智能车载交通信息系统及其动态传播效果分析
2016-01-08张崎,郑昊,张建平等
智能车载交通信息系统及其动态传播效果分析*
张崎1▲郑昊2张建平2彭红1
(1.北京科技大学自动化学院北京 100083;2.北京科技大学计算机与通信工程学院北京 100083)
摘要为解决集中式道路交通信息系统存在的系统建设资金投入大、建设周期长、数据处理过于集中、应对严重突发灾害能力不足等相关问题,论文对基于车车通信方式的分布式交通信息系统进行了深入研究,改善和构建了基于VANET 实现路网交通拥堵信息自主采集与动态传播功能的新型交通信息系统(IVTIS)模式及相关模型,进而通过交通仿真软件Vissim的二次开发,对交通拥堵信息自主采集、融合、传播及路网拥堵信息自动生成与动态更新模型等,进行了不同车流量及信息发布间隔情形下交通拥堵信息传播效果的综合仿真。通过对路网交通拥堵信息的车辆接收率、最短传播时间及最大传播速率等评价指标的综合分析与比较评价,结果显示IVTIS系统模式及相关模型基本合理,其在路网拥堵信息的自主采集、动态传播及其路网覆盖效果方面显示出较好的整体效果。
关键词车载自组织网;智能车载交通信息系统;交通信息;自主采集;自动传播
中图分类号:U491.2文献标志码:A
收稿日期:2014-05-21修回日期:2014-10-28
基金项目*北京市自然科学(批准号:4122048)资助
通讯作者▲第一作者()简介:张崎(1960—),博士,副教授.研究方向:智能交通、电子信息、系统工程.E-mail:zhqi@ustb.edu.cn
Analysis of the Dynamic Transmission Effect of
Intelligent Vehicle Traffic Information System
ZHANG QiZENG HaoZHANG JianpingPENG Hong
(1.SchoolofAutomation&ElectricalEngineering,UniversityofScience&Technology
Beijing,Beijing100083,China;2.SchoolofComputer&CommunicationEngineering
UniversityofScience&TechnologyBeijing,Beijing100083,China)
Abstract:The objective of the Intelligent Vehicle Traffic Information System(IVTIS), a new type of traffic information system based on VANET , is to realize the independent collection and dynamic transmission of network traffic congestion information. This system can solve some problems existing in the centralized traffic information system such as expensive system investments, long life-cycles of construction, intensive data processing and so on. To improve the IVTIS model, new models for the acquisition, integration and transmission of traffic congestion information and the automatic generation and dynamic updating of the congestion information were presented in this paper. Besides, by re-developing VISSIM, the simulation analysis and evaluation would work on the receiving rate of traffic congestion information, the shortest transmission time and the maximum