新型智慧城市建设背景下智能交通系统设计分析

樊晟姣

（苏州城际铁路有限公司，江苏苏州，215000）

0 引言

现阶段我国已经在新型智慧城市建设方面取得喜人成果，智能交通系统在其中做出了较大贡献。但结合实际调研可以发现，现阶段我国很多城市仍存在智能交通系统建设不完善、管理效率低、服务水平差等不足，为保证智能交通更好满足新型智慧城市建设需要，正是本文围绕智能交通系统设计开展具体研究的原因所在。

1 新型智慧城市建设中智能交通重要性

作为智慧城市的重要组成部分，城市交通规划在智慧城市建设中的重要性极高，智能交通可由此依托监测、监控等技术，健全公路、城管、公安等监控系统，并建立起以智能出行、应急指挥、交通诱导等系统组成的智能化城市交通系统，交通的监控力度和智能化水平能够实现全面提升，城市交通运输的通畅、安全也能够更好得到保障。智能交通能够更好贯彻人本理念，如对于长期以来城市交通存在的“人躲车”现状，智能交通能够通过新型法律取证方法解决“不按规矩让行”问题，在路口调度、停车指挥等方面，智能交通同样有着突出表现，由此可直观了解新型智慧城市建设中智能交通重要性[1]。

2 新型智慧城市建设背景下智能交通系统总体设计

■2.1 系统设计需求

本文设计的智能交通系统服务对象为交通信息服务系统，设计前需要评估交通沙盘，明确智能交通的作用，智能交通系统总体设计需要结合不同交通场景的具体需求。智能交通系统可细分为三类，包括公共出行交通信息系统、交通信息安全服务系统、出行交通产品订购系统，本文研究主要围绕公共出行交通信息系统进行，设计模型选择智能交通沙盘，通过获取信息，提供实时交通出行信息服务。研究采用的智能交通沙盘能够对车辆行驶情况进行模拟，通过建立的停车场、交叉路口、道路等实体模型，即可对典型智能交通场景进行建立，进而提供停车场服务信息、道路车流信息，智能停车、车流智能诱导调度可由此实现，这能够为智慧城市的智能交通建设提供有力支持。总的来说，本文设计的智能交通系统需求体现在三个方面：第一，使用便利。设计完成的系统能够较为便利使用，保证过多因素不会对其造成限制；第二，信息准确。系统需要对交通数据信息进行准确采集；第三，高稳定性。系统需要能够保持稳定运行，进而保证使用体验[2]。

■2.2 系统设计方案

2.2.1 系统架构分析

基于智能交通沙盘，设计需要采集交通场景信息，分析处理相关数据后需要发布并用于展示。智能交通系统设计选择三层架构，包括应用层、传输控制层、数据感知层。数据感知层由无线传感器节点构成，负责实时采集交通数据信息，无线传感器网络负责将采集的信息向网关汇集，数据集中汇集能够基于传输控制层完成，汇集数据由中心服务器处理、分析、存储，通过对该服务器的访问，应用层可实现交通数据信息获取和展示。智能交通系统的基础层为感知层，其通过LoRa传感器节点采集停车场、环境、道路数据信息，这类实时交通数据信息通过无线上传，传输控制层需要负责处理数据，转化的原始数据能够形成可视数据。智能交通系统需要得到通信模块LoRa和TCP/IP协议支持，以此实现信息汇集、上传、解析、存储、发布，应用层可由此为智能停车场、城市环境检测、城市道路车流信息发布提供服务，图1为系统架构示意图[3]。

2.2.2 系统功能模块

图1 所示智能交通系统需要得到物联网技术支持，以此采集和上传交通数据，用户的交通出行数据可基于交通信息服务网实时获取，该系统的功能模块由三部分组成：第一，路口车辆调度功能模块。该功能模块需要提供道路车流信息，同时基于每个路口车流量对交叉路口交通灯进行智能控制，实现路口车辆通过率提升；第二，智能停车诱导功能模块。实时的停车场内车位状态可通过该功能模块提供，用户能够了解车位的占用情况，如停车场空闲数量，同时系统能够引导用户停靠在最佳停车位处；第三，环境信息发布功能模块。该模块能够对道路温湿度等信息进行实时采集，向公众提供实时信息[4]。

