CN101493991B - 基于传感器网络的交通状态获取方法及其装置 - Google Patents
基于传感器网络的交通状态获取方法及其装置 Download PDFInfo
- Publication number
- CN101493991B CN101493991B CN2009100781772A CN200910078177A CN101493991B CN 101493991 B CN101493991 B CN 101493991B CN 2009100781772 A CN2009100781772 A CN 2009100781772A CN 200910078177 A CN200910078177 A CN 200910078177A CN 101493991 B CN101493991 B CN 101493991B
- Authority
- CN
- China
- Prior art keywords
- traffic
- sensor
- section
- time
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
基于传感器网络的交通状态获取方法及其装置,采用现场总线与大数据量传输网络相结合的传输方式构成城市道路交通状态获取的传感器网络。传感器接入结点、复合结点有数据处理能力,在传感器网络的接入结点得到反映截面交通状态的交流量、时间占有率、车辆瞬时速度、截面平均速度、截面流量随时间的分布特征交通状态参数;在复合结点完成逻辑层融合,得到反映区间交通状态的路口的延迟时间、饱和流率、平均排队长度,路段的平均排队时间、平均行驶时间、平均行程时间、平均行程速度、通状态系数,小粒度区域平均延时参数;在中央计算机完成业务层融合,得到反映大粒度的交通状态不同路径的平均行程时间、不同路径的交通状态系数、区域拥堵程度参数。
Description
技术领域
本发明涉及一种基于传感器网络的交通状态获取方法及其装置,属于智能交通领域。
背景技术
交通安全、交通堵塞及环境污染是困扰当今国际交通领域的三大难题,尤其以交通安全问题最为严重。为此,世界各发达国家竞相投入大量资金和人力,进行大规模的智能交通技术研究试验。智能交通技术(ITS),是指将先进的信息技术、数据通讯传输技术、电子控制技术、计算机处理技术等应用于交通运输行业从而形成的一种信息化、智能化、社会化的新型运输系统,它使交通基础设施能发挥最大效能。
现有的交通控制系统采用集中处理方式,通过部署的多种类型的交通信息采集传感器,如线圈、视频、红外、超声、温湿度等传感器对交通状态信息进行采集,并通过网络上传到中央计算机,经中央计算机处理后为交通管理部门制定交通控制策略提供依据。
但是分属于不同系统的传感器以及集中式的接入方式带来了以下几方面的问题:
1、现有传感器部署方式,每种类型传感器通过单独网络接入交管中心,网络建设费用巨大。另外大量铺设的不同类型传感器产生了海量异构数据、这些海量的异构数据包含了大量的冗余信息,导致了数据传输压力巨大、对中央处理计算机处理能力要求极高,中央计算机面临着巨大的数据处理压力。
2、城市交通系统的各种应用要求得到多源交通信息,而现有交通状态获取的传感器相互独立,分属不同系统。因此无法直接进行数据交互、不能准确采集区间交通状态信息,不能构成全时空的交通状态获取系统;
3、现有传感器主要面向交通控制和管理,在交通信息服务、交通安全保障、交通基础设施监控等方面的作用还没有充分发挥。
造成目前交通状态获取问题主要原因有两点:1、传感器部署相对独立,每一类传感器单独通过网络将数据上传至交管中心,传感器数据在底层的交互和共享程度低;2、由于在现场进行检测的传感器数据处理能力弱、存储能力小,因此大多数传感器将原始检测数据上传至交管中心。
交通状态获取的目标是得到截面交通参数、区间交通参数到区域交通参数。现有交通状态获取方法的特点是将传感器数据直接传输至交通管理中心,传感器现场数据处理能力有限,造成目前道路交通状态获取的网络传输和中央计算机数据处理压力大;由于现有传感器在底层数据交互和共享程度差,造成现有状态获取的方法仅能测量得到截面交通参数,区间交通参数和区域交通参数需要在中央计算机中估算,实时性差。