transmission speed of the congestion information in different traffic situations. According to the result, the models for IVTIS are effective and run well in the collection, integration and transmission of traffic congestion information, and also have a good road network coverage rate.
Key words:VANET; IVTIS; traffic information; autonomous collection; automatic transmission
0引言
目前,城市路网交通拥堵信息的实时发布主要是由集中式交通信息中心,对各种固定及移动式路况采集设备汇集而来的原始采集信息进行数据分析与融合处理,并由路面大屏幕诱导显示屏、车载显示终端,以及无线交通广播等,向行驶车辆进行路况信息的实时动态发布[1-2];此种交通信息系统模式对现有常规状态下的道路交通运行起着巨大作用。然而此种方式依赖于庞大的固定式交通流采集与发布设施,同时所有信息的采集与发布集中于1个固定式交通信息中心进行统一的数据处理。因而从整个交通信息系统的造价成本、数据处理设备计算速度与处理能力、自然灾害与恐怖袭击,以及现有系统故障等特殊情况下拥堵信息的发布等方面,存在一定的不足及风险。为此,国内外一些智能交通专家及学者开始提出并研究各种基于车车通信的交通拥堵信息自主采集与实时传播模式,并取得初步进展。其中具有代表性的系统模式有:通过路侧设备与车辆的信息交互,对车辆提供安全驾驶及拥堵信息的路车通信模式[3-4];借鉴蚁群释放信息素回避拥堵路段的行走模式而研究的基于对向车传播前方拥堵信息的系统模式[5-6];针对路网路况信息的采集与传播而提出的自组织交通信息系统模式(self-organized traffic information system,SOTIS)[7-9]以及进一步面向大中城市路网而提出的智能车载交通信息系统(IVTIS)模式[10-11]。其中路车通信模式研究相对较早且已取得较大进展,其特点是必需借助路侧通信平台进行信息传播;而单纯基于车车通信的系统模式目前尚处研究探索阶段,其拥堵信息的采集方式、数据融合处理精度、信息传播内容及通信方式、路网信息传播速率、信息丢包率对传播效果的影响等诸多方面有待进一步深入研究和综合完善。
针对现有基于车车通信的车载交通信息系统存在的不足及相关问题,在笔者前期提出的基于VANET的面向路网交通拥堵信息自主采集、融合处理、自动传播与动态更新的智能车载交通信息系统(IVTIS)初期模式[10]基础上,进行了理论模型算法的进一步改进和完善,并通过Vissim交通仿真软件的二次开发,重点对直路和路网情形下不同仿真环境的交通拥堵信息动态传播效果进行了仿真分析与综合评价,验证并分析了该系统模型的合理性、有效性及路网传播的整体效果。
IVTIS模式的研究与应用,将为下一代交通信息系统提供1个新型交通信息系统参考模式及特定交通环境及应急条件下的替代补充方式。
1智能车载交通信息系统(IVTIS)模式描述
智能车载交通信息系统(intelligent vehicular traffic information system,IVTIS)是为解决集中式交通信息系统存在的不足而提出的1种基于车载自组网(vehicular ad hoc networks,VANET)及车流自身信息资源,实现路网交通拥堵信息自主采集与动态传播等功能的新型交通信息系统。其整体流程见图1,功能包括可实现实时交通拥堵信息的自主采集与传播,并可在车载信息终端自动生成和动态更新整个路网的交通拥堵信息。其主要特点如下。
1) 交通路况信息的采集、融合处理与传播是各车辆按路段分别独自进行。
2) 车辆之间通过车载自组网(VANET)广播方式进行信息传播[12]。
3) 车辆在路段中的位置信息由车载GPS卫星定位方式,结合道路GIS地图确定。
4) 车辆原始采集信息为通过某路段时获得的该路段行驶时间或平均行驶速度(该路段称为采集路段)。
5) 交通拥堵信息的收发与融合处理是在该车辆原始信息采集路段后的路段内间隔性地持续进行。
