前言：本站為你精心整理了交通出行服務(wù)重要疑問研討簡(jiǎn)述范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

作者：王爽沈強(qiáng)單位：北京公科飛達(dá)交通工程發(fā)展有限公司交通運(yùn)輸部公路科學(xué)研究院

交通信息采集技術(shù)研究現(xiàn)狀

目前，交通信息采集手段可以分為2類:(1)通過人工采集獲取，如:交通調(diào)查數(shù)據(jù)、交通事件信息等;(2)通過各類交通信息檢測(cè)系統(tǒng)實(shí)時(shí)自動(dòng)采集，自動(dòng)采集技術(shù)包括移動(dòng)型交通采集技術(shù)和固定型交通采集技術(shù)。固定型采集技術(shù)固定型采集技術(shù)是運(yùn)用安裝在固定地點(diǎn)的檢測(cè)設(shè)備對(duì)道路進(jìn)行交通參數(shù)檢測(cè)的方法，能夠提供交通流量、地點(diǎn)平均速度、車頭時(shí)距、車型分類和車道占有率等參數(shù)。目前，常用的固定檢測(cè)器有:環(huán)形線圈檢測(cè)器、微波檢測(cè)器、視頻檢測(cè)器、紅外檢測(cè)器、超聲波檢測(cè)器等。各種檢測(cè)技術(shù)都有不同的優(yōu)缺點(diǎn)(見表1)，在工程建設(shè)時(shí)，需根據(jù)環(huán)境條件和具體需求進(jìn)行選擇，也可在同一系統(tǒng)中采用多種檢測(cè)方式，通過對(duì)多源交通數(shù)據(jù)的融合處理提高檢測(cè)精度。移動(dòng)型采集技術(shù)移動(dòng)型采集技術(shù)是運(yùn)用安裝有GPS定位設(shè)備的移動(dòng)車輛(浮動(dòng)車)檢測(cè)道路上的固定標(biāo)識(shí)物來采集交通參數(shù)的方法。移動(dòng)型采集技術(shù)主要有:電子標(biāo)簽、GPS、蜂窩網(wǎng)絡(luò)和汽車牌照自動(dòng)識(shí)別［8］。其中基于GPS的動(dòng)態(tài)交通數(shù)據(jù)采集技術(shù)是當(dāng)前最主要的移動(dòng)型采集技術(shù)。目前，對(duì)該技術(shù)的理論研究重點(diǎn)主要包括提高采集數(shù)據(jù)質(zhì)量的方法和計(jì)算樣本量的方法等。目前市場(chǎng)上的車載終端硬件都有一些數(shù)據(jù)校正算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，剔除或修正異常數(shù)據(jù)，以保證數(shù)據(jù)質(zhì)量。樣本量計(jì)算，即根據(jù)信息檢測(cè)要求或估計(jì)精度要求計(jì)算所需的浮動(dòng)車數(shù)量，以求在滿足應(yīng)用精度要求和信息采集成本二者之間尋找平衡點(diǎn)，目前，相關(guān)計(jì)算方法研究已比較成熟。

