基于车载电子标签数据的单交叉口状态判别研究

刘云翔，贾　璐，朱　萍

(上海应用技术学院 计算机科学与信息工程学院,上海　201418)



基于车载电子标签数据的单交叉口状态判别研究

刘云翔，贾璐，朱萍

(上海应用技术学院 计算机科学与信息工程学院,上海201418)

基于目前交叉口状态判别存在设备安装复杂度高，判别准确率低，受环境影响大、无法识别具体车辆等问题，提出基于车载电子标签数据的交叉口状态判别方法;通过简化模型，以两相位单交叉口为例，选择的参数为流量，交通密度，停车数量;最后经VISSIM交通仿真软件的二次开发，模拟车载电子标签运行环境，通过对比仿真试验所得与专家观察分析所得，相似度高达90%以上;证明该方法在克服以往方法缺陷的基础上可有效判别交叉口状态。

智能交通；交通流量；交通密度；停车数量；状态判别

Shanghai201418,China)

0　引言

城市的发展与道路交通状态息息相关，道路交通拥挤状态是指交通流的总体运行状况，是用各区间的交通参数所表示的交通流状态，包括宏观路网交通状态、微观路段和交叉口交通状态。交通状态的判别可以为交通的控制与诱导做好准备。而由于交通的复杂性，变化性等特点给道路交通状态判别[1-2]带来一定的困难，至今交通状态的判别没有明确的标准。一般对于交通判别有两种，一是人工被动判别，一是自动主动判别。近年来，随着技术的发展，越来越倾向于主动判别，主动判别有基于固定检测器、移动监测器、多源检测器等方法。各自有相应的算法，没有一种算法的绩效完全优于其他算法。而由于移动式检测设备的兴起，交通状态的判别越来越倾向于基于移动设备。移动设备目前主要使用的有GPS与GIS，车载电子标签与车牌判别等等[3-5]。每种判别的适合领域不一样。本文主要阐述基于车载电子标签的状态判别。

1　结构设计

在交叉口的设备安装情况[6]如图1。模型简化为单交叉口直行，相位为两相位。在距离交叉口50m地方安装背靠背式阅读器(以下简称Reader)，通过调整阅读器两边的内部天线发射的频率，控制检测范围为靠近交叉口两端200m(交叉口方向50m，背离交叉口方向150m)。通过与交叉口信号灯之间的通信，在了解信号周期的基础上结合标签数据进行判别。

图1　基于车载电子标签的交通状态判别路口设计图

2　基于参数的算法设计

2.1参数选择

以往交通拥挤自动判别(automaticcongestionidentification，ACI)算法中通常采用的参数见表1，表中“**”表示其中参数可以任选其一。从表中可见算法大多采用一个交通参数，其中使用较多的为交通量与占有率。原因与参数的获取难易，对交通的敏感度等有关。

而对于车载电子标签，有的参数可以直接获取，有的只能间接获取，而有的则无法获取，具体参数的获取情况见下表2。综合这两个方面的原因选择了适合本文判别方法的参数：选择对交通状态敏感的交通量与交通密度为参数，为了排除停车对交通状态的误判别，这里新增停车数量。

表1　各算法通常采用的数据

表2　车载电子标签的参数获取情况表

2.2参数定义

流量Q[2]：

(1)

其中：T为观测时段的长度(h)；N为观测时段内的车辆数(veh)。

流量指标最大的优点是数据获取容易。在Tag下的流量我们将令T=1，则Q=N。

交通密度K[2]：

(2)

其中：S为车辆数(veh)；l为观测路段的长度(km)。

交通密度是一个能直观体现道路上车辆密集程度的指标，能够弥补单独使用流量参数的缺陷。以往获取交通密度的实测数据存在较大难度。这里设观测路段的长度设为一个单位，则上述公式变为K=S。

停车数量：在交通状态畅通的情况下，连续两个绿灯周期检测到相同的车辆，这些车辆数量即为停车数量。

(3)

其中：SJ为连续两个绿灯周期检测到的相同车辆数(veh)；

2.3模型设计与算法

图2　检测区间车辆模型图

如上图所示，假设车辆长度l，在正常情况下车间距离为d1，在排队情况下车间距离为d2，整个路段的距离为L，靠近交叉口方向检测的距离为L′，进入的检测区间的车流为Qi，离开的车流为Qo：

(4)

其中：Qmax为最大的离开车子流量为Tg为该方向上绿灯的时间。

(5)

其中：KLL为路段正常行驶时的最大密度。

(6)

其中：KLH为交通路段的排队时最大的密度。

(7)

其中：K50max为靠近交叉口50m的最大密度。

将经过两个绿灯周期还有相同的车辆的数量记为停车数量[7-8]，停车数量公式如下：

(8)

针对连续两个绿灯周期作如下定义。

定义1：严重拥堵：第二个绿灯周期K2>KLH。

定义2：拥堵：两个绿灯周期KLL

定义3：一般拥堵：第二绿灯周期KLL

定义4：畅通：第二绿灯周期K2≤KLL，J=0。

定义5：停车：第二绿灯周期K2≤KLL，J≠0。

图3　交通状态判别算法流程图

图4　交通状态判别的流程图

3　仿真结果与分析

用VISSIM软件对交叉口进行仿真。为了仿真从更客观的角度反映问题的本质，该仿真做了如下假设：

1)交叉口仅为单交叉口，相位为两相位；

2)驾驶员不存在看到绿灯不行使的状态；

3)安全事故不存在；

4)观测道路上车辆仅为小轿车；

5)检测道路为单车道。

利用检测线圈模拟位于交叉口两端的接收机接收范围。分别仿真车流量在200，400，600，800，1 000，1 200时的交叉口交通状态。仿真时间3 600s其中含有600s的暖机时间，随机数种子选择42。仿真图如图5所示[9]。其中包括交叉口信号灯和数据采集点，左边三条构成交叉口左边50m,150m的检测范围。信号周期为60s，为了仿真的便捷，不设黄灯时间,仅设全红时间5s。