6) 路段交通拥堵信息是由各采集车辆对其自身拥有的原始采集信息集合进行融合处理,并按现行路网拥堵速度的划分规定简化而成。
7) 各车辆信息传播对象分为同一采集路段的车辆及不同采集路段的车辆两类,传播对象车辆对所接收的信息内容自行筛选处理。
8) 路网交通拥堵信息是由各车辆车载信息终端独自生成,其信息内容由自身采集路段融合处理后的交通拥堵信息,以及通过信息广播接收到的其它路段最新简化拥堵信息构成。
9) 各车辆拥有的路网交通拥堵信息的更新分为自身拥有的原始采集信息集合的更新,以及自身采集路段之外其它路段简化拥堵信息的更新两部分。
该系统模式的1个重要特点就是利用路网中的行驶车辆对其所经路段自主进行原始路况信息的采集,并通过车车通信方式进行相互间的信息传播,以此扩大或更新各车辆原始采集信息集合;进而通过信息融合处理,将其结果以简化拥堵信息形式向其他采集路段车辆进行传播,以此实现信息接收车辆对自身拥有的路网拥堵信息的实时更新。此种系统模式可使车辆在路网行驶过程中,通过车载信息终端自主实现交通拥堵信息的实时采集、传播及路网拥堵信息的生成与更新,并通过车载显示终端人性化地供驾驶人实时参考。
图1 基于VANET的智能车载
2智能车载交通信息系统模型
基于上述IVTIS系统模式,笔者构建了如下智能车载交通信息系统相关模型。
2.1交通拥堵信息采集模型
当某路段采集车辆驶离该路段后,通过GPS定位方式和道路GIS便可获得通过该路段起点和终点的相应时刻,并由此可计算出通过该路段的行驶时间(见式(1)),以及平均行驶速度(见式(2)),由此构成该车辆在此路段采集的原始路况信息(后称原始采集信息)。当某车辆获得自身原始采集信息后,通过车车通信方式也将接收到同一采集路段其它车辆传播而来的原始采集信息,由此便构成1个该车独自拥有的原始采集信息集合及其原始信息的采集车辆集合(后称原始采集车辆集合)。通过对该车原始采集信息进行数据融合处理,便可计算出其采集路段的平均行驶速度,见式(3)。进而参考现有集中式交通信息系统发布路况信息时所依据的拥堵速度划分规定,可将车辆计算出的该采集路段平均行驶速度按其划分规定划归为较为简便的交通堵塞、行驶缓慢及道路畅通3种路况情形(后称简化拥堵信息),具体模型见式(4)。
(1)
(2)
(3)
(4)
2.2交通拥堵信息传播模型
某路段采集车辆向其他车辆发布的交通信息分为2类;①是面向同一采集路段的其他采集车辆发布其自身拥有的原始采集信息集合(路段i的采集车辆k自身拥有的原始采集信息集合为{ Vp(i) | p∈Ok(i)}),包括该车自身原始采集信息以及通过VANET接收的同一采集路段其他车辆自身原始采集信息;②是面向不同采集路段的车辆发布其自身拥有的路网拥堵信息,即该车对自身采集路段信息融合处理后的简化拥堵信息(路段i的采集车辆k信息融合处理后的简化拥堵信息为{ V’k(i), tk,3(i)}),通过VANET接收的由不同车辆转播而来的其他路段最新简化拥堵信息,以及各简化拥堵信息融合处理后初次发布的时刻(路段i的采集车辆k转播的其它路段j的最新简化拥堵信息为{ V’q(j), tq,3(j)})。2类信息合之,即路段i的采集车辆k发布的所有交通路况信息内容为
(5)
式中:Gi(k)为路段i的采集车辆k拥有的所有简化拥堵信息的采集路段集合;tk,3(i),tq,3(j)分别为路段i的采集车辆k及路段j的采集车辆q信息融合处理后初次发布其简化拥堵信息的时刻。
2.3路网拥堵信息生成与更新模型
各车辆通过自身信息采集与融合处理,以及通过VANET不断接收其他车辆发布的简化拥堵信息,便可在自车车载信息终端生成相应的局部路网拥堵信息,同时随着时间的推移及与其他车辆信息交互次数的增加,便可迅速生成该车辆自身拥有的整个路网交通拥堵信息,由此可供驾驶人行驶过程中实时参考。路段i的采集车辆k在当前时刻t所拥有的最新路网拥堵信息集合为
(6)
式中:V’k(t,j),tk(j)分别为路段i的采集车辆k在当前时刻t所拥有的路段j的简化拥堵信息及其初次发布信息的时刻。
其中: V’k(i); tk(j)=tk,3(i)j=i
V’q(j);tk(j)=tq,3(j)
(q≠k, j∈Gi(k)) j≠itk(j) ≤ t
i,j∈{1,2,…,N},Gi(k) ⊆{1,2,…,N}
随着车辆在路网中的行驶移动以及不断交替着车载自组网,各车辆将不断地接收由其他车辆传播(或转播)而来的路网不同路段最新简化拥堵信息,并以此来实时更新自车拥有的路网拥堵信息集合。根据不同情形,路网拥堵信息的动态更新模型分别如下。
