基于物联网的城市路况监测系统

曹文君　薛善良

(南京航空航天大学计算机科学与技术学院　南京　211106)



基于物联网的城市路况监测系统

曹文君薛善良

(南京航空航天大学计算机科学与技术学院南京211106)

针对现今不断恶化的城市道路车辆堵塞问题,论文提出一种城市路况监测系统,该系统应用物联网中的RFID技术感知车辆的实时位置和速度信息,利用路边采集节点、车载节点、汇聚节点搭建路况信息监测网络,通过该网络对车辆实时位置和速度的感知、传输和汇聚,实现对城市道路交通状况的监测以及对车辆的实时定位。文中所设计的实时路况监测系统能有效地改善道路拥堵问题,为城市交通的智能疏导奠定基础。

物联网; 城市路况监测系统; RFID技术; 道路拥堵; 车辆定位

Class NumberTP39

1　引言

在现代社会,随着汽车数量的不断增大,城市道路交通堵塞现象也不断加剧。如何有效地对车辆、道路进行监管,改善城市交通拥堵情况成为了迫在眉睫需要解决的问题。如今,信息领域正发生着从互联网到物联网[1]的新一轮技术革命,将物联网应用于城市交通的监测和管理成为了人们的研究课题。在这一领域里,刘小洋、张浩等[2～5]分析了物联网应用于城市交通网络的可行性以及现状;刘唐等[6～8]在物联网的基础上设计了智能交通探测系统用以检测道路拥堵状况;付涛[9]、陈强[10]等则利用ZigBee技术设计了一种智能交通系统,该系统能够有效地缓解交通拥堵现象。论文则是在他们的研究基础上采用抗干扰能力相对较强的RFID技术并且利用物联网的网络特性,设计了一种城市路况监测系统,以改善城市交通拥堵状况。

2　城市路况监测系统构建与网络模型

2.1城市道路网络部署

为了有效地进行城市道路交通信息采集,本文首先应用物联网技术构建无线传感网络,在监测区域内部署大量用于路况监测的传感器,这些传感器按照其功能不同被划分为车载节点、采集节点和汇聚节点(如图1所示)。这三类传感器节点构成了城市路况信息监测网络,并且以彼此相互协作的方式感知、传输和处理网络覆盖区域内监测对象的相关信息。其中各节点的详细功能如下所述。

车载节点为动态节点,部署于每一辆车中,其不仅存储该辆车的ID信息以识别和区分道路上的车辆,而且还存储自身的交通信息记录以及所接收到的交通信息。在路况监测过程中,将跟随着车辆运行动态加入和退出无线传感器网络、对接收到的交通信息进行存储转发。

采集节点为静态节点,通常相隔一定距离部署于交通道路一旁,负责与车载节点通信以采集经过此位置车辆的信息,并对采集到的数据进行第一次处理以得到车辆的平均速度、行驶方向和位置信息,然后将处理后的数据发送至汇聚节点。

汇聚节点也是静态节点,通常部署于每一个交叉路口的中心位置(如红绿灯处等),当任意两个交叉路口相距较远时,可在这两个交叉路口之间的路段适当地添加汇聚节点。汇聚节点的主要功能是周期性地对收集到的数据进行第二次处理以获得自己管辖范围内的道路的实时交通状况,并将处理后的数据结果发送至其邻近的汇聚节点,由其对周围的车辆进行广播,以便该路段附近的车辆能够获得更加实时、准确的路况信息,既而进行行车路线的选择。一般而言,无论是单行线道路还是双行线道路,汇聚节点都将行驶方向是驶向自己的道路划分为自己的管辖范围。

图1　道路节点部署示意图

2.2网络模型

在本文所讨论的路况监测网络中采用簇型结构(如图2所示)。其中汇聚节点作为簇头,负责监管其所在地理位置附近路段的路况,处于该汇聚节点通信范围内的采集节点和车辆节点则作为子节点收集自身所在路段的原始信息。在此结构中,采集节点的传感器模块探测到的车速等信息需要经过移动中的车载节点的路由转发传送到汇聚节点,再由汇聚节点对所在区域的子节点上传的大量数据进行踢重、排错,并根据车辆位置信息和行驶方向将同一路段上行驶方向相同的车辆分为一类,然后通过对同属一类车辆的相关数据进行融合计算,得出路段的路况信息。此路况信息被转发至邻近的汇聚节点,这些汇聚节点可将信息分发于其所在道路的车辆,便于车辆根据接收到的信息实时地调整自己的行车路线。

