CN106169243B - 一种基于车联网的实时路况估计系统及方法 - Google Patents

Abstract

本发明公开了一种基于车联网的实时路况估计系统及方法，该系统包括：车辆数据采集系统，用于获取车辆相关数据，与此同时车载平台通过无线网络将车辆数据以固定周期循环发送至服务器端的数据管理中心；数据管理中心，用于接收并保存车辆相关数据后，利用地图匹配算法确定车辆GPS定位点坐标和行驶方向，然后进行算法处理循环估计出道路的路段行程速度；再将估计的路段行程速度以固定周期循环发布至移动终端的路况显示系统；路况显示系统，用于显示用户注册/登记、自我定位、实时路况查询、历史行程查询、系统参数设置和在线更新的功能。本发明具有良好的兼容性，能够高效的获取道路上的实时路况信息，减少交通拥堵。

Description

一种基于车联网的实时路况估计系统及方法

技术领域

本发明涉及车联网技术领域，尤其涉及一种基于车联网的实时路况估计系统及方法。

背景技术

汽车保有量的急速增长，给人们的各方面带来了便捷，同时导致了频繁发生的城市道路拥堵现象。道路堵塞会产生诸多负面影响。最主要的解决方式主要有两种，一种是传统的增修道路和控制车辆数目增加的方式，另一种就是疏导。在目前的情况下，虽然扩建道路以及控制车辆数目增加等方式能够缓解交通压力，但土地资源的利用毕竟是有限的，这种方式并不能从可持续发展的角度来解决拥堵现象。为疏导交通，需要采用先进技术并对现有的道路交通基础设施不断完善。疏导方式中最直接、有效的方法当属应用ITS(Intelligent Transport System，智能交通系统)。

现有的交通数据采集和路况估计仍存在如下缺点：道路需要新增基础硬件设施，一般固定安装在高速公路、快速路和主干道的交叉路口处，实现对关键节点的交通监测，但由于硬件设备只是局部覆盖，使交通信息采集存在“盲区”，无法实时监测具体路段的路况；浮动车必须配备专用设备，大规模使用，成本过高，同时浮动车作为交通参与者中的一个组成部分，采集的信息无法覆盖城市内所有道路；目前实时路况估计没有统一的方法，估计效果不理想。

随着手机、车载终端等移动终端广泛应用，利用移动终端连接车辆来采集数据等信息正逐渐受到重视。与传统的采集技术相比，移动终端具有诸多优点，比如建设时间短、成本低、覆盖面积广、数据准确、时效性强。当车辆在道路上行驶时，移动终端通过OBD-II(On-Board Diagnostic-II，第二代车载诊断)接口采集车速等数据，这样可以直接测得准确可靠的车辆瞬时速度等。目前，移动终端作为一种重要的交通信息采集设备，在国内外广泛应用，已成为ITS领域的一大研究方向。

发明内容

本发明要解决的技术问题在于针对现有技术中设备成本高，预测精度差的缺陷，提供一种基于车联网的实时路况估计系统及方法。

本发明解决其技术问题所采用的技术方案是：

本发明提供一种基于车联网的实时路况估计系统，包括以下模块：

车辆数据采集系统，包括车载网络、车机平台和数据采集软件三部分，车载平台经过车辆自身OBD-II接口与车载网络通信，用于获取车辆相关数据，包括当前时间、车辆ID、当前地理位置的经纬度、行驶方向、车速、发动机转速以及全车故障诊断结果，与此同时车载平台通过无线网络将车辆数据以固定周期循环发送至服务器端的数据管理中心；

数据管理中心，包括远程服务器和各数据库，服务器用于接收并保存车辆相关数据后，利用地图匹配算法确定车辆GPS定位点坐标和行驶方向，并需要对数据进行预处理，然后进行算法处理循环估计出道路的路段行程速度；数据管理中心再将估计的路段行程速度以固定周期循环发布至移动终端的路况显示系统；