发明内容
为了克服现有系统的不足,本发明提出了一种基于传感器网络的交通状态获取方法,该方法采用传感器接入结点、复合结点和中央处理机等三类装置,采用现场总线与大数据量传输网络相结合的传输方式构成城市道路交通状态获取的传感器网络。传感器接入结点、复合结点都具有数据处理能力,能够在传感器网络的接入结点完成传感器检测数据的物理层融合,得到反映截面交通状态的速度、流量、占有率、流量随时间的分布特征等交通参数;在复合结点完成逻辑层融合后,在中央计算机获得大粒度交通状态参数和全局状态参数。
根据本发明的一个方面,提供一种基于传感器网络的交通状态获取方法,该传感器网络包括接入结点、复合结点、中央计算机、以及至少一种传感器,所述接入结点、复合结点、中央计算机和传感器通过总线和通信网络连接成传感器网络,所述方法包括以下步骤:
通过所述传感器检测交通状态数据;
接入结点接收所述传感器检测出的交通状态数据,并对其进行物理层融合,得到第一交通状态参数;
复合结点接收所述第一交通状态参数,并对所述第一交通状态参数进行逻辑层融合,得到第二交通状态参数;
中央计算机接收所述第二交通状态参数,并对所述第二交通状态参数进行业务层融合,得到第三交通状态参数。
根据本发明的一个方面,所述物理层融合实现截面交通状态的融合,所述第一交通状态参数包含截面交通流量、时间占有率、车辆瞬时速度、截面平均速度、截面交通流量随时间的演变特征,所述物理层融合在所述接入结点中进行。
根据本发明的一个方面,所述传感器为两个或两个以上,所述多个传感器对同一截面交通状态参数进行校正。
根据本发明的一个方面,所述逻辑层融合实现路段交通状态的融合,所述第二交通状态参数包含路口延迟时间、路口饱和流率、路口平均排队长度、路段平均排队时间、路段平均行驶时间、路段平均行程时间、路段平均行程速度、路段交通状态系数、小粒度区域平均延时,所述逻辑层融合在所述复合结点中进行。
根据本发明的一个方面,所述业务层融合实现区域交通状态的融合,所述第三交通状态参数包含不同路径的平均行程时间、不同路径的交通状态系数、区域拥堵程度,所述业务层融合在所述中央计算机中进行。
根据本发明的另一个方面,提供一种基于传感器网络的交通状态获取系统,该传感器网络包括接入结点、复合结点、中央计算机和至少一种传感器,所述接入结点、复合结点、中央计算机和传感器通过总线和通信网络连接成传感器网络,
所述传感器用于获取交通状态数据;
所述接入结点用于接入所述传感器并通过现场总线接口将从传感器接收的数据传输到所述复合结点;
所述复合结点用于通过现场总线接口接收所述接入结点传输的数据,并通过通信网络将数据传输至所述中央处理计算机;
所述中央计算机用于交通状态数据进行业务融合以获取一个区域内的交通状态信息;
其中,通过所述传感器检测交通状态数据,然后所述接入结点接收所述传感器检测出的交通状态数据,并对其进行物理层融合,得到第一交通状态参数;所述复合结点接收所述第一交通状态参数,并对所述第一交通状态参数进行逻辑层融合,得到第二交通状态参数;所述中央计算机接收所述第二交通状态参数,并对所述第二交通状态参数进行业务层融合,得到第三交通状态参数。
根据本发明的一个方面,所述接入结点包括传感器信号接入模块、现场总线通信模块、人机接口模块、以及存储电路和电源电路,所述接入结点中的传感器信号接入模块包括:
模拟量接入接口和信号调理电路;
开关量接入接口和电平变换电路;
脉冲量接入接口和电平变换电路;
并且所述接入结点分别通过模拟量接入接口和信号调理电路接入模拟量输出的传感器,通过开关量接入接口和电平变换电路接入开关量输出传感器,通过脉冲量接入接口和电平变换电路接入脉冲序列量输出传感器;
所述接入结点中的现场总线网络通信模块包括:现场总线控制器和光耦隔离器,并通过现场总线控制器和光耦隔离器与现场总线接口相连;
