張四海 吳非 王朋 喬羽

摘要：傳統(tǒng)系統(tǒng)對(duì)交通數(shù)據(jù)限值的控制，其合理范圍不夠精確，導(dǎo)致車牌識(shí)別準(zhǔn)確率較差。為此，設(shè)計(jì)基于云計(jì)算模型的城市智慧交通監(jiān)控系統(tǒng)。硬件設(shè)計(jì)方面，基于云計(jì)算模型設(shè)計(jì)系統(tǒng)應(yīng)用框架，存儲(chǔ)并傳送交通大數(shù)據(jù);軟件設(shè)計(jì)方面，識(shí)別標(biāo)記超出合理范圍的交通數(shù)據(jù)，進(jìn)而設(shè)計(jì)交通監(jiān)控流程。與傳統(tǒng)系統(tǒng)進(jìn)行對(duì)比實(shí)驗(yàn)，在兩個(gè)系統(tǒng)監(jiān)控區(qū)域頻繁過車，結(jié)果表明，設(shè)計(jì)系統(tǒng)識(shí)別車牌準(zhǔn)確率都要高于傳統(tǒng)系統(tǒng)。

關(guān)鍵詞：云計(jì)算模型;交通監(jiān)控;系統(tǒng)設(shè)計(jì);軟件設(shè)計(jì)

中圖分類號(hào)：TP311? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

智慧交通監(jiān)控系統(tǒng)負(fù)責(zé)收集城市道路各類信息，直觀了解交通運(yùn)行狀況，包括路況及交通量等，在提高道路使用率的基礎(chǔ)上，減少交通事故，為城市交通堵截違章行為提供輔助手段，對(duì)城市交通安全具有極其重要的現(xiàn)實(shí)意義[1]。國外對(duì)城市交通監(jiān)控系統(tǒng)的研究起步較早，將自動(dòng)化控制引入監(jiān)控系統(tǒng)，通過分布式計(jì)算機(jī)網(wǎng)絡(luò)處理方式，擴(kuò)展了系統(tǒng)數(shù)據(jù)傳送和通信等功能，從而智能化收集交通數(shù)據(jù)。國內(nèi)對(duì)城市智慧交通監(jiān)控系統(tǒng)研究起步較晚，在城市交通道路上設(shè)置攝像頭，系統(tǒng)能夠?qū)z像頭進(jìn)行遙控檢測(cè)，采用光端機(jī)和模擬矩陣的方式，將采集數(shù)據(jù)傳入監(jiān)控中心，并配置情報(bào)板，發(fā)布少量文字信息和限速信息，從而實(shí)現(xiàn)城市智慧交通監(jiān)控的區(qū)域化與網(wǎng)絡(luò)化[2]。但傳統(tǒng)系統(tǒng)交通信息采集頻率較低，直接對(duì)原始數(shù)據(jù)進(jìn)行分析處理，因此設(shè)計(jì)基于云計(jì)算模型的城市智慧交通監(jiān)控系統(tǒng)。云計(jì)算模型具備很強(qiáng)的交通大數(shù)據(jù)高效處理能力，是利用計(jì)算機(jī)處理數(shù)據(jù)的一種商業(yè)計(jì)算模型，具備良好的動(dòng)態(tài)負(fù)載均衡能力，其模型框架可以實(shí)現(xiàn)交通信息的發(fā)布處理，以及交通數(shù)據(jù)的組織挖掘等，且云計(jì)算模型與智慧交通系統(tǒng)契合度較高，能夠滿足智慧交通監(jiān)控系統(tǒng)的核心服務(wù)[3]。

1 基于云計(jì)算模型城市智慧交通監(jiān)控系統(tǒng)的硬件設(shè)計(jì)

基于云計(jì)算模型設(shè)計(jì)監(jiān)控系統(tǒng)應(yīng)用框架，包括存儲(chǔ)層、平臺(tái)層以及應(yīng)用層，按照分層設(shè)計(jì)理念，構(gòu)建城市智慧交通大數(shù)據(jù)資源池，實(shí)現(xiàn)實(shí)況影像和錄音等信息的傳輸和存儲(chǔ)，提供大數(shù)據(jù)管理，實(shí)現(xiàn)對(duì)監(jiān)控業(yè)務(wù)的統(tǒng)一調(diào)度。具體框架如下圖所示：

