基于無(wú)線傳感的動(dòng)態(tài)智能交通誘導(dǎo)控制系統(tǒng)

李曉英

(信陽(yáng)師范學(xué)院 旅游學(xué)院, 河南 信陽(yáng) 464000)

0 引言

由于經(jīng)濟(jì)飛速發(fā)展，城市道路中各種代步車(chē)也在爆發(fā)式地增長(zhǎng)，解決交通擁堵問(wèn)題已迫在眉睫[1,2].交通擁堵問(wèn)題已是各個(gè)國(guó)家普遍關(guān)注的焦點(diǎn)之一.通過(guò)建立和使用網(wǎng)絡(luò)交通系統(tǒng)來(lái)加強(qiáng)車(chē)流量的監(jiān)控并實(shí)現(xiàn)交通信號(hào)的合理控制，從而增加了城市路口的通透量，極大地緩解了交通擁堵的問(wèn)題.例如，美國(guó)設(shè)計(jì)的ADVANCE(Advanced Driver and Vehicle Advisory Navigation Concept)系統(tǒng)[3,4]，主要依靠路面的檢測(cè)器來(lái)獲取交通數(shù)據(jù)流的信息.美國(guó)最具代表性的車(chē)載導(dǎo)航系統(tǒng)Trav Tek主要是對(duì)車(chē)輛即將行駛的路徑進(jìn)行實(shí)時(shí)引導(dǎo)，并將信息服務(wù)系統(tǒng)實(shí)用化，系統(tǒng)的主要組成部分有需要檢測(cè)的車(chē)輛、信息處理中心以及交通管理中心.日本的實(shí)時(shí)路徑誘導(dǎo)系統(tǒng)DRGS(Dynamic Route Guidance System)打破傳統(tǒng)的分布式誘導(dǎo)方法，采用了集中式誘導(dǎo)方法，車(chē)輛通過(guò)安裝的VICS(Video Investigation Combat System)視頻偵查系統(tǒng)的車(chē)載導(dǎo)航裝置，使車(chē)輛在任一時(shí)刻任一地點(diǎn)都能實(shí)時(shí)獲取前方的真實(shí)路況，通過(guò)該系統(tǒng)能給出車(chē)輛當(dāng)前最優(yōu)的行駛路線.交通誘導(dǎo)控制系統(tǒng)是在車(chē)流量監(jiān)控系統(tǒng)的基礎(chǔ)上設(shè)計(jì)出來(lái)的，它同交通信號(hào)燈控制系統(tǒng)以及交通誘導(dǎo)系統(tǒng)構(gòu)成了整個(gè)智能交通系統(tǒng).通過(guò)車(chē)載無(wú)線傳感器網(wǎng)絡(luò)來(lái)獲取城市的實(shí)時(shí)交通數(shù)據(jù)，并通過(guò)對(duì)其數(shù)據(jù)的分析以及信號(hào)燈的控制相協(xié)調(diào)，從而能給出車(chē)輛的最優(yōu)路徑規(guī)劃，成功誘導(dǎo)車(chē)輛運(yùn)行，達(dá)到緩解交通負(fù)載的目的.

1 系統(tǒng)設(shè)計(jì)

1.1 無(wú)線傳感網(wǎng)絡(luò)的體系結(jié)構(gòu)

無(wú)線傳感網(wǎng)絡(luò)部分是由車(chē)載無(wú)線節(jié)點(diǎn)和道路上的感應(yīng)裝置構(gòu)成，用來(lái)采集車(chē)流量信息.如圖1所示，無(wú)線傳感網(wǎng)絡(luò)主要由三部分構(gòu)成，分別為數(shù)據(jù)獲取部分、數(shù)據(jù)發(fā)布部分以及網(wǎng)絡(luò)控制管理中心部分.這種網(wǎng)絡(luò)是由一個(gè)個(gè)節(jié)點(diǎn)組成的，網(wǎng)絡(luò)中的節(jié)點(diǎn)是由傳感器、各個(gè)通信模塊、網(wǎng)絡(luò)處理單元構(gòu)成的，每個(gè)分節(jié)點(diǎn)由固定的網(wǎng)絡(luò)通信協(xié)議形成節(jié)點(diǎn)自身的分布式網(wǎng)絡(luò)，采集來(lái)的信息經(jīng)優(yōu)化后再傳遞給信息控制系統(tǒng).由于其具有自組織性、動(dòng)態(tài)拓?fù)浜凸?jié)點(diǎn)數(shù)眾多以及分布密集等特點(diǎn)，使得它有很強(qiáng)的獨(dú)立性和容錯(cuò)性[5].