所述接入结点中的人机接口模块与中央处理器相连,用于使用者和接入结点之间的电路调试、显示和控制;
所述接入结点中的电源电路与中央处理器相连,用于提供接入结点工作所需的电源;
所述接入结点中的存储电路与中央处理器相连,用于存储数据处理结果。
根据本发明的一个方面,所述复合结点包括中央处理器、现场总线通信模块、大数据量通信模块、存储电路、人机接口电路和电源电路,其中
所述复合结点中的现场总线网络通信模块包括:现场总线控制器和光耦隔离器,并通过现场总线控制器和光耦隔离器与现场总线接口相连;
所述复合结点中的大数据量数据通信包括:包括网络通信控制器和隔离变压器,并通过网络通信控制器和隔离变压器与网络通信接口相连;
所述复合结点中的人机接口模块,连接到中央处理器,用于使用者和接入结点之间的电路调试、显示和控制。
所述复合结点中的电源电路,连接到中央处理器,用于提供复合结点工作所需的电源。
所述复合结点中的存储电路,连接到中央处理器,用于存储数据处理结果。
本发明取得的技术效果:
采用传感器网络能够接入现有的多种类型的传感器,实现一套信息检测装置,从而能够完成交通管理、交通信息服务、交通安全保障、交通基础设施监控等多类型需求。采用传感器网络的接入结点可以接入现有的线圈、雷达、温湿度、红外等传感器信号,接入结点通过现场总线将数据传输至复合结点,复合结点采用大数据量通信网络将数据传输至中央计算机,所有传感器都通过一套数据通信网络进行数据传输,节省了网络布线的费用;接入结点和复合结点具有数据处理能力,所传输的数据都经过处理的特征数据,数据传输量大大降低,网络传输压力降低,实时性提高;对于中央计算机的处理能力要求降低。经过传感器网络接入不同类型传感器,传感器实时信息交互能力增强,能够实时准确获取区间交通状态信息和不同粒度的区域交通状态信息。接入结点和复合结点通讯采用现场总线的CAN总线技术,CAN为多主通讯,能支持交通状态获取的分布式实时采集;接入结点采用DSP为中央处理器,能够对交通流量、速度、占有率、流量分布等检测数据进行处理,接入结点的数据处理能力减轻了数据传输压力和中央计算机数据处理压力。在网络通讯的上层采用以太网通信,实现了海量交通数据的可靠传输。接入结点数据处理能力加强,有效的缓解了网络传输压力和中央处理计算机的数据处理压力。复合结点层可以在一个区域里完成逻辑层的数据融合,并能嵌入相关的分析算法,对多源异构传感器数据进行融合。本发明能够扩展监控范围和监控对像,可以在一个复合结点上扩展一个区域的接入结点,如果需要增加新的监控点,只需要增加接入结点的数量,整体结构无需改变。
附图说明:
图1为城市道路传感器网络结构示意图。
图2为城市路网的一条路段的传感器、接入结点和复合结点的连接示意图。
图3为接入结点装置的硬件结构图。
图4为复合结点装置的硬件结构图。
图5为城市道路传感器网络实施示意图。
具体实施方式
下面参考附图对本发明进行更进一步地说明。
图1为城市道路传感器网络结构示意图。
参考图1,按照本发明一个实施方式,用于获取交通状态的城市道路传感器网络在组成上分为三层,即中央计算机层、复合结点层、接入结点层。
第1层为中央计算机层,其主要功能是接收复合结点传输的数据并向复合结点发送命令;对来自多个复合结点的数据进行融合处理得到不同粒度的区域交通状态。按照本发明一个实施方式,中央计算机层通过大数据量通信网络,比如,基于Ethernet和TCP/IP协议的符合NTCIP协议的网络,接收复合结点传输的数据,并对这些数据进行综合业务层融合处理,从而得到不同粒度的区域交通状态参数。
第2层为复合结点层,其作用在于,通过现场总线与接入结点交互数据,以及对通过不同接入结点获得的数据进行融合,从而得到区间交通状态信息,如区间的交通流量、空间占有率、平均行程速度、平均行程时间、交通流在空间的分布,小粒度区域交通状态参数。按照本发明一个实施方式,复合结点通过现场总线接收接入结点传输的数据,对这些数据进行处理后,得到区间交通参数,并将这些参数通过大数据量通信网络传输至中央计算机;复合结点完成区间交通状态的逻辑层融合,得到区间交通状态参数。
