·上一文章：通用串行总线脑电信号采集电路设计
·下一文章：基于虚拟仪器的浊度测试系统的设计
2 基于3G技术的浮动车信息采集系统设计
根据以上浮动车信息采集系统应具备的功能分析，本文提出的基于3G移动通信技术浮动车信息采集系统由浮动车数据采集、地图匹配、交通流分析和3G无线互联网络四个子系统组成，系统网络总体方案如图2所示。系统各子系统设计分别阐述如下。
2．1 数据采集子系统
数据采集子系统通过路网上行驶的安装在浮动车上的车载端GPS接收器采集车辆运行数据；通过车载端的无线通信终端设备采用3G通信技术将上述信息实时传输给数据控制中心，同时还接收数据中心发送的命令。该子系统主要完成以下数据采集：车辆交通流、时间、车辆位置经度及纬度、速度、方向角和运行状态等，如图3所示。
系统设计时主要考虑以下参数：浮动车覆盖率、计算时间间隔、采集时间间隔、测量时间等。通过仿真实验得出每个时间间隔内横断面浮动车数量计算公式为：
Np=P·(Q·ta／60)
一般情况下，在高速公路上只要浮动车覆盖率为3％时即可，在城市道路上覆盖率为5％即可达到满意效果。采集时间间隔必须考虑覆盖率。浮动车覆盖率低，采集间隔应该缩小，反则增大。可以在工作站运用一些更加精巧的估计算法来减小其对实时性的影响，一般取采集频率为1 min，上传中心频率为5 min。当数据的年龄超过10 min时，对实时速度数据进行简单线性衰退处理基本能对实时的估计起到比较满意的效果。
2．2 地图匹配子系统
地图匹配是实现整个浮动车采集信息系统功能的关键，目的是减小GPS数据和GIS数据的匹配误差。为此，要对数据进行预处理并确定匹配路段。
2．2．1 数据预处理
数据预处理包括对GIS数据和地图数据预处理两个方面。
由于GIS数据一般是以矢量格式存储且所有路段都是以曲线形式表现的，为此，先将路段曲线预分割成为多条首尾连接的有向线段，从而使每条路段变成了一些线段的集合。这样可以大大提高后续地图匹配的速度和效率。
为了缩小匹配路段的范围和针对性(方向)，还要对地图数据预处理。首先进行地理坐标系转换，使浮动车定位数据和地图库数据所采用的地理坐标系一致。其次通过一定算法确定候选路段，常用的算法有：网格法、概率统计法、误差椭圆法、条带分割法等。本文采用网格法。该方法的原理是将电子地图按照一定的网格进行划分，然后找到GPS点所在网格，该网格所包含的路段就是候选路段。
2．2．2 匹配路段确定
目前，车辆定位导航采用的算法有：GPS航迹匹配法、模糊逻辑法、A*、双向搜索法等。这些方法在GPS定位和导航中都有非常广泛应用。但由于浮动车数量大、匹配速度要求高，采用上述单一的传统算法都难以满足浮动车地图匹配要求。为此，本文提出分类模型算法的思想。它建立在一个道路网格拓扑结构之上，如图4所示。并且针对道路的实际情况设计了不同的道路匹配算法。
正常匹配模型是整个地图匹配模型的入口，实现正常情况下待匹配道路的匹配，并对其进行排序，检查是否有道路符合道路匹配的条件，如果有，则匹配成功；否则进入下一个匹配模型。
但由于各种误差，如双向车道的反方向车辆，若采用上述道路匹配模型得到的道路可能包含反方向的道路。这样会给后续的延时匹配造成干扰。异常匹配道路模型就是解决以上问题的匹配模型。
对于大型城市的复杂道路，如主辅路、立交桥等，道路与道路之间的距离近，角度差小，有时投影到平面上几乎是重合的。在这样的路网环境下，通过单一GPS数据往往无法确定车辆的确切位置，这时就需要通过相同车辆的多个GPS数据来联合判断车辆的行驶轨迹，待定模型就是解决这类问题的一个迭代模型。在设计以上模型基础上可以采用最小距离算法实现地图匹配。原理是通过计算GPS点到各个候选路段的距离，选择距离最小的那条路段作为匹配路段，GPS点到该路段的投影即为匹配点。
2．3 浮动车交通流分析子系统
交通流分析首先筛选符合条件的浮动车数据，建立动态交通流数据模型，然后以此模型获得浮动车行程时间、平均速度、交通流量等交通信息。
2．3．1 建立交通流模型
由于采集的信息中包含大量车辆，可能会产生一些错误和干扰信息，为了保证所采集的信息尽可能有效，必须对样本进行必要的筛选。本方案首先将这些数据按照车辆ID进行区分，由于每个浮动车的ID在系统中是惟一的，所以根据车辆ID将数据进行分类是有效的。其次，设定一个阈值，当路段上某车辆的GPS数据点数小于一定阈值时，例如速度高于阈值，就认为是干扰数据，该车辆的数据将被剔除。最后，将符合条件筛选出的浮动车辆的GPS数据作为交通流样本模型，并以此样本模型计算每辆独立车辆的行程时间和平均速度。
