基于改進(jìn)DV-HOP的道路交通擁堵傳感節(jié)點(diǎn)快速監(jiān)測(cè)

張 華，易 丹

(廣州鐵路職業(yè)技術(shù)學(xué)院 信息工程學(xué)院，廣州 510430)

0 引言

長期以來，交通擁堵是一個(gè)不可忽視的問題，特別是大城市，交通擁堵狀況更為嚴(yán)峻[1]。隨著人民生活水平的提升和城市化進(jìn)程的加快，機(jī)動(dòng)車數(shù)量也在迅速攀升，這與城市的基礎(chǔ)設(shè)施建設(shè)、城市管理水準(zhǔn)產(chǎn)生了強(qiáng)烈的矛盾和沖突，擁堵問題愈發(fā)突出[2]。交通堵塞給城市發(fā)展帶來諸多不利影響，例如燃油消耗、交通浪費(fèi)、環(huán)境污染等[3]，城市道路交通擁堵也成為當(dāng)前交通領(lǐng)域研究的核心內(nèi)容。

孫夢(mèng)婷[4]等人提出一種利用CART分類樹的道路交通擁堵監(jiān)測(cè)方法，將路段等距離劃分后映射為路段點(diǎn)，依照時(shí)空維路況異常獲得4種擁堵類型模式，提取路段點(diǎn)路況時(shí)空序列，擇取速度指標(biāo)為樣本屬性數(shù)據(jù)集，CART分類樹算法構(gòu)建道路交通擁堵監(jiān)測(cè)模型，實(shí)現(xiàn)道路交通擁堵監(jiān)測(cè)。此方法能夠有效提升道路交通擁堵監(jiān)測(cè)耗時(shí)，但是道路交通擁堵監(jiān)測(cè)結(jié)果反饋正確率不佳。呂鮮[5]等人提出基于長短期記憶模型的道路交通擁堵監(jiān)測(cè)方法，考慮各類因素影響和交通流數(shù)據(jù)隱含特征，運(yùn)用去噪自編碼模型得到數(shù)據(jù)特征，使用LSTM(Long-Short Term Memory，長短期記憶網(wǎng)絡(luò))模型推算歷史信息，完成道路交通擁堵監(jiān)測(cè)，此方法能夠有效提升監(jiān)測(cè)精準(zhǔn)度，但是計(jì)算耗時(shí)量高。張波[6]等人提出基于LSTM模型的路面交通擁堵預(yù)測(cè)方法，利用網(wǎng)絡(luò)爬蟲方法采集路面交通擁堵數(shù)據(jù)，通過層次分析方法獲取路面交通擁堵數(shù)據(jù)屬性，依據(jù)屬性值構(gòu)建路面交通擁堵預(yù)測(cè)函數(shù)，通過LSTM模型進(jìn)行路面交通擁堵預(yù)測(cè)函數(shù)求解，此方法能夠有效提升路面交通擁堵預(yù)測(cè)效果。

針對(duì)以上問題，論文提出一種基于改進(jìn)DV-HOP的道路交通擁堵傳感節(jié)點(diǎn)快速監(jiān)測(cè)方法。該方法使用無線傳感網(wǎng)采集交通數(shù)據(jù)，根據(jù)數(shù)據(jù)顯示推算當(dāng)前交通狀況，運(yùn)用改進(jìn)DV-HOP算法實(shí)現(xiàn)擁堵區(qū)域定位，在最短時(shí)間完成擁堵疏散措施，在實(shí)驗(yàn)分析中也進(jìn)一步驗(yàn)證了方法的實(shí)用性。

1 道路交通數(shù)據(jù)處理

1.1 無線傳感網(wǎng)的道路交通數(shù)據(jù)采集

無線傳感網(wǎng)節(jié)點(diǎn)設(shè)計(jì)與鋪設(shè)是算法的核心與基礎(chǔ)，設(shè)計(jì)優(yōu)劣直接影響到擁堵監(jiān)測(cè)準(zhǔn)確性、可靠性和使用范圍，電路設(shè)計(jì)成本也是整個(gè)算法的關(guān)鍵。研究一種新型車輛檢測(cè)電磁傳感器，在汽車經(jīng)過電磁傳感器時(shí)會(huì)產(chǎn)生磁場(chǎng)變化，汽車尺寸和長度會(huì)直接影響探測(cè)信號(hào)，根據(jù)檢測(cè)到的信號(hào)確定車輛通行情況與整體長度。

無線傳感器網(wǎng)絡(luò)內(nèi)，子節(jié)點(diǎn)個(gè)數(shù)最多，且離監(jiān)測(cè)區(qū)最近，是整個(gè)數(shù)據(jù)采集的基本單元。數(shù)據(jù)采集與傳輸?shù)挠行院头€(wěn)定性將影響到無線傳感網(wǎng)絡(luò)運(yùn)行水平。實(shí)施道路交通擁堵監(jiān)測(cè)時(shí)，必須區(qū)分Sink節(jié)點(diǎn)和子節(jié)點(diǎn)。其中Sink節(jié)點(diǎn)是無線傳感器網(wǎng)絡(luò)中的匯聚結(jié)點(diǎn)，主要負(fù)責(zé)傳感器網(wǎng)與外網(wǎng)的連接，可看作網(wǎng)關(guān)節(jié)點(diǎn)。而通常子節(jié)點(diǎn)性能包括數(shù)據(jù)獲取、信號(hào)有效性評(píng)估、中間層傳送等。其性能會(huì)因應(yīng)用場(chǎng)合的不同而有所差別，圖1中展現(xiàn)了其詳細(xì)性能。

