曹文君　薛善良

(南京航空航天大學(xué)計算機科學(xué)與技術(shù)學(xué)院　南京　211106)

?

基于物聯(lián)網(wǎng)的城市路況監(jiān)測系統(tǒng)

曹文君薛善良

(南京航空航天大學(xué)計算機科學(xué)與技術(shù)學(xué)院南京211106)

針對現(xiàn)今不斷惡化的城市道路車輛堵塞問題,論文提出一種城市路況監(jiān)測系統(tǒng),該系統(tǒng)應(yīng)用物聯(lián)網(wǎng)中的RFID技術(shù)感知車輛的實時位置和速度信息,利用路邊采集節(jié)點、車載節(jié)點、匯聚節(jié)點搭建路況信息監(jiān)測網(wǎng)絡(luò),通過該網(wǎng)絡(luò)對車輛實時位置和速度的感知、傳輸和匯聚,實現(xiàn)對城市道路交通狀況的監(jiān)測以及對車輛的實時定位。文中所設(shè)計的實時路況監(jiān)測系統(tǒng)能有效地改善道路擁堵問題,為城市交通的智能疏導(dǎo)奠定基礎(chǔ)。

物聯(lián)網(wǎng); 城市路況監(jiān)測系統(tǒng); RFID技術(shù); 道路擁堵; 車輛定位

Class NumberTP39

1　引言

在現(xiàn)代社會,隨著汽車數(shù)量的不斷增大,城市道路交通堵塞現(xiàn)象也不斷加劇。如何有效地對車輛、道路進(jìn)行監(jiān)管,改善城市交通擁堵情況成為了迫在眉睫需要解決的問題。如今,信息領(lǐng)域正發(fā)生著從互聯(lián)網(wǎng)到物聯(lián)網(wǎng)[1]的新一輪技術(shù)革命,將物聯(lián)網(wǎng)應(yīng)用于城市交通的監(jiān)測和管理成為了人們的研究課題。在這一領(lǐng)域里,劉小洋、張浩等[2～5]分析了物聯(lián)網(wǎng)應(yīng)用于城市交通網(wǎng)絡(luò)的可行性以及現(xiàn)狀;劉唐等[6～8]在物聯(lián)網(wǎng)的基礎(chǔ)上設(shè)計了智能交通探測系統(tǒng)用以檢測道路擁堵狀況;付濤[9]、陳強[10]等則利用ZigBee技術(shù)設(shè)計了一種智能交通系統(tǒng),該系統(tǒng)能夠有效地緩解交通擁堵現(xiàn)象。論文則是在他們的研究基礎(chǔ)上采用抗干擾能力相對較強的RFID技術(shù)并且利用物聯(lián)網(wǎng)的網(wǎng)絡(luò)特性,設(shè)計了一種城市路況監(jiān)測系統(tǒng),以改善城市交通擁堵狀況。

2　城市路況監(jiān)測系統(tǒng)構(gòu)建與網(wǎng)絡(luò)模型

2.1城市道路網(wǎng)絡(luò)部署

為了有效地進(jìn)行城市道路交通信息采集,本文首先應(yīng)用物聯(lián)網(wǎng)技術(shù)構(gòu)建無線傳感網(wǎng)絡(luò),在監(jiān)測區(qū)域內(nèi)部署大量用于路況監(jiān)測的傳感器,這些傳感器按照其功能不同被劃分為車載節(jié)點、采集節(jié)點和匯聚節(jié)點(如圖1所示)。這三類傳感器節(jié)點構(gòu)成了城市路況信息監(jiān)測網(wǎng)絡(luò),并且以彼此相互協(xié)作的方式感知、傳輸和處理網(wǎng)絡(luò)覆蓋區(qū)域內(nèi)監(jiān)測對象的相關(guān)信息。其中各節(jié)點的詳細(xì)功能如下所述。

車載節(jié)點為動態(tài)節(jié)點,部署于每一輛車中,其不僅存儲該輛車的ID信息以識別和區(qū)分道路上的車輛,而且還存儲自身的交通信息記錄以及所接收到的交通信息。在路況監(jiān)測過程中,將跟隨著車輛運行動態(tài)加入和退出無線傳感器網(wǎng)絡(luò)、對接收到的交通信息進(jìn)行存儲轉(zhuǎn)發(fā)。

采集節(jié)點為靜態(tài)節(jié)點,通常相隔一定距離部署于交通道路一旁,負(fù)責(zé)與車載節(jié)點通信以采集經(jīng)過此位置車輛的信息,并對采集到的數(shù)據(jù)進(jìn)行第一次處理以得到車輛的平均速度、行駛方向和位置信息,然后將處理后的數(shù)據(jù)發(fā)送至匯聚節(jié)點。

