本發明提供了一種智能網聯環境下非網聯車輛位置估計方法，屬于智能網聯交通車輛位置感知技術領域，包括以下步驟：（1）獲取高速公路上非網聯?網聯跟馳車對中網聯車輛在T時間段內的交通流數據；其中，非網聯車為被跟馳車輛，網聯車為跟馳車輛；所述交通流數據包括速度、加速度數據以及車輛編號；（2）對網聯車輛的速度和加速度數據進行預處理；（3）基于BP神經網絡利用網聯車輛的速度和加速度數據估計非網聯車輛的速度；（4）基于標定好的跟馳模型求解非網聯車輛的位置。本發明利用智能網聯車輛數據估計被網聯車輛跟馳的非網聯車輛位置，對高速公路非網聯車輛位置數據感知具有重要意義，為提升高速公路主動管理水平提供了有力的技術支撐。

技術領域

本發明涉及智能網聯交通車輛位置感知技術領域，特別是一種智能網聯環境下非網聯車位置估計方法。

背景技術

準確而全面的交通數據是主動管理技術得到有效應用的基礎。目前高速公路數據獲取主要依賴于交調系統、手機檢測器和視頻檢測器。隨著智能網聯技術的發展，高速公路上交通數據的采集將可以從斷面和局部路段逐漸過渡到全路段覆蓋。在智能網聯交通系統中，智能網聯車輛可利用LTE-V技術將車輛自身的位置、速度、加速度等數據實時上傳到路側設備，從而可以實現整個道路智能網聯車輛的精準檢測和實時預測。

智能網聯技術的發展將從根本上改變目前高速公路數據采集與主動管理的現狀，但智能網聯的發展并非一蹴而就。在未來很長一段時間內將存在著普通車輛與智能網聯車輛混行的狀況。在這樣的現實背景下，于有一定比例智能網聯車輛的混合交通流環境中，利用智能網聯車輛數據來估計非網聯車輛的位置、速度等車輛信息，這不僅能提高高速公路混合交通流環境中的交通監測水平，而且能提升高速公路的主動管理水平，緩解交通擁堵，最終推動智能網聯交通的發展，對智能交通的發展和經濟社會進步具有十分重要的現實意義。

在混合交通流環境中，智能網聯車的車輛位置、速度和加速度等數據可運用LTE-V通信方式獲取，而非網聯車的位置、速度和加速度則無法輕易獲取，為了能對道路上非網聯車的狀態進行監控，提升交通感知水平，為此本發明提出了一種智能網聯環境下非網聯車位置估計方法。

發明內容

為了解決以上問題，本發明提供一種智能網聯環境下非網聯車位置估計方法，本發明的目的是在混合交通流環境中，根據交通流特性，利用智能網聯車輛數據估計非網聯車輛的位置。本發明對提升高速公路交通流數據感知水平具有重要意義。

為達此目的，本發明提供了一種智能網聯環境非網聯車位置估計方法，具體步驟如下：

（1）獲取高速公路上非網聯-網聯跟馳車對中網聯車輛在T時間段內的交通流數據；所述非網聯-網聯跟馳車對中，非網聯車為被跟馳車輛，網聯車為跟馳車輛；所述交通流數據包括速度、加速度數據以及車輛編號，其中，車輛編號是唯一確定該車輛的數據；

（2）對網聯車輛的速度和加速度數據分別進行平滑和歸一化預處理，得到預處理的速度和加速度數據；

（3）基于訓練好的BP神經網絡利用步驟（2）獲得的預處理的速度和加速度數據估計非網聯車輛的速度；

（4）基于標定好的智能駕駛員模型(IDM)利用步驟（3）估計的非網聯車輛的速度求解非網聯車輛的位置；

其中，智能駕駛員模型(IDM)采用人工蜂群算法利用高速公路歷史交通流數據進行標定。

進一步地，所述步驟（1）中，交通流數據為或能轉化為結構化數據。

進一步地，所述步驟（2）中包含如下步驟：

（2.1）基于sEMA方法對網聯車輛的速度和加速度數據分別進行平滑處理；

（2.2）采用min-max標準化對網聯車輛的速度和加速度數據分別進行歸一化處理。