基于车联网的公路联网收费无感支付方法

戴泽华,张连连,王 丰

(1. 沈阳建筑大学土木工程学院,辽宁 沈阳 110000;2. 河北建筑工程学院电气工程学院,河北 张家口 075000;3. 中国人民大学信息学院,北京 100872)

1 引言

近年来,车辆的增加给公路联网收费带来了巨大的压力与挑战,传统的纸质收费与基于IC卡的人工收费在实现收费的过程中,需投入大量的人力物力财力,使得车辆通行速度变慢,并且在收费站频繁发生车辆拥堵现象,导致公路通行能力降低[1]。尤其是周末、法定节假日,多数公路路段更是堵塞难行。颇受人们青睐的ETC收费方式,与传统纸质收费与半自动收费方式相比,虽然给人们出行带来了便利,但是收费设备比较昂贵,同样在某些方面制约着公路收费系统的发展,人们迫切需求一种具有较高性价比的自动、免人工的收费方式,来缓解车辆行驶在公路收费时存在的压力[2]。因此,各种针对公路收费的无感支付方法开始出现,如基于微信、支付宝的公路收费无感支付方法,基于融合发展技术的公路收费无感支付方法。虽然这些新的无感支付方法的出现,为人们的出行相应地带来了一定的便利,减少了交通拥堵等现象,但是存在付款形式单一,网络卡顿、获取车辆信息不准确等问题[3,4]。

为解决上述问题,本文提出基于车联网的公路联网收费无感支付方法。发挥车联网在道路与交通方面可全面感知、协同人、车、路、站方面的优势,及时获取交通事故、道路通行能力、车辆拥堵状况等信息,并利用Android移动终端设备采用多种付款方式完成缴费,缴费可在任何地点完成,并可提前完成车辆缴费,极大地减少了车辆拥堵现象的发生,提高了道路通行能力,缩短了支付时间,使人们出行变得更加便捷。

2 车联网公路联网收费无感支付方法

2.1 车联网公路联网收费无感支付方法架构

车联网公路联网收费无感支付架构主要包括车辆信息采集、车载信息采集终端、无线通信网络、无感支付中心。具体的车联网公路联网收费无感支付方法架构如图1所示。

图1 车联网公路联网收费无感支付架构图

其核心流程如下:

1)利用传感器对车辆信息进行采集。

2)将采集到的数据信息传输到车载数据采集终端。

3)车载数据采集终端每隔一段时间便通过内置定位与通信模块,将数据通过无线通信网络模块传输给无感支付中心。为保证网络传输的车辆数据信息的稳定性,传输过程中运用无线传感网络数据传输稳定算法对车辆数据传输网络进行优化[5,6]。

4)无感支付中心根据获得的车辆数据信息,将其与公路道路的节点进行路径匹配,判断车辆在公路上的行驶路段,实现路径识别与清分,客户通过云服务器,获取费用明细,借助Android移动终端完成第三方无感支付[7]。

2.2 无线通信网络数据传输稳定算法

为了提高无线通信网络的稳定性,本文应用基于分流优化选择机制的无线传感网络数据传输稳定算法,一方面通过分割优化网络资源实现车辆数据信息向无感支付中心的优化传输。另一方面,由于通信网络存在不稳定因素,对各簇间路由进行优化,使得通信网络稳定,减少车辆数据信息传输过程中的卡顿问题,更好实现车辆数据信息传递。

2.2.1 基于自感阈值的区域成形

传感网运作初期,进行数据上传任务的节点,将精准的时钟信息进行广播发送,节点m接收精准的时钟信息后,计算自身位置坐标与数据上传任务节点间的距离,将距离最近的节点当作簇头节点。明确自身所属簇域后,将节点m标记为簇成员节点,并采用Hello分组将其对簇头节点进行广播[8]。

由于传输节点中的所有能量信息都在Hello分组中,因此Hello分组可以反映能量消耗率,簇头节点首先需要详尽地考虑区域内其它节点的能量消耗,并根据能量消耗进行分类,为了达到更新区域内簇头节点的目的,可以通过对区域内除簇头节点外的能量节点进行加权来估计簇头的当前状态。