1) 车辆k与车辆k’属于相同采集路段i,且车辆k’的原始采集车辆集合中含有车辆k所没有的原始采集车辆时,则更新车辆K的原始采集车辆集合。
2) 路段i的采集车辆k与车辆k’不属于同一采集路段,或虽属同一采集路段i但车辆k’传播的是路段i之外其他路段j的交通拥堵信息时,则分以下3种情形进行交通拥堵信息的更新。
1)若车辆k不拥有车辆k’所拥有的某路段交通拥堵信息时,则补充其至车辆k。
2)若车辆k与车辆k’都拥有某路段交通拥堵信息时,则比较其交通拥堵信息的新旧而对车辆k进行信息更新。
3)考虑到交通拥堵信息的时效性,当车辆k拥有的某路段交通拥堵信息在规定的一定时间(时效)内没有得到更新时,则认为其失去参考价值,自动摒弃。
3交通仿真与评价
为了验证智能车载交通信息系统模式及其模型的可行性与合理性,笔者利用交通仿真软件Vissim对相关系统模型进行了二次开发编程,并由此对IVTIS模式及其系统模型进行了交通仿真及分析评价。
Vissim是一款功能强大的交通仿真软件,通过其COM接口可实现外部模型算法在其仿真平台上的各种仿真运行及结果输出。Vissim软件的COM接口提供了大量对象列表(Links,Nodes,Vehicles等),每个对象都提供一系列相应的数据读取及控制方法。笔者主要通过构建外部程序调用相应对象来实现本系统模型中的车辆原始信息采集、融合、传播、路网拥堵信息生成及动态更新等功能。即在每一步仿真运行中将已构建的模型程序嵌入到每辆车中,由此赋予其信息采集、数据融合、信息传播及数据更新等相应能力。
3.1交通仿真环境
1) 路段情形。
(1) 路段设定。以城市一般道路双向路段为虚拟仿真对象,长度10 km,双向各2车道,1 000 m 1个采集路段。路段9(右行方向)设置减速带模拟施工拥堵地段(通行速度4~6 km/h)。仿真路段示意图见图2。
图2 交通仿真路段设定
(2) 车流量设定。右行车流:400,800,1 200 辆/h,左行车流:0,100,200,300 辆/h。
2) 路网情形。
(1) 路网设定。以城市路网为虚拟仿真对象,路网示意图见图3。其中:路段长度均为950 m,路口宽度均为50 m。在路段7设置减速带模拟施工拥堵地段。
(2) 信号灯设定。各路口均设置信号灯,其间无相位差,周期为90 s,南北及东西方向均为:绿灯27 s、黄灯3 s、红灯30 s。
(3) 车流量设定。路网各入口初始设定的流入车流量见图3;在此基础上增加的车流量分别为:50%,100%。
(4) 路口流入车流。直行50%、左右转各25%。
图3 交通仿真路网及初始流入车流量设定
3) 车车通信方式。采用VANET广播协议,广播通信范围:300 m,车辆发布信息间隔:1,3,5 s。
4) 交通仿真时间。35 min,拥堵设定时间:仿真开始15 min。
5) 其他设定。道路限速60 km/h;车辆按泊松分布由路网入口随机发生。交通拥堵速度划定范围:Vc=20 km/h,Vs=40 km/h;拥堵信息存留时效:T0=15 min。
3.2仿真结果分析评价
针对上述路段与路网2种情形,对车辆发布信息间隔为1 s时的仿真情形进行了综合评价,并对不同车流情况下,交通拥堵信息在各路段的车辆接收率、交通拥堵信息的最短传播时间及最大传播速率等评价指标进行了比较分析。其主要仿真结果如下。
3.2.1路段情形
以图2右侧箭头行驶方向的车辆(右行车流)为主体,仿真对向车流(左行车流)为0及不同车数时拥堵信息向其后方车辆传播的效果。由整体仿真结果来看,基于智能车载交通信息系统模式构建的系统模型基本合理,仿真效果符合预期,其具体结果及分析如下。
1) 交通拥堵信息车辆接收率。交通拥堵信息车辆接收率是指:在某时间段内各路段通过的交通流中接收到交通拥堵信息的车辆比率。图4、图5分别为图2中路段9发生交通拥堵后,其后方各路段对于交通拥堵信息的车辆接收率(统计时间5 min)。
图4 无对向车时交通拥堵信息的车辆接收率
图5 增加对向车流时交通拥堵信息的车辆接收率
图4表示右行车流为800 辆/h,左行车流为0(无对向车)时的单行道情形,其交通拥堵信息的传递仅靠同向行驶车辆进行;而图5表示右行车流不变,适当增加对向(左行)车流,使得拥堵路段的交通拥堵信息可借助对向车向后方路段进行传递。
