基于RFID的道路交通拥堵信息识别模型

高宁波，王 薇，黄 瑛

（南京理工大学 自动化学院，江苏 南京 210094）

1 基于RFID的交通信息采集过程设计

近年来，随着科学技术的进步，RFID技术已成为国内外发展最迅速的非接触式自动识别技术。由于该技术具有高效、采集准确、抗干扰强的特点而被广泛运用在交通控制，物流运输，电子票证，物业管理等领域。早在20世纪80年代，美国将RFID技术运用于高速公路智能控制领域，设计了高速公路无停车收费系统，成效显著。

RFID设备主要由读写器和电子标签组成。读写器主要起接收信息以及向电子标签发送命令的作用，电子标签可以存储车辆的基本信息，如车主信息、当前时间等。装有GPS的车辆还可存储当前经纬度位置信息、缴费信息、年检状态等。基于RFID技术的交通信息采集系统由4个层次的设计组成：①RFID为关键技术的基础信息收集层；②网络传输层；③数据库运用程序控制层；④终端显示层。

交通信息收集系统的采集过程为：当高速运行的车辆1（2，3）进入读写器A（B，C，D）的工作区域时，接收到读写器发出的载波信号，并根据信号中的命令将存储在车辆电子标签中的信息经编码转换为无线电信号，发射给读写器，读写器将返回的信号进行解码后通过通信网络将信息传入数据库控制程序中，然后在数据库运用程序中对获取的信息进行融合和约简处理，获取此时道路的交通流特征值。

2 交通流参数的收集算法

利用信息融合方法处理安装在道路旁边的读写器，收集到车辆发出的数据包，通过设置属性集筛选相对重要信息，根据这些信息可以计算平均车速、交通流量以及交通流密度。假如上游读写器D和下游读写器C在t1－t2时段分别接收到n辆车和m辆车发送的数据组合UD和UC

2.1 平均车速的计算

设置属性集R获取在t1－t2时段内通过C，D路段的车辆

假设在t1－t2时段经过C，D路段的车辆总共有k辆，则C可描述为

每辆车的平均车速

整个路段的平均车速

式中：tCi（tDi）为车辆i经过检查器C（D）的时间，dCD为CD间距离。

2.2 交通流量及平均流量计算

式中：Card（Uc）为集合Uc的元素个数，Card（UD）为集合UD的元素个数。

2.3 交通流密度计算

CD路段交通流密度Kt1－t2CD的计算

3 道路交通拥堵识别模型及预警

3.1 道路交通拥堵识别模型

交通拥堵主要体现在交通拥堵发生的前、中、后3个时期的交通流量、平均车速、密度的异常变化，因此，选用这3个基本参数作为评价道路拥堵的指标，建立基于模糊函数的交通拥堵识别模型，有利于对道路拥堵状况的准确定位。

3.1.1 步骤一：对评判指标进行标准化处理

平均速度、流量以及交通流密度属于不同量纲的指标，采用标准函数法进行归一化处理。

通常平均速度越大表示道路越畅通，密度越大表明道路越拥挤，交通流与道路拥挤程度没有很直观的正比或者反比关系。因此，对交通拥堵评价体系来说平均速度为效益型指标，交通流量为适中型指标，交通流密度为成本型指标。假设一条道路被读写器分割成为n个路段，通过式（2）、式（5）、式（6）可得道路的交通拥堵指标向量

标准化处理

标准拥堵指标向量

式中：E（f）为期望流量，vmin（fmin，kmin）为论域的下极限，vmax（fmax，kmax）为论域的上极限。

3.1.2 步骤二：权重系数的判定方法

3.1.2.1 路段的权重系数判定

如果拥堵发生在距离上游交叉口较近的位置，产生的排队车辆容易影响上游交叉口的通行，易导致上游交叉口发生拥堵，对经由交叉口的其它路段产生连锁反应，因此，越靠近上游交叉口位置的路段对交叉口的车辆通行影响越大，所以，可建立基于距离的路段权重系数计算公式。假设路段被n＋1个读写器分割为n个路段，则有

式中：Si为第i个路段的中心距离上游交叉口的距离。

3.1.2.2 指标权重系数判定

指标权重系数的判定采用层次分析法中求最大特征根的方法求解。可根据专家经验给出三指标的相对重要性判断，然后求出各指标的权重值a及权重向量A（见表1）。

表1 指标重要性判断矩阵及权重系数表

3.1.3 步骤三：计算指标综合测度值

3.1.4 步骤四：拥堵等级阈值的确定

想要确定道路交通的拥堵等级，必须先确定拥堵等级中平均车速、交通流密度、流量的阈值。目前，《城市道路交通管理评价指标体系》中只对城市主干道的拥堵阈值有规定（城市主干道的拥堵阈值为20km／h，是二级运行状态的下限），不同等级的道路拥堵等级的阈值不同，但是可以通过递推的方法得到其它公路道路的拥堵阈值，以高速公路为例：可以依照《城市道路交通管理评价指标体系》中给出的城市主干道的速度拥堵阈值与《城市道路设计规范》中相应的服务水平的速度阈值相比，将比值乘以《高速公路基木段服务水平分析指标和分级标准》中同等服务水平的速度和密度阈值，即得高速公路基本路段的速度和密度拥堵阈值。计算结果如表2所示。