簇头节点接收到Hello分组以后,用H＿Door(m)代表节点m的能量自感阈值,其可以表示为

(1)

式中,节点m已经消耗的能量用H(m)代表,用PCH代表簇成员节点,CH代表簇头节点,n代表与节点m同区域的其余簇成员节点。

如果节点m想要成为簇头节点,就要通过式(1)计算其路径自感阈值,假定当前节点为m,它的H＿Door(m)值的大小与其性能正相关,当当前的簇头节点产生故障时,当前节点m成为新的簇头节点的可能性概率最高。对区域范围内节点的H＿Door(m)值进行加权,同时考虑当前簇头节点对下个时刻H＿Door(m)的反馈,用μm代表选取系数,用μm判断簇头节点CH的竞争

μm=H＿Door(m)×H＿Door(CH)

(2)

若H＿Door(CH)值小于μm值,更换簇头节点,由于μm的值直接关系到簇头节点的更换,用Time(m)代表轮换时间,在周期T内,节点m成为簇头节点的轮换时间可表示为

(3)

式中,路径调整因子用λ表示,满足λ∈[0,1];簇头节点的更新周期用T′代表,满足T′∈[0,1];路径递归因子用ω代表,满足ω∈[0,1];当更新周期用T′的值高于用Time(m)代表的轮换时间时,进行簇头节点更新。

2.2.2 簇间分流优化

假设簇头节点在接受其它簇内节点的数据后,把数据用带宽B分割为Num个数据流发送,对于当前簇头节点来说,其它区域内的下一跳的各个簇头节点都可以用来当作下一传输路径的节点,合理地对下一跳的簇头节点进行选择,能够有效减少能量成本[9],将当前簇头节点m的能力消耗与其它节点能力消耗的比例计算出来,在降低能量消耗的同时,可再分配传输带宽,最大传输带宽要保证低于或者等于带宽B,Num的计算公式可以表示为

(4)

式中,调节参数用η代表,通常情况下,用区域范围内节点个数的倒数作为调节参数。

上传数据完成分割后,假定簇头节点m将Num个独立数据流传到下一个节点n,当μm与Time(m)、μm与Time(n)的比值都是最大时,则节点m在能量消耗量与时间上都具有最低值,用Fcos t代表最优传输函数,用公式可以表达为

(5)

式中,比例系数用φ代表,通常情况下取值在0.5到1之间。

通过不间断计算最优函数,选出最优函数值最高时所对应的节点,当作下一跳的节点,便可优化整个数据路径[10]。

2.3 路径识别与清分算法

2.3.1 车联网下的路径识别方法

在车联网环境下,通过将无线通信网络传输至无感支付中心的公路车辆信息与公路道路的节点进行路径匹配,获知公路车辆实时行驶路段信息。若要获知公路车辆实时行驶路段信息,可用最小路段对公路道路网络进行描述。由于公路的修建主体不同,不同公路路段的收费标准、归属辖区不同,假设最小路段相邻两个站点之间没有歧义路段,且收费费率与业主相同。如果出现与上述状况不一致状况或者出现岔道口,则加入虚拟站点将其变为最小路段。根据最小路段定义划分公路路网,将公路路网中的标识点信息提取,并用于公路路网信息数据库。

车辆进入公路后,激活通信模块,通过定位模块,确定车辆位置信息,然后车载数据采集终端通过无线通信网络,将这些信息发送给无感支付中心的收费管理系统,无感支付中心收费管理系统获取车辆信息后,根据获得的车辆信息数据,将其与相关的流程进行路段匹配,判断车辆在公路上的行驶路段,实现路径识别。

无感支付中心中,实现匹配路径的具体步骤为:

1)根据定位操作确定的中心点,定义一个合理的搜索半径,建立一个合理的圆形搜索区域。

2)判断搜索区域中的关键点存储起来,当作车辆在此路段行驶的可靠标识,操作一直持续到车辆驶离公路。

3)定位数据发送结束后,根据操作所获取的关键节点信息数据,在路网信息数据库中与相应的路段匹配,这样可以对车辆的行驶路径进行正确地识别。

2.3.2 收费与清分算法

通过对车辆进行路径识别,可确定车辆的行驶轨迹,依据车辆行驶轨迹与该路段的收费表,可通过下面的数学表达式简化收费与清分过程。

将收费规则用矩阵Q表示,满足

Q=[qij]

(6)

式中,qij满足

(7)

其中,i=1,2,…,LDnum,j=1,2,…,COMnum,国内路段的总数用LDnum代表,路网内公司总数用COMnum代表。

上述收费规则表示的是单一车型在各个公司各个路段的收费。

用T代表车辆行驶的一维矩阵,满足

T=[ti]

(8)

式中,ti满足

(9)

其中,i=1,2,…,LDnum。

用s代表单车收费额,S代表各路段收费额。满足下式

(10)

S=[sij]

(11)

式中,i=1,2,…,LDnum,j=1,2,…,COMnum;S=T×Q=[sj];各车辆经过后j公司清分的通行费用sj表示,当把不同车辆驶离公路后,对不同车辆的sj进行求和,即可得到j公司获得的通行费。

3 实验与论证

将本文方法应用至某个可实现公路联网收费无感支付的收费站,验证本文方法的可行性。

表1为应用本文方法的公路联网收费无感支付收费站部分测试结果。

表1 公路联网收费无感支付部分测试结果

从表1可以看出,应用本文方法设计方法后车联网公路联网收费无感支付收费站运行良好,数据采集、通信、定位以及路径识别性能均通过测试,可以实现公路联网收费的无感支付,且支持第三方支付,支付便捷,验证了本文方法的可行性。

图2是应用本文方法与基于微信、支付宝的公路收费无感支付方法,基于融合发展技术的公路收费无感支付方法,在不同交通密度下车辆通过公路收费口的时间。

图2 车辆通过公路收费口时间

从图2可以看出,应用本文方法车辆通过公路收费口的时间更快,且随着交通密度的增大车辆通过收费口时间虽有所增加,但增加趋势不明显。而应用传统方法后车辆通过公路收费路口的时间较长,且随着交通密度的增大,车辆通过公路收费口的时间更长,说明应用本文方法支付车辆公路收费,在通行时间上更具优势,可提高车辆通行的效率,有效减少收费口交通堵塞。

图3是应用三种方法后的公路联网网络死链出现概率对比图。

图3 网络死链出现概率

由图3可以看出,随着节点密度的增加三种方法的网络死链概率都呈增加趋势,但是应用本文方法的网络死链出现概率始终低于传统方法,说明应用本文方法具有较低的网络死链出现概率,通信网络比较稳定,可更好实现公路联网车辆收费无感支付。

数据传输时如果最大上传带宽过低,会导致通信网络瘫痪,从而无法实现公路收费无感支付。图4是本文方法在不同交通密度下的最大上传带宽。

图4 不同交通密度最大上传带宽

由图4可知,三种交通密度下的最大上传带宽值始终较高并且随着数据传输率的增加,三种交通密度下的最大上传带宽也随之增加,三条带宽曲线增幅基本一致,且在相同数据传输率下的最大上传带宽接近。说明应用本文方法即使在交通密度较大情况下,也极少出现网络瘫痪状态,降低了数据异常情况的发生概率。

4 结论

本文研究车联网的公路联网收费无感支付方法,通过实验对应用本文方法的收费站进行了测试,验证了本文方法的可行性与有效性,在避免网络卡顿的同时,减少了车辆通过公路收费口的时间,一定程度上缓解了交通压力,提高了道路通行能力。但由于技术时间有限,本文方法用户主要通过APP进行车辆收费公路联网无感支付,在用户体验上还有很大的提升空间,下一步可设计基于车联网的公路联网无感支付小程序、公众号满足更多车辆用户的使用习惯。