圖1 子節(jié)點(diǎn)性能示意圖

Sink節(jié)點(diǎn)是無線傳感器網(wǎng)與控制中心之間連接橋梁，在道路交通擁堵監(jiān)測(cè)中，要進(jìn)行大規(guī)模檢測(cè)，必須在路面上設(shè)置多個(gè)子節(jié)點(diǎn)，因此要在監(jiān)控區(qū)與監(jiān)控中心之間建立起一條中介通道[7]。若每一個(gè)子節(jié)點(diǎn)都向監(jiān)測(cè)中心傳送數(shù)據(jù)，則會(huì)產(chǎn)生信息量過高的問題。在傳送數(shù)據(jù)之前，必須先緩存和過濾數(shù)據(jù)，Sink節(jié)點(diǎn)就涵蓋此項(xiàng)功能。將Sink節(jié)點(diǎn)性能表示成圖2。

圖2 Sink節(jié)點(diǎn)性能示意圖

在無線傳感網(wǎng)絡(luò)啟動(dòng)后，Sink節(jié)點(diǎn)從準(zhǔn)備狀態(tài)對(duì)外部設(shè)備進(jìn)行初始化，包括初始化處理器端口、外部設(shè)備和內(nèi)部時(shí)鐘，Sink節(jié)點(diǎn)會(huì)進(jìn)入無限循環(huán)。接收到消息后，持續(xù)查找外部節(jié)點(diǎn)接收到的消息類型，這里分為3種信息類型：網(wǎng)絡(luò)請(qǐng)求信息、時(shí)間校正信息和數(shù)據(jù)信息。網(wǎng)絡(luò)請(qǐng)求信息是由下級(jí)子節(jié)點(diǎn)在入網(wǎng)申請(qǐng)時(shí)發(fā)出的，經(jīng)過本地評(píng)估方可通過；時(shí)間校正信息是在時(shí)間同步期間，對(duì)子節(jié)點(diǎn)和Sink節(jié)點(diǎn)發(fā)出的響應(yīng)，依據(jù)響應(yīng)數(shù)據(jù)結(jié)構(gòu)判定該子節(jié)點(diǎn)是否完成時(shí)間同步[8]；數(shù)據(jù)信息是由下級(jí)子節(jié)點(diǎn)上傳的數(shù)據(jù)，此時(shí)Sink節(jié)點(diǎn)就會(huì)緩沖全部接收數(shù)據(jù)。子節(jié)點(diǎn)上電后，先向該區(qū)域的Sink節(jié)點(diǎn)提出入網(wǎng)請(qǐng)求，再由Sink節(jié)點(diǎn)判定是否通過，若不同意，將會(huì)持續(xù)發(fā)出請(qǐng)求，直至完全進(jìn)入網(wǎng)絡(luò)。然后采取初始化操作，操作目標(biāo)為本地節(jié)點(diǎn)數(shù)據(jù)存儲(chǔ)器、定時(shí)計(jì)數(shù)器和中斷設(shè)置。

初始化結(jié)束后，需要等待數(shù)據(jù)接收，通過預(yù)先設(shè)定的數(shù)據(jù)幀結(jié)構(gòu)標(biāo)記判定所接收的數(shù)據(jù)是時(shí)間信息或數(shù)據(jù)信息。時(shí)間信息是一個(gè)本地Sink節(jié)點(diǎn)發(fā)送數(shù)據(jù)的標(biāo)準(zhǔn)時(shí)間，數(shù)據(jù)信息是一個(gè)子節(jié)點(diǎn)或Sink節(jié)點(diǎn)發(fā)送的管理信息。如果接收數(shù)據(jù)是時(shí)間信息，節(jié)點(diǎn)會(huì)自主進(jìn)行時(shí)間校正，若判定為數(shù)據(jù)信息，則分析信息來源。睡眠狀態(tài)下，子節(jié)點(diǎn)信號(hào)接收周期越長，消耗能量就越少，為了防止錯(cuò)過Sink節(jié)點(diǎn)的叫醒命令，設(shè)置每20秒的子節(jié)點(diǎn)檢測(cè)一次Sink節(jié)點(diǎn)的信息。若處于監(jiān)聽模式，則該節(jié)點(diǎn)僅具備傳送路徑的作用，停止道路交通數(shù)據(jù)采集，反之持續(xù)采集交通數(shù)據(jù)。

1.2 道路交通數(shù)據(jù)預(yù)處理

在對(duì)道路交通進(jìn)行擁堵檢測(cè)前，首先完成了對(duì)于道路數(shù)據(jù)的采集，但是采集到的初始數(shù)據(jù)中，難免會(huì)包含一定的噪聲數(shù)據(jù)和存在問題的數(shù)據(jù)，故應(yīng)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以提高所使用數(shù)據(jù)的可靠性和準(zhǔn)確性。本文從數(shù)據(jù)清洗、數(shù)據(jù)去噪以及數(shù)據(jù)補(bǔ)全3個(gè)方面展開道路交通數(shù)據(jù)的預(yù)處理過程。