图5　仿真实验图

仿真结果将数据分为10个一组，求出平均值，将所得结果与请10位观察者在相同时间观察后打分的结果作比较，比较结果如图6。

图6　实验结果对比图

实验结果图的上面部分为专家组的判别结果，下面部分为算法判别结果。其中每张图从左至右分别是交通情况为200veh/h,400veh/h,600veh/h,800veh/h,1 000veh/h, 1 200veh/h时的交通状态判别结果。实验结果显示，利用交通量、交通密度，停车数量可以较好的判别交叉口交通状态，尤其在调整算法后能较好的克服交通软件VISSIM在判别严重拥堵时的缺陷，更好的判别了交叉口严重拥堵的状态。在与10组专家打分比较中，比较结果表见表3，表4。

表3　误差分析表1

表4　误差分析表2

从误差分析表可得该算法判别结果的准确度较高，在90%以上。并且经过适应软件的修正后在严重拥堵情况下判别率几乎为零。误差的来源主要集中于一般拥堵与拥堵的状态，原因主要为判别等级划分细度不够。专家组存在一定人为因素干扰，在等级细度划分不够的情况下，该干扰将尤其明显，特别是在临界点地方。但总体认为实验结果可信，利用车载电子标签获得的交通流量、交通密度和停车数量的参数数据，以及配合交叉口信号灯状态可以较好的判别交叉口的交通状态。

4　结论

基于车载电子标签数据的交叉口状态判别，利用tag、reader、控制机与信号灯组组成的联动体系，获得的交通流量、交通密度和停车数量等参数数据，再配合交叉口绿灯周期，可以较好的判别交叉口的状态。数值仿真结果与专家判别结果对比，相似度高达90%以上，在严重拥堵状态下的相似度高达100%。证明该方法可有效判别交叉口状态。但当交叉口车道不为单车道，相位也增加至超过两相位时，该判别方法的准确度还需进一步验证。

[1]张新等.基于视频投影法的交通拥挤实时检测算法[J]. 合肥工业大学学报(自然科学版), 2013(3): 319-323.

[2]胡启洲,等.城市路网交通拥堵态势监控的测度理论与方法[M].北京: 科学出版社, 2013.

[3]但雨芳,马庆禄.RFID,GPS和GIS技术集成在交通智能监管系统中的应用研究[J]. 计算机应用研究,2009,12:4628-4630.

[4]赖锴,米慧超. 基于RFID的未知标签检测协议研究[J]. 计算机应用研究,2015(3):814-820.

[5]MandalK，SenA，ChakrabortyA，etal.RoadtrafficcongestionmonitoringandmeasurementusingactiveRFIDandGSMtechnology[A].IntelligentTransportationSystems(ITSC), 2011 14thInternationalIEEEConferenceon[C],pp.1375-1379, 2011.

[6]邢磊. 车辆检测技术研究[D]. 重庆: 重庆大学, 2013..

[7]晏承玲.基于模糊理论的城市道路交通状态判别研究[D].重庆：重庆大学,2013.

[8]孙晓亮.城市道路交通状态评价和预测方法及应用研究[Z].北京:北京交通大学,2013.

[9]VISSIM5.20 用户手册[Z].Karlsruhe，Germany. 2009PTVAG.

StudyonsingleIntersectionStateIdentificationBasedonVehicleElectronicTagData

LiuYunxiang,JiaLu,ZhuPing

(SchoolofComputerScienceandInformationEngineering，ShanghaiInstituteofAppliedTechnology,

Duetothecurrentintersectionstateidentificationexitssomeproblems,suchashighconfusedequipmentinstallation,lowaccuracyrateeasilyaffectbythecircumstance,sensitiveparametersaredifficulttoobtain,andsoon.Trafficcongestionidentificationdesignbasedonvehicleelectronictagdataisproposed.Taketwophasesingleintersectionasanexample,selectthetrafficflow,trafficdensity,parkingnumberasparametersfortraffic.ThesimulationenvironmentisbuiltbyVISSIMwithsecondarydevelopment.Bycomparingthesimulationresultswiththeanalysisoftheresultsobtainedfromtheexperts,thedegreeofsimilarityishigherthan90%.Itisprovedthatthismethodcaneffectivelydistinguishtheintersectionstate.

intelligenttransportation;trafficflow;trafficdensity;parkingnumber;statediscrimination

2015-08-30；

2015-09-06。

上海市科委重点支撑项目(12510503800)。

刘云翔(1964-)，男，上海人，工学博士，主要从事人工智能、计算机软件与理论、信息融合、智能信息处理等领域方向的研究。

贾璐(1991-)，女，江苏无锡人，研究生，主要从事智能检测与控制方向的研究。

1671-4598(2016)01-0277-04DOI：10.16526/j.cnki.11-4762/tp.2016.01.077

TB114.3

A