传感器技术推动智能交通发展，智能交通之决策支持

在下述的内容中，小编将会对智能交通的相关消息予以报道，如果智能交通或者说智慧交通是您想要了解的焦点之一，不妨和小编共同阅读这篇文章哦。

一、智能交通与传感器

在市场情况不是很平稳，增长不是很快速的情况下，每一个企业都在思考如何提高生产效率。在机械化日益普及的今天，机器的动力不是电就是燃油，智能交通会在效率提升上大做文章。因此，能够帮助车辆提高生产效率的智能位置传感器将会有广阔的发展前景。

此外，地区的基础设施建设需求是带动传感器增长不容忽视的力量。尽管目前中国经济处于温和发展时期，但是随着城镇化步伐的加快，国内交通等基础设施建设将如雨后春笋般崛起，进而促使自动化产品和解决方案处于快速增长阶段。尤其是在发展智慧城市的时代背景下，传感器作为自动化产品的一部分将拥有非常广阔的市场。

传感器技术发展整体呈现高精度、微型化、集成化、数字化、声表面波传感器、微加工技术等特点。同时还将朝着加速开发新型材料、高可靠性、宽温度范围、微功耗及无源化的方向发展。多传感器信息融合;MEMS技术进一步的发展;敏感材料与智能材料系统的应用;纳米机械装置和传感器、化学传感器等新传感器的不断涌现，未来传感器产业将终将发成成为网络化传感器趋向。

二、智能交通之基于模型的实时决策支持

通过上面的介绍，想必大家对传感器在智能交通中发挥的作用已经具备了一定的认识。这部分，我们来看看智能交通中的决策支持。

决策支持工具应提供定制化的关键评估指标，使得系统管理者可以快速的评估城市的交通运行质量。可以提供交通状况的计算结果用于自适应交通控制系统，以提高检测器数据丢失或损坏导致的影响。

为了提高稳定性，有必要使得所有的交通控制、交通建模和交通工程相关的软件使用同一个路网模型，这样任何路网中的修改只需要操作一次。如果不同的软件程序使用不同的供给模型的话，后期维护的成本和系统的稳定性都将受到影响。因此关键是所有定义的供给模型都只需被定义一次即可同时用于多个软件平台中。

用于决策支持的基于模型的预测工具需要至少每5分钟更新一次，才能帮助系统管理者更好的得出问题的决策。预测结果需要至少覆盖未来30分钟内的交通演变，才能有助于分析交通问题的传播情况。

预测本身需要考虑到已知的道路施工情况和交通事故。这意味着实时的宏观模型需要在空间和时间上连续性的传播由于事故或其他事件导致的交通瓶颈。

基于模型的预测需要来源于一个主路网，该路网必须包含采集的历史数据，对于一个几百万人口的城市来说，可以每5分钟预测至少300个交叉口和3000公里道路路网。

为了保证此类规模的路网可以进行快速的预测计算，实时模型必须为宏观模型。当公交与私人小汽车共享路径时，那么预测需要包含公交车辆的预计到达时间。

交通预测必须考虑到现有的检测器数据。这意味着预测方法可以将现有模型扩展到预测层面，并且当前检测的交通流量必须准确输入到模型中。因此，不能简单地将前一分钟采集到数据与历史趋势数据进行对比，然后加载类似情况下的OD矩阵(从最接近的离线模型)，最后使用当前交通的通行状态运行路网仿真。这样创建的模型往往不能真实反映实际情况。系统应该尽可能使用公开的标准和协议，这使得系统具有更好的扩展性和兼容性。

经由小编的介绍，不知道你对智能交通是否充满了兴趣?如果你想对智能交通有更多的了解，不妨尝试度娘更多信息或者在我们的网站里进行搜索哦。