在本文的道路交通擁堵監(jiān)測(cè)中，通過數(shù)據(jù)清洗剔除掉由于傳感器故障或其他原因引起的錯(cuò)誤數(shù)據(jù)，保證后續(xù)數(shù)據(jù)處理的可靠性。常見的數(shù)據(jù)清洗方法包括利用統(tǒng)計(jì)學(xué)方法、機(jī)器學(xué)習(xí)方法等。其中，統(tǒng)計(jì)學(xué)方法可以通過計(jì)算數(shù)據(jù)的平均值、方差、標(biāo)準(zhǔn)差等統(tǒng)計(jì)量來檢測(cè)異常數(shù)據(jù)。機(jī)器學(xué)習(xí)方法則可以利用分類算法、聚類算法等來識(shí)別異常數(shù)據(jù)。本文采用基于統(tǒng)計(jì)學(xué)方法的數(shù)據(jù)清洗方式，對(duì)采集到的車輛速度數(shù)據(jù)進(jìn)行清洗，剔除掉速度為0或速度異常的數(shù)據(jù)點(diǎn)。首先計(jì)算每個(gè)傳感器采集到的速度數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，然后根據(jù)3σ原則來判斷異常數(shù)據(jù)：數(shù)據(jù)難免會(huì)存在一定的波動(dòng)，故只要其在可接受范圍內(nèi)，便可認(rèn)定其為正常數(shù)據(jù)，根據(jù)經(jīng)驗(yàn)，可將這個(gè)范圍圈定在該數(shù)據(jù)與總體數(shù)據(jù)平均值差值的標(biāo)準(zhǔn)差的三倍以內(nèi)[9]。此外，根據(jù)常識(shí)和經(jīng)驗(yàn)，還可將速度為0的數(shù)據(jù)點(diǎn)視為無效數(shù)據(jù)并剔除。通過以上的數(shù)據(jù)清洗過程，能夠剔除掉由于傳感器故障或其他原因引起的錯(cuò)誤數(shù)據(jù)，保證后續(xù)數(shù)據(jù)處理的可靠性。

在對(duì)道路交通數(shù)據(jù)進(jìn)行去噪處理的過程中，可以采用中值濾波、均值濾波或小波濾波等方法來實(shí)現(xiàn)數(shù)據(jù)的去噪目標(biāo)，以有效地降低在判定道路交通擁堵狀態(tài)時(shí)出現(xiàn)的誤報(bào)率和漏報(bào)率，提高對(duì)擁堵狀態(tài)判定的準(zhǔn)確性。中值濾波是一種采用窗口滑動(dòng)的非線性濾波方法，它的核心思想是在每個(gè)窗口內(nèi)取中位數(shù)作為輸出，以去除椒鹽噪聲和高斯噪聲。雖然中值濾波可以提高數(shù)據(jù)的可靠性和準(zhǔn)確性，但是濾波會(huì)導(dǎo)致信號(hào)平滑程度下降，可能會(huì)使得數(shù)據(jù)丟失一些細(xì)節(jié)信息。而均值濾波是一種線性濾波方法，它的基本思想是用一個(gè)窗口(或卷積核)沿著信號(hào)進(jìn)行滑動(dòng)，在每個(gè)窗口內(nèi)取平均值作為輸出，可以有效地去除高斯噪聲，但對(duì)于椒鹽噪聲等離群點(diǎn)較多的噪聲，效果不佳。小波濾波是一種基于小波變換的濾波方法，它的基本思想是將信號(hào)分解成不同尺度的小波系數(shù)，然后通過閾值處理來去除噪聲，可以同時(shí)實(shí)現(xiàn)時(shí)域和頻域的濾波，具有較好的去噪效果，但需要選擇合適的小波基和閾值，否則可能會(huì)對(duì)信號(hào)產(chǎn)生較大的影響[10]。

本文針對(duì)道路交通擁堵監(jiān)測(cè)問題，選擇了中值濾波作為去噪方法。因?yàn)樵趯?shí)際道路交通中，存在一些離群點(diǎn)和噪聲干擾，這會(huì)導(dǎo)致車速數(shù)據(jù)出現(xiàn)一些異常值，而中值濾波可以有效地去除這些異常值和噪聲干擾，保證車速數(shù)據(jù)的準(zhǔn)確性。選擇了窗口大小為5的中值濾波器對(duì)采集到的車速數(shù)據(jù)進(jìn)行去噪處理。其公式如下：

fi，j=median{gk，l}，(k，l)∈Si，j

(1)

其中：fi，j表示中心像素點(diǎn)的灰度值，gk，l表示周圍鄰域像素點(diǎn)的灰度值，Si，j表示鄰域大小。通過以上的去噪過程，能夠有效地提高車速數(shù)據(jù)的可靠性和準(zhǔn)確性，為后續(xù)的數(shù)據(jù)分析和建模奠定基礎(chǔ)。