圖1 無(wú)線傳感網(wǎng)絡(luò)體系結(jié)構(gòu)Fig. 1 The architecture of wireless sensor network

1.2 無(wú)線傳感網(wǎng)絡(luò)的定位算法

在車(chē)流量監(jiān)測(cè)系統(tǒng)中，對(duì)車(chē)量的精確定位非常關(guān)鍵，而傳統(tǒng)的定位算法大都采用質(zhì)心定位算法[6].對(duì)于圖2空間，圖中五點(diǎn)的坐標(biāo)分別是A(xa,ya,za)、B(xb,yb,zb)、C(xc,yc,zc)、D(xd,yd,zd)、E(xe,ye,ze).

圖2 凸多邊形Fig. 2 The convex polygon

凸多邊形ABCDE的質(zhì)心O(x,y,z)是由傳統(tǒng)的質(zhì)心算法計(jì)算得到，即：

x=(x1+x2+x3+x4+x5)/5,

(1)

y=(y1+y2+y3+y4+y5)/5,

(2)

z=(z1+z2+z3+z4+z5)/5.

(3)

由于在車(chē)流量無(wú)線誘導(dǎo)中是通過(guò)對(duì)定義區(qū)域內(nèi)的點(diǎn)進(jìn)行平行定位，所以z坐標(biāo)無(wú)須參與計(jì)算，進(jìn)一步簡(jiǎn)化可得：

(4)

因傳統(tǒng)的質(zhì)心算法所獲得的定位精度較低，故參考了RSS(received signal strength)算法的思想，其路徑耗損模型算法表示為：

(5)

定義Rji為信號(hào)強(qiáng)度比值，即：

Rji=Sj/Si,i=1,2,…,N;j=1,2,…,N;i≠j.

(6)

定義權(quán)值為：

(7)

加權(quán)后的數(shù)學(xué)表達(dá)式為：

(8)

通過(guò)計(jì)算權(quán)值及借鑒RSS思想對(duì)質(zhì)心定位算法進(jìn)行賦權(quán)后得到最終表達(dá)式：

(9)

其中：(xi,yi)代表接收到的各錨節(jié)點(diǎn)位置信息,Ni為錨節(jié)點(diǎn)在時(shí)間段內(nèi)的轉(zhuǎn)發(fā)次數(shù).

具體定位算法的步驟為：

步驟1 在道路十字路口以及道路途中設(shè)置部分節(jié)點(diǎn)，其中包括錨節(jié)點(diǎn)和未知節(jié)點(diǎn)，錨節(jié)點(diǎn)能夠周期性地廣播自身節(jié)點(diǎn)的序列號(hào)和自身位置；

步驟2 未知節(jié)點(diǎn)記錄廣播中收到的RSS值，并將其放在一起比較；

步驟3 其余錨節(jié)點(diǎn)接收并修正其余錨節(jié)點(diǎn)廣播傳來(lái)的RSS信息；

步驟4 錨節(jié)點(diǎn)通過(guò)對(duì)傳來(lái)的信息進(jìn)行自賦權(quán)值，修改信息后繼續(xù)將更新后的數(shù)據(jù)周期性的廣播至其余節(jié)點(diǎn)；

步驟5 未知節(jié)點(diǎn)判斷接收到的RSS信息是否達(dá)到閾值，若未達(dá)到，則返回繼續(xù)執(zhí)行步驟2；

步驟6 若未知節(jié)點(diǎn)已達(dá)到閾值，停止接收信息并比較錨節(jié)點(diǎn)的權(quán)值大小；

步驟7 未知節(jié)點(diǎn)是由該節(jié)點(diǎn)周?chē)^節(jié)點(diǎn)相互組合而計(jì)算出來(lái)的，通過(guò)計(jì)算出來(lái)的交點(diǎn)坐標(biāo)以實(shí)現(xiàn)對(duì)交點(diǎn)定位；

步驟8 先由傳統(tǒng)的質(zhì)心算法計(jì)算出未知節(jié)點(diǎn)的估計(jì)位置，同時(shí)把這種未知節(jié)點(diǎn)作為下一個(gè)錨節(jié)點(diǎn)廣播自身節(jié)點(diǎn)信息；

步驟9 判斷是否還有可以定位的點(diǎn)，如果有，則返回步驟5，否則轉(zhuǎn)步驟10；

步驟10 當(dāng)整個(gè)檢測(cè)范圍中所有節(jié)點(diǎn)全部實(shí)現(xiàn)定位則算法結(jié)束，最后計(jì)算出各節(jié)點(diǎn)的真實(shí)位置信息值.

