导航和疏导方法，阐述高精度“像-景-位置”的交通信息推送技术，航空高分辨率影像边缘计算分析及数据采集，为航空高分辨率影像技术在智能交通管理中应用提供了一种方法。
关键词:高分辨率影像;遥感技术;智慧出行;精准导航;
Abstract：In order to provide accurate navigation for travelers, this paper studies the high-precision map data construction technology based on the combination of UAV aviation high-resolution mapping and mobile mapping equipped with Beidou ground-based high-precision positioning terminal, Lane level vehicle navigation and grooming method based on high-precision "image scene location", and traffic information push technology based on high-precision "image scene location" It provides a method for the application of high resolution aerial image technology in intelligent transportation management.
0 引言
目前，导航系统主要用于为出行者提供出行前路径规划与出行中路径实时引导，部分导航系统可提供实时路况、道路限速信息与闯红灯抓拍等静态警告信息。现有导航系统主要目的仍为缩短旅行时间、提高出行者出行效率，所提供的安全预警信息非常有限，且均为附属功能。然而，随着车联网与智能车的快速发展，人、车、路三者联系愈加密切，出行安全也将成为导航系统需要考量的另一重要因素。由于定位精度不足、地图精度不够高，现有导航系统在关键路口与汇流区，采用局部放大图方式引导车辆进入正确车道，然而通知车主变换车道的语音提示相对滞后，经常出现驶过路口后才收到语音提示(尤其在高速行驶时与复杂路口)，无法为出行者提供精准的导航。现有导航系统所提供的导航路径为道路级路径，不能结合车道状态信息优化导航路径，提供车道级路径导航。已知的车道定位方法为GPS与视频识别组合方式，利用GPS实现道路定位，利用视频方式判别所属车道，然而视频方式易受天气与道路标线等外在因素影响。因此本文研究了高负载大并发的高精地图服务平台设计技术、基于高精度“像-景-位置”的车道级车辆导航和疏导方法、基于高精度“像-景-位置”的交通信息推送技术，并对航空高分辨率影像边缘计算分析及数据采集进行分析。
1 关键技术
1.1 高负载大并发的高精地图服务平台设计
基于负载均衡、数据缓存和数据库集群等技术，设计基于云平台的Web GIS系统架构，解决高并发访问下的瓶颈问题，提高Web GIS面对高并发时的处理性能。架构分为三层：高精地图服务层、web GIS引擎、高精地图采集层。
高精地图采集层，利用高精地图采集设备或者航空、航天高精影像采集道路高精影像，最终将这些高精数据存放到私有云的高性能存储。
Web GIS引擎是系统的核心，利用私有云充裕的计算资源、存储资源，很方便完成海量高精地图数据的存储、处理。基于云端构建高性能的空间数据库、矢量数据库能够满足上端的应用支撑服务接口高速、海量并发查询。部署的高性能连接池、缓存池集群提供高速、高命中的访问支撑。基于容器部署的各种地图服务集、接口服务集、路径规划服务集、定制化服务等满足高可靠、高并发的服务要求。前置集群提供了多类型的访问控制和负载压力均衡机制，提供了高并发，多模式的访问。
高精地图服务层提供普通的高精地图导航、LBS应用服务、以及提供给各类型终端设备的高精地图API接口服务，通过接口可以让所有的设备都能享受高精地图带来的更精准的出行服务。
1.2 基于高精度“像-景-位置”的车道级车辆导航和疏导方法
