为了降低插电式混合动力汽车使用成本,提出了基于智能交通系统的自适应指数模型预测控制策略。介绍了PHEV混合动力系统及工作模式,建立了动力系统关键部件模型;提出了带SOC参考轨迹的自适应指数模型预测控制方法,在模型预测方面,使用支持向量机识别车辆行驶工况,根据行驶工况自适应调整指数模型,实现了车辆状态高精度预测;在SOC轨迹规划方面,使用智能交通系统实时获取交通信息,基于DP算法规划预测时域内SOC轨迹。经实验验证,相比于理论最优控制,基于实时交通信息的自适应指数模型预测控制方法实现了96.22%的使用经济性,无交通信息参考的模型预测控制只能实现84.34%的使用经济性,说明这里提出的控制方法可以实现很高的使用经济性。

为了实现交通信号机检测模块与交通控制中心联网并为其提供有用的路况信息功能,同时交通控制中心可以实时监控与控制路口的交通信号机的参数,设计采用STC89C52单片机控制GPRS M1206B模块的方法来完成这个功能。首先对作为数据采集部分的环形线圈检测器的从理论到软硬件的设计做了具体说明;然后介绍了M1206B模块的GPRS功能,并且具体叙述了交通信号机与交通指挥中心的通信软硬件的开发与设计。

智能交通系统中需要的关键数据为道路的占有率、车流量、行车速度等。本文介绍了基于TMS320DM642的数字图像车流量检测系统,阐明了该嵌入式视觉系统的硬件组成原理及软件结构和车流量检测算法。系统与现有的信号机联调测试,证明其识别率高、体积小、成本低、实时性好,能实时检测公路的车流量信息。

提出了一种在移动交通检测系统中确定路网浮动车最小样本数量的优化方法。首先,基于数理统计方法分析了单条路段满足交通流参数估计所需的最小样本数量,在此基础上使用了一种新的基于路段样本数符合率的路网交通信息准确度评价指标,通过该指标和路网样本规模的关系曲线优化路网的浮动车样本规模。仿真实验结果表明：该方法能有效地确定满足路网交通速度估计要求下的最小浮动车样本数量,为浮动车交通信息采集系统在实际应用中确定最小样本规模提供了一种可行的思路。

获得实时可靠的交通信息一直是智能交通系统发展的瓶颈问题，建立智能交通车载信息采集系统，可以为智能交通系统中驾驶行为特性的研究、交通数据采集、现场测试等提供良好的辅助测试、验证平台，还可以为我国智能交通系统多功能实验车的建设和发展提供强有力的技术支持。本文介绍的就是基于虚拟仪器技术的智能交通车载信息采集系统的设计和研究。