图 1 智能交通系统架构示意图

3 新型智慧城市建设背景下智能交通系统详细设计

■3.1 系统硬件设计

3.1.1 感知平台设计

智能交通系统感知平台设计的关键在于终端节点LoRa，该节点在整个交通环境中大量分布，负责采集数据。基于传感器，节点能够在环境中实现对交通数据信息的感知，同时负责处理信息，LoRa通信模块能够将处理后的信息转发至汇集节点，采集和转发数据能够由此完成，图2为感知平台设计示意图。

图 2 感知平台设计示意图

结合图2进行分析可以发现，节点通过湿度传感器、温度传感器、超声波测距模块采集数据，数据封装由节点芯片STM32负责，这一过程涉及数据信息、数据类型、节点信息。系统通过无线通信进行数据信息转发，具体采用的芯片为SX1276，该芯片存在覆盖区域广、能耗较低特点[5]。

3.1.2 系统通信设计

智能交通系统的通信设计基于Linux系统开展，其需要在LoRa网关中内嵌，同时预留蜂窝网口、以太网网口、WiFi模块，各类网络的灵活连接可由此简单实现，图3为智能交通系统通信设计示意图。

图 3 智能交通系统通信设计示意图

结合图3进行分析可以发现，智能交通系统的通信设计需要实现通信链路连接，因此设计采用扩频芯片SX1278，汇集信息打包由微处理器负责，具体型号为ATMega328p，Linux系统负责接收相关数据。通过接收节点信息，网关能够完成数据封装，数据向服务器的上传基于WiFi网络完成，在网关的具体工作过程中，开机后的网关需要开展网络、数据初始化，同时长期保持待机状态，在收到节点数据发送请求后，网关需要完成节点入网操作，之后进行数据信息接收，接收的数据信息需要在封装后向中心服务器上传。

3.1.3 中心服务器设计

为实现网络集中化控制，智能交通系统需要做好中心服务器设计，以此处理、反馈现场传输数据并进行存储。基于智能交通系统需求，设计需要完成服务器程序的搭建，用于处理原始数据，在原始数据支持下，该程序需要为前端界面提供数据服务并涉及逻辑算法内容，数据信息发布也需要由中心服务器完成。在完成信息采集后，基于公共网络传输的数据信息需要由中心服务器接收，这一过程需要得到网关的支持，因此设计采用Socket连接，以此设法分析和存储数据信息，满足前端需要，具体设计如图4所示。

结合图4进行分析可以发现，中心服务器的功能包括处理和分析数据信息、推送发布数据信息、逻辑算法实现，具体的开发设计基于Node.js平台完成，功能实现选择js脚本，这一过程中TCP服务器负责对数据请求和物理数据信息进行监听，数据库管理模块负责调用和存储数据。

图 4 中心服务器设计示意图

3.1.4 数据库设计

数据库设计需要充分结合智能交通系统需求，同时保证数据的一致性和完整性，因此本文选择非关系型数据库MongoDB用于存储数据，具体的数据库设计需要结合系统功能模块，具体可分为三部分；第一，道路车辆信息数据表。为提供道路车流数据信息，对于周期变化的车流数据信息记录，需要形成交通车流量记录表，记录更新频率为1min，具体信息包括车流量、道路编号、道路区域；第二，停车场数据表。考虑到停车时车辆流程，需要对车辆进入时间及车辆本身信息进行记录，同时需要关注车辆驶出信息，基于车位状态表的车位实时状态查看也极为关键，因此需要做好车辆驶出用表、车位使用状态表、车辆信息表设计，涉及的信息包括车辆驶入、车辆驶出、车辆驶入时间、车辆驶出时间、车辆牌照号码、车位编号、车位使用状态、停车场区域，以此停车费用计算、最佳车位推荐均能够由此获得支持；第三，道路环境信息数据表。通过对环境情况的记录，需要设计空气湿度、温度数据信息表，涉及的信息包括温度、温度值、湿度、湿度值、更新时间。

■3.2 系统软件设计

3.2.1 开发环境

本文设计智能交通系统的开发环境为Windows系统，同时使用MongoDB数据库、Node.js平台、js脚本、LoRa网关，信息发布界面基于B/S架构和Web前端设计。浏览器能够为用户提供主要服务，服务器端集中核心事物逻辑部分。

