智慧交通系统可以显著改善交通运行效率，降低事故发生率并减少能源消耗。因此，随着物联网技术及车联网技术的快速发展和广泛应用，智慧交通系统的理论研究和实际部署受到了学术界和工业界的高度关注。作为实现智慧交通系统的核心技术，车路协同的研究和示范已经成为了未来世界各国在交通领域的战略制高点。车路协同的研究和示范是未来世界各国在交通领域的战略制高点。面向我国车路协同系统中交通数据感知难、异构网络数据传输难、多源大数据分析难、交通智能管控决策难等核心挑战，本书作者在总结国内外车路协同体系架构的基础上，对交通数据感知技术、V2X通信技术、大数据分析技术、智能管控技术等车路协同关键使能技术及其应用进行讨论。本书提出的方法、理论和技术将为推动车路协同技术的发展和落地示范应用提供技术参考。

李长乐，西安电子科技大学教授，博士生导师，车联网国际合作联合实验室主任，国际电气电子工程师学会(IEEE)高级会员。2005年6月毕业于西安电子科技大学通信与信息系统专业，取得工学博士学位，毕业后留校任教，在综合业务网理论及关键技术(ISN)国家重点实验室工作至今。曾于2006年至2009年分别在加拿大蒙克顿大学和日本国家信息通信技术研究院(NICT)进行无线通信领域的博士后研究工作。入选西安电子科技大学首届“优秀青年教师支持计划”，被评为2009年度优秀留学回国人员并获得留学回国人员创新基金资助，并作为主要成员参加陕西省首批三秦学者团队。
长期从事无线通信网络技术方面的研究工作，在相关领域期刊及国际会议发表学术论文逾百篇，刊出专书章节(Book Chapter)两章。申请国家发明专利逾30项以及日本专利2项、美国专利2项。主持科研项目多项，包括国家自然科学基金项目3项、教育部留学回国人员科研启动基金项目以及与企业、研究所技术合作项目多项，参加国家科技重大专项项目4项。参与完成的科研成果分别于2006年、2013年获得陕西省科学技术奖一等奖。
西安电子科技大学“先进交通技术”团队负责人，带领团队与业界合作成立先进交通技术联合实验室及专业型硕士研究生创新实践基地，并依托ISN国家重点实验室与国外高校、跨国企业联合建立“车联网国际合作联合实验室”，致力于为现代社会智能交通系统提供技术支持和解决方案。

第1章 绪论
1.1 国内外车路协同现状
1.1.1 国外研究现状
1.1.2 国内研究现状
1.2 车路协同应用场景
1.2.1 交通安全预警场景
1.2.2 交通信号灯场景
1.2.3 公交运营管理场景
1.2.4 自动驾驶场景
1.3 车路协同体系架构
1.3.1 美国
1.3.2 欧盟
1.3.3 日本
1.3.4 中国
1.4 车路协同感知技术
1.4.1 传感器概述
1.4.2 传感器融合
1.5 V2X通信技术
1.5.1 V2X概述
1.5.2 技术分类及演进
1.6 大数据分析技术
1.6.1 交通大数据战略
1.6.2 大数据分析技术
1.6.3 交通大数据应用
1.7 智能管控技术
本章参考文献
第2章 物联网感知技术
2.1 行人检测
2.1.1 引言
2.1.2 研究现状
2.1.3 多传感器数据融合
2.1.4 行人检测系统集成与构建
2.1.5 基于多传感器数据融合的行人检测算法
2.1.6 实验结果与分析
2.2 基于微波的车辆检测
2.2.1 引言
2.2.2 研究现状
2.2.3 车辆检测基础理论及系统设计
2.2.4 微波传感器原理及车辆数据采集分析
2.2.5 双检测模块协作式车辆检测算法
2.2.6 实验结果与分析
2.3 基于地磁的车流检测
2.3.1 引言
2.3.2 研究现状
2.3.3 地磁车辆检测原理及其系统设计
2.3.4 地磁车辆检测算法
2.3.5 实验结果与分析
2.4 道路健康检测
2.4.1 引言
2.4.2 研究现状
2.4.3 振动传感器道路健康检测架构
2.4.4 道路裂缝检测算法
2.4.5 实验结果与分析
本章参考文献
第3章 V2X通信技术
3.1 V2X通信技术及应用场景
3.1.1 V2X通信技术
3.1.2 车路协同技术应用
3.2 V2V
3.2.1 引言
3.2.2 研究现状
3.2.3 系统模型
3.2.4 网络性能分析
3.2.5 仿真结果与分析
3.3 V2I
3.3.1 引言
3.3.2 研究现状
3.3.3 系统模型
3.3.4 基于拍卖博弈的卸载机制
3.3.5 基于拥塞博弈的卸载机制
3.3.6 卸载潜力预测
3.3.7 仿真结果与分析
3.4 案例分析—车辆碰撞避免
3.4.1 应用V2V的追尾事故分级预警
3.4.2 应用V2I的交叉路口碰撞避免
本章参考文献
第4章 大数据分析技术
4.1 大数据分析技术及应用场景
4.1.1 大数据信息采集
4.1.2 大数据分析平台
4.1.3 大数据分析特征
4.1.4 大数据技术变革
4.2 应用实例——城市交通瓶颈识别
4.2.1 交通瓶颈识别技术
4.2.2 拥塞传播图及*大生成树
4.2.3 交通瓶颈识别
4.2.4 仿真结果与分析
4.3 应用实例——交通拥塞成因分析
4.3.1 拥塞传播
4.3.2 因果拥塞树
4.3.3 拥塞成因识别
4.3.4 交通拥塞成因预测方法
4.3.5 仿真结果与分析
本章参考文献
第5章 智能管控技术
5.1 智能管控技术及应用场景
5.1.1 智能管控技术
5.1.2 智能管控尺度
5.1.3 智能管控方式
5.1.4 智能管控事件
5.1.5 智能管控交通场景
5.2 宏观管控分析
5.2.1 交通运行管理
5.2.2 特殊事件交通管理
5.2.3 单路口交通信号控制
5.2.4 干线交叉口信号联动控制
5.2.5 区域交通信号控制
5.3 微观管控分析
5.3.1 车辆行为决策
5.3.2 车辆控制决策
5.4 智能管控案例
5.4.1 宏观控制案例
5.4.2 微观控制案例
本章参考文献
第6章 未来展望
6.1 车路协同发展
6.2 关键使能技术
本章参考文献