(1）基于厘米级定位精度的车道级车辆导航方法。北斗高精度定位可以提供厘米级定位精度，为解决现有的车道定位方法易受天气与道路标线等外在因素影响，定位精度不足、地图精度不够高导致语音提示相对滞后的问题提供了数据支撑。本文采用的基于厘米级定位精度的车道级车辆导航方法分以下步骤（图1）：步骤1：根据道路信息与路况信息为车辆规划导航路径。步骤2：实时监测所述车辆与导航路径上行驶方向的最近一支路口的距离是否小于或等于预设值;是则，执行步骤3;否则，继续执行步骤2。步骤3：进行车道匹配。步骤4：判断所述车辆是否在正确车道，所述正确车道为所述导航路径上导航中心规划的行驶车道;是则，转回执行步骤2;否则，执行步骤5。步骤5：规划路线引导车辆驶入正确车道，待经过该支路口后，转回执行步骤2。所述车道级导航方法的流程图如图2。
图1 车道级导航方法流程图
图2 车道匹配方法流程图
步骤3中的车道匹配采用如下方法实现：步骤3.1：获取所述车辆的实时位置坐标A、导航装置安装偏差B和车辆行驶方向C，所述导航装置安装偏差B为安装在所述车辆上的导航装置的位置与所述车辆行驶方向C相同方向上的车辆中线的偏差。步骤3.2：侦测所述车辆所在路段是否有车道地图数据；若否，执行步骤3.3。步骤3.3：获取所述车辆所在路段的道路边界D=[D1,D2]和宽度W。步骤3.4：获取单车道设计宽度Wl=[Wmin,Wmax]。步骤3.5：计算车道数W/Wmin SNSW/wmin。步骤3.6：计算车道平均宽度L=W/N和每一车道的边界线。步骤3.7：通过所述车辆的实时位置坐标A、导航装置安装偏差B和车辆行驶方向C来计算出所述车辆中心线处的坐标A’。步骤3.8：利用所述车辆中心线处的坐标A’与所述车辆所在路段的每一车道的边界线，通过空间解析几何方法来确定车辆所在车道。
(2）混合交通环境下交通瓶颈状态识别及疏导方法。高精度“像-景-位置”信息为交通瓶颈识别和疏导提供的数据支撑主要表现为：利用高精度影像数据可以分析车流量、车流速度、排队长度，推导道路交通拥挤状态，进而可以分析交通冲突点、厘清交通流特性；利用高精度定位数据可以分析车辆的位置和轨迹信息，利用视频数据可以分析车流量、车头时距、占有率等道路交通参数，以构建实时、准确车辆疏导路径。
在我国很多城市的城市路网中，越来越多交叉口的交通流运行在高峰时段内经常处于过饱和状态，甚至部分路段(主要是短连线路段)的排队长度接近或等于路段长度，导致上游交叉口出现“锁死”现象，降低了其他进口道交通流的运行效率，并逐步向外扩散，引起更大范围的交通拥堵，产生“多米诺”效应。一般情况下，经常发生排队上溯或者排队长度影响上游交叉口交通流正常释放的路段可称之为“瓶颈路段”。瓶颈路段处易于发生交通拥堵，引起交通停滞，降低行程速度，增加出行者行程时间和出行成本。
在城市路网中，干道承受着很大的压力，交通高峰期的拥堵主要分布在城市干道上，这些交通瓶颈如果不及时进行协调控制将引起更多关联路段交叉口过饱和，形成恶性循环。此外，由于城市干道交通流具有很强的时空二维波动性，同一时刻不同节点或同一节点在不同时刻的交通状态可能会呈现出很大的差异性，造成路网供应能力与交通需求发生一定程度的时空错位。为了充分提高城市道路资源的利用效率、避免路段排队上溯现象的发生，合理的信号控制方案应充分考虑路网拓扑结构、交通组织以及交通流的时空分布特性。
因此，中国特色的混合交通环境下，干线瓶颈路段是决定控制区域乃至整个网络交通流运行效率的“关键节点”，实时识别、疏散路网瓶颈是提高城市路网交通流运行效率的重要措施之一。研究以预防拥堵上溯扩散的干线交通组织策略和交通信号控制方法，探索路段瓶颈状态识别以及消散方法，对于指导城市交通流的组织与控制以及应急事件的处理均具有重要的理论意义和应用价值。
2 解决方案
(1）基于高精度“像-景-位置”的交通信息推送。高精度“像-景-位置”信息为交通信息推送提供的数据支撑主要表现为：基于高精度影像数据可以分析道路交通事件信息，通过高精度北斗定位可以实时监测车辆的位置信息和运行轨迹，通过视频数据可以分析交通出行场景，以构建丰富、全面、个性化的出行服务信息。