路况显示系统，用于实现以下功能：用户注册/登记、自我定位、实时路况查询、历史行程查询、系统参数设置和在线更新。

进一步地，本发明的车载网络为汽车内部的ECU按照标准构成的局域控制网络。

进一步地，本发明的车机平台包括移动式车机平台和搭载式车机平台，其中：

移动式车机平台包括VCI设备和移动终端,采用蓝牙技术作为VCI设备和移动终端的通信媒介；移动式车机平台与车载网络通信过程分两种情况处理，即非数据流传输和数据流传输；针对非数据流传输情况，包括VCI设置命令、故障码命令等，没有实时性要求，采用发送命令一次，接收数据一次的方式；针对数据流传输情况，包括车速命令和转速命令，采用动态定义帧的方式。

进一步地，本发明的搭载式车机平台为Android嵌入式系统，包括嵌入式硬件、驱动程序、JNI层及应用程序，其中：

JNI层将软件发送的具体请求命令，按照具体协议封装成对应的服务请求数据帧，然后与车载网络实现数据采集功能。

进一步地，本发明的数据采集软件采用Java语言进行程序设计，在Eclipse集成开发环境下进行代码的编写、编译与调试，数据采集软件实现的功能包括：用户激活认证、在线更新、车型配置、全车诊断、读取数据流和车辆定位功能。

进一步地，本发明的远程服务器和数据库采用SVM对路况进行估计；对样本数据进行[0,1]归一化处理；利用GA优化SVM参数，随机抽取550个数据样本对SVM进行训练，得到最优的SVM模型；使用剩余的550个测试样本数据作为测试样本，对路段行程速度进行估算。

进一步地，本发明的路况显示系统的功能包括用户注册/登记、自我定位、实时路况查询、历史行程查询、系统参数设置和在线更新；采用Java语言进行程序设计，在Eclipse集成开发环境下进行代码的编写、编译与调试；路况显示系统以百度地图为基础，向公众提供实时路况查询功能、历史行程回放功能，以减少交通拥堵。

本发明提供一种基于车联网的实时路况估计方法，包括以下步骤：

S1、用户通过数据采集软件进行用户激活认证、在线更新、车型配置、全车诊断、读取数据流和车辆定位；

S2、若数据采集软件安装在移动终端上，通过VCI的蓝牙模块与移动终端蓝牙模块配对建立通信，将CAN总线网络接口信号电平与移动终端通信接口电平进行转换，以实现移动终端与车载网络间的通信；

若数据采集软件安装在搭载式车机平台上，车载智能终端通过自身CAN模块与车载网络上的ECU建立通信；

S3、用户在软件中输入所驾驶的车辆类型、车辆排量及上市年份信息，根据输入的信息，采集软件可以从服务器获取对应车型的协议，以供全车诊断和读取数据流功能使用；通过车辆数据采集系统的数据采集软件获取车辆数据，包括：当前时间、车辆ID、车辆当前地理位置的经纬度、车辆行驶方向、车速、发动机转速和全车故障诊断结果；数据采集软件每隔200ms采集一次数据，获取连续的车速和转速；数据采集软件发送数据到服务器的周期为10s，将一个周期内采集的车速数据进行相加计算平均车速，最后将平均车速发至服务器；将周期内最后一次采集的转速数据发送至服务器；

S4、移动终端通过无线网络与数据管理中心服务器进行交互，采用奇异值剔除算法，将服务器接收的GPS、车速和时间数据中不合理的数据剔除；然后采用相邻时刻的算数平均值方法修复不合理数据和缺失数据；

S5、利用地图匹配算法确定车辆GPS定位点坐标和行驶方向；

S6、对实际路况下数据采集系统采集的车辆数据选择算法进行估计，经对比后，采用GA-SVM对路况进行估计，训练完成后，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样本，估算出目标路段的路段行程速度；

S7、数据管理中心将估计的路段行程速度以固定周期1min循环发布至移动终端的路况显示系统；向公众提供实时路况查询功能、历史行程回放功能，以选择最优路线，减少交通拥堵。

