我国汽车保有量的急速增加导致城市交通频繁发生拥堵现象,但传统的增修道路和控制车辆数目增加的方法并不能从长远发展的角度解决此问题。利用先进技术对原有道路交通状态进行分析,向社会公众提供最优的实时路况信息,从而达到疏导交通的目的。在此基础上提出了一种基于车联网的实时路况估计架构,并开发了路况显示系统。本研究以武汉市运行的各种类型车辆为研究对象,对车辆数据采集、实时路况估计和路况估计结果应用三个方面的关键技术进行了研究,并通过真实车辆数据对研究成果进行了验证,主要工作成果如下:(1)车辆数据采集系统分移动式车机平台和搭载式车机平台。移动式车机平台是指智能手机、平板电脑等移动终端通过一种车辆通信接口设备与车载网络通信采集车辆数据;搭载式车机平台是指车载电脑通过OBD-II接口直接与车载网络通信,实时采集车速等信息,并将车辆数据发送至服务器端。(2)实时路况估计的算法效率是影响此类数据应用的重要因素。本研究对服务器接收的实时车速等数据进行预处理;由于不同状况下,路段行程速度与单一车辆的速度间的关系较复杂,故引入RBF神经网络和支持向量机SVM,以目标路段内同类型车辆平均速度和不同类型车辆占车辆总数的比重作为输入变量估算路段行程速度;采用均方误差MSE与平均绝对百分比误差MAPE指标评价算法的拟合能力,通过两种算法估计结果对比,SVM估计的MSE为2.1493,MAPE为6.9475%,均比RBF神经网络小,表明SVM比RBF神经网络的估计效果更可靠和准确,因此,本研究以SVM的结果作为目标路段真实的路段行程速度。(3)将SVM估算的路段行程速度服务于社会公众。基于终端平台和百度地图,开发了实时路况显示系统。将市区道路交通状况分为畅通、缓行和拥堵三个等级,可以向社会公众提供简单直观的全市及热点路段的交通状况;同时利用GPS技术,该系统实现了车辆实时定位和历史行程回放等功能。本研究开发了集车辆数据采集、服务器数据管理及实时路况显示于一体的实时路况估计平台,对实时路况估计研究具有一定的应用价值。