基于GPS的实时动态车辆跟驰数据采集方法

基金项目：“九五”国家重点科技攻关项目（96-412-02-01）。

2基础性试验流动站测距误差散点测距误差/H1v<20km/h测距误差散点km/h测距误差散点测距误差/m测距误差散点-0.010测距误差/m测距误差散点任何数据采集设备，包括GPS在内，都涉及一个关键问题，即获得数据的精度。影响GPS数据采集设备定位精度的因素主要有：GPS卫星数量和信号质量、天气状况、GPS接收机处理信号能力，这几种系统误差的大小决定了所获得数据的精度。为了验证GPS数据采集设备的定位精度，2001年5月23日在京津塘高速公路进行了一次试验。其条件为：NOVATEL-RT-2双频接收机一套（一个基站、两个流动站）、天气晴朗、可见8颗GPS卫星。其方案为：在不同速度下进行定位测距，即把两个GPS流动站安装在同一辆汽车车顶上，GPS流动站卫星接收天线用磁性基座固定在车顶上（见），用米尺测得两个天线中心的间距，把基站固定在高处（见），让装备了GPS流动站的车辆在基站20km的范围内，在高速公路上随实际交通流运行，基站和流动站之间用数传电台进行通讯，以获得在不同速度下流动站实时定位数据，定位数据的输出频率为1Hz.试验共获得近1h的数据，通过筛选，去掉由于天桥和跨线桥的影响使接收机失锁时的数据，还剩1 990个点。通过分析数据测得两个流动站之间的距离（两个天线中心的间距）误差点如所示；标准差为1.11cm，方差为26.37cm2.不同速度下两个流动站测距误差散点图如~10所示，误差均控制在2cm以内。　　由于GPS数据采集设备具有两个流动站测距误差不随距离的增加而增大的特点，流动站的速度是根*据连续两次定位，利用距离差除以时间差得到的。此时流动站速度的绝对误差小于0.02m/s.若流动站在20~80km/h的速度范围内运动，则流动站速度的相对误差在0.09 %0.36%；这样的数据精度完全可以满足车辆跟驰模型研究的要求。　　3应用性试验为了进一步了解装备了高精度GPS的试验车是否适合实时采集实际道路交通条件下的车辆跟驰行为数据，于2001年6月1日在交通部公路试验场进行了一次试验。试验期间天气晴朗，气温较高；试验路线为长约8km的环线，包括直线段和不同半径的曲线段；试验车型前车为切诺基，后车为桑塔纳；试验司机均为青年男性中等驾驶水平的司机；试验仪器为NOVATEL-RT-2双频接收机一套（一个基站、两个流动站）。试验时GPS基站设置在试验场中部的高地上，与试验路段相距3km左右。基站与流动站之间有高速环路相隔，不能直接看到流动站，基站与流动站之间数传电台通讯质量较好，可见GPS卫星8颗，且信号质量较好，数据输出频率为5Hz.GPS流动站及试验车布置如丨所示。　　试验进行了lh.通过试验获得了跟驰状态下前车和后车的单车实时速度和位置信息。试验进行时两个GPS流动站的数据输出格式必须一致，即*GGA*和*VTG*混合格式。只有这样才能保证两个流动站时间同步，并且得到实时速度信息。　　直接从GPS接收机获得的数据并不适合立即用于跟车分析，必须经过差分和后处理后，在更正误码和提高至mm精度的基础上，试验数据才适合于跟车分析。利用NOVATEL公司的GRAFNAV/NET差分和后处理软件对试验数据的进行差分和后处理，共得到跟车状态数据9 450对。部分数据及格式如表2所示。　　表2差分和后处理后的跟车行为数据格式前车后车纬度/（'）经度/r纬度/经度/ GPS流动站天线间距后车前车E.GPS天线中心至汽车前端间距*车头间距利用试验数据可以得到前后车速度在时间序列上的变化趋势，如图丨2所示。从图中可以看出：①后车的速度轨迹（实线部分）基本沿着前车（虚线部分）的速度轨迹变化趋势变化，表明前车的速度对后车的影响是存在的。②大多数加速和减速点显示后车在速度的变化上与前车之间存在滞后现象。　　1流动站基试验车布置示意图经典的跟车模型一般表达式如下：+3"）为后车*+r时刻的加速度；tu+r）为后车*+r时刻的速度；u）、、+1）为前后车*时刻的速度；x*（）、：>（：+1（为前后车f时刻的位置；a.为灵敏度；w、/为常数；r为时间间隔。

为了得到适合我国实际道路交通条件下跟车模型的具体表达式，必须具有又+，0+7）、<（）。-jt*+1U）、x*（-x*+1（r）、；t*+1（+T）等数据。根据经过差分和后处理后的跟车行为数据，能够计算上述所必须的数据部分数k及格式如表3所示。表3研究跟车模型所需数据（部分）及格式后车为了验证数据的可用性，利用这些试验性数据对经典跟车模型进行了回归分析。分析中设时间间隔r=ls，则灵敏度《。=1.分析结果为m=-0.4，/=0.9，相关系数为0.31.由于回归析所采用的数据包含了整个跟车行为中的稳定跟车状态、加速状态、减速状态这3种跟车状态，由于是试验性的数据，没有对数据进行筛选，单独针对一种跟车状态进行回归分析，导致回归分析的相关系数较低，但*终的回归结果m和/的值在国内外同类研究结果取值范围之内（如表4所示）。回归分析表明，利用基于GPS的实时动态车辆跟驰数据采集方法获得的跟车状态下架驶员行为和车辆运行特征的时间序列实测数据，是可以用于跟车模型的研究的。表4国内外同类研究结果取值范围来源方法微观（1972）（非刹车减速、刹车减速、加速）微观Aron（1988）（减速、稳定跟车、加速）微观（1933）（减速、加速）微观4结论通过分析和试验发现：车载高精度GPS能够记录车辆在实际道路和交通流中的速度、位置信息，且精度较高；较小的尺寸和较高的便携性*大限度地避免了道路条件和设备对驾驶员驾驶行为造成的影响，增强了数据的“真实”性；数据的后处理较为方便，回归分析显示，数据具有较好的可用性。利用基于GPS的实时动态车辆跟驰数据采集方法可以较好地解决跟车状态下驾驶员行为和车辆运行特征的时间序列实测数据的采集问题，为真实反映我国道路交通条件特性的车辆跟驰模型的研究提供坚实的数据支持。