面向拥堵筛查决策应用的物联网云平台模型

秦 绯

（山西省交通运输运行监测与应急处置中心，山西太原 030006）

0 引言

公路交通已成为世界经济发展的重要支柱，据统计全球75%的货运运输与90%的旅客运输都由公路交通实现。随着社会国民经济的高增长速度以及人民为更好地适应国民经济蓬勃发展新态势、新目标和各项任务的要求，交通运输部组织制订了《全国公路工程网行动计划调节实施方案》（2019—2030 年），拟对2019 年实施的山西公路运输建设网再次进行调节，目标年从2020 年延伸至2035 年，山西省规划布局从“三纵十二横十二环”调整为“四纵十五横三十三联”，建立纵贯北南、承东启西、涵盖全省、通达四邻的高速网。调控后山西省高速公路建成里程数将达至8 418 km（不含重复建设里程），公路面积密度将从4.6 km/百km2提高到5.37 km/百km2。

当前高速收费站的拥堵现象有日渐加重的态势，这极大地抑制了高速服务水平的提高。由于山西高速以山区为主，路况复杂，经常出现大雾、道路结冰等现象，大型车辆速度低，行驶难，易出事，都是堵车时间上的症结。经济假期日道路交通量增多、某些路段通过能力不够、分流较少、部分交安基础建设不完整、不文明驾车习性等是造成拥堵的主要原因。

1 技术路线

如何利用地磁传感技术、车辆检测识别技术、通讯控制技术、物联网云平台技术、预测技术等，通过建立仿真模型进行分析，获得适用于收费站车流、车速检测拥堵状况的流量快速筛查与自动决策方案，并通过后续的设计优化，研发出一套可以满足对收费站车辆运行状况的精准、快速、高效监测、筛选和响应系统，实现收费站车流状态实时监测、数据上传、存储与报警、车流预测等功能，真正实现快速、高效的排堵保畅[1-4]。

a）地磁监测设备与视频系统相结合，实现多信息融合，确保准确收集路口信息。

b）整个系统是基于物联网云平台开发，整合各个功能系统，使整个系统实现信息化管理、智能化操作，让工作人员与公众直观地查看各路口异常状况与相关信息，提高了工作人员效率的同时也大大避免了瞒报与误报现象的发生，为公众建立一道信息公开、智能可靠的防线。

c）引入智能预测算法，实现拥堵提前预警，避免或减轻交通拥挤及二次事故的发生。

2 国内外同类技术研究现状分析

对于解决高速道路拥堵目前主要的方案有如下几种：

a）建设监控系统 将收费站信息上传到监控中心，并通过结合各种GPS、GIS 及无线视频监控等技术，通过可视化界面实现对收费站的无线视频监测[5]。

b）建立事件服务系统 通过各种预测模型预测收费站拥堵状况，在数据分析的基础上，通过分流等措施控制车流，从而避免拥堵现象在此发生[6]。

c）建立驾驶员信息系统 驾驶员可以通过多种渠道了解实时路况并根据情况换道行驶，从而实现避免拥堵的目的[7]。

目前山西省高速具有收费站实时监控平台，但是只能通过监控人员人工查看监控视频，从几十幅画面中找出发生拥堵乃至事故的路口，然后再人工通知相关工作人员去实施疏导。该系统存在工作量大、反应慢、不自动的缺点。很多时候，高车速路段出现拥堵时，如果检测摄像机无法最先检测预警，那么公路监管部门需要等到出现车祸者或者事发周围司机的告警才能进行反应，一来无法及时为遭遇车祸者进行帮助，对路面交通事故进行处理，致使人、财、物的损失扩大；二来也无法第一时刻对相应公路段进行针对性的导流，封锁出口等工作，造成堵车等状况的出现。

3 收费站拥堵情况智能化监测与预警技术研究

3.1 研究适用于收费站车流监测设备

汽车检查科技是道路交通现代化管理（Intelligent Traffic System，ITS）的核心技术，常用的汽车检查科技包括红外汽车检查、微波、超声、电感线圈汽车检查、视频、地磁。各种检验科技都因其检验基本原理的限制，存在着各自的局限。因此，根据收费站需要采集车辆信息内容的需求，以及考虑现场的实际环境气候特点，选择一种或多种车辆检测技术，通过互相配合的方式，来取得最佳监测效果。