由图4可见,距拥堵路段越近,接收其交通拥堵信息的车辆比率越大,而随着距离的增加,其比率逐渐降低;而图5中,通过借助对向车传播交通拥堵信息的方式将可提高拥堵后方路段车辆的接收比率,同时随着对向车流由0~100 辆/h、200 辆/h的增加,其车辆接收比率也相对增加,并当对向车流增加到200 辆/h以上时,其车辆接收率基本趋于稳定。
2) 交通拥堵信息最短传播时间。交通拥堵信息最短传播时间是指交通拥堵信息发布后,最快传播到各路段或相应地点的时间。图6、图7分别表示对应不同行驶方向、不同车流量情形,图2中路段9发生交通拥堵后,驶出该拥堵路段的车辆将其采集及融合处理后的交通拥堵信息向后方路段车辆传播的最短时间曲线。
由图6可见,在无对向车时,由于车流密度不是很大,车间距疏密不等,则发生了因车距过大而造成的信息断链情况;而当后续车辆追上并进入前方车辆的信息传播范围时,断链信息被链接,拥堵信息继续向后传播;此类现象的出现使得交通拥堵信息最短传播时间曲线出现跳变,整体传播时间相应增加。当引入和增加对向车流时,信息断链现象得到改善,且交通拥堵信息的最短传播时间随对向车流的增加而逐渐减小,当对向车流增加至200 辆/h以上时最短传播时间曲线的变化趋势逐渐趋于稳定;其拥堵信息传播至9 km左右处的最短传播时间将小于39 s。
图7为对向(左行)车流量一定(设为300辆/h),而右行车流量不同时的仿真情形。由其结果看出,车辆行驶方向的车流量越大,车流密度越大,信息断链现象越少,其交通拥堵信息的最短传播时间越小;在其车流量为1 200 辆/h时,交通拥堵信息的最短传播时间由车流量为800 辆/h时的39 s缩短为35 s。
由图6,7的2种情形的仿真结果来看,借助对向车进行交通拥堵信息的传播将明显减少信息断链情况,减少交通拥堵信息的整体传播时间。
图6 对向车流量不同时交通拥堵信息的最短传播时间
图7 车流量不同时交通拥堵信息的最短传播时间
3) 交通拥堵信息最大传播速率。交通拥堵信息最大传播速率是指交通拥堵信息发布后,最快传播到各路段或相应地点的最大速率。同上述交通拥堵信息最短传播时间的分析相同,不同仿真情形时交通拥堵信息的最大传播速率比较曲线如图8、图9所示。
由图8看出,无对向车时,由于交通拥堵信息在传播时发生信息断链情况,则其交通拥堵信息最大传播速率曲线出现向下跳变现象,整体传播速率明显降低;
图8 对向车流量不同时交通拥堵信息的最大传播速率
图9 车流量不同时交通拥堵信息的最大传播速率
而当引入和增加对向车流量后,其信息断链现象逐渐消除,其最大传播速率随对向(左行)车流的增加而增大,且在对向车流增加至200辆/h以上时基本趋于稳定;其拥堵信息传播至9 km左右处的最大传播速率约为230 m/s。从整体来看,距拥堵路段较近时由于车流密度较大,其最大传播速率相对较高;而随着传播距离的增加,最大传播速率逐渐降低,并趋于平缓。
图9 为对向(左行)车流量一定(设为300辆/h),而车辆行驶方向车流量不同时交通拥堵信息的最大传播速率。由其结果看出,随着车流量的增加,其交通拥堵信息的最大传播速率整体相应增大;在车流量为1 200辆/h时,交通拥堵信息传播到9 km左右处的最大速率达到256 m/s。
3.2路网情形
城市路网发生交通拥堵时,其拥堵路段后方车辆往往对该拥堵信息有较大需求,由于驶往该拥堵路段方向的车辆位于路网不同位置,且拥堵信息的传播可能经由不同路径,则本文基于前述模式及系统模型,重点仿真和分析交通拥堵信息在各路段的车辆接收率,以及通过不同路径传播至路网各路段和路口的最短传播时间。
当图3中路段7发生交通拥堵后,其拥堵信息将由采集车辆发布而迅速向周围不同方向传播,图10为初始设定的路网流入车流量情形下交通拥堵信息在各路段的车辆接收率(统计时间5 min)。
图10 初始流入车流量时各路段交通拥堵信息的
从交通拥堵信息的最短传播时间分析,图11、图12分别对应初始设定的路网流入车流量及增加50%与100%车流量时交通拥堵信息的最短传播时间。图中路段内数字为路段编号,路口及路段旁数字表示交通拥堵信息由最早发布到传播至该路口或路网边缘路段端口的最短时间。
由仿真结果看出,交通拥堵信息不仅可沿直线路段向后传播,也可跨越路口向不同方向传播。由此当某路段信息断链或传播速度较慢时,交通拥堵信息可通过其它路径绕行而快速传播至其后方路段。此外,交通拥堵信息的传播时间与各路段距拥堵路段的距离、路网车流密度及分布等密切相关,整体来说,距拥堵路段越远、车流密度越小、以及车流分布越不均匀,其所需的传播时间也越长。
图11 初始流入车流量时交通拥堵信息的最短传播时间