匯聚節(jié)點也是靜態(tài)節(jié)點,通常部署于每一個交叉路口的中心位置(如紅綠燈處等),當(dāng)任意兩個交叉路口相距較遠(yuǎn)時,可在這兩個交叉路口之間的路段適當(dāng)?shù)靥砑訁R聚節(jié)點。匯聚節(jié)點的主要功能是周期性地對收集到的數(shù)據(jù)進(jìn)行第二次處理以獲得自己管轄范圍內(nèi)的道路的實時交通狀況,并將處理后的數(shù)據(jù)結(jié)果發(fā)送至其鄰近的匯聚節(jié)點,由其對周圍的車輛進(jìn)行廣播,以便該路段附近的車輛能夠獲得更加實時、準(zhǔn)確的路況信息,既而進(jìn)行行車路線的選擇。一般而言,無論是單行線道路還是雙行線道路,匯聚節(jié)點都將行駛方向是駛向自己的道路劃分為自己的管轄范圍。

圖1　道路節(jié)點部署示意圖

2.2網(wǎng)絡(luò)模型

在本文所討論的路況監(jiān)測網(wǎng)絡(luò)中采用簇型結(jié)構(gòu)(如圖2所示)。其中匯聚節(jié)點作為簇頭,負(fù)責(zé)監(jiān)管其所在地理位置附近路段的路況,處于該匯聚節(jié)點通信范圍內(nèi)的采集節(jié)點和車輛節(jié)點則作為子節(jié)點收集自身所在路段的原始信息。在此結(jié)構(gòu)中,采集節(jié)點的傳感器模塊探測到的車速等信息需要經(jīng)過移動中的車載節(jié)點的路由轉(zhuǎn)發(fā)傳送到匯聚節(jié)點,再由匯聚節(jié)點對所在區(qū)域的子節(jié)點上傳的大量數(shù)據(jù)進(jìn)行踢重、排錯,并根據(jù)車輛位置信息和行駛方向?qū)⑼宦范紊闲旭偡较蛳嗤能囕v分為一類,然后通過對同屬一類車輛的相關(guān)數(shù)據(jù)進(jìn)行融合計算,得出路段的路況信息。此路況信息被轉(zhuǎn)發(fā)至鄰近的匯聚節(jié)點,這些匯聚節(jié)點可將信息分發(fā)于其所在道路的車輛,便于車輛根據(jù)接收到的信息實時地調(diào)整自己的行車路線。

圖2　智能交通聯(lián)網(wǎng)示意圖

在整個路網(wǎng)模型中存在三種交通信息的傳遞:

1) 車輛信息A(vechicle information A,viA),由采集節(jié)點探測后發(fā)送至被探測車輛的信息。

2) 車輛信息B(vechicle information B,viB),是由采集節(jié)點探測到后發(fā)送至匯聚節(jié)點的信息。

3) 路況信息(roads condition information,rci),是經(jīng)由匯聚節(jié)點處理后的分發(fā)給車載節(jié)點的信息。這三種信息包含的內(nèi)容如圖3所示。

圖3　信息結(jié)構(gòu)示意圖

3　道路擁堵檢測

監(jiān)測道路交通狀況,首要需要對道路上來往的車輛進(jìn)行探測。在以往的研究中,對于道路上車輛的探測可采用地置線圈、視頻檢測器等,但是這些方法都因為自身的特性而存在著某些局限性,并且檢測誤差率都在5%以上。因此,本文采用基于地磁傳感器的RFID[11～13]無線傳感系統(tǒng)感知路況信息。地磁傳感器對地磁場的信號十分靈敏,可分辨出地球磁場六千分之一的變化,當(dāng)有車輛通過時,對地球磁場產(chǎn)生的影響將達(dá)到地磁強度的幾分之一[14],因此利用地磁傳感器能更有效地減小誤差率?，F(xiàn)在基于地磁傳感器的車輛檢測算法有固定閾值算法[15]、狀態(tài)機檢測算法(包括單中間狀態(tài)[16]和多中間狀態(tài)的車輛檢測算法[17])、ATA算法[18]和VRPLA算法[19]等,算法大部分都是針對快速移動中的車輛,而當(dāng)車速緩慢時其誤差變大,而VRPLA算法則有效地解決了這個問題。為此,本文應(yīng)用VRPLA算法進(jìn)行車輛檢測。