存儲(chǔ)層存儲(chǔ)云計(jì)算模型提供的交通大數(shù)據(jù)，對(duì)系統(tǒng)設(shè)備接入進(jìn)行控制，整合所有交通信息資源，通過平臺(tái)層與用戶應(yīng)用層進(jìn)行交互[4]。平臺(tái)層采取分布式并行計(jì)算，實(shí)現(xiàn)本地網(wǎng)、交通軟件運(yùn)行和開發(fā)、網(wǎng)絡(luò)資源管理等服務(wù)，由EMS、MSU以及MDU設(shè)備組成，將整個(gè)監(jiān)控系統(tǒng)部署到一個(gè)服務(wù)器的終端和服務(wù)器端，通過業(yè)務(wù)管理單元服務(wù)器，使城市交通信息與SMU服務(wù)器進(jìn)行交互，并對(duì)所有交通大數(shù)據(jù)進(jìn)行記錄。應(yīng)用層建立監(jiān)控信息傳輸通道，提供交通信息共享和出行選擇引導(dǎo)等服務(wù)，其終端設(shè)備支持多種網(wǎng)絡(luò)接入方式，使監(jiān)控信息進(jìn)入EMS服務(wù)器，作為系統(tǒng)外部部分完成相互連接，通過IP、LAN接入方式，實(shí)現(xiàn)交通大數(shù)據(jù)的采集通信。至此完成基于云計(jì)算模型城市智慧交通監(jiān)控系統(tǒng)的硬件設(shè)計(jì)。

2 設(shè)計(jì)系統(tǒng)監(jiān)控流程

在系統(tǒng)硬件設(shè)計(jì)完畢的基礎(chǔ)上，讀取存儲(chǔ)層提供的交通數(shù)據(jù)，識(shí)別數(shù)據(jù)異常值的車輛，進(jìn)而設(shè)計(jì)系統(tǒng)監(jiān)控流程。首先確定交通數(shù)據(jù)的大小范圍，設(shè)道路通行能力為C，修正系數(shù)為fc，根據(jù)城市交通車流量進(jìn)行取值，為1.3～1.5，數(shù)據(jù)采集間隔為T，則交通數(shù)據(jù)的車流量合理范圍q為：

將合理范圍q作為交通流數(shù)據(jù)的采集上限，按照一定周期進(jìn)行采集，并挖掘高峰期交通數(shù)據(jù)，初始化數(shù)據(jù)采集的起始和終止時(shí)間，然后對(duì)高峰期采樣間隔進(jìn)行重點(diǎn)識(shí)別操作，并對(duì)交通數(shù)據(jù)進(jìn)行查詢歸檔，實(shí)現(xiàn)數(shù)據(jù)維護(hù)，由于高峰期交通流量大于道路通行能力，為此要對(duì)其進(jìn)行速度識(shí)別[5]。設(shè)道路限制速度為Vvim，修正系數(shù)為fv，則交通數(shù)據(jù)的速度合理范圍V為：

交通數(shù)據(jù)的車輛占率取決于檢測(cè)器時(shí)間與采集間隔的比值，其合理范圍為0～100%。將車流量、車輛速度和占有率作為基本參數(shù)值x1，i=1、2、3，代表參數(shù)內(nèi)容，篩選交通流數(shù)據(jù)的基本限值。設(shè)系統(tǒng)采集時(shí)刻為n，數(shù)據(jù)修正系數(shù)為t，則交通數(shù)據(jù)均值μ為：

將均值false的計(jì)算結(jié)果，作為允許誤差的大小，使交通流數(shù)據(jù)服從正態(tài)分布，將不在合理范圍內(nèi)的交通數(shù)據(jù)進(jìn)行標(biāo)記，從而識(shí)別出錯(cuò)誤的交通數(shù)據(jù)，即監(jiān)控過程中的違規(guī)異常車輛[6]。具體監(jiān)控流程如圖1所示：