1.3 智能交通誘導(dǎo)系統(tǒng)的路網(wǎng)模型

在已經(jīng)得知車(chē)流量信息的基礎(chǔ)上進(jìn)行交通誘導(dǎo)時(shí)，若要使整個(gè)誘導(dǎo)過(guò)程所用時(shí)間最短，效率最高，就要使各誘導(dǎo)任務(wù)在時(shí)間與距離上相互協(xié)調(diào).AOE網(wǎng)是用邊表示活動(dòng)的網(wǎng)，以此為基礎(chǔ)，把路網(wǎng)抽象為節(jié)點(diǎn)，弧線并結(jié)合路徑權(quán)值，便可把路網(wǎng)模型抽象為帶權(quán)圖.帶路徑權(quán)重的多交叉路口路網(wǎng)模型如圖3所示.

圖3中：N={Ni,i=1,2,…,9}為交叉口集合；G=(N，A，C)表示整個(gè)交通路網(wǎng)的狀態(tài)空間圖，且相鄰兩交叉路口間的路段邊權(quán)值存儲(chǔ)在A={Ai,i=1,2,…,11}內(nèi)；兩交叉路口Np與Nq的路段用C(Np,Nq)表示，C表示完成從路口Np到Nq所付出的代價(jià).

圖3 帶路徑權(quán)重的多交叉路口路網(wǎng)圖論模型Fig. 3 The road network model with path weight

采用M存儲(chǔ)所有被優(yōu)化目標(biāo)的變量信息，被優(yōu)化的變量個(gè)數(shù)則有M的維數(shù)所表示，任一個(gè)被優(yōu)化的變量均映射著一個(gè)單因素優(yōu)化目標(biāo)[7].多個(gè)優(yōu)化變量的共同影響呈現(xiàn)給系統(tǒng)的就是路段的權(quán)重.多目標(biāo)優(yōu)化函數(shù)U是由三個(gè)優(yōu)化子目標(biāo)組成，它們分別為指定路段當(dāng)前排隊(duì)總的車(chē)輛長(zhǎng)度PA,t、車(chē)流量的阻塞密度KA和路段通行能力MA.整個(gè)多目標(biāo)優(yōu)化函數(shù)表達(dá)式為：

(10)

PA,t=VA×XA,t/LA×rA,

(11)

KA=1000×N/LV+L0,

(12)

(13)

式中：VA表示在A路段上的車(chē)輛自由流密度值；XA,t表示A路段在t時(shí)間點(diǎn)的道路承載容量；LA表示A路段的真實(shí)長(zhǎng)度值；rA表示A路段到下一個(gè)交叉路口信號(hào)燈為紅燈的間隔長(zhǎng)度；T表示信號(hào)燈的時(shí)間周期；N表示道路為單向機(jī)動(dòng)車(chē)道數(shù)；LV表示在道路為阻塞狀態(tài)下兩車(chē)輛的平均間距；L0表示車(chē)輛的平均長(zhǎng)度值；tg是道路十字交叉口一個(gè)周期內(nèi)的信號(hào)燈時(shí)間長(zhǎng)度值；t0為路口信號(hào)燈為綠燈亮?xí)r所有等待車(chē)輛中第一輛車(chē)通過(guò)停車(chē)線所用的時(shí)間長(zhǎng)度值；ti為車(chē)輛直行且向右轉(zhuǎn)向通過(guò)停車(chē)線所有的平均時(shí)長(zhǎng)；φ表示折扣系數(shù)，通常取常數(shù)值0.9.

多目標(biāo)路徑誘導(dǎo)問(wèn)題的數(shù)學(xué)模型是由四元組〈G,Nstart,Ngoal,U〉表示出來(lái)，且初始節(jié)點(diǎn)設(shè)為Ngoal∈N.根據(jù)算法進(jìn)行搜索便能夠找出從Nstart到Ngoal的最優(yōu)路徑[8].

2 基于無(wú)線傳感的動(dòng)態(tài)智能交通誘導(dǎo)控制過(guò)程

基于無(wú)線傳感的動(dòng)態(tài)智能交通誘導(dǎo)控制具體過(guò)程為：

步驟1 控制系統(tǒng)所有參數(shù)初始化設(shè)置，主要包括影響車(chē)流量監(jiān)控系統(tǒng)的所有傳感器參數(shù)、車(chē)輛定位系數(shù)等參數(shù).