图2　智能交通联网示意图

在整个路网模型中存在三种交通信息的传递:

1) 车辆信息A(vechicle information A,viA),由采集节点探测后发送至被探测车辆的信息。

2) 车辆信息B(vechicle information B,viB),是由采集节点探测到后发送至汇聚节点的信息。

3) 路况信息(roads condition information,rci),是经由汇聚节点处理后的分发给车载节点的信息。这三种信息包含的内容如图3所示。

图3　信息结构示意图

3　道路拥堵检测

监测道路交通状况,首要需要对道路上来往的车辆进行探测。在以往的研究中,对于道路上车辆的探测可采用地置线圈、视频检测器等,但是这些方法都因为自身的特性而存在着某些局限性,并且检测误差率都在5%以上。因此,本文采用基于地磁传感器的RFID[11～13]无线传感系统感知路况信息。地磁传感器对地磁场的信号十分灵敏,可分辨出地球磁场六千分之一的变化,当有车辆通过时,对地球磁场产生的影响将达到地磁强度的几分之一[14],因此利用地磁传感器能更有效地减小误差率。现在基于地磁传感器的车辆检测算法有固定阈值算法[15]、状态机检测算法(包括单中间状态[16]和多中间状态的车辆检测算法[17])、ATA算法[18]和VRPLA算法[19]等,算法大部分都是针对快速移动中的车辆,而当车速缓慢时其误差变大,而VRPLA算法则有效地解决了这个问题。为此,本文应用VRPLA算法进行车辆检测。

在实际的交通运输中,道路的拥堵或发生于路口处(由于车流量较大,红绿灯的设置不合理),或发生于路段中(由于行车事故,车辆故障等)。而在一段长度一定的道路路段上,车辆个体和所有车辆所构成的整体的行为(例如速度)比较一致。因此,本文通过在道路两旁部署RFID传感器,利用传感器对行驶于道路上的车辆进行感知并获取车辆的相关信息来还原道路上的整体车速以预测该段道路的交通情况。

具体实现过程如图4所示,已知S、D是隶属于同一路段上时间同步的相邻传感器节点。当车辆经过时,节点S探测到该车辆并记录下该车辆的ID以及探测到该车辆时的瞬时速度V0和时间t0,然后将这些信息以及S所处的位置一起填入viA消息的数据域内,将该消息广播至相邻节点。当道路上的车载节点接收到viA消息后,首先通过该消息所携带的车辆ID信息确认是否是关于自己的信息,如果不是,则直接丢弃该消息,否则将该消息内的相关信息记录于本地内存中。当车载节点经过下一个节点D时,D节点同样将探测到该车载节点,并记录下探测到该车辆的时刻t1及其瞬时速度V1,然后获取该车辆的本地信息,根据本地信息中记录的车辆上一次经过S节点的时刻和S节点的位置判断该车的行驶方向并通过式(1)计算车辆在SD这段距离的平均行驶速度。

(1)

当采集节点获得车载节点在某路段的平均速度V后,会将自己所属的街道ID、车载节点的平均速度、行驶方向以及D探测到该车辆节点的时刻记录于viB消息内,然后将该消息发送至负责管辖本路段的汇聚节点,汇聚节点收到viB消息后,首先根据消息内所携带的街道标识符以及车辆行驶方向判断该消息是否来自于自己管辖范围的节点,然后根据时间戳判断该消息是否已过时(如果该时间戳的时间位于上一个路况监测周期之后,说明该消息未过时)。如果该消息是来自于自己所管辖的街道并且未过时,则将其记录于该街道所对应的表中,并等待汇聚节点的下一个路况监测周期的到来,当该周期到来时,簇节点会根据表中的信息统计道路上的车辆总数和车速小于20m/s的车辆的总数,并通过式(2)和式(3)计算该段道路的平均车速以及低速比。

(2)

(3)

其中,Vt表示在该段道路上车辆i的平均车速,Vs表示该段道路的整体平均车速,n表示在汇聚节点的一次路况监测周期内所检测到的道路上的车辆总数,k表示车速低于20m/s的车辆总数,Pcw表示车速低于20m/s的车辆占道路上车辆总数的百分比。