交通信息處理技術(shù)研究現(xiàn)狀

浮動(dòng)車信息處理技術(shù)浮動(dòng)車信息處理是實(shí)現(xiàn)對(duì)浮動(dòng)車GPS數(shù)據(jù)的格式轉(zhuǎn)換、預(yù)處理、統(tǒng)計(jì)分析、地圖匹配、浮動(dòng)車最小樣本量估計(jì)、從而得到各路段的速度趨勢(shì)、旅行時(shí)間、路況等交通信息。其中重點(diǎn)研究?jī)?nèi)容在地圖匹配和行程速度估計(jì)2方面。在地圖匹配問題研究方面，國內(nèi)學(xué)者提出了很多算法，例如基于概率統(tǒng)計(jì)的地圖匹配算法、基于曲線擬合的地圖匹配算法、基于權(quán)重的地圖匹配算法、基于卡爾曼濾波的地圖匹配算法、基于模糊邏輯的地圖匹配算法等［9－13］。針對(duì)浮動(dòng)車數(shù)據(jù)大規(guī)模、長(zhǎng)間隔的特點(diǎn)，其算法與傳統(tǒng)的導(dǎo)航地圖匹配算法有一定區(qū)別。劉彥挺提出了一種將基于權(quán)值、道路拓?fù)浜妥顑?yōu)路徑選擇相結(jié)合的綜合地圖匹配算法［14］，章威提出了浮動(dòng)車地圖匹配模型族的解決方案，設(shè)計(jì)了浮動(dòng)車數(shù)據(jù)地圖匹配算法體系［15］。在行程速度估計(jì)研究方面，QuirogaCesarA提出了行程速度積分計(jì)算方法［16］，董均宇建立了GPS浮動(dòng)車路段平均速度估計(jì)的數(shù)據(jù)融合模型［17］，章威在對(duì)平均速度和平均通過時(shí)間算法誤差分析的基礎(chǔ)上，提出了基于浮動(dòng)車技術(shù)的目標(biāo)路段行車速度估計(jì)算法［18］。行程時(shí)間預(yù)測(cè)目前廣泛應(yīng)用的行程時(shí)間預(yù)測(cè)模型包括:歷史平均模型、ARIMA模型、卡爾曼濾波模型、神經(jīng)網(wǎng)絡(luò)模型和非參數(shù)回歸模型等［19］。例如:動(dòng)態(tài)路徑誘導(dǎo)系統(tǒng)中使用歷史平均模型對(duì)行程時(shí)間進(jìn)行預(yù)測(cè)，文獻(xiàn)［20］中使用ARIMA模型對(duì)城市主干道的行程時(shí)間進(jìn)行預(yù)測(cè)，朱中在文獻(xiàn)［21］中使用卡爾曼濾波理論對(duì)行程時(shí)間進(jìn)行預(yù)測(cè)，楊兆升在文獻(xiàn)［22］中建立了基于BP神經(jīng)網(wǎng)絡(luò)的行程時(shí)間預(yù)測(cè)模型，朱耿先在文獻(xiàn)［23］中使用RBF神經(jīng)網(wǎng)絡(luò)對(duì)行程時(shí)間進(jìn)行預(yù)測(cè)。對(duì)于短時(shí)交通流預(yù)測(cè)，根據(jù)理論基礎(chǔ)的不同，可以將預(yù)測(cè)方法分為2大類:統(tǒng)計(jì)預(yù)測(cè)方法和人工智能方法［24］。統(tǒng)計(jì)預(yù)測(cè)方法又可以分為回歸分析預(yù)測(cè)、時(shí)間序列預(yù)測(cè)以及概率預(yù)測(cè)等。它們均嘗試把交通流參數(shù)看成一個(gè)時(shí)間變量，從而找到這一時(shí)間序列中隱含的統(tǒng)計(jì)規(guī)律或關(guān)系。這些方法比較成熟、算法簡(jiǎn)單、速度快，但是過分依賴于用數(shù)學(xué)模型來刻畫交通流特征或者需要很強(qiáng)的經(jīng)驗(yàn)判斷，這將直接影響到這類方法的有效性和預(yù)測(cè)精度。另外，傳統(tǒng)統(tǒng)計(jì)學(xué)研究的是樣本數(shù)目逼近無窮大的漸進(jìn)理論，當(dāng)樣本數(shù)目有限時(shí)就難以取得理想的效果，因此很難適應(yīng)目前復(fù)雜多變的交通狀況。由于受到這些條件的制約，采用統(tǒng)計(jì)預(yù)測(cè)方法進(jìn)行短時(shí)交通流預(yù)測(cè)的效果并不理想［25］。人工智能方法中的典型代表就是神經(jīng)網(wǎng)絡(luò)方法。神經(jīng)網(wǎng)絡(luò)憑借其逼近任意非線性函數(shù)的能力和所具有的容錯(cuò)、自學(xué)習(xí)等優(yōu)點(diǎn)，已被國內(nèi)外學(xué)者用于建立交通流量預(yù)測(cè)模型，并取得了不少有效的研究成果［26－28］。