在實際的交通運輸中,道路的擁堵或發(fā)生于路口處(由于車流量較大,紅綠燈的設(shè)置不合理),或發(fā)生于路段中(由于行車事故,車輛故障等)。而在一段長度一定的道路路段上,車輛個體和所有車輛所構(gòu)成的整體的行為(例如速度)比較一致。因此,本文通過在道路兩旁部署RFID傳感器,利用傳感器對行駛于道路上的車輛進(jìn)行感知并獲取車輛的相關(guān)信息來還原道路上的整體車速以預(yù)測該段道路的交通情況。

具體實現(xiàn)過程如圖4所示,已知S、D是隸屬于同一路段上時間同步的相鄰傳感器節(jié)點。當(dāng)車輛經(jīng)過時,節(jié)點S探測到該車輛并記錄下該車輛的ID以及探測到該車輛時的瞬時速度V0和時間t0,然后將這些信息以及S所處的位置一起填入viA消息的數(shù)據(jù)域內(nèi),將該消息廣播至相鄰節(jié)點。當(dāng)?shù)缆飞系能囕d節(jié)點接收到viA消息后,首先通過該消息所攜帶的車輛ID信息確認(rèn)是否是關(guān)于自己的信息,如果不是,則直接丟棄該消息,否則將該消息內(nèi)的相關(guān)信息記錄于本地內(nèi)存中。當(dāng)車載節(jié)點經(jīng)過下一個節(jié)點D時,D節(jié)點同樣將探測到該車載節(jié)點,并記錄下探測到該車輛的時刻t1及其瞬時速度V1,然后獲取該車輛的本地信息,根據(jù)本地信息中記錄的車輛上一次經(jīng)過S節(jié)點的時刻和S節(jié)點的位置判斷該車的行駛方向并通過式(1)計算車輛在SD這段距離的平均行駛速度。

(1)

當(dāng)采集節(jié)點獲得車載節(jié)點在某路段的平均速度V后,會將自己所屬的街道ID、車載節(jié)點的平均速度、行駛方向以及D探測到該車輛節(jié)點的時刻記錄于viB消息內(nèi),然后將該消息發(fā)送至負(fù)責(zé)管轄本路段的匯聚節(jié)點,匯聚節(jié)點收到viB消息后,首先根據(jù)消息內(nèi)所攜帶的街道標(biāo)識符以及車輛行駛方向判斷該消息是否來自于自己管轄范圍的節(jié)點,然后根據(jù)時間戳判斷該消息是否已過時(如果該時間戳的時間位于上一個路況監(jiān)測周期之后,說明該消息未過時)。如果該消息是來自于自己所管轄的街道并且未過時,則將其記錄于該街道所對應(yīng)的表中,并等待匯聚節(jié)點的下一個路況監(jiān)測周期的到來,當(dāng)該周期到來時,簇節(jié)點會根據(jù)表中的信息統(tǒng)計道路上的車輛總數(shù)和車速小于20m/s的車輛的總數(shù),并通過式(2)和式(3)計算該段道路的平均車速以及低速比。

(2)

(3)

其中,Vt表示在該段道路上車輛i的平均車速,Vs表示該段道路的整體平均車速,n表示在匯聚節(jié)點的一次路況監(jiān)測周期內(nèi)所檢測到的道路上的車輛總數(shù),k表示車速低于20m/s的車輛總數(shù),Pcw表示車速低于20m/s的車輛占道路上車輛總數(shù)的百分比。

根據(jù)條件,當(dāng)城市道路的平均車速Vs低于20km/h,且低速比例Pcw大于50%時,則判定該道路段為擁堵。為了避免因為紅燈導(dǎo)致的道路上車輛低速行駛或靜止而造成的道路擁塞的誤判,所以匯聚節(jié)點在接收到探測節(jié)點發(fā)送的viB消息時會檢測該消息的時間戳是否在該道路顯示紅燈的時間段內(nèi),如果屬于則該消息無效,直接將其丟棄。計算出道路擁堵情況后,匯聚節(jié)點會將該道路的相關(guān)信息填入rci消息內(nèi),并將該消息發(fā)送至其他匯聚節(jié)點,由其他匯聚節(jié)點將該消息廣播至其管轄路段上行駛的車輛,以便車輛即時地根據(jù)收到的路況信息做出行車路線的修正。

圖4　車輛檢測示意圖

4　車輛實時定位

本文通過在道路兩旁安置的傳感器設(shè)備還可以完成對車輛的實時定位。目前,人們一般通過全球定位系統(tǒng)GPS[20]對車輛進(jìn)行定位,然而GPS在城市的應(yīng)用受到極大的限制:在建筑物密集的城區(qū)接收信號不理想,容易出現(xiàn)盲點,且衛(wèi)星信號較弱,抗干擾能力不強,定位精度也不夠。為此,本文通過部署在道路兩旁的采集節(jié)點對過往車輛進(jìn)行感知,以采集節(jié)點的位置計算被感知車輛位置。