根据条件,当城市道路的平均车速Vs低于20km/h,且低速比例Pcw大于50%时,则判定该道路段为拥堵。为了避免因为红灯导致的道路上车辆低速行驶或静止而造成的道路拥塞的误判,所以汇聚节点在接收到探测节点发送的viB消息时会检测该消息的时间戳是否在该道路显示红灯的时间段内,如果属于则该消息无效,直接将其丢弃。计算出道路拥堵情况后,汇聚节点会将该道路的相关信息填入rci消息内,并将该消息发送至其他汇聚节点,由其他汇聚节点将该消息广播至其管辖路段上行驶的车辆,以便车辆即时地根据收到的路况信息做出行车路线的修正。

图4　车辆检测示意图

4　车辆实时定位

本文通过在道路两旁安置的传感器设备还可以完成对车辆的实时定位。目前,人们一般通过全球定位系统GPS[20]对车辆进行定位,然而GPS在城市的应用受到极大的限制:在建筑物密集的城区接收信号不理想,容易出现盲点,且卫星信号较弱,抗干扰能力不强,定位精度也不够。为此,本文通过部署在道路两旁的采集节点对过往车辆进行感知,以采集节点的位置计算被感知车辆位置。

在本文所设计的系统中,当行驶在道路上的车辆经过道路旁所安装的RFID传感器S时,S会检测到该车辆,并且通过读取和计算车辆本地信息获得车辆的ID、瞬时速度和方向,然后该系统将车辆的位置和行驶方向映射于车载地图上供驾驶员参考。当车辆行进到某路段S、D两个传感器节点之间时,可根据车辆本地所存储的上一时刻被探测到时的车速、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分别表示车辆节点相对于该道路所处位置,V表示车辆速度信息,t0和t1分别表示车辆经过S节点的时刻和此时的时刻。

5　结语

本文设计了一种基于物联网的城市路况监测系统,该系统利用由车载节点、采集节点和汇聚节点构成动态自组织路况监测传感网,并应用物联网的无线射频识别技术、无线传感网络技术,实现对实时交通数据的感知、通信和传输。本文重点讨论了城市交通中的车辆定位和道路拥堵问题,提出了城市交通道路拥堵判断策略和车辆精路定位方法,为城市交通的智能疏导奠定了基础。

[1] 周明.物联网应用若干关键问题的研究[D].北京:北京邮电大学,2014.

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

[2] 刘小洋,伍民友.车联网:物联网在城市交通网络中的应用[J].计算机应用,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] 张浩.物联网环境下智能交通系统模型设计及架构研究[D].北京:北京交通大学,2011.

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

[4] 蒋新华,陈宇,朱铨,等.交通物联网的发展现状及趋势研究[J].计算机应用研究,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] 王琳伟.面向智能交通系统的物联网体系结构的研究与设计[D].南昌:南昌大学,2012.

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

[6] 刘唐,彭舰,杨进,等.基于物联网的智能交通流探测技术研究[J].计算机科学,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] 刘丽.基于物联网的城市智能交通系统的设计方案[J].赤峰学院学报(自然科学版),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] 蒋轶玮,周丹丹,田玉静.基于物联网的智能交通系统架构设计[J].电声技术,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] 付涛.基于ZigBee的车载物联网技术应用研究[D].长春:吉林大学,2011.FU Tao. The research of vehicular networks application base on ZigBee[D]. Changchun: Jilin University,2011.

[10] 陈强.基于ZigBee技术的车辆交通信息采集系统研究[D].南京:南京理工大学,2011.

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

[11] 张航.面向物联网的RFID技术研究[D].上海:东华大学,2011.

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

[12] 张捍东,朱林.物联网中的RFID技术及物联网的构建[J].计算机技术与发展,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] 杜预.基于无线射频的停车场车位检测系统设计与实现[D].成都:西南交通大学,2012.

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

[14] 赵丽霞,纪松波.无线传感器网络在智能交通中的应用[J].物联网技术,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,方涛.基于PLA时间序列重现的在线车辆检测算法[J].计算机工程与应用,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] 刘美生.全球定位系统及其应用综述(二)——GPS[J].中国测试技术,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,硕士研究生,研究方向:物联网的应用。薛善良,男,副教授,硕士生导师,研究方向:物联网。

TP39

10.3969/j.issn.1672-9722.2016.08.020