雖然神經(jīng)網(wǎng)絡(luò)能夠根據(jù)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練和經(jīng)驗(yàn)積累，具有自適應(yīng)能力的優(yōu)點(diǎn)，但是它得到的結(jié)果是基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的，需要有足夠大的樣本數(shù)據(jù)數(shù)量，可能還會(huì)出現(xiàn)過學(xué)習(xí)問題以及求得局部極小解的問題［29］。這些不足，使神經(jīng)網(wǎng)絡(luò)在交通流量預(yù)測(cè)中的應(yīng)用效果不如期望的那樣好，對(duì)于非平穩(wěn)的短時(shí)交通流，當(dāng)輸入信號(hào)中混有噪聲時(shí)，神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的精度更差［30］。由Vapnik等提出支持向量機(jī)(SupportVectorMachines，SVM)的機(jī)器學(xué)習(xí)算法［31］，與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法相比，實(shí)現(xiàn)了結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理(StructureRiskMinimization，SRM)，它同時(shí)最小化經(jīng)驗(yàn)風(fēng)險(xiǎn)和VC維(Vapnik－ChervonenkisDimension)的界，這就取得了較小的實(shí)際風(fēng)險(xiǎn)，從而對(duì)未來的樣本有較好的泛化性能。SVM能夠有效解決小樣本、非線性等回歸問題，泛化能力強(qiáng)，并能找到全局最優(yōu)解，克服了神經(jīng)網(wǎng)絡(luò)局部極值的難題［32－33］。路徑規(guī)劃最優(yōu)路徑規(guī)劃是交通出行信息服務(wù)平臺(tái)提供信息服務(wù)的重要內(nèi)容之一。在國內(nèi)外，有大量的關(guān)于路徑規(guī)劃算法的研究，常見的路徑規(guī)劃算法主要有Dijkstra算法，Bellman－Ford算法、Floyd算法、啟發(fā)式搜索算法、A*算法等。還有很多為車輛導(dǎo)航而改進(jìn)的算法，如K最短路徑算法、遺傳算法、蟻群算法和神經(jīng)網(wǎng)絡(luò)算法等［34－35］。為了改進(jìn)算法的性能和提高算法的適用性，很多學(xué)者對(duì)相關(guān)問題進(jìn)行了系統(tǒng)和深入的研究。陸峰從問題類型、網(wǎng)絡(luò)類型和實(shí)現(xiàn)方法3方面對(duì)最短路徑算法進(jìn)行了系統(tǒng)的分類［36］;張可提出了基于路阻函數(shù)模型和信號(hào)交叉口延誤模型，標(biāo)定以出行時(shí)間度量的道路權(quán)重的方法體系，以及適合車輛導(dǎo)航的路徑優(yōu)化推薦算法［37］，鄭年波根據(jù)對(duì)偶圖思想，定義搜索節(jié)點(diǎn)結(jié)構(gòu)，處理交叉口轉(zhuǎn)向限制和延誤，并提出了基于搜索節(jié)點(diǎn)的雙向啟發(fā)式A*算法［38］。Car＆Frank提出了基于層次空間推理的交通網(wǎng)絡(luò)行車最優(yōu)路徑算法［39］。陸峰、付夢(mèng)印、李清泉、吳一民等人也對(duì)分層路徑規(guī)劃算法進(jìn)行了深入研究，提出了切實(shí)可行的推理規(guī)則和算法，并開展了相關(guān)的實(shí)驗(yàn)驗(yàn)證［40－43］。目前，還有一種研究趨勢(shì)是利用從移動(dòng)對(duì)象軌跡數(shù)據(jù)中挖掘出的“熱點(diǎn)路徑”來輔助路網(wǎng)分層，從而提高層次路徑規(guī)劃的合理性和可用性［44－45］。對(duì)于動(dòng)態(tài)路徑規(guī)劃，蘇永云和晏克非建立了路段動(dòng)態(tài)行程時(shí)間計(jì)算模型，并運(yùn)用到動(dòng)態(tài)最短路徑改進(jìn)A*算法中［46－47］。