在本文的道路交通擁堵數(shù)據(jù)的采集過程中，可能會(huì)由于采集設(shè)備的限制或其他原因而產(chǎn)生少量的空值，為了避免這類數(shù)據(jù)影響到后續(xù)數(shù)據(jù)分析和建模的準(zhǔn)確性，需要對(duì)采集到的道路交通擁堵數(shù)據(jù)進(jìn)行補(bǔ)全處理。常見的補(bǔ)全方法包括插值法、回歸法等。插值法是一種在已知數(shù)據(jù)點(diǎn)之間進(jìn)行推斷，以求得未知數(shù)據(jù)點(diǎn)的數(shù)值的方法。其基本思想是根據(jù)已知數(shù)據(jù)點(diǎn)的函數(shù)值和自變量值，構(gòu)造出一個(gè)插值多項(xiàng)式，然后用該多項(xiàng)式來估計(jì)未知數(shù)據(jù)點(diǎn)的函數(shù)值?；貧w法是一種基于統(tǒng)計(jì)學(xué)方法，通過已知數(shù)據(jù)點(diǎn)之間的線性關(guān)系來推斷未知數(shù)據(jù)點(diǎn)值的方法。其基本思想是根據(jù)已知數(shù)據(jù)點(diǎn)的自變量值和因變量值，建立一個(gè)回歸模型，然后用該模型來估計(jì)未知數(shù)據(jù)點(diǎn)的因變量值。

針對(duì)本文的道路交通擁堵監(jiān)測(cè)問題，選擇插值法作為補(bǔ)全數(shù)據(jù)的方法。因?yàn)樵趯?shí)際道路交通中，車輛速度存在著一定的連續(xù)性和規(guī)律性，因此采用插值法能夠比較準(zhǔn)確地估計(jì)缺失數(shù)據(jù)點(diǎn)的速度值。運(yùn)用拉格朗日插值法完成對(duì)道路交通數(shù)據(jù)空值的補(bǔ)全處理，其公式如下：

(2)

其中：f(x)表示插值多項(xiàng)式，yi表示已知數(shù)據(jù)點(diǎn)的函數(shù)值，xi表示已知數(shù)據(jù)點(diǎn)的自變量。將采集到的車速數(shù)據(jù)作為已知數(shù)據(jù)點(diǎn)，將缺失數(shù)據(jù)點(diǎn)作為未知數(shù)據(jù)點(diǎn)，通過拉格朗日插值法來估計(jì)缺失數(shù)據(jù)點(diǎn)的速度值。通過以上的補(bǔ)全過程，能夠有效地填補(bǔ)缺失數(shù)據(jù)，保證車速數(shù)據(jù)的完整性和連續(xù)性，為后續(xù)的數(shù)據(jù)分析和建模奠定基礎(chǔ)。

1.3 道路交通擁堵狀態(tài)判定

利用無線傳感網(wǎng)收集交通數(shù)據(jù)，并對(duì)采集到的數(shù)據(jù)進(jìn)行了預(yù)處理之后，在車輛正常通行的情況下，行駛路段每天相同時(shí)間的交通流信息在一定范圍內(nèi)具有較大浮動(dòng)。倘若道路發(fā)生偶然性擁堵，數(shù)據(jù)會(huì)產(chǎn)生異常，將異常數(shù)據(jù)擬作小概率事件[11-12]。交通流信息浮動(dòng)滿足正態(tài)分布，正態(tài)分布參數(shù)η、γ通過歷史數(shù)據(jù)分析獲得。通過概率定理可知，正態(tài)分布中取值與η值差距越大，發(fā)生的概率越低。按照此定理，設(shè)定數(shù)據(jù)處于[η-38，η+38]之外，道路出現(xiàn)行駛異常。若數(shù)據(jù)產(chǎn)生異常且處于臨界值，就會(huì)發(fā)出擁堵預(yù)警信號(hào)。

交通流信息涵蓋速率與交通狀態(tài)兩個(gè)參數(shù)，首先明確速率采集周期與交通狀態(tài)采集周期，預(yù)處理初始信息并進(jìn)行周期整合[13]，實(shí)現(xiàn)交通狀況評(píng)估。判斷是否發(fā)生擁堵要同時(shí)符合如下條件：

第一，目前時(shí)段交通狀態(tài)是“擁堵”；第二，目前時(shí)段的速率和過往相同時(shí)段的速率下降值Δa1超出臨界值3σa；第三，目前時(shí)段速率和上個(gè)階段的速率下降值Δa2超出臨界值da；第四，倘若多數(shù)狀況下過往相同時(shí)段的交通狀況是正常的[14]，統(tǒng)計(jì)過往相同時(shí)段交通情況。

假如目前時(shí)段是t，相對(duì)的速率是at，交通情況是et，上一階段t-相對(duì)的速率是at-，交通情況是et-，監(jiān)測(cè)數(shù)據(jù)天數(shù)總和是g，ati是第i天t時(shí)段的速率。則t時(shí)段的車輛速率過往均值為：

(3)

t時(shí)段過往交通數(shù)據(jù)方差是：

(4)