配置告警和巡航信息表，其監(jiān)控設(shè)備管理選取云臺(tái)控制，先給EMS發(fā)送云臺(tái)請(qǐng)求，控制信號(hào)網(wǎng)關(guān)地址，從而對(duì)監(jiān)控器發(fā)送控制指令，至此實(shí)現(xiàn)系統(tǒng)監(jiān)控流程的設(shè)計(jì)。結(jié)合硬件設(shè)計(jì)和軟件設(shè)計(jì)，完成基于云計(jì)算模型城市智慧交通監(jiān)控系統(tǒng)的設(shè)計(jì)。

3 實(shí)驗(yàn)論證分析

為驗(yàn)證設(shè)計(jì)系統(tǒng)提高車牌號(hào)識(shí)別準(zhǔn)確率的有效性，與傳統(tǒng)系統(tǒng)進(jìn)行對(duì)比實(shí)驗(yàn)。驗(yàn)證環(huán)境建設(shè)雙向11M車道，雙向道寬度為11M，車道線清楚標(biāo)準(zhǔn)，并對(duì)通行情況及行駛情況進(jìn)行高度模擬，使其貼合城市道路實(shí)際情況，其選型設(shè)備與環(huán)境建設(shè)條件如表1所示：

在驗(yàn)證環(huán)境建設(shè)四個(gè)前端采集驗(yàn)證點(diǎn)，采用倒L桿，設(shè)置兩個(gè)系統(tǒng)的前端距離路口停止線16M～17M，傾斜角度17～217，確保檢測(cè)區(qū)域無遮擋物體。樣本數(shù)量為6組，通過補(bǔ)光設(shè)備進(jìn)行模擬，如下表2所示：

使試驗(yàn)車輛按照指令通過兩個(gè)系統(tǒng)的監(jiān)控區(qū)域，在測(cè)試時(shí)間內(nèi)頻繁過車，分別挑選一個(gè)時(shí)間段作為分析對(duì)象，得出對(duì)比實(shí)驗(yàn)結(jié)果如下表3所示：

由上表可知，本文設(shè)計(jì)系統(tǒng)的平均車牌識(shí)別準(zhǔn)確率為95.02%，傳統(tǒng)系統(tǒng)識(shí)別準(zhǔn)確率為90.85%，相比傳統(tǒng)系統(tǒng)識(shí)別率提高了4.17%。由此可知，本文設(shè)計(jì)系統(tǒng)提高了車牌識(shí)別準(zhǔn)確率，減少城市交通漏檢。

4 結(jié)語

設(shè)計(jì)系統(tǒng)充分發(fā)揮出了云計(jì)算模型高效處理大數(shù)據(jù)的作用，提高了監(jiān)控系統(tǒng)的識(shí)別精度。但此次研究對(duì)軌跡挖掘尚不完善，且車輛套牌分析功能還需改進(jìn)，在今后的研究中，會(huì)提高系統(tǒng)智能化水平，促進(jìn)城市智慧交通行業(yè)的發(fā)展。

（責(zé)任編輯：武多多）

參考文獻(xiàn)：

[1]王永哲.軌道交通與設(shè)備監(jiān)控系統(tǒng)車站網(wǎng)絡(luò)架構(gòu)的研究[J].通訊世界，2020（06）：27+29.

[2]馬玲.城軌交通PSCADA電力監(jiān)控系統(tǒng)技術(shù)淺析[J].微型電腦應(yīng)用，2020（06）：59-61.

[3]周尚明.重慶軌道交通環(huán)線電力監(jiān)控與數(shù)據(jù)采集系統(tǒng)的建設(shè)與創(chuàng)新[J].城市軌道交通研究，2020（05）：144-148.

[4]鄧敏，劉濤.軌道交通綜合監(jiān)控系統(tǒng)用戶與權(quán)限管理功能的設(shè)計(jì)與實(shí)現(xiàn)[J].機(jī)電工程技術(shù)，2020（05）：165-167+213.

[5]楊承東，徐余明.基于云計(jì)算技術(shù)的城市軌道交通綜合監(jiān)控系統(tǒng)架構(gòu)方案[J].城市軌道交通研究，2020，23（05）：6-9.