交通信息技術(shù)發(fā)展現(xiàn)狀

交通信息技術(shù)常常被研究者所忽視，國內(nèi)相關(guān)的研究不多，工程實(shí)踐中也缺乏可行的標(biāo)準(zhǔn)指導(dǎo)。交通信息技術(shù)的研究側(cè)重包括信息方式和內(nèi)容的選擇與設(shè)計(jì)、信息子系統(tǒng)架構(gòu)、交通信息協(xié)議和用于交通信息的移動(dòng)通信技術(shù)。交通信息方式提供信息服務(wù)的方式和載體有:交通信息咨詢服務(wù)熱線電話、交通信息服務(wù)網(wǎng)站查詢、電子信箱定制、移動(dòng)通信短信息定制或點(diǎn)播、觸摸屏終端查詢、靜態(tài)指示牌、電子情報(bào)板、交通信息廣播電臺(tái)、車載智能交互顯示終端、路側(cè)廣播系統(tǒng)等。通常，由于公眾出行信息服務(wù)平臺(tái)服務(wù)對(duì)象的廣泛性和服務(wù)內(nèi)容的多樣性，需要多種信息方式綜合以達(dá)到最佳效果。交通信息協(xié)議目前，面向移動(dòng)終端的交通信息協(xié)議在國際上主要有3個(gè):TMC、TPEG和VICS。TPEG是TMC未來的替布協(xié)議，VICS則是日本VICS系統(tǒng)應(yīng)用的協(xié)議［6］。我國的RDS-TMC標(biāo)準(zhǔn)是在參考國際標(biāo)準(zhǔn)中的ISO14189-1/14189-2/14189-3的基礎(chǔ)上，結(jié)合我國特點(diǎn)，于2006年11月正式［48］。但目前沒有配套全國統(tǒng)一的位置表(LocationTable)，因此，使用企業(yè)內(nèi)部信息標(biāo)準(zhǔn)，是各交通信息服務(wù)商的現(xiàn)實(shí)選擇，如文獻(xiàn)［6］中提出的基于LINK的面向移動(dòng)終端的交通信息協(xié)議。交通信息的無線通信技術(shù)對(duì)移動(dòng)終端實(shí)時(shí)交通信息，必須使用無線數(shù)據(jù)通道，目前可選擇的無線通信技術(shù)主要包括:調(diào)頻多工數(shù)據(jù)系統(tǒng)(RDS、DARC)、數(shù)字廣播(DAB、CMMB)、蜂窩網(wǎng)絡(luò)(2G、2.75G、3G)、專用短程通信(DSRC)。目前國內(nèi)已建成的WiFi/WLAN和WiMAX網(wǎng)絡(luò)由于城市覆蓋范圍小、沒有規(guī)模商用、建成該網(wǎng)絡(luò)的城市不多等因素，還難以使用于交通信息［6］。(1)RDS廣播數(shù)據(jù)系統(tǒng)(RDS)由歐洲廣播聯(lián)盟組織開發(fā)，數(shù)據(jù)傳輸速率為1.2kbps左右。RDS數(shù)據(jù)內(nèi)容可以包括電臺(tái)類型、節(jié)目類型、交通公告、廣告信息、標(biāo)準(zhǔn)時(shí)間、天氣預(yù)報(bào)等，同時(shí)提供了開放式數(shù)據(jù)接口，為特殊要求用戶提供數(shù)據(jù)文本應(yīng)用通道。(2)DARC日本廣播協(xié)會(huì)(NHK)開發(fā)的DARC數(shù)據(jù)傳輸速率為16kbps，能夠和RDS兼容。VICS系統(tǒng)就是采用DARC完成中心向車載移動(dòng)接收設(shè)備的信息傳輸。RDS和DARC成本低廉、技術(shù)成熟、覆蓋范圍廣，且不干擾音頻廣播，目前國內(nèi)部分城市利用RDS和DARC技術(shù)路況信息，終端設(shè)備通過嵌入式的FM副載波接收芯片獲取路況信息并實(shí)現(xiàn)動(dòng)態(tài)導(dǎo)航過程。(3)DAB數(shù)字音頻廣播(DAB)是繼調(diào)幅、調(diào)頻廣播之后的第3代廣播，具有接收質(zhì)量高、抗干擾性能強(qiáng)、發(fā)射功率小、覆蓋面積大、頻譜利用率高、適合高速移動(dòng)接收等特點(diǎn)，其數(shù)據(jù)帶寬為1.2Mbps。DAB目前已在國內(nèi)部分城市投入商用，路況、新聞、電視與數(shù)字廣播等地方性信息服務(wù)，相關(guān)導(dǎo)航產(chǎn)品也已面世。(4)CMMB中國移動(dòng)多媒體廣播CMMB是國內(nèi)自主研發(fā)的第一套面向多種移動(dòng)終端的數(shù)據(jù)廣播系統(tǒng)，速率范圍在2.7～12Mbps，可以通過無線廣播電視覆蓋網(wǎng)，向各種小屏幕便攜終端提供數(shù)字廣播電視節(jié)目和信息服務(wù)，在2008北京奧運(yùn)會(huì)前開始提供服務(wù)，目前已覆蓋全國大部分主要城市和地級(jí)市。早在2006年，國家廣電總局就已對(duì)CMMB和DAB進(jìn)行了區(qū)別定位和明確劃分:CMMB通過衛(wèi)星實(shí)現(xiàn)全國統(tǒng)一覆蓋，由單一運(yùn)營(yíng)商運(yùn)營(yíng);DAB側(cè)重本地多媒體業(yè)務(wù)，由地方不同的運(yùn)營(yíng)商分別運(yùn)營(yíng)。(5)蜂窩網(wǎng)絡(luò)蜂窩網(wǎng)絡(luò)是目前最常用的交通信息的通信通道，常用技術(shù)包括2.5、2.75G和3G。2.5G是在GSM基礎(chǔ)上添加了GPRS(傳輸速率115.2kbps);2.75G是在GSM基礎(chǔ)上添加了EDGE(傳輸速率384Kbps)，可以說是從2G到3G的最后過渡階段，在CDMA基礎(chǔ)上發(fā)展起來的CDMA1X(傳輸速率153.6kbps)也稱為2.75G技術(shù);3G就是TD－SCDMA(傳輸速率2.8Mbps)、CDMA2000EVDO(傳輸速率3.1Mbps)、WCDMA(傳輸速率14.4Mbps)這些更加高速的網(wǎng)絡(luò)。2011年，我國移動(dòng)通信用戶已經(jīng)超過8.6億，3大運(yùn)營(yíng)商2011年凈利潤(rùn)突破1200億。作為移動(dòng)通信增值服務(wù)的出行信息服務(wù)具有巨大的市場(chǎng)發(fā)展?jié)摿Α?6)DSRC專用短程通信(DSRC)技術(shù)是ITS的基礎(chǔ)之一，傳輸速率為250～500kbps，能夠提供高速的數(shù)據(jù)傳輸，是專門用于車輛通信的技術(shù)，它負(fù)責(zé)在車－路以及車－車之間建立信息雙向傳輸。