2 基于改進(jìn)DV-HOP算法的道路交通擁堵監(jiān)測(cè)方法

2.1 DV-HOP算法的原理

DV-HOP算法是一種基于跳數(shù)定位的無線傳感網(wǎng)絡(luò)定位算法，其基本思想是通過測(cè)量節(jié)點(diǎn)之間的跳數(shù)來確定節(jié)點(diǎn)的位置，并通過引入錨點(diǎn)節(jié)點(diǎn)的參考信息來提高定位精度和穩(wěn)定性[15]。具體來說，DV-HOP算法采用多個(gè)錨點(diǎn)節(jié)點(diǎn)的位置信息作為參考，將節(jié)點(diǎn)之間的距離轉(zhuǎn)化為節(jié)點(diǎn)之間的跳數(shù)，然后通過多邊形重心法等方法，計(jì)算出節(jié)點(diǎn)的位置。

在該算法中，首先需要確定錨點(diǎn)節(jié)點(diǎn)的位置。這可以通過GPS等全局定位系統(tǒng)來獲取，也可以通過其他定位算法來估計(jì)。然后，每個(gè)節(jié)點(diǎn)需要與至少3個(gè)錨點(diǎn)節(jié)點(diǎn)進(jìn)行通信，獲取錨點(diǎn)節(jié)點(diǎn)的位置信息和節(jié)點(diǎn)之間的跳數(shù)。通過收集到的這些信息，可以構(gòu)建節(jié)點(diǎn)之間的跳數(shù)矩陣，并通過矩陣運(yùn)算來計(jì)算出每個(gè)節(jié)點(diǎn)的位置[16]。

具體地，DV-HOP算法的定位過程如下：

1)確定錨點(diǎn)節(jié)點(diǎn)的位置，并將其作為參考信息；

2)每個(gè)節(jié)點(diǎn)與至少3個(gè)錨點(diǎn)節(jié)點(diǎn)進(jìn)行通信，獲取錨點(diǎn)節(jié)點(diǎn)的位置信息和節(jié)點(diǎn)之間的跳數(shù)；

3)根據(jù)節(jié)點(diǎn)之間的跳數(shù)，構(gòu)建跳數(shù)矩陣；

4)根據(jù)跳數(shù)矩陣和錨點(diǎn)節(jié)點(diǎn)的位置信息，計(jì)算出每個(gè)節(jié)點(diǎn)的位置。

需要注意的是，DV-HOP算法中存在一些誤差來源，例如跳數(shù)測(cè)量誤差、錨點(diǎn)節(jié)點(diǎn)位置誤差等。因此，在實(shí)際應(yīng)用中，需要進(jìn)行誤差分析和校正，以提高定位精度和穩(wěn)定性。在本文中引入DV-HOP算法，能夠有效提高無線傳感網(wǎng)絡(luò)的定位精度和穩(wěn)定性。

2.2 DV-HOP算法的改進(jìn)研究

為實(shí)現(xiàn)更高效精準(zhǔn)的道路交通擁堵監(jiān)測(cè)精度，減少未知節(jié)點(diǎn)定位偏差，設(shè)計(jì)一種改進(jìn)DV-HOP算法的道路交通擁堵監(jiān)測(cè)方法。DV-HOP算法是一種距離無關(guān)定位算法，設(shè)定H1、H2、H3均為錨節(jié)點(diǎn)，其余節(jié)點(diǎn)是未知節(jié)點(diǎn)，則計(jì)算過程如下。

1)道路交通擁堵節(jié)點(diǎn)初始化：

利用無線傳感節(jié)點(diǎn)的跳數(shù)可以對(duì)交通節(jié)點(diǎn)與擁堵位置的距離進(jìn)行測(cè)定，本文利用無線傳感網(wǎng)獲取車輛具體位置，即此時(shí)車輛所處的交通節(jié)點(diǎn)，于此通過得到該傳感器的Sink節(jié)點(diǎn)，通過斷定檢測(cè)路段上的擁堵現(xiàn)象，獲取無線傳感節(jié)點(diǎn)的跳數(shù)，實(shí)現(xiàn)對(duì)交通節(jié)點(diǎn)與擁堵位置的距離測(cè)定。

為此，本文需要統(tǒng)計(jì)無線傳感網(wǎng)中全部未知節(jié)點(diǎn)，計(jì)算其余錨節(jié)點(diǎn)的跳數(shù)[17]，推算網(wǎng)絡(luò)每跳的平均距離，依照節(jié)點(diǎn)之間的跳數(shù)，通過式(3)、(4)獲得未知節(jié)點(diǎn)和錨節(jié)點(diǎn)的間距，記作：

(5)

oij=ki·lij

(6)

其中：ki是節(jié)點(diǎn)i的跳距均值，lij是節(jié)點(diǎn)i與節(jié)點(diǎn)j之間的跳數(shù)，(xi，yi)、(xj，yj)是節(jié)點(diǎn)i、j的坐標(biāo)方位，oij是兩個(gè)節(jié)點(diǎn)的間距。完成道路交通擁堵節(jié)點(diǎn)初始化。

2)道路交通擁堵節(jié)點(diǎn)二維變換：

定位道路交通擁堵節(jié)點(diǎn)時(shí)，因節(jié)點(diǎn)深度信息是已知的[18]，可把三維定位變換成二維定位。倘若未知節(jié)點(diǎn)坐標(biāo)是(X，Y)，錨節(jié)點(diǎn)1的坐標(biāo)是(X1，Y1)，錨節(jié)點(diǎn)2的坐標(biāo)是(X2，Y2)，錨節(jié)點(diǎn)n的坐標(biāo)是(Xn，Yn)，3個(gè)錨節(jié)點(diǎn)至未知節(jié)點(diǎn)的距離依次為p1、p2、pn，則錨節(jié)點(diǎn)之間存在如下對(duì)應(yīng)關(guān)系：