进一步地，本发明的步骤S5中利用地图匹配算法确定车辆GPS定位点坐标和行驶方向的方法具体包括：

S51、运用投影匹配算法，首先把处理后的车辆GPS定位点坐标向误差区域内所有路段做投影，然后计算坐标点与所有路段间的投影距离d_i，V点为车辆定位点，S₁、S₂表示车辆定位点误差区域内路段，V₁、V₂表示车辆定位点在路段上的投影点，比较投影距离d₁和d₂大小，选取投影距离最小值d₂对应的路段S₂作为车辆行驶的路段，并且将V₂作为车辆当前实际位置，最后位置点V₂坐标覆盖车辆数据库中的车辆GPS定位点坐标；

S52、首先确定目标路段是顺方向或者逆方向；然后计算出匹配路段通行方向与车辆行驶方向间的角度，去除角度大的路段，保存角度较小的路段。

进一步地，本发明的步骤S6中采用GA-SVM估计路段行程速度的方法具体包括：

S61、对数据进行[0,1]归一化处理，其中对车辆速度数据进行归一化处理的公式为：

其中，car表示乘用车速度数据集合；min(car)为乘用车速度的最小值；max(car)为乘用车速度的最大值；

S62、利用GA优化SVM参数C和g，随机抽取550个数据样本对SVM进行训练，得到最优的SVM模型

S63、使用剩余的550个测试样本数据作为测试样本，对路段行程速度进行估算。

本发明产生的有益效果是：本发明的基于车联网的实时路况估计系统及方法，通过数据采集软件能实现用户激活认证、在线更新、车型配置、全车诊断、读取数据流和车辆定位功能，采用模块化开发架构，使数据采集系统适用于不同品牌车型，使得系统具有良好的兼容性和通用性；采用地图匹配算法能将车辆定位到具体路段，确定车辆GPS定位点坐标和行驶方向；采用SVM算法能够准确估计出路段行程速度，高效地获得道路上车辆动态信息；将SVM估算的路段行程速度服务于社会公众，向社会公众提供简单直观的全市及热点路段的交通状况，实现了车辆实时定位和历史行程回放等功能。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的组成架构示意图；

图2是本发明实施例的直接投影匹配算法示意图；

图3是本发明实施例的方向匹配示意图；

图4是本发明实施例的GA-SVM估计路段行程速度流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例的基于车联网的实时路况估计系统，其特征在于，包括以下模块：

车辆数据采集系统，包括车载网络、车机平台和数据采集软件三部分，车载平台经过车辆自身OBD-II接口与车载网络通信，用于获取车辆相关数据，包括当前时间、车辆ID、当前地理位置的经纬度、行驶方向、车速、发动机转速以及全车故障诊断结果，与此同时车载平台通过无线网络将车辆数据以固定周期循环发送至服务器端的数据管理中心；

数据管理中心，包括远程服务器和各数据库，服务器用于接收并保存车辆相关数据后，利用地图匹配算法确定车辆GPS定位点坐标和行驶方向，并需要对数据进行预处理，然后进行算法处理循环估计出道路的路段行程速度；数据管理中心再将估计的路段行程速度以固定周期循环发布至移动终端的路况显示系统；

路况显示系统，用于实现以下功能：用户注册/登记、自我定位、实时路况查询、历史行程查询、系统参数设置和在线更新。

移动终端通过车辆OBD-II接口采集车辆相关数据，并通过无线网络实时传送至服务器，并对采集的数据进行建模分析，并将估计的实时路况结果发布给用户，以减少交通拥堵。基于车联网的实时路况估计架构能够实时采集道路上车辆数据，为社会公众提供当前路况信息。