交通信息服務(wù)質(zhì)量評(píng)價(jià)研究現(xiàn)狀

科學(xué)的交通出行信息質(zhì)量評(píng)價(jià)是評(píng)估交通出行信息是否滿足公眾需求的重要手段。目前我國對(duì)交通信息質(zhì)量的評(píng)價(jià)體系的研究還很少。美國ITS協(xié)會(huì)于1999年召開了一個(gè)關(guān)于ATIS數(shù)據(jù)質(zhì)量的研討會(huì)，并了一份報(bào)告，該報(bào)告提出了關(guān)于檢測(cè)器數(shù)據(jù)、交通事件、圖像和氣象檢測(cè)器數(shù)據(jù)的質(zhì)量評(píng)估準(zhǔn)則。美國聯(lián)邦公路管理局于2003年了一份關(guān)于ATIS系統(tǒng)中的行程時(shí)間質(zhì)量評(píng)估報(bào)告，在該報(bào)告中定義了行程時(shí)間的評(píng)估內(nèi)容及評(píng)估方法。2004年，美國聯(lián)邦公路管理局了“交通數(shù)據(jù)質(zhì)量評(píng)估報(bào)告”，在該報(bào)告中，介紹了交通信息質(zhì)量的評(píng)估框架和準(zhǔn)則，這些準(zhǔn)則針對(duì)不同信息使用用戶和使用環(huán)境。但在這些文獻(xiàn)有一些缺陷，評(píng)價(jià)要素(交通參數(shù))不全面或評(píng)價(jià)指標(biāo)不全面，而且也沒有多指標(biāo)的綜合評(píng)價(jià)方法，不能對(duì)交通信息質(zhì)量進(jìn)行綜合評(píng)價(jià)。我國交通信息質(zhì)量標(biāo)準(zhǔn)尚未，各服務(wù)機(jī)構(gòu)尚未以統(tǒng)一的質(zhì)量標(biāo)準(zhǔn)提供信息，這在一定程度上影響了人們對(duì)交通信息的使用［49］。因此，迫切需要形成一個(gè)完整的交通信息質(zhì)量評(píng)價(jià)體系，為制定國家交通信息質(zhì)量標(biāo)準(zhǔn)提供理論依據(jù)和數(shù)據(jù)支撐。