(7)

統(tǒng)計(jì)未知節(jié)點(diǎn)和錨節(jié)點(diǎn)的方位關(guān)聯(lián)，使用DV-HOP算法實(shí)施未知節(jié)點(diǎn)定位時(shí)，如果挑選不恰當(dāng)錨節(jié)點(diǎn)，會(huì)造成較大定位偏差。為改善此問題，融入粒子群優(yōu)化和模擬退火算法共同實(shí)現(xiàn)定位優(yōu)化。粒子群優(yōu)化具備計(jì)算簡(jiǎn)便、收斂速率快等特征，十分適用于節(jié)點(diǎn)數(shù)據(jù)傳輸需求較高的道路交通無線傳感數(shù)據(jù)收發(fā)。

3)道路交通擁堵節(jié)點(diǎn)定位監(jiān)測(cè)：

定義粒子方位與速率，推算各粒子的適應(yīng)值，設(shè)定粒子的最優(yōu)值是ri，最優(yōu)粒子的方位矢量是rg，則粒子速率與方位的解析式為：

ai，j(t+1)=φ{(diào)ai，j(t)+u1w1[ri，j-zi，j(t)] +

u2w2[rg，j-zi，j(t)]>}

(8)

zi，j(t+1)=zi，j(t)+ai，j(t+1)

(9)

(10)

式中，ai，j、zi，j依次為t時(shí)段下的行駛速率與方位，ri，j代表第i個(gè)粒子的j維分量更新前的過往最優(yōu)方位，rg，j代表種群過往最優(yōu)方位，φ是權(quán)重值，u1、u2是學(xué)習(xí)因子，w1、w2是隨機(jī)數(shù)。

但粒子群優(yōu)化計(jì)算時(shí)需要采取大量迭代運(yùn)算，加快網(wǎng)絡(luò)能耗，極易陷入局部最優(yōu)[19-20]，代入擁有突跳能力的模擬退火算法完善其性能，改進(jìn)DV-HOP算法定位偏差高的不足。代入模擬退火算法后，獲得全新的道路交通擁堵節(jié)點(diǎn)位置公式：

(11)

式中，f(·)是適應(yīng)度函數(shù)，T(ri)是現(xiàn)有溫度下粒子i的適應(yīng)度。

2.3 改進(jìn)DV-HOP算法在道路交通擁堵監(jiān)測(cè)中的應(yīng)用

改進(jìn)后DV-HOP算法的節(jié)點(diǎn)定位過程如下：把節(jié)點(diǎn)、下一跳待選節(jié)點(diǎn)的剩余能量和兩點(diǎn)間距擬作約束條件，創(chuàng)建源節(jié)點(diǎn)和Sink節(jié)點(diǎn)的多條數(shù)據(jù)傳輸鏈路，將鏈路作為原始粒子；初始化粒子方位與速率，依次推算其對(duì)應(yīng)個(gè)體極值和全局極值[21]，同時(shí)把適應(yīng)度的目前方位依次保存在個(gè)體信息ri與全局信息rg中，明確現(xiàn)有溫度下粒子適應(yīng)值。如果監(jiān)測(cè)地域中的節(jié)點(diǎn)產(chǎn)生大面積失效、交通網(wǎng)絡(luò)陷入癱瘓或運(yùn)行次數(shù)沒有達(dá)到預(yù)設(shè)的最大輪次，則終止節(jié)點(diǎn)定位工作。

評(píng)估目標(biāo)函數(shù)是否為最優(yōu)值，如果不是則執(zhí)行上述步驟，若是最優(yōu)值，則簇首依照創(chuàng)建的數(shù)據(jù)傳輸鏈路把局部監(jiān)測(cè)交通數(shù)據(jù)逐步匯聚至Sink節(jié)點(diǎn)，讓無線傳感網(wǎng)實(shí)現(xiàn)一整輪節(jié)點(diǎn)定位與數(shù)據(jù)上傳，了解當(dāng)前道路交通擁堵狀況，就此實(shí)現(xiàn)了道路交通擁堵監(jiān)測(cè)。

3 實(shí)驗(yàn)過程及分析

3.1 實(shí)驗(yàn)準(zhǔn)備及步驟

本文實(shí)驗(yàn)交通監(jiān)測(cè)的原始數(shù)據(jù)通過交通運(yùn)輸局網(wǎng)站獲取，與現(xiàn)實(shí)狀況一一映射。實(shí)驗(yàn)平臺(tái)為Veins，無線傳感網(wǎng)絡(luò)實(shí)驗(yàn)參數(shù)如表1所示。