在本文所設(shè)計的系統(tǒng)中,當(dāng)行駛在道路上的車輛經(jīng)過道路旁所安裝的RFID傳感器S時,S會檢測到該車輛,并且通過讀取和計算車輛本地信息獲得車輛的ID、瞬時速度和方向,然后該系統(tǒng)將車輛的位置和行駛方向映射于車載地圖上供駕駛員參考。當(dāng)車輛行進(jìn)到某路段S、D兩個傳感器節(jié)點之間時,可根據(jù)車輛本地所存儲的上一時刻被探測到時的車速、位置和方向信息,由式(4)估算其所在位置。

Lt1=Lt0+V×(t1-t0)

(4)

其中,Lt0和Lt1分別表示車輛節(jié)點相對于該道路所處位置,V表示車輛速度信息,t0和t1分別表示車輛經(jīng)過S節(jié)點的時刻和此時的時刻。

5　結(jié)語

本文設(shè)計了一種基于物聯(lián)網(wǎng)的城市路況監(jiān)測系統(tǒng),該系統(tǒng)利用由車載節(jié)點、采集節(jié)點和匯聚節(jié)點構(gòu)成動態(tài)自組織路況監(jiān)測傳感網(wǎng),并應(yīng)用物聯(lián)網(wǎng)的無線射頻識別技術(shù)、無線傳感網(wǎng)絡(luò)技術(shù),實現(xiàn)對實時交通數(shù)據(jù)的感知、通信和傳輸。本文重點討論了城市交通中的車輛定位和道路擁堵問題,提出了城市交通道路擁堵判斷策略和車輛精路定位方法,為城市交通的智能疏導(dǎo)奠定了基礎(chǔ)。

[1] 周明.物聯(lián)網(wǎng)應(yīng)用若干關(guān)鍵問題的研究[D].北京:北京郵電大學(xué),2014.

ZHOU Ming. Research on several key issue in Internet of Things application[D]. Beijing: Beijing University of Posts and Telecommunications,2014.

[2] 劉小洋,伍民友.車聯(lián)網(wǎng):物聯(lián)網(wǎng)在城市交通網(wǎng)絡(luò)中的應(yīng)用[J].計算機應(yīng)用,2012,32(4):900-904.

LIU Xiaoyang, WU Minyou. Vehicular CPS: an application of LoT in vehicular networks[J]. Journal of Computer Applications,2012,32(4):900-904.

[3] 張浩.物聯(lián)網(wǎng)環(huán)境下智能交通系統(tǒng)模型設(shè)計及架構(gòu)研究[D].北京:北京交通大學(xué),2011.

ZHANG Hao. Research on model-designing & architecture of IOT-based intelligent transportation system[D]. Beijing: Beijing Jiaotong University,2011.

[4] 蔣新華,陳宇,朱銓,等.交通物聯(lián)網(wǎng)的發(fā)展現(xiàn)狀及趨勢研究[J].計算機應(yīng)用研究,2013,30(8):2256-2261.

JIANG Xinhua, CHEN Yu, ZHU Quan, et al. Study of transportation Internet of things[J]. Application Research of Computers,2013,30(8):2256-2261.

[5] 王琳偉.面向智能交通系統(tǒng)的物聯(lián)網(wǎng)體系結(jié)構(gòu)的研究與設(shè)計[D].南昌:南昌大學(xué),2012.

WANG Linwei. Intelligent transportation system for the framework of IOT study and design[D]. Nanchang: Nanchang University,2012.

[6] 劉唐,彭艦,楊進(jìn),等.基于物聯(lián)網(wǎng)的智能交通流探測技術(shù)研究[J].計算機科學(xué),2011,38(9):67-70.

LIU Tang, PENG Jiang, YANG Jing, et al. Intelligent transportation flow detection technology based on Internet of Things[J]. Computer Science,2011,38(9):67-70.

[7] 劉麗.基于物聯(lián)網(wǎng)的城市智能交通系統(tǒng)的設(shè)計方案[J].赤峰學(xué)院學(xué)報(自然科學(xué)版),2012,28(9):14-15.

LIU Li. City intelligent transportation system based on Internet of Things[J]. Journal of Chifeng University(Natural Science Edition),2012,28(9):14-15.

[8] 蔣軼瑋,周丹丹,田玉靜.基于物聯(lián)網(wǎng)的智能交通系統(tǒng)架構(gòu)設(shè)計[J].電聲技術(shù),2012,36(8):69-72.