第3层为接入结点层,用于接入现有的各种传感器并进行截面数据处理,得到截面交通状态信息,如流量、占有率、截面速度、截面交通流分布。按照本发明一个实施方式,每个接入结点包括但不限于接入线圈传感器、地磁传感器、红外传感器、温湿度传感器等传感器;将这些传感器数据进行物理层融合得到截面交通状态参数,并通过现场总线将这些参数发送至复合结点。
按照本发明一个实施方式,接入结点和复合结点检测和计算相应的参数的方法由嵌入在各自电路板中央处理器的程序完成。
传感器网络采用现场总线和以太网相结合的传输方式进行数据传输。按照本发明一个实施方式,采用现场总线能够满足接入结点和复合结点直接数据传输的实时性要求;复合结点和中央计算机通过基于Ethernet网和TCPIP协议,并符合NTCIP(National Transportation Communications for ITS Protocol)协议的数据传输网络以满足大数据量传输的要求。
图2为城市路网的一条路段的传感器、接入结点和复合结点的连接示意图。
按照本发明一个实施方式,接入结点可以连接包括但不限于多种类型的传感器,比如,线圈、地磁、光电、霍尔传感器等等。此外,可以一个接入结点接入一个传感器,也可以一个接入结点接入多个传感器。
下面结合图2对本发明的交通状态获取方法进行更进一步地详细说明。
基于传感器网络的交通状态获取方法
交通状态获取的目标是得到截面交通参数、区间交通参数到区域交通参数。现有获取方法是将传感器数据直接传输至交通管理中心,不仅造成网络传输压力和数据处理压力,而且仅能测量得到截面交通参数,区间交通参数和区域交通参数需要在中央计算机中估算,实时差,传感器数据交互和共享程度差。
采用本发明的传感器网络的方法,可以将数据处理本地化。在接入结点对截面交通参数进行物理层融合处理,得到接入结点所接传感器检测截面的交通量、占有率、速度、流量随时间的分布;在复合结点将不同接入结点检测的截面参数进行逻辑层融合,得到区间交通参数,比如区间交通量、空间占有率、平均行程速度、平均行程时间、交通流在空间的分布、以及小粒度区域交通状态参数;在中央计算机进行业务层融合,将不同复合结点检测的区间交通参数和小粒度区域交通参数融合为不同粒度的区域交通参数,得到区域交通量、区域交通量变化率、区域交通状态系数、区域交通拥挤系数等反映区域交通状态的参数。
物理层融合
物理层数据融合实现截面交通状态的融合,截面交通状态参数包含了交通流量、速度、时间占有率、地表温度、流量随时间的分布等信息。物理层融合在接入结点中实现。
如果接入结点仅接入一个传感器,若x(t0)代表连接到接入结点的传感器在t0时间的检测数据,则在相同时间的交通参数c(t0)
c(t0)=h[x(t0)]+n1(t0)
h[x(t0)]是一个关于检测数据的函数,n1(t0)代表随机噪声,c(t0)为接入结点获得的截面交通参数。不同截面参数所用的函数h[x(t0)]不同。
如果接入结点接入两个及以上传感器,若x1(t0)...xn(t0)代表连接到接入结点的n个传感器在t0时间的检测数据,则在相同时间的交通参数c(t0)
c(t0)=h[x1(t0),...,xn(t0)]+nn(t0)
h[x1(t0),...,xn(t0)]是一个关于检测数据的函数,nn(t0)代表随机噪声,c(t0)为接入结点获得的截面交通参数。截面参数不同以及所用传感器类型不同,所用的函数h[x1(t0),...,xn(t0)]不同。
下面分两种情况叙述接入结点实现物理层融合的方法和流程。
(1)接入结点接入一个传感器实现本地化处理的方法
以线圈传感器为例,来说明接入结点接入一个传感器后通过本地化数据处理获取截面交通状态信息,随机噪声n1(t0)为正态分布。
[1].截面交通流量
接入结点检测的交通流量是指在T分钟的采样时间内所接传感器检测的通过道路某一截面的车辆数
其中:Qi表示第i个采样周期的交通流量(Veh/min);Ni表示第i个采样周期内通过线圈的车辆数(Veh);T表示采样周期;