研究展望

交通信息系統(tǒng)在國外的商業(yè)化服務(wù)已經(jīng)比較成熟，而國內(nèi)才剛剛起步，成熟的商業(yè)化服務(wù)還比較少。國外在交通信息服務(wù)的數(shù)據(jù)采集、數(shù)據(jù)處理和數(shù)據(jù)3個(gè)環(huán)節(jié)上形成了完善的技術(shù)體系，而國內(nèi)的理論體系初步形成，還不夠完善，能夠與工程實(shí)踐相結(jié)合的研究并不多。未來的研究，我們需借鑒國外交通出行信息服務(wù)平臺(tái)的研究和建設(shè)經(jīng)驗(yàn)，完善相關(guān)的理論體系，研究和解決工程建設(shè)中的實(shí)際問題，未來研究的重點(diǎn)應(yīng)放在:(1)針對(duì)交通歷史數(shù)據(jù)的數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù)交通出行信息服務(wù)平臺(tái)中的數(shù)據(jù)倉庫中存放著海量的各種粒度的交通歷史數(shù)據(jù)，通過數(shù)據(jù)挖掘和深層次分析，可以得到非常有價(jià)值的信息，用于交通決策支持、趨勢(shì)分析等，因此應(yīng)該對(duì)數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在交通出行信息服務(wù)平臺(tái)中的應(yīng)用進(jìn)行研究。(2)行程時(shí)間預(yù)測(cè)算法的優(yōu)化行程時(shí)間預(yù)測(cè)算法的計(jì)算效率和計(jì)算精度還有很大的優(yōu)化空間，例如結(jié)合歷史數(shù)據(jù)，探索多模型融合預(yù)測(cè)方法提高預(yù)測(cè)精度;將固定檢測(cè)器數(shù)據(jù)，模型計(jì)算結(jié)果和浮動(dòng)車數(shù)據(jù)等進(jìn)行融合，提高預(yù)測(cè)精度;對(duì)算法本身研究改進(jìn)策略，使算法的訓(xùn)練和預(yù)測(cè)能夠滿足實(shí)時(shí)性應(yīng)用的需求。(3)出行者對(duì)交通信息響應(yīng)行為研究由于預(yù)測(cè)信息的對(duì)交通參與者出行行為的影響，反作用于交通流本身，使交通流向偏離預(yù)測(cè)結(jié)果的方向發(fā)展，從而使交通流預(yù)測(cè)結(jié)果部分失效。解決這類循環(huán)作用問題的方法，目前比較認(rèn)可的是采用計(jì)量經(jīng)濟(jì)學(xué)中的離散選擇模型，研究出行者對(duì)實(shí)時(shí)交通信息的響應(yīng)和行為過程，目前此方向的研究成果還沒有達(dá)到實(shí)用程度。(4)多模式條件下動(dòng)態(tài)交通路徑規(guī)劃問題研究公眾出行路徑選擇通常是多種交通模式組合優(yōu)化的過程，目前還沒有適用于多模式環(huán)境下的出行路徑動(dòng)態(tài)規(guī)劃算法。另外，交通管制、交通事件等動(dòng)態(tài)信息造成的路徑連通關(guān)系的動(dòng)態(tài)變化，如何在動(dòng)態(tài)路徑規(guī)劃算法中體現(xiàn)也是未來研究的難點(diǎn)。(5)交通信息質(zhì)量評(píng)價(jià)體系研究信息質(zhì)量標(biāo)準(zhǔn)的合理范圍既要考慮成本又要滿足用戶需求，另外，合理的交通信息質(zhì)量評(píng)價(jià)參數(shù)和評(píng)價(jià)指標(biāo)的選取、評(píng)價(jià)指標(biāo)計(jì)算方法、交通信息質(zhì)量評(píng)價(jià)方法都是交通信息質(zhì)量評(píng)價(jià)體系研究的重要內(nèi)容，最終目標(biāo)是形成適用于我國的、量化的交通信息質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)。