物聯(lián)網(wǎng)智能交通擁堵判別算法的研究與實(shí)現

摘要：針對城市道路交叉口的常發(fā)性交通擁堵現象，依據RFID檢測系統的特點(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(chē)輛的時(shí)間占有率相對增量以及地點(diǎn)平均車(chē)速等信息進(jìn)行了對比性分析和統計推導，從理論上論證了交通擁擠產(chǎn)生時(shí)的交通流特點(diǎn)，然后以此為基礎給出了交通擁擠事件出現時(shí)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編程再結合實(shí)際交通測量數據驗證了算法的正確性。
關(guān)鍵詞：RFID檢測；交通流參數；流量相對增量；時(shí)間占有率相對增量；地點(diǎn)平均車(chē)速；檢測算法

無(wú)線(xiàn)射頻識別技術(shù)(RFID)是一項非接觸式自動(dòng)識別技術(shù)，具有信息量大，抗干擾能力強，操作快捷等許多優(yōu)點(diǎn)。特別是RFID技術(shù)在高速運動(dòng)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(lǐng)域都有巨大的發(fā)展潛力，因此把RFID技術(shù)應用來(lái)針對局部區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，對交通擁擠事件自動(dòng)檢測算法的研究相對較少，仍然處于初始階段，并且利用RFID采集交通參數來(lái)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)檢測算法主要是以路段上地感線(xiàn)圈檢測車(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。算法依據實(shí)際路網(wǎng)的通行能力，設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，對于車(chē)輛的具體信息必須通過(guò)輔助設備才能獲取，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。筆者針對物聯(lián)網(wǎng)與智能交通相結合的需求，提出一套基于RFID的交通流檢測方法，并根據揚州市城市道路建設規模以及揚州市各路口與路段統計的車(chē)流量特點(diǎn)，對揚州市道路擁擠行為的特征變量進(jìn)行了深入的分析，以RFID設備采集到的流量相對增量、占有率相對增量以及地點(diǎn)平均車(chē)速這3個(gè)重要的指標為基礎，通過(guò)理論推導和統計分析，構造出擁擠自動(dòng)檢測算法，為交通管理部門(mén)提供決策依據。

1 交通擁擠檢測模型的建立
1．1 交通流參數的選取
道路交通參數是交通擁擠狀態(tài)自動(dòng)判別的基礎，為了使交通擁擠自動(dòng)判別具有良好的效果，選擇的參數應該具有直觀(guān)和可靠的特點(diǎn)。應使采用這些參數的算法具有較強的有效性和可移植性。目前，車(chē)輛行駛速度、車(chē)流量和占有率是評價(jià)交通狀態(tài)最常用的3個(gè)交通參數。因此筆者綜合采用車(chē)輛占有率、流量和速度3個(gè)參數作為交通擁擠自動(dòng)判別的參數。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)測時(shí)間內，交通檢測器被車(chē)輛占用的時(shí)間總和與觀(guān)測時(shí)間長(cháng)度的比值。
1．2 交通流參數數據采集處理的基本原理
文中采用RFID數據采集系統作為交通流參數數據采集前端。其由3部分組成：電子標簽，閱讀器和天線(xiàn)。
基于閱讀器可以遠距離讀取，而且對高速運動(dòng)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(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簽貼在汽車(chē)擋風(fēng)玻璃上，每個(gè)標簽都是唯一的且對應著(zhù)特定戶(hù)主的車(chē)輛。標簽中存儲汽車(chē)的身份信息，包括車(chē)輛型號、車(chē)牌號碼、車(chē)主姓名、車(chē)子有無(wú)注冊等信息。當貼有射頻標簽的汽車(chē)經(jīng)過(guò)閱讀器的輻射場(chǎng)時(shí)標簽會(huì )產(chǎn)生感應電流被激活，然后和閱讀器進(jìn)行無(wú)線(xiàn)通信，射頻標簽將自身編碼等信息通過(guò)卡內置發(fā)送天線(xiàn)發(fā)送出去，系統接收天線(xiàn)接收到從射頻卡發(fā)送來(lái)的載波信號，經(jīng)天線(xiàn)調節器傳送到閱讀器，然后閱讀器把讀取的數據傳輸到計算機數據處理系統進(jìn)行處理。因此每輛車(chē)經(jīng)過(guò)閱讀器的RF場(chǎng)時(shí)標簽被讀取的次數、時(shí)間、場(chǎng)強及車(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3個(gè)周期內檢測出地點(diǎn)平均車(chē)速均小于30 km／h，或者A處閱讀器在連續2個(gè)檢測周期內檢測出占有牢相對增量均大于流量相對增量，并且地點(diǎn)平均車(chē)速在此兩個(gè)周期內的值均低于30 km／h。此時(shí)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2個(gè)周期內檢測出地點(diǎn)平均車(chē)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(shí)間段不連續，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)周期內檢測到地點(diǎn)平均車(chē)速小于30 km／h，并且此周期的占有率相對增量大干流量相對增量，此時(shí)可以判定路口輕度交通擁擠事件發(fā)生。
2．2 交通擁擠檢測算法的邏輯框圖
首先定義圖4框圖算法中的參數：QA(j)為閱讀器A處第j個(gè)周期內檢測到的流量值；CA(j)為閱讀器A處第j個(gè)周期內檢測到的占有率；為閱讀器A處第j個(gè)周期檢測到的地點(diǎn)平均車(chē)速；△QA(j)為閱讀器A處第j個(gè)周期內的流量相對增量，△CA(j)為第j個(gè)周期內的占有率相對增量；v0為根據路口實(shí)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值，P(j)為地點(diǎn)平均車(chē)速低于閾值的計數值。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據采集崗，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)際采集到的數據為例，運用圖4的檢測算法把采集到的交通流數據導入Matlab編寫(xiě)的算法程序，對交通擁擠事件進(jìn)行判別。具體的計算流程如圖5所示。

現在取09：11～09：25內分10個(gè)采樣周期的數據為例作表1分析。經(jīng)過(guò)算法計算得到10個(gè)采樣周期內每個(gè)時(shí)間段的交通情況，按照算法流程得到判別指標時(shí)序。

程序中的邏輯判斷部分代碼如下：


4 結論
文中方法以RFID采集的交通流數據為基礎，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(shí)時(shí)交通狀態(tài)自動(dòng)識別奠定一定的研究基礎，并且突破了傳統的交通流檢測模式，為物聯(lián)網(wǎng)引入智能交通提供可能性研究。隨著(zhù)我國大力發(fā)展智能交通系統(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。