现代车路协同系统：从泛在感知到智能管控

　　智慧交通系统可以显著改善交通运行效率，降低事故发生率并减少能源消耗。因此，随着物联网技术及车联网技术的快速发展和广泛应用，智慧交通系统的理论研究和实际部署受到了学术界和工业界的高度关注。作为实现智慧交通系统的核心技术，车路协同的研究和示范已经成为了未来世界各国在交通领域的战略制高点。车路协同的研究和示范是未来世界各国在交通领域的战略制高点。面向我国车路协同系统中交通数据感知难、异构网络数据传输难、多源大数据分析难、交通智能管控决策难等核心挑战，本书作者在总结国内外车路协同体系架构的基础上，对交通数据感知技术、V2X通信技术、大数据分析技术、智能管控技术等车路协同关键使能技术及其应用进行讨论。本书提出的方法、理论和技术将为推动车路协同技术的发展和落地示范应用提供技术参考。

　　惠一龙博士在车联网、智能交通系统及无人驾驶领域发表期刊及国际会议学术论文40余篇（包括IEEE JSAC，IEEE IoT，IEEE/ACM ToN，IEEE TVT，IEEE TITS，IEEE TETC，IEEE Wireless Communications，IEEE Network等TOP期刊），共5篇文章入选了ESI高被引论文，出版车联网英文专著《The Next Generation Vehicular Networks， Modeling， Algorithm and Applications》一部。获得IEEE CyberSciTech2017及WiCon2016国际会议*佳论文奖。担任IEEE Transactions on Vehicular Technology、Applied Energy、IEEE Transactions on Wireless Communications、IEEE Internet of Things Journal、IEEE Transactions on Industrial Informatics、IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Network Science and Engineering、Sensors、China Communications及IEEE Access等通信及交通领域学术期刊的审稿人。

第1章 绪论 1
1.1 国内外车路协同现状 1
1.1.1 国外研究现状 1
1.1.2 国内研究现状 3
1.2 车路协同应用场景 4
1.2.1 交通安全预警场景 4
1.2.2 交通信号灯场景 5
1.2.3 公交运营管理场景 6
1.2.4 自动驾驶场景 6
1.3 车路协同体系架构 7
1.3.1 美国 8
1.3.2 欧盟 9
1.3.3 日本 10
1.3.4 中国 12
1.4 车路协同感知技术 13
1.4.1 传感器概述 13
1.4.2 传感器融合 16
1.5 V2X通信技术 18
1.5.1 V2X概述 18
1.5.2 技术分类及演进 19
1.6 大数据分析技术 22
1.6.1 交通大数据战略 22
1.6.2 大数据分析技术 25
1.6.3 交通大数据应用 26
1.7 智能管控技术 28
1.8 参考文献 29
第2章 物联网感知技术 32
2.1 行人检测 32
2.1.1 引言 32
2.1.2 研究现状 33
2.1.3 多传感器数据融合 34
2.1.4 行人检测系统集成与构建 36
2.1.5 基于多传感器数据融合的行人检测算法 39
2.1.6 实验结果与分析 47
2.2 基于微波的车辆检测 51
2.2.1 引言 51
2.2.2 研究现状 52
2.2.3 车辆检测基础理论及系统设计 53
2.2.4 微波传感器原理及车辆数据采集分析 55
2.2.5 双检测模块协作式车辆检测算法 57
2.2.6 实验结果与分析 68
2.3 基于地磁的车流检测 73
2.3.1 引言 74
2.3.2 研究现状 74
2.3.3 地磁车辆检测原理及其系统设计 75
2.3.4 地磁车辆检测算法 77
2.3.5 实验结果与分析 83
2.4 道路健康检测 84
2.4.1 引言 85
2.4.2 研究现状 85
2.4.3 振动传感器道路健康检测架构 86
2.4.4 道路裂缝检测算法 88
2.4.5 实验结果与分析 93
2.5 参考文献 95
第3章 V2X通信技术 100
3.1 V2X通信技术及应用场景 100
3.1.1 V2X通信技术 100
3.1.2 车路协同技术应用 101
3.2 V2V 102
3.2.1 引言 102
3.2.2 研究现状 103
3.2.3 系统模型 104
3.2.4 网络性能分析 108
3.2.5 仿真结果与分析 114
3.3 V2I 117
3.3.1引言 118
3.3.2 研究现状 119
3.3.3 系统模型 119
3.3.4 基于拍卖博弈的卸载机制 123
3.3.5 基于拥塞博弈的卸载机制 125
3.3.6 卸载潜力预测 127
3.3.7 仿真结果与分析 129
3.4 案例分析—车辆碰撞避免 132
3.4.1 应用V2V的追尾事故分级预警 132
3.4.2 应用V2I的交叉路口碰撞避免 137
3.5 参考文献 145
第4章 大数据分析技术 150
4.1 大数据分析技术及应用场景 150
4.1.1 大数据信息采集 150
4.1.2 大数据分析平台 150
4.1.3 大数据分析特征 151
4.1.4 大数据技术变革 152
4.2 应用实例——城市交通瓶颈识别 153
4.2.1 交通瓶颈识别技术 153
4.2.2 拥塞传播图及最大生成树 156
4.2.3 交通瓶颈识别 158
4.2.4 仿真结果与分析 160
4.3 应用实例——交通拥塞成因分析 164
4.3.1 拥塞传播 165
4.3.2 因果拥塞树 167
4.3.3 拥塞成因识别 168
4.3.4 交通拥塞成因预测方法 170
4.3.5 仿真结果与分析 172
4.4 参考文献 180
第5章 智能管控技术 183
5.1 智能管控技术及应用场景 183
5.1.1 智能管控技术 183
5.1.2 智能管控尺度 185
5.1.3 智能管控方式 186
5.1.4 智能管控事件 189
5.1.5 智能管控交通场景 191
5.2 宏观管控分析 195
5.2.1 交通运行管理 195
5.2.2 特殊事件交通管理 196
5.2.3 单路口交通信号控制 197
5.2.4 干线交叉口信号联动控制 198
5.2.5 区域交通信号控制 199
5.3 微观管控分析 200
5.3.1 车辆行为决策 200
5.3.2 车辆控制决策 206
5.4 智能管控案例 207
5.4.1 宏观控制案例 207
5.4.2 微观控制案例 224
5.5 参考文献 230
第6章 未来展望 233
6.1 车路协同发展 233
6.2 关键使能技术 236
6.3 参考文献 238