物聯(lián)網(wǎng)智能交通擁堵判別算法的研究與實現(xiàn)

摘要：針對城市道路交叉口的常發(fā)性交通擁堵現(xiàn)象，依據(jù)RFID檢測系統(tǒng)的特點，提出了一種基于物聯(lián)網(wǎng)前端信息采集技術的交通流檢測方法。并且對城市道路交叉口采集到的交通流量相對增量、車輛的時間占有率相對增量以及地點平均車速等信息進行了對比性分析和統(tǒng)計推導，從理論上論證了交通擁擠產(chǎn)生時的交通流特點，然后以此為基礎給出了交通擁擠事件出現(xiàn)時的判別準則，構造出相應的擁擠檢測指標及判別算法。最后利用Matlab編程再結(jié)合實際交通測量數(shù)據(jù)驗證了算法的正確性。
關鍵詞：RFID檢測；交通流參數(shù)；流量相對增量；時間占有率相對增量；地點平均車速；檢測算法

無線射頻識別技術(RFID)是一項非接觸式自動識別技術，具有信息量大，抗干擾能力強，操作快捷等許多優(yōu)點。特別是RFID技術在高速運動物體識別、多目標識別和非接觸識別等方面具有優(yōu)勢，使其在很多領域都有巨大的發(fā)展?jié)摿?，因此把RFID技術應用來針對局部區(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，對交通擁擠事件自動檢測算法的研究相對較少，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檢測算法主要是以路段上地感線圈檢測車流速度的降低、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)實際路網(wǎng)的通行能力，設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，對于車輛的具體信息必須通過輔助設備才能獲取，增加了成本，而且安裝時需要破壞路面，影響道路使用壽命。筆者針對物聯(lián)網(wǎng)與智能交通相結(jié)合的需求，提出一套基于RFID的交通流檢測方法，并根據(jù)揚州市城市道路建設規(guī)模以及揚州市各路口與路段統(tǒng)計的車流量特點，對揚州市道路擁擠行為的特征變量進行了深入的分析，以RFID設備采集到的流量相對增量、占有率相對增量以及地點平均車速這3個重要的指標為基礎，通過理論推導和統(tǒng)計分析，構造出擁擠自動檢測算法，為交通管理部門提供決策依據(jù)。

1 交通擁擠檢測模型的建立
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)自動判別的基礎，為了使交通擁擠自動判別具有良好的效果，選擇的參數(shù)應該具有直觀和可靠的特點。應使采用這些參數(shù)的算法具有較強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價交通狀態(tài)最常用的3個交通參數(shù)。因此筆者綜合采用車輛占有率、流量和速度3個參數(shù)作為交通擁擠自動判別的參數(shù)。這里的車輛占有率主要是車輛的時間占有率，指在一定的觀測時間內(nèi)，交通檢測器被車輛占用的時間總和與觀測時間長度的比值。
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：電子標簽，閱讀器和天線。
基于閱讀器可以遠距離讀取，而且對高速運動的標簽也能夠準確捕獲的原因，在此筆者把其運用到交通領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簽貼在汽車擋風玻璃上，每個標簽都是唯一的且對應著特定戶主的車輛。標簽中存儲汽車的身份信息，包括車輛型號、車牌號碼、車主姓名、車子有無注冊等信息。當貼有射頻標簽的汽車經(jīng)過閱讀器的輻射場時標簽會產(chǎn)生感應電流被激活，然后和閱讀器進行無線通信，射頻標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，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)接嬎銠C數(shù)據(jù)處理系統(tǒng)進行處理。因此每輛車經(jīng)過閱讀器的RF場時標簽被讀取的次數(shù)、時間、場強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。

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個周期內(nèi)檢測出地點平均車速均小于30 km／h，或者A處閱讀器在連續(xù)2個檢測周期內(nèi)檢測出占有牢相對增量均大于流量相對增量，并且地點平均車速在此兩個周期內(nèi)的值均低于30 km／h。此時可以判定路口嚴重交通擁擠事件發(fā)生。
2)A處閱讀器在連續(xù)2個周期內(nèi)檢測出地點平均車速均小于30 km／h，并且占有率相對增量大于流量相對增量的時間段不連續(xù)，此時可以判定路口一般性交通擁擠事件發(fā)生。
3)A處閱讀器只在一個周期內(nèi)檢測到地點平均車速小于30 km／h，并且此周期的占有率相對增量大干流量相對增量，此時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個周期內(nèi)檢測到的流量值；CA(j)為閱讀器A處第j個周期內(nèi)檢測到的占有率；為閱讀器A處第j個周期檢測到的地點平均車速；△QA(j)為閱讀器A處第j個周期內(nèi)的流量相對增量，△CA(j)為第j個周期內(nèi)的占有率相對增量；v0為根據(jù)路口實際情況設定的速度閾值30 km／h；M(j)為占有率相對增量與流量相對增量相比較的計數(shù)值，P(j)為地點平均車速低于閾值的計數(shù)值。其中△QA(j)、△CA(j)的計算公式如下：

3 算例分析
以揚州市文昌路與揚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際采集到的數(shù)據(jù)為例，運用圖4的檢測算法把采集到的交通流數(shù)據(jù)導入Matlab編寫的算法程序，對交通擁擠事件進行判別。具體的計算流程如圖5所示。

現(xiàn)在取09：11～09：25內(nèi)分10個采樣周期的數(shù)據(jù)為例作表1分析。經(jīng)過算法計算得到10個采樣周期內(nèi)每個時間段的交通情況，按照算法流程得到判別指標時序。

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，提出了一種新的交通流擁堵檢測判別算法，該方法可以為實時交通狀態(tài)自動識別奠定一定的研究基礎，并且突破了傳統(tǒng)的交通流檢測模式，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。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用前景。