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、車輛的時(shí)間占有率相對(duì)增量以及地點(diǎn)平均車速等信息進(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)平均車速；檢測(cè)算法

    無線射頻識(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)用來針對(duì)局部區(qū)域的交通智能化而形成“車聯(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)來判定交通擁堵的案例更是少之又少。在中國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圈檢測(cè)車流速度的降低、道路占有率的增加以及擁擠車流的存在為依據(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于單一化，只能采集交通流信息，對(duì)于車輛的具體信息必須通過輔助設(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)平均車速這3個(gè)重要的指標(biāo)為基礎(chǔ)，通過理論推導(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，車輛行駛速度、車流量和占有率是評(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)。這里的車輛占有率主要是車輛的時(shí)間占有率，指在一定的觀測(cè)時(shí)間內(nèi)，交通檢測(cè)器被車輛占用的時(shí)間總和與觀測(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。
    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)域來采集車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)著特定戶主的車輛。標(biāo)簽中存儲(chǔ)汽車的身份信息，包括車輛型號(hào)、車牌號(hào)碼、車主姓名、車子有無注冊(cè)等信息。當(dāng)貼有射頻標(biāo)簽的汽車經(jīng)過閱讀器的輻射場(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)行無線通信，射頻標(biāo)簽將自身編碼等信息通過卡內(nèi)置發(fā)送天線發(fā)送出去，系統(tǒng)接收天線接收到從射頻卡發(fā)送來的載波信號(hào)，經(jīng)天線調(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。因此每輛車經(jīng)過閱讀器的RF場(chǎng)時(shí)標(biāo)簽被讀取的次數(shù)、時(shí)間、場(chǎng)強(qiáng)及車輛的基本信息都被閱讀器記錄可供交通部門分析。具體的采集方式如圖1所示。

    如圖2所示，在實(shí)際安裝應(yīng)用中，每個(gè)閱讀器安裝完成后會(huì)形成一個(gè)固定長(zhǎng)度L的RF場(chǎng)，閱讀器距離地面的垂直高度為H。為了便于分析，文中需要提取每輛車經(jīng)過閱讀器RF場(chǎng)時(shí)標(biāo)簽被掃描到的次數(shù)、標(biāo)簽被掃描時(shí)系統(tǒng)記錄的時(shí)間以及對(duì)應(yīng)場(chǎng)強(qiáng)值RSSI，閱讀器的閱讀周期可以設(shè)定為T，即每隔T時(shí)間掃描一次。系統(tǒng)設(shè)定統(tǒng)計(jì)時(shí)間周期為t，即每隔時(shí)間t進(jìn)行一次數(shù)據(jù)采樣。根據(jù)車輛行駛的特征以及RF場(chǎng)長(zhǎng)度相對(duì)于行程路程較短的特點(diǎn)，可以假定每輛車經(jīng)過RF場(chǎng)時(shí)是平行車道運(yùn)動(dòng)的。

    假設(shè)在第j個(gè)時(shí)間周期ti內(nèi)有n輛車通過RF場(chǎng)，第i輛車經(jīng)過RF場(chǎng)時(shí)被檢測(cè)到的次數(shù)為Ni，標(biāo)簽被掃描的時(shí)刻記為tik(k=1，2，…，Ni)，對(duì)應(yīng)的場(chǎng)強(qiáng)值記為RSSIk(k=1，2．…，Ni)。根據(jù)文獻(xiàn)提出閱讀器接收到的場(chǎng)強(qiáng)值與距離關(guān)系的經(jīng)驗(yàn)公式：

    聯(lián)合公式(1)、(2)、(3)、(4)、(5)、(6)計(jì)算出某個(gè)周期的檢測(cè)點(diǎn)車流量，地點(diǎn)平均車速以及時(shí)間占有率，根據(jù)這些參數(shù)值并依據(jù)下文介紹的判別算法實(shí)現(xiàn)交叉路口交通流擁擠信息的判別。
1．3 交通流擁擠的判別準(zhǔn)則
    由于道路上交通流的復(fù)雜性，在路網(wǎng)中行進(jìn)的車流運(yùn)行狀態(tài)隨著時(shí)間的變化而時(shí)刻改變。在運(yùn)行行為上，可以用暢通，輕度擁擠，一般擁擠，嚴(yán)重?fù)頂D來描述。根據(jù)公安部交通部發(fā)布的《城市道路管理評(píng)價(jià)指標(biāo)體系》規(guī)定，城市路段的平均車速大于30 km／h時(shí)被視為暢通；平均車速在20～30 km／h之間時(shí)被視為輕度擁擠；平均車速在10～20 km／h之間時(shí)被視為一般性擁擠；平均車速在10 km／h以下時(shí)被視為嚴(yán)重?fù)頂D。還有文獻(xiàn)介紹車輛在信號(hào)燈控制的交叉路口，3次綠燈顯示未通過路口的狀態(tài)定義為擁堵路口。根據(jù)上述規(guī)定，并結(jié)合揚(yáng)州城市道路的規(guī)模，在如圖3所示的城市道路網(wǎng)中兩相鄰交叉口之間的路段上距離交叉口150 m的地方安裝RFID閱讀器，每個(gè)閱讀器附帶天線可以覆蓋整個(gè)車道的寬度范圍。一旦路口發(fā)生交通擁擠事件，則閱讀器A處的流量將減少，占有率將增加，速度也會(huì)減小。但是僅單個(gè)從流量或者占有率以及速度的增加、減少來對(duì)交通擁擠事件做出判斷，往往不能反映出擁擠過程的實(shí)質(zhì)。事實(shí)上，由于在單位時(shí)間內(nèi)檢測(cè)到的車輛數(shù)增加，如果車速保持不變，必然導(dǎo)致占有率的增長(zhǎng)，如果流量的相對(duì)增量大于占有率的相對(duì)增量，則可以判斷出路口車流在這一段時(shí)間內(nèi)處于消散狀態(tài)，反之可以判斷出車流處于擁擠形成狀態(tài)。

    假設(shè)交通流是不間斷的連續(xù)流，則交通流基本模型成立，即

    由(9)式可以看出，當(dāng)車流在正常運(yùn)行狀態(tài)下并且地點(diǎn)平均車速不變時(shí)，流量和占有率成正比，且變化率相等，流量的相對(duì)增量與占有率的相對(duì)增量近似關(guān)系可以用y=x直線表示。由此，可以得知在交通事件發(fā)生時(shí)：
    1)當(dāng)流量的相對(duì)增量大于占有率相對(duì)增量時(shí)，速度在變大，車流趨于暢通狀態(tài)。
    2)當(dāng)流量的相對(duì)增量小于占有率相對(duì)增量時(shí)，速度在減小，車流趨于擁擠狀態(tài)。

2 交通擁擠檢測(cè)算法
2．1 交通擁擠檢測(cè)算法的基本原理
    系統(tǒng)設(shè)定采樣周期為t，從t0開始統(tǒng)計(jì)，把總采樣時(shí)間劃分為若干個(gè)時(shí)間段，各個(gè)時(shí)間段都有相同的時(shí)間間隔t，劃分形式為[t0，t1]，[t1，t2]，[t2，t3]，…[tn-1，tn]…。設(shè)A處的閱讀器在第j個(gè)時(shí)間段內(nèi)檢測(cè)的流量和占有率分別用QA(j)和CA(j)來表示，地點(diǎn)平均車速用來表示。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，并以距離停車線150 m的文昌中路上由西向東雙車道實(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。