3.2 云端数据库的搭建与优化

设计制定云端数据库框架方案，在开发过程中立足整体，把所需掌握的车辆信息分类、整合，构建完整的数据库标准体系，并具备车流信息分析与上报功能，力求提高数据库的执行速度，并提前测试数据库的稳定程度，发现问题、解决问题以减少后期的维修频率，避免不必要的资源浪费。

3.3 收费站拥堵状况自动筛选与报警

实现从上百帧收费站监测图像中，结合地磁设备信息，采用信息融合算法筛选出拥堵路口并进行报警。根据告警的方式不同，可以实现短信（GSM）告警、现场话音告警和来电告警、以及互联网告警和电子信件告警（互联网状况允许）几种告警方法。操作员能现场应答告警消息，还能远程应答告警消息。以短信告警为例，出告警信息后转发微信至规定操作者手机，操作者提出特殊的指示回复微信报警系统接受到微信进行处理后，通过发布监控指示命令通知相关人员前去疏导，并可以消除警报。

3.4 收费站车流拥堵预测模型研究

车流预计是指基于动态获得的高速道路通行流状态统计的日期顺序预计未来时间段道路交通流状态统计。预测结果对缓解交通拥堵有巨大影响，但由于交通数据流具有时变性、高非线性以及多变量等特点，交通预测并非易事。预测模型仅能够整体地预测未来时刻交通流的变化情况，迄今为止，研究者们没有找到一种算法在不同预测条件下得到良好的预测效果[8-10]。因此需将各种算法预测模型的优势相结合或是改进模型让算法预测模型做到扬长避短。

把上述的4 部分方案进行整合，研究出一套高效的基于物联网云平台收费站监测、拥堵路口筛选、报警与预测系统方案，建立整体模型，之后在仿真模型的基础上，在OpenStack 云计算平台进行实际系统的设计与搭建[11]。

4 收费站拥堵情况预警技术的工程实践

为实现收费站车辆信息监测、避免收费站拥堵、实现自动收费站拥堵识别和决策，一方面，要准确、迅速地识别拥堵路口，报警并疏导，以防止拥堵情况持续严重造成不必要的损失；另一方面，要能够对可能或将要发生拥堵的路口进行预警，以避免不必要的拥堵发生。以下为解决问题的关键技术。

4.1 大面积地磁监测设备与视频系统的精准配合

在大面积地磁监测设备选定的基础上，与视频系统的默契配合至关重要[12-13]。配合的精准程度决定着能否及时、准确判断拥堵路口并报警，其关键技术之一就是简化操作方案，通过理论仿真和试验提升两者的磨合程度。

4.2 物联网云平台的设计

收费站的复杂性对整个平台的运作产生影响。在设计时，把各项功能的技术方案整合细化以确保整体方案可行。搭建模型，使云平台在运作时保证路口信息采集传输、数据库、报警与预警功能正常稳定地实现[14]。因此，关键技术之二就是设计一套完备的物联网云平台系统[15]。

4.3 拥堵预测模型和预测算法研究

深入研究收费站拥堵的影响因素，分析各种预测算法的特点，设计并优化预测模型，实现对单一路口的预测和多路口协同预测，提高预测精度，确保减少拥堵发生[16-17]。其关键技术就是要设计具有针对性的预测模型和算法。

5 结语

实现收费站车流状态的实时监测、拥堵状况筛选、报警功能可以提高拥堵处理速度，减少拥堵情况发生。基于物联网云平台的收费站车流状态监测及决策系统将实现收费站车流监测、拥堵路口识别、报警及预警功能四合一，有效地对收费站进行管控，为保障高速公路畅通提供技术及信息支持。通过构建预测模型，对未来一段时期内道路路口拥堵状况进行推演，实现未来收费站状况预测，并设定阈值，实现安全预警。如果成果可以广泛推广应用，将为解决收费站拥堵、提升排堵保畅能力产生根本性的优化，产生巨大的经济及社会效益。