表1 無線傳感網(wǎng)絡(luò)參數(shù)設(shè)定

實(shí)驗(yàn)開始前，選擇城市道路作為實(shí)驗(yàn)場(chǎng)景，在道路上放置了20個(gè)車載傳感器節(jié)點(diǎn)，并在5個(gè)關(guān)鍵位置上放置了錨點(diǎn)節(jié)點(diǎn)。這些節(jié)點(diǎn)通過ZigBee協(xié)議進(jìn)行數(shù)據(jù)傳輸。同時(shí)，設(shè)置一個(gè)基站節(jié)點(diǎn)用于數(shù)據(jù)接收和處理。在實(shí)驗(yàn)過程中，通過車載傳感器節(jié)點(diǎn)對(duì)道路交通數(shù)據(jù)進(jìn)行采集，包括車輛的速度、位置等信息，本次實(shí)驗(yàn)共采集了約2 000條道路交通數(shù)據(jù)，并使用Matlab等工具進(jìn)行數(shù)據(jù)處理和算法實(shí)現(xiàn)。每隔10秒鐘采集一次數(shù)據(jù)，并將這些數(shù)據(jù)通過ZigBee協(xié)議傳輸?shù)交竟?jié)點(diǎn)。采集環(huán)境參數(shù)，例如溫度、濕度等，以便后續(xù)分析。為了驗(yàn)證改進(jìn)DV-HOP算法在道路交通擁堵監(jiān)測(cè)中的有效性，設(shè)計(jì)如下實(shí)驗(yàn)步驟：

1)在城市道路上搭建無線傳感網(wǎng)絡(luò)，并放置車載傳感器節(jié)點(diǎn)和錨點(diǎn)節(jié)點(diǎn)。

2)采集車輛的速度、位置等信息，并將數(shù)據(jù)通過ZigBee協(xié)議傳輸?shù)交竟?jié)點(diǎn)。

3)對(duì)采集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、缺失值補(bǔ)全等。

4)利用改進(jìn)DV-HOP算法對(duì)道路交通狀態(tài)進(jìn)行監(jiān)測(cè)，包括擁堵區(qū)域的檢測(cè)、擁堵程度的評(píng)估等。

5)對(duì)監(jiān)測(cè)結(jié)果進(jìn)行分析和評(píng)估，包括監(jiān)測(cè)精度、誤差來源等。

6)根據(jù)實(shí)驗(yàn)結(jié)果，優(yōu)化擁堵監(jiān)測(cè)系統(tǒng)的參數(shù)和算法，提高監(jiān)測(cè)精度和可靠性。

按照上述步驟，從擁堵信息傳輸性能與擁堵監(jiān)測(cè)精度兩方面入手，以文獻(xiàn)[4]中的CART分類樹法與文獻(xiàn)[5]中的長短期記憶模型法為對(duì)比方法，來檢驗(yàn)并對(duì)比分析本文所提方法的數(shù)據(jù)處理能力以及擁堵狀態(tài)監(jiān)測(cè)性能。

3.2 擁堵信息傳輸性能分析

擁堵信息傳輸性能實(shí)驗(yàn)中，包含兩個(gè)測(cè)試評(píng)估指標(biāo)：數(shù)據(jù)投遞率與數(shù)據(jù)傳輸延時(shí)。數(shù)據(jù)投遞率表示目標(biāo)節(jié)點(diǎn)收到的數(shù)據(jù)和源節(jié)點(diǎn)傳輸數(shù)據(jù)之間的比例，也就是可以準(zhǔn)確輸出的數(shù)據(jù)統(tǒng)計(jì)量，展現(xiàn)了無線傳感網(wǎng)在擁堵信息交互方面的可靠性，指標(biāo)計(jì)算公式為：

(12)

其中：Gr是節(jié)點(diǎn)獲得的數(shù)據(jù)，Gs是源節(jié)點(diǎn)傳輸數(shù)據(jù)總和。

設(shè)定當(dāng)前交通狀況為中等密度場(chǎng)景，3種方法不同路面強(qiáng)度下數(shù)據(jù)投遞率變化情況如圖3所示。

圖3 3種方法中等密度場(chǎng)景下數(shù)據(jù)投遞率情況對(duì)比

觀察圖3可知，在3種方法應(yīng)用下，數(shù)據(jù)投遞率均隨著路面強(qiáng)度的增大而降低，其中，本文方法的總體波動(dòng)較小，僅由99.3%降低到98.5%，而兩種對(duì)比方法的總體波動(dòng)相對(duì)較大，CART分類樹法下，數(shù)據(jù)投遞率由97.6%降低到94.2%，長短期記憶模型法下，數(shù)據(jù)投遞率由98.3%降低到93.9%。在路面強(qiáng)度較小時(shí)，兩種對(duì)比方法的數(shù)據(jù)投遞率不會(huì)受到太多外部影響，但伴隨車輛的增多，其數(shù)據(jù)投遞率呈明顯下滑趨勢(shì)。而所提方法在路面強(qiáng)度增多情況下，數(shù)據(jù)投遞率依舊保持在最高水平，數(shù)據(jù)傳輸能力遠(yuǎn)高于兩個(gè)對(duì)比方法，展現(xiàn)出獨(dú)特的數(shù)據(jù)傳輸優(yōu)勢(shì)，說明本文方法具有較強(qiáng)的數(shù)據(jù)傳輸能力，能夠在對(duì)道路交通擁堵傳感節(jié)點(diǎn)進(jìn)行快速監(jiān)測(cè)的過程中，對(duì)監(jiān)測(cè)數(shù)據(jù)提供有效保障。