车辆数据采集系统经过车辆自身OBD-II接口与车载网络通信，获取车辆相关数据，包括当前时间、车辆ID、当前地理位置的经纬度、行驶方向、车速、发动机转速以及全车故障诊断结果，与此同时移动终端通过无线网络将车辆数据以固定周期10s循环发送至服务器端，数据管理中心对这些数据采用SVM算法，并以目标路段上同类型车辆平均速度和不同类型车辆占车辆总数的比重为输入，以目标路段的路段行程速度为输出，进行算法处理，循环估计出道路的路段行程速度；数据管理中心再将估计的路段行程速度以固定周期1min循环发布至移动终端的路况显示系统，路况显示系统以百度地图为基础，向公众提供实时路况查询功能、历史行程回放等功能，以减少交通拥堵。

在本发明的另一个具体实施例中，该系统包括车辆数据采集系统、数据管理中心和路况显示系统三部分。各部分功能如下：

1.车辆数据采集系统。包括车载网络、车机平台和数据采集软件三部分，经过车辆自身OBD-II接口与车载网络通信，获取车辆相关数据，包括当前时间、车辆ID、当前地理位置的经纬度、行驶方向、车速、发动机转速以及全车故障诊断结果，与此同时移动终端通过无线网络将车辆数据以固定周期10s循环发送至服务器端数据管理中心。

2.数据管理中心。包括远程服务器和各数据库，服务器接收并保存车辆相关数据后，利用地图匹配算法确定车辆GPS定位点坐标和行驶方向，并需要对数据进行预处理，然后进行算法处理循环估计出道路的路段行程速度；数据管理中心再将估计的路段行程速度以固定周期1min循环发布至移动终端的路况显示系统。

3.路况显示系统。其功能包括用户注册/登记、自我定位、实时路况查询、历史行程查询、系统参数设置和在线更新；采用Java语言进行程序设计，在Eclipse集成开发环境下进行代码的编写、编译与调试。路况显示系统以百度地图为基础，向公众提供实时路况查询功能、历史行程回放等功能，以减少交通拥堵。

本发明实施例的基于车联网的实时路况估计方法，包括以下步骤：

S1、用户通过数据采集软件进行用户激活认证、在线更新、车型配置、全车诊断、读取数据流和车辆定位；

S2、若数据采集软件安装在移动终端上，通过VCI的蓝牙模块与移动终端蓝牙模块配对建立通信，将CAN总线网络接口信号电平与移动终端通信接口电平进行转换，以实现移动终端与车载网络间的通信；

若数据采集软件安装在搭载式车机平台上，车载智能终端通过自身CAN模块与车载网络上的ECU建立通信；

S3、用户在软件中输入所驾驶的车辆类型、车辆排量及上市年份信息，根据输入的信息，采集软件可以从服务器获取对应车型的协议，以供全车诊断和读取数据流功能使用；通过车辆数据采集系统的数据采集软件获取车辆数据，包括：当前时间、车辆ID、车辆当前地理位置的经纬度、车辆行驶方向、车速、发动机转速和全车故障诊断结果；数据采集软件每隔200ms采集一次数据，获取连续的车速和转速；数据采集软件发送数据到服务器的周期为10s，将一个周期内采集的车速数据进行相加计算平均车速，最后将平均车速发至服务器；将周期内最后一次采集的转速数据发送至服务器；

S4、移动终端通过无线网络与数据管理中心服务器进行交互，采用奇异值剔除算法，将服务器接收的GPS、车速和时间数据中不合理的数据剔除；然后采用相邻时刻的算数平均值方法修复不合理数据和缺失数据；

S5、利用地图匹配算法确定车辆GPS定位点坐标和行驶方向；其具体步骤包括：

S51、运用投影匹配算法，首先把处理后的车辆GPS定位点坐标向误差区域内所有路段做投影，然后计算坐标点与所有路段间的投影距离d_i，V点为车辆定位点，S₁、S₂表示车辆定位点误差区域内路段，V₁、V₂表示车辆定位点在路段上的投影点，比较投影距离d₁和d₂大小，选取投影距离最小值d₂对应的路段S₂作为车辆行驶的路段，并且将V₂作为车辆当前实际位置，最后位置点V₂坐标覆盖车辆数据库中的车辆GPS定位点坐标；