对比图11、图12所涉及的3种不同情形仿真结果:在初始设定的路网流入车流量情形下,交通拥堵信息从路段7传播至路段23入口处的最短时间为47 s(见图11);当路网流入车流量整体增加50%时,其最短传播时间缩短为32 s,进而增加100%时,其交通拥堵信息的最短传播时间仅需19 s(见图12)。由此看出,随着路网车流量的增加,拥堵信息扩散至路网各处所需的最短传播时间相对减少,传播速度相对加快。同时从交通拥堵信息的整个路网覆盖情况来看,对于可能驶向拥堵路段的路网边缘各流入口处车辆,整体最快接收到交通拥堵信息的(最短传播)时间分别为:48,32,19 s。
图12 初始流入车流量增加50%及100%时交通
然而,现有车载终端的数据处理能力与通信速度可能尚未达到较高的理想水平,则本文除上述设定的车辆发布信息间隔为1 s外,进而对其增大到3 s、5 s时的交通仿真结果一同进行了综合比较,并重点分析了其对交通拥堵信息最短传播时间及最大传播速率的影响程度。为方便起见,仅对单路车流为右行800 辆/h、左行300 辆/h及路网初始流入车流量增加50%时的仿真情形进行比较分析和评价。
图13、图14分别为单路情形下车辆发布信息间隔分别为1、3、5 s时交通拥堵信息的最短传播时间和最大传播速率比较曲线。由图13看出,当发布信息间隔增加至3 s和5 s时,交通拥堵信息的最短传播时间相应增加,其传播至9 km左右处的最短传播时间由发布信息间隔为1 s时的39 s相应增加到111 s和180 s;
图13 发布信息间隔不同时交通拥堵信息的最短传播时间
图14 发布间隔不同时交通拥堵信息的最大传播速率
而由图14可以看出,随着发布信息间隔的增加,最大传播速率的降低速度逐渐放缓,由发布信息间隔为1 s时的231 m/s递减到81 m/s和49 m/s。
图15为车辆发布信息间隔为3 s和5 s时,交通拥堵信息传播至各路口及路网各流入口的最短传播时间比较图。与图12同时比较看出,当发布信息间隔由1 s增加至3 s和5 s时,交通拥堵信息从拥堵路段7传播至各路口及各流入口的最短时间整体增加。其中传遍路网所有路口时的最短时间分别为12,66,70 s,而传遍整个路网所有流入口时的最短时间分别为:32,132和130 s。由于通往各路口的传播路径有多条,并且汇集各流入口的车流在路网交错行驶使得车流密度相对较大,则传遍路网所有路口时的最短时间较传遍各流入口时的最短时间小很多;而对于后者而言,传遍路网各流入口时的最短传播时间整体上相对增加,但由于车辆按概率流入造成的车辆间隔和车流密度不均、以及车辆信息传播也与对向车流大小及密度等因素相关,则个别路段(路段23和20)偶现例外乃属正常。
图15 发布信息间隔为3 s及5 s时交通拥堵信息的
由以上仿真结果可看出,车载终端的数据处理能力与通信速度对交通拥堵信息的传播时间和传播速度有较大影响。同时观察车辆发布信息间隔为3 s的仿真结果,传遍整个路网各路口的最短传播时间大约为1 min左右,由此拓展,这对1个以路口为高效信息传播及路径诱导地点的城市路网而言具有一定价值的参考作用。由仿真结果看出,IVTIS模式将可适用于一般城市路网,同时随着车载终端性能的提高,车辆发布信息间隔的缩短将可进一步改善信息传播速率,并可面向更大路网规模。
4结束语
针对基于集中式交通信息中心的交通信息系统存在的不足及局限性,本文在笔者前期研究提出的1种基于VANET方式的智能车载交通信息系统初期模式(IVTIS)基础上,构建了相应系统模型;同时基于交通仿真软件Vissim的COM接口对系统模型进行了二次开发编程;并对单路路段及路网情形下不同车流量及信息发布间隔时的交通拥堵信息传播效果进行了仿真评价。通过对交通拥堵信息的车辆接收率、交通拥堵信息最短传播时间及最大传播速率指标进行综合分析与比较,IVTIS模式显示出较好的自主采集与动态传播效果,其路网覆盖范围将随着现代电子通信技术的发展逐步适于未来城市路网,尤其是车辆密度较大的路网区域;同时区别于集中式交通信息系统,该系统模式将可在应急环境和特定条件下实现交通信息的自主采集与传播,起到交通信息系统的补充或替代作用。
作为今后进一步研究的课题,笔者将深入探讨信息丢包率及发布间隔对交通拥堵信息传播效果的影响,以及交通拥堵信息在路网快速传播的覆盖速率等问题。
参考文献
[1] 向勇.基于车载自组网的动态交通信息的挖掘和利用[J]. 中兴通讯技术,2011,17(3):29-34.