在相同的實(shí)驗(yàn)環(huán)境下，統(tǒng)計(jì)3種方法數(shù)據(jù)傳輸延時(shí)情況如圖4所示。

圖4 3種方法中等密度場(chǎng)景下數(shù)據(jù)傳輸延時(shí)情況對(duì)比

從圖4可知，隨著路面強(qiáng)度的增大，3種方法的數(shù)據(jù)傳輸延時(shí)均有所增加，其中，本文方法應(yīng)用下的數(shù)據(jù)傳輸延時(shí)波動(dòng)較小，另外兩種對(duì)比方法的波動(dòng)相對(duì)較大。當(dāng)路面強(qiáng)度為6 MPa時(shí)，本文方法的數(shù)據(jù)傳輸延時(shí)為3.5 s，CART分類樹方法的數(shù)據(jù)傳輸延時(shí)為4.6 s；長短期記憶模型方法的數(shù)據(jù)傳輸延時(shí)為5.2 s；當(dāng)路面強(qiáng)度較低時(shí)，3種方法數(shù)據(jù)傳輸延時(shí)無過多差別，但當(dāng)路面強(qiáng)度值升高，兩個(gè)文獻(xiàn)方法會(huì)產(chǎn)生較多網(wǎng)絡(luò)負(fù)載，數(shù)據(jù)傳輸延時(shí)逐漸提升，而所提方法依舊保持極小的傳輸延時(shí)，在較短時(shí)間內(nèi)完成交通路況數(shù)據(jù)顯示。以上結(jié)果說明，本文方法在數(shù)據(jù)傳輸延時(shí)方面表現(xiàn)較好，具有優(yōu)異的實(shí)時(shí)性和穩(wěn)定性。在實(shí)際應(yīng)用中，本文方法能夠及時(shí)、準(zhǔn)確地反映道路交通狀況，為交通管理部門和司機(jī)提供有力的參考。

3.3 擁堵監(jiān)測(cè)精度分析

擁堵監(jiān)測(cè)精度指標(biāo)使用均等系數(shù)來描述，均等系數(shù)代表預(yù)測(cè)值與真實(shí)值之間演變走向的相似水平，均等系數(shù)越大，表明預(yù)測(cè)值和真實(shí)值之間擬合度越好，輸出結(jié)果正確率越高。均等系數(shù)計(jì)算公式為：

(13)

其中：Ip(t)代表t時(shí)段網(wǎng)絡(luò)預(yù)測(cè)值，Ir(t)代表t時(shí)段網(wǎng)絡(luò)真實(shí)值。

設(shè)定擁堵監(jiān)測(cè)實(shí)驗(yàn)次數(shù)為300次，均等系數(shù)值取每25次結(jié)果的均值，統(tǒng)計(jì)3種方法下的實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 3種方法均等系數(shù)數(shù)值實(shí)驗(yàn)結(jié)果對(duì)比

分析圖5可知，本文方法下得到的均等系數(shù)值與實(shí)際結(jié)果基本重合，而在CART分類數(shù)方法和長短期記憶模型方法下，其均等系數(shù)值均明顯低于本文方法下的結(jié)果。當(dāng)實(shí)驗(yàn)次數(shù)為50次時(shí)，實(shí)際的均等系數(shù)值為達(dá)0.986，本文方法的均等系數(shù)值可達(dá)0.986，CART分類樹的均等系數(shù)值為0.966，長短期記憶模型的均等系數(shù)值為0.982；所提方法均等系數(shù)值最高，擁堵監(jiān)測(cè)效果最好，數(shù)值擬合度要優(yōu)于兩個(gè)文獻(xiàn)方法。出現(xiàn)此種現(xiàn)象的原因?yàn)椋核岱椒ㄊ褂酶倪M(jìn)DV-HOP算法，更精準(zhǔn)地鎖定擁堵節(jié)點(diǎn)所處方位，監(jiān)測(cè)準(zhǔn)確度得到顯著提高，與實(shí)際結(jié)果基本符合。以上結(jié)果均說明，本文方法在擁堵監(jiān)測(cè)效果方面表現(xiàn)較好，具有較高的準(zhǔn)確性和可靠性。在實(shí)際應(yīng)用中，本文方法能夠更加精準(zhǔn)地檢測(cè)和定位道路擁堵情況，為交通管理部門和司機(jī)提供更加有效的路況信息，提高道路運(yùn)輸?shù)陌踩院托省?/p>

4 結(jié)束語

針對(duì)日益嚴(yán)重的交通擁堵問題，以無線傳感網(wǎng)為基礎(chǔ)，設(shè)計(jì)一種道路交通擁堵監(jiān)測(cè)方法。面向交通的突發(fā)性與偶然性，在監(jiān)測(cè)區(qū)域安置無線電磁傳感器采集實(shí)時(shí)交通數(shù)據(jù)，分析交通情況是否產(chǎn)生擁堵或事故，通過改進(jìn)DV-HOP算法定位擁堵節(jié)點(diǎn)位置，給車輛提供最新的交通信息。所提方法操作簡(jiǎn)便，實(shí)用性強(qiáng)，能從根本上緩解交通壓力，給行車者提供駕駛便利。