3.2.2 路口调度算法

路口调度算法负责实现智能交通系统的路口调度功能，如城市道路中的行驶车辆过多，以往多采用扩建路网规模和增加信号灯的方式实现路网车辆容量增加，但受到暴躁的机动车保有量影响，路口的拥塞问题无法由传统信号灯较好解决，因此智能交通系统需通过路口调度功能实现信号灯智能控制，这一控制以道路车流数据为依据，路口交通压力缓解、车辆行驶智能调度可由此实现，进而保证各路口通行能力。设计围绕单交叉路口进行，需要对车辆行驶方向和道路建设规划进行分析，同时结合信号灯，开展路口车辆智能调度。基于智能交通沙盘，设计需要部署路口传感器，同时设法提供道路信息服务。具体设计需要设置检测器于道路中，包括用于获取车流大小的上游检测器，以及用于路口车辆数测量的下游检测器，无线通信网络LoRa负责上传数据信息至服务器，分析和处理数据后发布道路车流信息。基于获取的信息，智能交通系统能够实时调度滞留于道路交叉口的车辆，车辆的高效通行能够顺利实现，这需要得到路口调度算法支持，本文设计采用遗传算法，路口车辆调度目标函数可表示为：

T、ti分别为信号灯周期时长、四个相位的绿灯时长，iq、pi分别为第i相位的车辆到达率、车辆的驶出率，Si(h)、S(h)代表第i相位车辆在h周期相位放行后的滞留量、第h个路口车辆在交叉路口的总滞留量。设t1、t2、t3、t4分别为交叉口4个相位，可基于式（2）进行式（1）的极小值求解，以此完成智能路口调度。

进一步的交通量优化需要在遗传算法支持下实现，遗传算法流程如图5所示。

3.2.3 停车指挥算法

基于城市交通沙盘，获取停车场数据信息后向中心服务器发送对应数据集合，分析和处理后的数据可进行实时发布。智能交通系统的智能停车诱导功能模块由信息发布模块、中央控制中心模块、信息传输模块、信息采集模块组成，中央控制中心模块属于其中核心，其需要对停车场数据进行处理，通过算法实现最佳停车位推荐并进行路径诱导，设计基于图6所示的停车场模型开展，以此提供停车场信息、车辆信息查看、车位信息及诱导等功能。

图 7 部署交通沙盘传感器示意图

设计采用路径诱导算法，这一过程需首先开展影响车位选择因素建模，通过多属性决策权重分析，最终形成最佳车位决策算法，建模涉及行驶距离、步行距离、停车难度，采用的算法为Dijkstra；多属性决策权重分析需要设法测量空闲车位属性，即停车难度、步行距离、行驶距离，以此为依据完成综合评估矩阵建设，辅以综合集成赋权法，可确定人们停车时对步行距离的重视程度更高。本文采用灰熵关联理想解方法选取最佳车位，该方法以多属性决策为基础，具体实践需要开展多目标决策模型和加权决策模型的建立，结合最差方案和最优方案集合，确定最优理想方案并计算相对贴近度，最优车位可顺利明确并同时获得推荐路径。为实现停车指挥，需依托智能停车诱导算法对各车位指标值进行计算，最佳停车位可通过计算结果确定，用户可基于可视界面数据信息选择最佳车位，同时可快速确定到达车位的路径。对于进入停车场的车辆，车辆信息能够由智能交通系统收集，车位的使用状态可通过中心服务器轮询，进而满足用户停车需要。

■3.3 系统测试分析

为测试智能交通系统的性能和功能，需按照图7所示部署交通沙盘传感器，数据获取围绕图中所示的三个场景实现，车位使用状态信息获取需要将无线传感器节点部署于停车场，车流数据和环境信息获取需要将节点在道路处布置。

测试过程需要对感知层数据采集结果进行汇聚和验证，同时基于原始数据对应用层开展功能验证。基于测试可以确定，汇集网关与无线传感器间能够实现数据通信，汇集网能够转发数据至服务器，而在LoRa无线传感器的支持下，智能交通系统的三大功能能够发挥预期作用。

4 结论

综上所述，智能交通系统能够较好服务于新型智慧城市建设。在此基础上，本文涉及的感知平台设计、系统通信设计、中心服务器设计、数据库设计、路口调度算法、停车指挥算法、系统测试等内容，则直观展示了智能交通系统的设计路径。为更好满足智慧城市建设需要，智能交通系统建设还需要关注交互体验的强化、各个路口的联合调度等方面。