XIANG Yong.Dynamic traffic data mining based on vehicular ad hoc networking [J].Zte Technology Journal,Jun.2011,17(3): 29-34.(in Chinese).
[2]江周,张存保,许志达,等. 基于多源数据的城市道路网络行程时问预测模型[J].交通信息与安全,2014, 32(3):27-31.
Jiang Zhou,Zhang Cunbao,Xu Zhida,et al.Development of a travel tim e prediction model for urban road network using multi-source data[J].Journal of Transport Information and Safety,2014,32(3):27-31.(in Chinese).
[3]Ryoichi Kurata,Tetsuro Aikawa,Daisuke Kamogashira.Realization of the AHS service based on the vector Image processing method[C].18th world congress on intelligent transport systems, Intelligent Transportation Society of America,orlando:ITSA,2011,10:1-9.
[4]Tamaki Hiroshi,Yano Junji,Kagawa Kouji,et al.Constructing a traffic information providing system utilizing multi-source information[J].Transactions of the Japanese Society for Artificial Intelligence 2010, 25(3): 394-399.
[5]Narzt W,Wilflingseder U,Pomberger G,et al.Self-organizing congestion evasion strategies using ant-based pheromones IET[J] Intelligent Transport Systems,2010,4(1):93-102.
[6]John A.Schadschneider,Andreas,Chowdhury D,etc.Characteristics of ant-inspired traffic flow:Applying the social insect metaphor to traffic models[J].Swarm Intelligence,2008,2(1):25-41.
[7]Wischhof L,Ebner A,Rohling H,et al.SOTIS A self-organizing traffic information system[C].Proceedings of the 57th IEEE Vehicular Technology Conference (VTC 03 Spring),Jeju:IEEE,2003:2442-2446.
[8]Wischhof L,Ebner A,Rohling H.Information dissemination in self-organizing intervehicle networks[J].IEEE Trans. Intelligent Transport systems, 2005,6(1): 90-101.
[9]Yang X.Evaluation of information applications of a self-organizing distributed traffic information system for a large-scale real-world traffic network[R].350 Main Street, Malden, MA02148, USA, and 9600 Garsington Road, Oxford OX4 2DQ, UK,Computer-Aided Civil and Infrastructure Engineering,Published by Blackwell Publishing,2008,23:575-595.
[10] Zhang Q,Zhao J H.A model for automatic collection and dynamic transmission of traffic information based on VANET[C]. Intelligent Transportation Systems (ITSC), 15th International IEEE Conferenc, Anchorage:IEEE,September 2012:373-378.
[11]张崎,赵检豪.智能车载交通信息系统[J]. 北京工业大学学报,2014,40(1):11-16.
ZHANG Qi,ZHAO Jianhao.Research for an intelligent vehicular traffic information system[J].Journal of Beijing University of Technology,2014,40(1):11-16.(in Chinese).
[12]张利锋,金蓓弘,张扶桑.VANET中数据传递的关键技术[J].计算机科学,2013,(40)8:1-5,13.
ZHANG Lifeng,JINBeihong,ZHANG Fusang.Key technologies of data delivery over VANET[J].Computer Science,2013,40(1)8:1-5,13.(in Chinese).