S52、首先确定目标路段是顺方向或者逆方向；然后计算出匹配路段通行方向与车辆行驶方向间的角度，去除角度大的路段，保存角度较小的路段。

S6、对实际路况下数据采集系统采集的车辆数据选择算法进行估计，经对比后，采用GA-SVM对路况进行估计，训练完成后，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样本，估算出目标路段的路段行程速度，其具体步骤包括：

S61、对数据进行[0,1]归一化处理，其中对车辆速度数据进行归一化处理的公式为：

其中，car表示乘用车速度数据集合；min(car)为乘用车速度的最小值；max(car)为乘用车速度的最大值；

S62、利用GA优化SVM参数C和g，随机抽取550个数据样本对SVM进行训练，得到最优的SVM模型

S63、使用剩余的550个测试样本数据作为测试样本，对路段行程速度进行估算。

S7、数据管理中心将估计的路段行程速度以固定周期1min循环发布至移动终端的路况显示系统；向公众提供实时路况查询功能、历史行程回放功能，以选择最优路线，减少交通拥堵。

在本发明的另一个具体实施例中，该方法的实现步骤具体为：

1、采用Java语言进行程序设计，在Eclipse集成开发环境下进行代码的编写、编译与调试开发出数据采集软件。数据采集软件主要实现的功能包括用户激活认证、在线更新、车型配置、全车诊断、读取数据流和车辆定位功能。

2、软件的安装平台包括，移动终端和搭载式机车平台。若软件安装在移动终端上后，通过VCI的蓝牙模块与移动终端蓝牙模块配对建立通信，将CAN总线网络接口信号电平与移动终端通信接口电平进行转换，以实现移动终端与车载网络间的通信；若软件安装在搭载式车机平台，车载智能终端通过自身CAN模块与车载网络上的ECU建立通信。

3、车主在软件中输入所驾驶的车辆类型、车辆排量及上市年份信息，根据输入的信息，采集软件可以从服务器获取对应车型的协议，以供全车诊断和读取数据流功能使用。采集的车辆数据主要包括当前时间、车辆ID、车辆当前地理位置的经纬度、车辆行驶方向、车速、发动机转速和全车故障诊断结果。数据采集软件每隔200ms采集一次数据，因此车速和转速基本上是连续的。而采集软件发送数据到服务器的周期为10s，本软件会将一个周期内采集的车速数据进行相加计算平均车速，最后将平均车速发至服务器；将周期内最后一次采集的转速数据发送至服务器。为满足不同车型数据采集功能的需求，采用模块化架构，主要包括填写标准化的车型协议模板、车型协议模板转换成XML文件并对XML文件加密处理、数据采集软件调用XML文件和“即用即删”方式对XML文件进行保密。

4、移动终端通过无线网络与数据管理中心服务器进行交互，采用奇异值剔除算法，将服务器接收的GPS、车速和时间数据中不合理的数据剔除；然后采用相邻时刻的算数平均值方法修复不合理数据和缺失数据。

5、利用地图匹配算法确定车辆GPS定位点坐标和行驶方向。包括以下子步骤：

5.1、如图2所示，地图匹配算法的流程是：运用投影匹配算法，首先把处理后的车辆GPS定位点坐标向误差区域内所有路段做投影，然后计算坐标点与所有路段间的投影距离d_i。图中V点为车辆定位点，S₁、S₂表示车辆定位点误差区域内路段，V₁、V₂表示车辆定位点在路段上的投影点，比较投影距离d₁和d₂大小，选取投影距离最小值d₂对应的路段S₂作为车辆行驶的路段，并且将V₂作为车辆当前实际位置，最后位置点V₂坐标覆盖车辆数据库中的车辆GPS定位点坐标。