JIANG Yiwei, ZHOU Dandan, TIAN Yujing. A system architecture design of intelligent transport system based on the Internet of Things[J]. Audio Engineering,2012,36(8):69-72.

[9] 付濤.基于ZigBee的車載物聯(lián)網(wǎng)技術(shù)應(yīng)用研究[D].長春:吉林大學(xué),2011.FU Tao. The research of vehicular networks application base on ZigBee[D]. Changchun: Jilin University,2011.

[10] 陳強.基于ZigBee技術(shù)的車輛交通信息采集系統(tǒng)研究[D].南京:南京理工大學(xué),2011.

CHEN Qiang. Vechicle traffic information collection system based on ZigBee technology[D]. Nanjing: Nanjing University of Science and Technology,2011.

[11] 張航.面向物聯(lián)網(wǎng)的RFID技術(shù)研究[D].上海:東華大學(xué),2011.

ZHANG Hang. Research on IoT-Oriented RFID[D]. Shanghai: Donghua University,2011.

[12] 張捍東,朱林.物聯(lián)網(wǎng)中的RFID技術(shù)及物聯(lián)網(wǎng)的構(gòu)建[J].計算機技術(shù)與發(fā)展,2011,21(5):56-59.

ZHANG Handong, ZHU Lin. RFID Technology and Structure of Internet of Things[J]. Computer Technology and Development,2011,21(5):56-59.

[13] 杜預(yù).基于無線射頻的停車場車位檢測系統(tǒng)設(shè)計與實現(xiàn)[D].成都:西南交通大學(xué),2012.

DU Yu. The parking place detection system based on wireless radio frenquency[D]. Chengdu: Southwest Jiaotong University,2012.

[14] 趙麗霞,紀(jì)松波.無線傳感器網(wǎng)絡(luò)在智能交通中的應(yīng)用[J].物聯(lián)網(wǎng)技術(shù),2012,2(6):25-27.

ZHAO Lixia, JI Songbo. Application of wireless sensor networks in intelligent transportation system[J]. Internet of Things Technologies,2012,2(6):25-27.

[15] Cheung S, Coleri S, Dundar B, et al. Traffic measurement and vehicle classification with single magnetic sensor[J]. Transportation Research Record: Journal of the Transportation Research Board,2005(1917):173-181.

[16] Coleri S, Cheung S Y, Varaiya P. Sensor networks for monitoring traffic[C]//Allerton conference on communication, control and computing,2004:32-40.

[17] Ding J J, Cheung S, Tan C, et al. Signal processing of sensor node data for vehicle detection[C]//Intelligent Transportation Systems,2004. Proceedings. The 7th International IEEE Conference on. IEEE,2004:70-75.

[18] Ding J, Cheung S, Tan C, et al. Vehicle detection by sensor network nodes[J]. California Partners for Advanced Transit and Highways (PATH),2004.

[19] 柴可夫,霍宏,方濤.基于PLA時間序列重現(xiàn)的在線車輛檢測算法[J].計算機工程與應(yīng)用,2007,43(10):210-213.

CHAI Kefu, HUO Hong, FANG Tao. Online vehicle detection algorithm based on PLA time series representation[J]. Computer Engineering and Applications,2007,43(10):210-213.

[20] 劉美生.全球定位系統(tǒng)及其應(yīng)用綜述(二)——GPS[J].中國測試技術(shù),2006,32(6):5-11.

LIU Meisheng. Global positioning system and discussion on its use(2) — GPS[J]. China Measurement Technology,2006,32(6):5-11.

Urban Traffic Monitoring System Based on Internet of Things

CAO WenjunXUE Shanliang

(College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing211106)

In view of the deteriorating traffic congestion in urban areas, this paper designs a real-time traffic monitoring system. This system applies the RFID technology of the Internet of things to identify real-time information of vehicles, and establishes a traffic information collection network with sensor nodes vehicular nodes and sink nodes. This traffic information collection networkcan realizes the identification, transmission and integration of vehicle position and speed, through which the goal of monitoringroad traffic and positioningreal time vehicle information can be achieved. This real-time traffic monitoring system can lay a foundation for urban traffic intelligent guidance.

internet of things, city traffic monitoring system, RFID, road congestion, vehicle position

2016年2月10日,

2016年3月28日

曹文君,女,碩士研究生,研究方向:物聯(lián)網(wǎng)的應(yīng)用。薛善良,男,副教授,碩士生導(dǎo)師,研究方向:物聯(lián)網(wǎng)。

TP39

10.3969/j.issn.1672-9722.2016.08.020