步驟2 采集信息，通過(guò)車(chē)載無(wú)線傳感器網(wǎng)絡(luò)采集各路口實(shí)時(shí)的數(shù)據(jù)、各路段的靜態(tài)、動(dòng)態(tài)交通信息等.

步驟3 優(yōu)化采集來(lái)的數(shù)據(jù)并傳給信息控制中心.

步驟4 信息處理中心通過(guò)對(duì)信息的整理并反饋給交通信號(hào)控制系統(tǒng).

步驟5 信號(hào)燈控制系統(tǒng)通過(guò)收集的路面信息進(jìn)行信號(hào)燈的控制，并返回步驟2，實(shí)現(xiàn)區(qū)域控制中心與交通監(jiān)控中心的雙向協(xié)調(diào).

步驟6 將數(shù)據(jù)庫(kù)中收集到的車(chē)流量信息經(jīng)過(guò)數(shù)據(jù)處理生成誘導(dǎo)信息，并發(fā)布給車(chē)載終端、交通網(wǎng)絡(luò)以及電視廣播等.

步驟7 機(jī)動(dòng)車(chē)輛通過(guò)GPS實(shí)現(xiàn)自定位及目標(biāo)定位，便于查詢目標(biāo)和自身位置，并通過(guò)查詢到的交通信息進(jìn)行實(shí)時(shí)誘導(dǎo)，形成新的交通流，并返回步驟1.

3 實(shí)例驗(yàn)證

以某市一中小縣城為實(shí)例，對(duì)該系統(tǒng)進(jìn)行實(shí)例應(yīng)用分析.通過(guò)實(shí)例驗(yàn)證車(chē)載無(wú)線傳感器網(wǎng)絡(luò)采集各路口實(shí)時(shí)數(shù)據(jù)、各路段的靜態(tài)、動(dòng)態(tài)交通信息的能力，并將該數(shù)據(jù)反饋給信息處理中心，完成信號(hào)的調(diào)控與車(chē)輛的誘導(dǎo).通過(guò)誘導(dǎo)前后的數(shù)據(jù)進(jìn)一步分析出智能交通誘導(dǎo)系統(tǒng)緩解交通負(fù)載的能力.該市共劃分為23個(gè)小區(qū)，其中某道路的平面圖如圖4所示.

圖4 實(shí)驗(yàn)路網(wǎng)編號(hào)Fig. 4 The experimental network number

從該路網(wǎng)統(tǒng)計(jì)可知，此路網(wǎng)有4個(gè)交叉口、7條雙向路段、主干道為雙向6車(chē)道、次干道為雙向4車(chē)道，城內(nèi)限速為40 km/h.在各道路的交叉口、拐角口及道路中間安裝無(wú)線傳感裝置進(jìn)行來(lái)往車(chē)輛的定位，其中車(chē)流量的實(shí)時(shí)監(jiān)控周期為3 min.通過(guò)無(wú)線傳感定位算法實(shí)時(shí)獲得的采集數(shù)據(jù)信息參見(jiàn)表1.

車(chē)流量監(jiān)控不僅能夠檢測(cè)到當(dāng)前數(shù)據(jù)流信息，而且通過(guò)車(chē)流量的檢測(cè)能獲得過(guò)去若干時(shí)間的車(chē)流量信息，并且能夠預(yù)測(cè)下一個(gè)時(shí)間段各個(gè)交通路線的數(shù)據(jù)信息.通過(guò)表1比較可知：1、5、7道路實(shí)時(shí)車(chē)輛超出了規(guī)定的標(biāo)準(zhǔn)參數(shù)，說(shuō)明該時(shí)刻道路處于超負(fù)荷狀態(tài).

信號(hào)控制系統(tǒng)對(duì)收集到的交通流數(shù)據(jù)信息通過(guò)數(shù)據(jù)處理模塊中的數(shù)據(jù)分析功能對(duì)所控制的紅綠燈進(jìn)行參數(shù)設(shè)置，如表2所示.由于AC為主干道，車(chē)流量相對(duì)較大，BD為次干道，所以信號(hào)時(shí)長(zhǎng)周期分別為80 s、70 s.周期時(shí)長(zhǎng)中包括左轉(zhuǎn)等待時(shí)長(zhǎng)與直行等待時(shí)長(zhǎng).表1為四個(gè)交叉路口收集到的實(shí)時(shí)數(shù)據(jù)，根據(jù)每個(gè)路口方向車(chē)流量的大小自動(dòng)調(diào)控.車(chē)流量大的等待時(shí)間相對(duì)于車(chē)流量相對(duì)較小的時(shí)間短一些，這樣能夠盡可能地提高各路段的車(chē)輛通過(guò)率，從而減少車(chē)輛擁堵造成的交通負(fù)載嚴(yán)重化.