5.2、如图3所示，车辆方向与路段通行方向匹配，首先确定目标路段是顺方向或者逆方向；然后计算出匹配路段通行方向与车辆行驶方向间的角度，去除角度大的路段，保存角度较小的路段，增加道路匹配的成功率。由于地理位置等因素影响，一般路段都由多条属性不同的道路组成，比如，图中M-N-O代表一条路段，MN与NO的道路属性不同。通过直接投影算法，车辆能确定两条路段，然后，需要进一步处理。通过查找这两条路段，得到NO和QP；因为NO在路段M-N-O上，方向是顺方向，所以方向是从N到O，从而计算出NO与车辆行驶方向的角度为α。同理，QP在路段S-Q-P上，方向是从P到Q，计算出的QP与车辆行驶方向的角度为θ。α和θ大小比较显示QP路段与车辆运行方向角度偏大，剔除QP所在的路段S-Q-P，确定车辆在路段M-N-O上。最后将匹配的路段M-N-O所对应的ID保存至车辆数据库中该条数据的路段ID对应位置。

6、对实际路况下数据采集系统采集的车辆数据选择算法进行估计。经对比后，采用GA-SVM对路况进行估计。训练完成后，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样本，估算出目标路段的路段行程速度。采用GA-SVM估计路段行程速度流程如图4所示，包括以下子步骤：

6.1、对数据进行[0,1]归一化处理，以乘用车速度数据为例，速度归一化公式为：

其中，car表示乘用车速度数据集合；min(car)为乘用车速度的最小值；max(car)为乘用车速度的最大值；

6.2、利用GA优化SVM参数C和g，随机抽取550个数据样本对SVM进行训练，得到最优的SVM模型

6.3、使用剩余的550个测试样本数据作为测试样本，对路段行程速度进行估算。

7、用Java语言进行程序设计，在Eclipse集成开发环境下进行代码的编写、编译与调试，开发出实时路况显示系统。数据管理中心将估计的路段行程速度以固定周期1min循环发布至移动终端的路况显示系统；路况显示系统以百度地图为基础，向公众提供实时路况查询功能、历史行程回放等功能，以便选择最优路线，减少交通拥堵。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (1)

1.一种基于车联网的实时路况估计方法，其特征在于，通过基于车联网的实时路况估计系统实现，该系统包括以下模块：

车辆数据采集系统，包括车载网络、车机平台和数据采集软件三部分，车机平台经过车辆自身OBD-II接口与车载网络通信，用于获取车辆相关数据，包括当前时间、车辆ID、当前地理位置的经纬度、行驶方向、车速、发动机转速以及全车故障诊断结果，与此同时车机平台通过无线网络将车辆数据以固定周期循环发送至服务器端的数据管理中心；

数据管理中心，包括远程服务器和各数据库，服务器用于接收并保存车辆相关数据后，利用地图匹配算法确定车辆GPS定位点坐标和行驶方向，并需要对数据进行预处理，然后进行算法处理循环估计出道路的路段行程速度；数据管理中心再将估计的路段行程速度以固定周期循环发布至移动终端的路况显示系统；

路况显示系统，用于实现以下功能：用户注册/登记、自我定位、实时路况查询、历史行程查询、系统参数设置和在线更新；

车载网络为汽车内部的ECU按照标准构成的局域控制网络；

车机平台包括移动式车机平台和搭载式车机平台，其中：

移动式车机平台包括VCI设备和移动终端,采用蓝牙技术作为VCI设备和移动终端的通信媒介；移动式车机平台与车载网络通信过程分两种情况处理，即非数据流传输和数据流传输；针对非数据流传输情况，包括VCI设置命令、故障码命令，没有实时性要求，采用发送命令一次，接收数据一次的方式；针对数据流传输情况，包括车速命令和转速命令，采用动态定义帧的方式；

搭载式车机平台为Android嵌入式系统，包括嵌入式硬件、驱动程序、JNI层及应用程序，其中：

JNI层将软件发送的具体请求命令，按照具体协议封装成对应的服务请求数据帧，然后与车载网络实现数据采集功能；

数据采集软件采用Java语言进行程序设计，在Eclipse集成开发环境下进行代码的编写、编译与调试，数据采集软件实现的功能包括：用户激活认证、在线更新、车型配置、全车诊断、读取数据流和车辆定位功能；

