文 献 综 述
城市交通系统网络是城市组成的重要部分，城市交通的能否有效的运行决定了城市能否正常的生活和发展。关于城市交通的研究主要包括交通安全和交通阻塞两个方面。随着城市化的发展与汽车等交通工具的发展，城市道路的交通情况已满足不了持续增长的交通需求，交通拥挤和阻塞现象日趋严重，随之带来的交通安全等问题也浮出水面。城市交通问题已经引起了全社会的广泛关注。经过城市交通的不断地发展，依靠修建更多的道路扩大城市交通网规模来满足日益增长的交通需求量已经不能成为有效的解决方案，现在我们需要对已有城市交通系统进行升级与改变，致力于建立起一个科学的智能交通系统。
智能交通系统是将先进的科学技术（信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等）有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。智能交通系统通过人、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。智能交通系统世界上应用最为广泛的地区是日本，如日本的ITS系统相当完备和成熟，其次美国、欧洲等地区也普遍应用。中国的智能交通系统发展迅速，在北京、上海、广州等大城市已经建设了先进的智能交通系统；其中，北京建立了道路交通控制、公共交通指挥与调度、高速公路管理和紧急事件管理的4大ITS系统；广州建立了交通信息共用主平台、物流信息平台和静态交通管理系统的3大ITS系统。随着智能交通系统技术的发展，智能交通系统将在交通运输行业得到越来越广泛的运用。
作为智能交通系统重要组成部分之一的交通状态信息的处理分析在现如今的城市交通系统建设中越来越受到人们的重视。随着时间和空间的动态变化，交通状态信息具有明显的时空特征。对交通检测器得到的交通数据进行特征提前与融合的有效处理，使用数据挖掘算法从交通数据中进行模式分析，获得城市交通状态信息及其时空分布规律，从城市道路交通管理和交通参与的角度，可以从总体上掌握道路交通状况及其分布规律，实时地采取对城市交通信号灯进行处理并对城市道路交通进行分流等有效操作，有效的发挥道路交通服务能力，防止和减轻城市交通拥堵。同时，可以为交通参与者提供丰富的实时动态交通信息，促进出行方式和路径的优化选择。
现在一般采取的研究方式为围绕城市道路网上产生的交通数据，借鉴现有和不断发展的数据融合、数据挖掘技术、地理信息技术，针对城市道路交通状态模型进行分析。主要的研究内容有：研究多源交通检测数据融合；研究城市道路交通状况分类；研究GIS环境下道路交通状态的空间分布模式；建立包含时空信息和交通状态信息的交通数据库等等。
对于对交通数据关联性分析，路段行程时间是反映交通流运行的一个重要指标，实时行程时间数据是构建动态交通信息服务系统、信号协调控制系统以及城市交通诱导系统等ITS子系统的重要基础。恰当地给出实时路程行程时间，可以为交通管理部门提供准确地道路交通数据，以便能够动态管理与调度，同时也能为交通出行者提供有意义地参考，使他们能够选择合适的出行路线，有效提高路网利用率。因此，路程行程时间的实时估算对城市交通运行系统有重大意义。
路段是构成城市道路网络的基本单元，不同的道路因为功能性质的不同而导致结构特点有所不同。通常情况下，我们把相连两个路口的道路称为路段。路段行程时间估计与预测二者的区别为路段行程时间估计是交通状态已知的情况下进行，用来得到已经经历过的行驶时间；而路段行程时间预测，在交通状况未知的情况下进行，是对未来某个段的旅行时间计算。
常用的路段行程时间估计的方法有：1、基于固定检测器的路段行程估计。固定检测器中应用最为广泛的是感应线圈检测器，这一类型的检测器可以全天候检测车长，交通流量、占有率等交通参数。它性能稳定，对周围环境要求不苛刻，性价比高，使其在全球范围内得到广泛应用。2、基于浮动车的路段行程时间估计。近年来，随着信息采集技术的发展，浮动车技术因为覆盖范围广、数据采集多样性等特点，在交通信息采集领域得到广泛应用。3、基于多源数据融合的路段行程时间估计。单一检测器获取交通信息虽有各自的优点，也难免存在一定不足，这时候就可以发挥数据融合的优势，来提高采集信息的准确度和可靠性。
交通出行者也是城市交通网络的重要组成部分，给予交通出行者更为有效、适合的出现选择，同样也能有效的提升城市交通网效率。车辆路径问题（VRP）是指运输，配送和物流行业优化问题的通用名称。路线规划技术是VRP的主要任务之一，其目标是在路线图上找到从出发点到目的地的最佳路线。由于道路交通状况在汽车行驶过程中可能会发生变化（例如拥堵程度的增加/减少，道路交通事故等），所以只要交通状况得到更新，最佳路线就应该重新评估。计算路网中两个地点之间的最短路径是车辆路径区域及相关运输，配送和物流行业中一个具有挑战性的任务。在城市交通网络中，一些动态参数（例如，交通堵塞水平，随机事件，天气状况等）影响了应用算法的效率。现有的路线规划算法有：1、Dijkstra算法：经典Dijkstra算法是一个从一个节点到城市地图中所有节点的成本最低（即通常指最短路径）的路径。Dijkstra是基于标注方法的最优算法之一。2、A *算法：A *被认为是Dijkstra算法的一个变体，但它使用启发式函数而不是最优搜索机制。 因此，A *限制搜索空间并减少计算时间。 在交通应用中，搜索空间仅限于交通拥堵发生变化的地区。3、TABU搜索：这是一个本地搜索的元启发式，通过几次迭代运行。 在每次迭代中，即使解决方案成本增加，当前解决方案的邻域中的最佳解决方案也被选为新的当前解决方案。4、基于ANT的殖民地：这种元启发式是从蚂蚁的本性中得到启发，当真正的蚂蚁相互交流和合作，找到从他们的巢到食物来源的短路径。5、遗传算法（GA）：遗传算法被用来解决路由搜索和优化问题。 遗传算法是元启发式的启发，从一个自然的隐喻。它根据达尔文的自然选择原理模拟物种进化和适应环境的方式。一开始，随机或启发性人口生成。 然后，这个循环重复了许多代。当应用于车辆路径问题时，经典的GA解决方案被修改。6、混合遗传算法：Kanoh et.al 提出了一种混合遗传算法和Dijkstra混合算法来解决一个动态的多目标问题。该算法同时为三个目标函数寻找解：路线长度，旅行时间和驾驶的便利性。为了将GA应用于交通系统，他们的方法使用Dijkstra来计算高质量路线的初始人口。 从最初的人口，这种方法适用遗传算法产生后代的路线。
现在，随着数据研究技术的发展，我们能够获得、了解、掌控到越来越多的城市路网交通监控数据，我们需要研究如何从大规模交通信息海量数据中提取有价值的数据内容，特别是数据之间的关联性，并对这些数据进行开发、研究，在现有的城市交通道路情况下，有效的提升交通运输效率，尽可能的解决或缓解交通阻塞等问题。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