借助获取的高精度位置信息，位置服务为出行者提供包括交通导航、兴趣点搜索、车辆跟踪定位、紧急求助等众多出行服务。LBS利用用户位置信息提供的增值服务的前提是增值服务建立在正确的时间、正确的地点为基础。一个完整的LBS系统是由定位系统、移动终端、无线通信网络以及信息中心四部分组成。交通信息主动推送模型主要为出行者提供基于位置的交通信息服务，结合高精度电子地图，以主动推送的方式为出行者提供智能、实时、个性化、场景化的交通信息服务包括交通出行信息、场景视频、高清图像等。因此，基于高精度定位数据的交通信息主动推送模型，主要从出行者实时位置获取及主动推送模型设计两方面进行研究。基于出行者的位置服务请求，服务中心通过定位技术获取其位置信息，并依据出行位置信息提供增值出行信息服务。位置服务系统的基础体系结构划分为5个逻辑层次：数据层、功能层、传输层、定位层以及显示层。
在基于高精度LBS的交通信息主动推送模型中，高精度车辆定位是实现交通信息主动推送的基础和前提，直接影响交通信息主动推送的服务质量以及用户认可度，同时也关系着服务的连续性、准确性和稳定性。合理的交通信息主动推送模型要解决推送内容选择、推送机制设计以及推送算法等问题。下面从推送内容选择、推送机制设计以及推送算法等方面进行主动推送模型设计。
基于位置实时变化主动推送模型设计为出行者推送实时智能的交通信息序列，借助融合定位算法提供的位置信息，设计交通信息主动推送模型。合理的交通信息主动推送模型要解决的问题包括推送内容选择、推送机制设计以及推送算法等。因此主动推送模型需要从推送内容选择、推送机制设计以及推送算法等方面进行研究。其中推动机制是模型核心部分，它在一定程度上决定了主动推送模型的智能化程度，本文依据主动推送影响因素，从推送状态、推送优先级、推送强度以及推送时长等方面进行推送机制设计。其中，主动推送机制设计是模型核心组成部分，它在一定程度上决定了主动推送模型的智能化程度。
(2）航空高分辨率影像边缘计算分析及数据采集。采用具有生态资源状态信息管理功能的边缘计算分析终端，连接各种环境数据检测、巡航无人机、执法车辆等设备，综合分析实时数据与历史数据，实现所监测区域生态资源状态的实时分析、决策、预测、预警，以及危险源、污染源的快速识别和定位，为有效的环境监管和保护提供数据和决策支撑。随着航空高分辨率影像技术与北斗地基增强技术的不断发展和普及，可采用无人机航空高分辨率测绘与配备北斗地基增强终端的移动测绘相结合的高精地图数据采集方式，无人机搭载北斗地基增强终端、移动激光测量系统、高分辨率成像载荷在距离地面约80～200m的高空进行点云和影像数据采集，利用北斗地基增强终端对无人机定位系统进行差分解算，获取小于10cm的无人机绝对位置坐标，像控点选择道路标牌角点、方体建筑物角点等特征明显、易于识别的点位。对于高精度航拍无法获取的区域数据，如被行道树遮挡的道路边线和人行道等，则采用配备北斗地基增强终端的移动测绘形式进行地面补采，上述联合数据采集方式可在地基北斗增强系统覆盖区域，实时接入北斗地基增强网络，获取空间10cm精度的地物采集信息。
3 结语
在汽车产业智能化、联网化不断推进的大背景下，高精地图作为未来智慧停车的关键因素之一，受到广泛关注。高精地图是自动驾驶核心技术之一，精准的地图对无人车定位、导航、控制以及安全至关重要，而车道级别的高精地图在一些重要的场景中可以满足精细监控管理的需求。针对为出行者提供精准的导航需求出发，本文研究基于高精度“像-景-位置”的车道级车辆导航和疏导方法，基于高精度“像-景-位置”的交通信息推送技术，同时对高精度地图的数据采集给出采用众包的方式，将数据采集设备与智能北斗终端集成，装载在使用高精度地图的车辆上，其在行驶时边用图边采集数据，并且将获取到的数据上传。这种方式可以很好地满足城市街道需要一周更新一次来反映其构造和新的交通模式的需求。
参考文献
[1]何惠馨，范俊甫陈文贺，周玉科张鹏,俞宵基于亮度补偿的遥感影像阴影遮挡道路提取方法[J]地球信息科学学报,2020,22(02)-:258-267.
[2]赵文波廖楚江，上官姓高分卫星应用模式创新研究及在交通领域的实践[J]中国公路2018(07):64-66.
[3]童旭东中国高分辨率对地观测系统重大专项建设进展[J]遥感学报，2016,20(05):775-780.