远程服务器和数据库采用SVM对路况进行估计；对样本数据进行[0,1]归一化处理；利用GA优化SVM参数，随机抽取550个数据样本对SVM进行训练，得到最优的SVM模型；使用剩余的550个测试样本数据作为测试样本，对路段行程速度进行估算；

路况显示系统采用Java语言进行程序设计，在Eclipse集成开发环境下进行代码的编写、编译与调试；路况显示系统以百度地图为基础，向公众提供实时路况查询功能、历史行程回放功能，以减少交通拥堵；

该方法包括以下步骤：

S1、用户通过数据采集软件进行用户激活认证、在线更新、车型配置、全车诊断、读取数据流和车辆定位；

S2、若数据采集软件安装在移动终端上，通过VCI的蓝牙模块与移动终端蓝牙模块配对建立通信，将CAN总线网络接口信号电平与移动终端通信接口电平进行转换，以实现移动终端与车载网络间的通信；

若数据采集软件安装在搭载式车机平台上，车载智能终端通过自身CAN模块与车载网络上的ECU建立通信；

S3、用户在软件中输入所驾驶的车辆类型、车辆排量及上市年份信息，根据输入的信息，采集软件可以从服务器获取对应车型的协议，以供全车诊断和读取数据流功能使用；通过车辆数据采集系统的数据采集软件获取车辆数据，包括：当前时间、车辆ID、车辆当前地理位置的经纬度、车辆行驶方向、车速、发动机转速和全车故障诊断结果；数据采集软件每隔200ms采集一次数据，获取连续的车速和转速；数据采集软件发送数据到服务器的周期为10s，将一个周期内采集的车速数据进行相加计算平均车速，最后将平均车速发至服务器；将周期内最后一次采集的转速数据发送至服务器；

S4、移动终端通过无线网络与数据管理中心服务器进行交互，采用奇异值剔除算法，将服务器接收的GPS、车速和时间数据中不合理的数据剔除；然后采用相邻时刻的算数平均值方法修复不合理数据和缺失数据；

S5、利用地图匹配算法确定车辆GPS定位点坐标和行驶方向；

S6、对实际路况下数据采集系统采集的车辆数据选择算法进行估计，经对比后，采用GA-SVM对路况进行估计，训练完成后，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样本，估算出目标路段的路段行程速度；

S7、数据管理中心将估计的路段行程速度以固定周期1min循环发布至移动终端的路况显示系统；向公众提供实时路况查询功能、历史行程回放功能，以选择最优路线，减少交通拥堵；

步骤S5中利用地图匹配算法确定车辆GPS定位点坐标和行驶方向的方法具体包括：

S51、运用投影匹配算法，首先把处理后的车辆GPS定位点坐标向误差区域内所有路段做投影，然后计算坐标点与所有路段间的投影距离d_i，V点为车辆定位点，S₁、S₂表示车辆定位点误差区域内路段，V₁、V₂表示车辆定位点在路段上的投影点，比较投影距离d₁和d₂大小，选取投影距离最小值d₂对应的路段S₂作为车辆行驶的路段，并且将V₂作为车辆当前实际位置，最后位置点V₂坐标覆盖车辆数据库中的车辆GPS定位点坐标；

S52、首先确定目标路段是顺方向或者逆方向；然后计算出匹配路段通行方向与车辆行驶方向间的角度，去除角度大的路段，保存角度较小的路段；

步骤S6中采用GA-SVM估计路段行程速度的方法具体包括：

S61、对数据进行[0,1]归一化处理，其中对车辆速度数据进行归一化处理的公式为：

其中，car表示乘用车速度数据集合；min(car)为乘用车速度的最小值；max(car)为乘用车速度的最大值；

S62、利用GA优化SVM参数C和g，随机抽取550个数据样本对SVM进行训练，得到最优的SVM模型；

S63、使用剩余的550个测试样本数据作为测试样本，对路段行程速度进行估算。