物聯(lián)網(wǎng)智能交通擁堵判別算法的研究與實(shí)現(xiàn)

摘要：針對(duì)城市道路交叉口的常發(fā)性交通擁堵現(xiàn)象，依據(jù)RFID檢測(cè)系統(tǒng)的特點(diǎn)，提出了一種基于物聯(lián)網(wǎng)前端信息采集技術(shù)的交通流檢測(cè)方法。并且對(duì)城市道路交叉口采集到的交通流量相對(duì)增量、車(chē)輛的時(shí)間占有率相對(duì)增量以及地點(diǎn)平均車(chē)速等信息進(jìn)行了對(duì)比性分析和統(tǒng)計(jì)推導(dǎo)，從理論上論證了交通擁擠產(chǎn)生時(shí)的交通流特點(diǎn)，然后以此為基礎(chǔ)給出了交通擁擠事件出現(xiàn)時(shí)的判別準(zhǔn)則，構(gòu)造出相應(yīng)的擁擠檢測(cè)指標(biāo)及判別算法。最后利用Matlab編程再結(jié)合實(shí)際交通測(cè)量數(shù)據(jù)驗(yàn)證了算法的正確性。
關(guān)鍵詞：RFID檢測(cè)；交通流參數(shù)；流量相對(duì)增量；時(shí)間占有率相對(duì)增量；地點(diǎn)平均車(chē)速；檢測(cè)算法

無(wú)線(xiàn)射頻識(shí)別技術(shù)(RFID)是一項(xiàng)非接觸式自動(dòng)識(shí)別技術(shù)，具有信息量大，抗干擾能力強(qiáng)，操作快捷等許多優(yōu)點(diǎn)。特別是RFID技術(shù)在高速運(yùn)動(dòng)物體識(shí)別、多目標(biāo)識(shí)別和非接觸識(shí)別等方面具有優(yōu)勢(shì)，使其在很多領(lǐng)域都有巨大的發(fā)展?jié)摿?，因此把RFID技術(shù)應(yīng)用來(lái)針對(duì)局部區(qū)域的交通智能化而形成“車(chē)聯(lián)網(wǎng)”具有很高的可行性。目前，對(duì)交通擁擠事件自動(dòng)檢測(cè)算法的研究相對(duì)較少，仍然處于初始階段，并且利用RFID采集交通參數(shù)來(lái)判定交通擁堵的案例更是少之又少。在中國(guó)普遍采用的城市道路交通擁擠自動(dòng)檢測(cè)算法主要是以路段上地感線(xiàn)圈檢測(cè)車(chē)流速度的降低、道路占有率的增加以及擁擠車(chē)流的存在為依據(jù)。算法依據(jù)實(shí)際路網(wǎng)的通行能力，設(shè)定流量和占有率的極限值來(lái)劃分交通是否處于擁擠狀態(tài)。但是此種方法采集的交通信息過(guò)于單一化，只能采集交通流信息，對(duì)于車(chē)輛的具體信息必須通過(guò)輔助設(shè)備才能獲取，增加了成本，而且安裝時(shí)需要破壞路面，影響道路使用壽命。筆者針對(duì)物聯(lián)網(wǎng)與智能交通相結(jié)合的需求，提出一套基于RFID的交通流檢測(cè)方法，并根據(jù)揚(yáng)州市城市道路建設(shè)規(guī)模以及揚(yáng)州市各路口與路段統(tǒng)計(jì)的車(chē)流量特點(diǎn)，對(duì)揚(yáng)州市道路擁擠行為的特征變量進(jìn)行了深入的分析，以RFID設(shè)備采集到的流量相對(duì)增量、占有率相對(duì)增量以及地點(diǎn)平均車(chē)速這3個(gè)重要的指標(biāo)為基礎(chǔ)，通過(guò)理論推導(dǎo)和統(tǒng)計(jì)分析，構(gòu)造出擁擠自動(dòng)檢測(cè)算法，為交通管理部門(mén)提供決策依據(jù)。

1 交通擁擠檢測(cè)模型的建立
1．1 交通流參數(shù)的選取
道路交通參數(shù)是交通擁擠狀態(tài)自動(dòng)判別的基礎(chǔ)，為了使交通擁擠自動(dòng)判別具有良好的效果，選擇的參數(shù)應(yīng)該具有直觀(guān)和可靠的特點(diǎn)。應(yīng)使采用這些參數(shù)的算法具有較強(qiáng)的有效性和可移植性。目前，車(chē)輛行駛速度、車(chē)流量和占有率是評(píng)價(jià)交通狀態(tài)最常用的3個(gè)交通參數(shù)。因此筆者綜合采用車(chē)輛占有率、流量和速度3個(gè)參數(shù)作為交通擁擠自動(dòng)判別的參數(shù)。這里的車(chē)輛占有率主要是車(chē)輛的時(shí)間占有率，指在一定的觀(guān)測(cè)時(shí)間內(nèi)，交通檢測(cè)器被車(chē)輛占用的時(shí)間總和與觀(guān)測(cè)時(shí)間長(zhǎng)度的比值。
1．2 交通流參數(shù)數(shù)據(jù)采集處理的基本原理
文中采用RFID數(shù)據(jù)采集系統(tǒng)作為交通流參數(shù)數(shù)據(jù)采集前端。其由3部分組成：電子標(biāo)簽，閱讀器和天線(xiàn)。
基于閱讀器可以遠(yuǎn)距離讀取，而且對(duì)高速運(yùn)動(dòng)的標(biāo)簽也能夠準(zhǔn)確捕獲的原因，在此筆者把其運(yùn)用到交通領(lǐng)域來(lái)采集車(chē)輛信息從而反映交通流信息。其采集原理是將射頻標(biāo)簽貼在汽車(chē)擋風(fēng)玻璃上，每個(gè)標(biāo)簽都是唯一的且對(duì)應(yīng)著特定戶(hù)主的車(chē)輛。標(biāo)簽中存儲(chǔ)汽車(chē)的身份信息，包括車(chē)輛型號(hào)、車(chē)牌號(hào)碼、車(chē)主姓名、車(chē)子有無(wú)注冊(cè)等信息。當(dāng)貼有射頻標(biāo)簽的汽車(chē)經(jīng)過(guò)閱讀器的輻射場(chǎng)時(shí)標(biāo)簽會(huì)產(chǎn)生感應(yīng)電流被激活，然后和閱讀器進(jìn)行無(wú)線(xiàn)通信，射頻標(biāo)簽將自身編碼等信息通過(guò)卡內(nèi)置發(fā)送天線(xiàn)發(fā)送出去，系統(tǒng)接收天線(xiàn)接收到從射頻卡發(fā)送來(lái)的載波信號(hào)，經(jīng)天線(xiàn)調(diào)節(jié)器傳送到閱讀器，然后閱讀器把讀取的數(shù)據(jù)傳輸?shù)接?jì)算機(jī)數(shù)據(jù)處理系統(tǒng)進(jìn)行處理。因此每輛車(chē)經(jīng)過(guò)閱讀器的RF場(chǎng)時(shí)標(biāo)簽被讀取的次數(shù)、時(shí)間、場(chǎng)強(qiáng)及車(chē)輛的基本信息都被閱讀器記錄可供交通部門(mén)分析。具體的采集方式如圖1所示。