表1 交通信息表Tab. 1 The traffic information sheet

表2 交叉口信號(hào)控制方案Tab. 2 The intersection signal control scheme

通過(guò)車(chē)流量監(jiān)控系統(tǒng)實(shí)時(shí)更新分享的數(shù)據(jù)，使得誘導(dǎo)系統(tǒng)能夠?qū)崟r(shí)對(duì)道路和交通的自動(dòng)誘導(dǎo).由表1可知當(dāng)前1、5、7道路出現(xiàn)擁堵，交通負(fù)載嚴(yán)重.為提高車(chē)輛通行效率，利用誘導(dǎo)系統(tǒng)便可實(shí)時(shí)查詢目標(biāo)和自身的位置，通過(guò)駕駛員提供的所要到達(dá)的目的地規(guī)劃出行的最優(yōu)路徑，減少因盲目行走而加重交通擁堵的現(xiàn)象.

經(jīng)過(guò)誘導(dǎo)后得到新的交通數(shù)據(jù)流信息如表3所示.對(duì)比表1可知，車(chē)輛進(jìn)行智能誘導(dǎo)后，表1中1、5、7道路負(fù)載嚴(yán)重的現(xiàn)象在誘導(dǎo)后得到了緩解，能夠?qū)?shí)時(shí)運(yùn)行車(chē)輛控制在道路車(chē)載容量之內(nèi)，并且每條路徑的平均行程時(shí)間與行程速度都有了相對(duì)應(yīng)的提高.

誘導(dǎo)前、后得到的路網(wǎng)最新數(shù)據(jù)對(duì)比信息如表4所示.從表4對(duì)比數(shù)據(jù)可知，誘導(dǎo)后的車(chē)輛平均出行時(shí)間減少了18%，車(chē)輛平均速度提高了15%，平均延誤時(shí)間減少了38%,從而避免了車(chē)輛排隊(duì)過(guò)久，因盲目行車(chē)而加重交通負(fù)載的現(xiàn)象，誘導(dǎo)系統(tǒng)在一定程度上降低了交通網(wǎng)絡(luò)的復(fù)雜度.同時(shí)，實(shí)時(shí)調(diào)控交通路口的信號(hào)燈信息，大大縮短了通行車(chē)輛排隊(duì)等待時(shí)間，從而提高了交通車(chē)輛吞吐量和車(chē)輛的平均行駛速度.

表3 誘導(dǎo)后的車(chē)流量數(shù)據(jù)Tab. 3 The data of induced traffic flow

表4 誘導(dǎo)前后的路網(wǎng)數(shù)據(jù)對(duì)比表Tab. 4 The comparison of road network data before and after induction

4 結(jié)論

采用RSS算法對(duì)傳統(tǒng)的質(zhì)心定位算法進(jìn)行改進(jìn)，改進(jìn)后的算法直接對(duì)定位算法進(jìn)行優(yōu)化處理，從而提高了整個(gè)算法的優(yōu)化效率，且定位更加精確，并給出了改進(jìn)后的具體定位計(jì)算的方法步驟；將AOE網(wǎng)運(yùn)用到誘導(dǎo)路網(wǎng)模型中，能直觀地展現(xiàn)交通路網(wǎng)，根據(jù)算法進(jìn)行搜索能夠找到最優(yōu)路徑并進(jìn)行誘導(dǎo)；信號(hào)的實(shí)時(shí)調(diào)控對(duì)于高峰期的車(chē)流量誘導(dǎo)路徑也起到了很大的作用.采用無(wú)線傳感的動(dòng)態(tài)智能交通誘導(dǎo)控制系統(tǒng)，能夠降低通行車(chē)輛平均出行時(shí)間，從而提高了整個(gè)車(chē)輛平均通行速度，也降低了平均延誤時(shí)間，使得交通運(yùn)行效率得到了提高，城市交通負(fù)載得到很好的平衡，整體改善了城市交通性能.