1. 本选题研究的目的及意义
随着城市化进程的加快，城市交通问题日益突出，交通拥堵、交通事故等问题严重影响着人们的出行效率和生活质量。
传统的交通监控系统主要依赖于固定式传感器，如线圈检测器、视频监控等，存在着覆盖范围有限、成本高昂、维护困难等问题。
而近年来，随着移动互联网和车联网技术的快速发展，装载有GPS等定位设备的浮动车数量急剧增加，其产生的海量时空轨迹数据为城市交通监控提供了新的数据来源和研究思路。
2. 本选题国内外研究状况综述
近年来，国内外学者在融合浮动车数据的城市交通监控领域开展了大量研究，并取得了一定的成果。
1. 国内研究现状
国内学者在浮动车数据处理、交通状态估计、交通事件检测和交通拥堵预测等方面做了大量研究工作。
3. 本选题研究的主要内容及写作提纲
1. 主要内容
本研究将针对现有研究的不足，重点研究以下内容：
1.多源异构交通数据融合:研究如何将浮动车数据与传统交通数据（如线圈检测器数据、视频监控数据等）进行有效融合，构建多源异构交通数据融合框架，以克服单一数据源的局限性，提高交通状态估计的精度和可靠性。
2.多参数交通状态估计:研究如何利用浮动车数据提取多种关键交通参数，如车速、流量、密度、排队长度等，并构建多参数交通状态估计模型，实现对城市路网交通状态的全面感知。
4. 研究的方法与步骤
本研究将采用理论分析、仿真建模、实验验证相结合的研究方法，具体步骤如下：
1.文献调研与需求分析:深入调研国内外相关文献，了解融合浮动车数据的城市交通监控领域的最新研究进展、存在问题和发展趋势，明确研究目标和研究内容，并结合实际应用需求，进行系统功能需求分析和性能需求分析。
2.系统架构设计:基于研究目标和需求分析结果，设计融合浮动车数据的城市交通监控仿真系统的总体架构，包括数据层、模型层和应用层，并确定各层的功能模块和模块之间的交互关系。
3.关键算法研究:研究浮动车数据处理与融合算法、交通状态估计模型、交通事件检测模型和交通拥堵预测模型，并进行算法的仿真实验和性能评估。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.构建多源异构交通数据融合框架:将浮动车数据与传统交通数据进行有效融合，以克服单一数据源的局限性，提高交通状态估计的精度和可靠性。
2.提出多参数交通状态估计模型:利用浮动车数据提取多种关键交通参数，并构建多参数交通状态估计模型，实现对城市路网交通状态的全面感知，突破传统方法仅关注单一参数的局限性。
3.构建多类型交通事件检测模型:基于浮动车数据和交通状态估计结果，构建多类型交通事件检测模型，实现对多种类型交通事件的检测，如交通事故、交通拥堵、道路施工等，为交通管理者提供更全面的预警信息，超越现有研究大多集中在单一类型交通事件检测的现状。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
1.李孟倪,王殿海,郭华伟.基于改进元胞自动机的城市交通流仿真[J].系统仿真学报,2020,32(04):655-663.
2.张婷,王笑京,张毅,等.基于改进遗传算法的交通拥堵自动识别与预测方法[J].吉林大学学报(工学版),2019,49(02):629-635.
3.赵方,王笑京.基于LSTM神经网络的城市道路短期交通流预测[J].吉林大学学报(工学版),2020,50(02):636-642.