來(lái)表示。為了降低誤判率，則路口發(fā)生交通擁擠事件的必要條件是：
1)A處閱讀器在連續(xù)3個(gè)周期內(nèi)檢測(cè)出地點(diǎn)平均車(chē)速均小于30 km／h，或者A處閱讀器在連續(xù)2個(gè)檢測(cè)周期內(nèi)檢測(cè)出占有牢相對(duì)增量均大于流量相對(duì)增量，并且地點(diǎn)平均車(chē)速在此兩個(gè)周期內(nèi)的值均低于30 km／h。此時(shí)可以判定路口嚴(yán)重交通擁擠事件發(fā)生。
2)A處閱讀器在連續(xù)2個(gè)周期內(nèi)檢測(cè)出地點(diǎn)平均車(chē)速均小于30 km／h，并且占有率相對(duì)增量大于流量相對(duì)增量的時(shí)間段不連續(xù)，此時(shí)可以判定路口一般性交通擁擠事件發(fā)生。
3)A處閱讀器只在一個(gè)周期內(nèi)檢測(cè)到地點(diǎn)平均車(chē)速小于30 km／h，并且此周期的占有率相對(duì)增量大干流量相對(duì)增量，此時(shí)可以判定路口輕度交通擁擠事件發(fā)生。
2．2 交通擁擠檢測(cè)算法的邏輯框圖
首先定義圖4框圖算法中的參數(shù)：QA(j)為閱讀器A處第j個(gè)周期內(nèi)檢測(cè)到的流量值；CA(j)為閱讀器A處第j個(gè)周期內(nèi)檢測(cè)到的占有率；為閱讀器A處第j個(gè)周期檢測(cè)到的地點(diǎn)平均車(chē)速；△QA(j)為閱讀器A處第j個(gè)周期內(nèi)的流量相對(duì)增量，△CA(j)為第j個(gè)周期內(nèi)的占有率相對(duì)增量；v0為根據(jù)路口實(shí)際情況設(shè)定的速度閾值30 km／h；M(j)為占有率相對(duì)增量與流量相對(duì)增量相比較的計(jì)數(shù)值，P(j)為地點(diǎn)平均車(chē)速低于閾值的計(jì)數(shù)值。其中△QA(j)、△CA(j)的計(jì)算公式如下：

3 算例分析
以揚(yáng)州市文昌路與揚(yáng)子江路交叉口作為數(shù)據(jù)采集崗，并以距離停車(chē)線(xiàn)150 m的文昌中路上由西向東雙車(chē)道實(shí)際采集到的數(shù)據(jù)為例，運(yùn)用圖4的檢測(cè)算法把采集到的交通流數(shù)據(jù)導(dǎo)入Matlab編寫(xiě)的算法程序，對(duì)交通擁擠事件進(jìn)行判別。具體的計(jì)算流程如圖5所示。

現(xiàn)在取09：11～09：25內(nèi)分10個(gè)采樣周期的數(shù)據(jù)為例作表1分析。經(jīng)過(guò)算法計(jì)算得到10個(gè)采樣周期內(nèi)每個(gè)時(shí)間段的交通情況，按照算法流程得到判別指標(biāo)時(shí)序。

程序中的邏輯判斷部分代碼如下：


4 結(jié)論
文中方法以RFID采集的交通流數(shù)據(jù)為基礎(chǔ)，提出了一種新的交通流擁堵檢測(cè)判別算法，該方法可以為實(shí)時(shí)交通狀態(tài)自動(dòng)識(shí)別奠定一定的研究基礎(chǔ)，并且突破了傳統(tǒng)的交通流檢測(cè)模式，為物聯(lián)網(wǎng)引入智能交通提供可能性研究。隨著我國(guó)大力發(fā)展智能交通系統(tǒng)(ITS)，以及物聯(lián)網(wǎng)行業(yè)的蓬勃發(fā)展，物聯(lián)網(wǎng)與智能交通相結(jié)合是必然的趨勢(shì)。因此RFID作為物聯(lián)網(wǎng)的信息采集前端用于智能交通必定有廣闊的應(yīng)用前景。