表2 道路交通拥堵分级指标表

据表2可确定城市主干道三指标的论域为（0，4000），（0，80），（0，400）。高速公路三指标的论域为（0，3840），（0，120），（0，80）。根据（8）式将指标各阈值标准化后乘以指标的权重，相加后可确定拥堵分级指标的综合阈值，如表3所示。

表3 道路交通拥堵综合阈值表

3.2 总体评价与峰值异常预警处理

参考前面计算的道路拥堵综合测度值C判断当前道路处于的拥堵等级，对于出现交通拥堵的路段采取必要的疏导措施，防止恶化。

测度指标值C反应的仅仅是道路的一个总体的拥堵情况，而未能体现单个路段的详细情况，当道路中某一个路段出现交通事故的情况就无法判断。因此，采用道路总体拥堵情况评价与单个断面的交通流特征值的峰值异常并行的方法。

4 实例分析

利用vissim仿真一条1.5km的道路，每隔500 m放置一个检测器，路段被分成AB，BC，CD共3个段，方向从D到A。获取从0～5min、5～10min、10～15min 3个时间段检测器之间的平均行程时间、平均车速、交通流密度，交通流量如表4所示。

表4 仿真路段交通流特征值表

依据式（9）可得第一个时段标准化之后的数据集为

依据式（9）和表2可得路段权重向量以及指标权重

依据式（11）计算路段在第一个时间段内的综合交通流特征值

同理，可计算路段在其它两个时间段内的拥堵综合值

结果表明路段在三个时间段均交通流状态为：通畅，较拥堵，一般拥堵。路段AB，BC，CD的速度、密度时间图以及路段AD交通拥堵态势时变如图1所示。

图1 道路拥堵态势时空状态

通过对图a，b，c的分析可知，路段AB和CD断面交通流密度峰值出现在5～10min的时间范围，大小分别为56.25pcu／km 和95pcu／km，路段的BC断面峰值出现在10～15min范围内，大小为65pcu／km。整个路段的拥堵状况为0～5min时为通畅，5～10min为较拥堵，10～15min为一般拥堵，出现这种情况的原因是由于在0～5min内有较大的交通流进入到DC路段，而在5～10min内，较大的交通流已经达到了AB段，并且此时又有一个较大的交通流进入了DC路段，导致在5～10min区间段为AB与DC段均出现流量峰值最大。因此，此时应该在DC入口段发出预警，控制大流量车辆进入AD路段，避免发生拥堵。

5 结束语

道路交通拥堵问题是全球性问题，处理的结果将会直接影响社会经济的发展。解决道路交通拥堵问题需要融合多方面的知识，目前，处理交通拥堵的方式大多数是通过交通管理者的经验采取方案措施解决，缺乏一定的科学性。因此，首先通过引入较为先进的RFID作为收集交通基础信息的关键技术，对交通信息采集与发布系统进行结构设计。其次，利用信息融合与约简算法计算出交通运行状态的特征值（交通流密度，交通流量，平均车速）。然后将特征值作为道路拥堵评价指标，建立基于模糊函数的道路拥堵计算模型和评价标准。最后提出峰值异常和总体评价并行的预警机制，为以后解决交通拥堵问题提供思路，有一定的参考和实用价值。

[1] 朱琳，于雷，宋国华，等.基于浮动车数据的交通拥堵时间维度特征[J].北京交通大学学报，2011，35（6）：7－12.

[2] 楚杨杰，陈春红，刘昭，等.道路交通拥堵自动检测的改进加州算法及仿真[J].数学杂志，2012，32（4）：740－744.

[3] 郝宇，王慧.基于物元法的交通政策评价方法与城市交通拥堵[J].交通科技与经济，2013，15（1）：57－61.

[4] WANG Y B，PAPAGEORGIOU M，MESSMER A.Realtime freeway traffic state estimation based on extended Kalman filter：a case study[J].Transprtation Science，2007，41（2）：167－181.

[5] 黄明芳，郑建湖，池林勇.基于模糊聚类的城市交叉口安全评价[J].交通科技与经济，2012，72（4）：84－87.

[6] 周晓光，王晓华.射频识别（RFID）技术原理与运用实例[M].北京：北京人民邮电出版社，2006.

[7] 刘智勇，李水友.基于信息融合技术的交通量检测方法[J].公路交通科技.2003，20（2）：81－84.

[8] 胡启洲，王海涌，刘英舜.道路交通安全态势监控的测定方法[M].北京：科学出版社，2012.

[9] 姜桂艳，常安德，牛世峰.基于车牌识别数据的交通拥堵识别方法[J].哈尔滨工业大学学报，2011，43（4）：131－135.