[2].时间占有率
时间占有率是指在一定观测时间T内,交通检测器被车辆占用的时间总和
Qi表示第i个采样周期的道路占有率;tj(t)表示第i个采样周期第j辆车的线圈占用时间。
[3].车辆瞬时速度估计
车辆瞬时速度为车辆长度与传感器截面长度之和与车辆通过传感器截面的时间比值。
其中vr表示第r辆车的瞬时速度,Ls为传感器检测范围的宽度(根据传感器几何尺寸已知),Lv为车辆长度(估计值,通常定义为中型车辆长度),ti为车辆通过时传感器的时间。车辆瞬时速度估计值与车辆长度有关。
[4].截面平均速度估计
截面平均速度为在单位时间内,通过道路某一截面处各车辆的点速度的算术平均值。
vi表示时间平均速度,单位km/h;vr表示第r辆车的点速度,单位km/h;N为采样时间内观测的车辆总数,单位Veh(辆)。
[5].截面交通流量随时间的演变特征
截面交通流量随时间的分布特征主要指在一个或者几个采样时间内截面交通流量与所处时间段的关系。
根据历史记录可以得到某时段tm的交通流特征量及其变化。
(2)接入结点接入一个传感器实现本地化处理的流程
[1].截面交通流量处理流程
步骤1:接入结点初始化;
步骤2:设定截面交通参数的计算时段为1分钟,并启动定时器1和计数器;
步骤3:当有传感器检测到车辆经过时,计数器加1;计数器维持原有数值,并转入下一步;
步骤4:如果定时器1到时间,则读取计数器值到存储电路,并清计数器后转入步骤2。如果定时器1时间未到,则转入步骤3。
[2].时间占有率处理流程
步骤1:接入结点初始化;
步骤2:设定采用周围为1分钟,并启动定时器1;
步骤3:当有传感器检测到车辆经过时,启动定时器时钟作为触发的计时器;当检测车辆离开时,停止计时,并转入下一步;
步骤4:如果定时器1到时间,则读取计数器值到存储电路,并清计数器后,在中央处理器中计算计数器值乘以时钟,并将结果转化为分钟,再除以1得到时间占有率,清计数器值转入步骤2;若定时器1时间未到,则转入步骤3。
[3].车辆瞬时速度估计处理流程
步骤1:接入结点初始化,设置传感器检测长度、车辆平均长度,将传感器检测长度加车辆平均长度得到检测长度;
步骤2:当传感器检测到车辆经过时,启动计时器;当检测车辆离开时,停止计时,并转入下一步;如果没有检测到车辆经过则转入步骤2;
步骤3:用检测长度除以计时器的值得到车辆瞬时速度估计值,存储并转移到步骤2。
[4].截面平均速度估计处理流程
步骤1:接入结点初始化,设定截面交通参数的计算时段为1分钟,启动车辆瞬时速度估计处理流程,启动定时器;
步骤2:设定截面速度估计变量vr为0,车辆数N为0;
步骤3:当有传感器检测到车辆经过时,从车辆瞬时速度估计处理流程中读出估计的车辆瞬时速度,将其值加到vr中,车辆数加1,并转入下一步;
步骤4:用vr除以N得到截面平均速度估计值vt,并判断定时器定时是否到,若未到,则跳转值步骤3,如果定时到,则当前vt为该计算时段的截面平均速度估计值。
[5].截面交通流量随时间演变特征的计算流程
步骤1:接入结点初始化,设定截面交通参数的计算时段为1分钟,设置计算时段数m;
步骤2:将相应m个时段的交通流量相加,得到m个时段的交通流量Qm;
步骤3:找到与Qm相对应时段的截面交通流量数Q(tm),如果相差小于±5%,说明交通状况没有明显变化;若其差值在±5%~±10%,将其独立标记。
(3)接入结点接入两个以上传感器实现物理层融合的方法
接入结点通过传感器信号接入模块接入模拟量输出、开关量、脉冲数据量的传感器信号,并能够将传感器输出信号送入接入结点的中央处理器。在接入结点进行物理层融合,主要是通过多个传感器准确获取截面交通状态参数。
以线圈传感器和地磁传感器为例,来说明接入结点接入两个传感器后通过物理层的融合获取截面交通状态信息,随机噪声为正态分布。
接入结点接入两个传感器,每个传感器除了检测截面交通流量、时间占有率、截面交通流量随时间的演变特征等参数外,两个及以上的传感器还可以直接测量车辆瞬时速度,同时多个传感器能够对同一截面数据进行校正。
[1].车辆瞬时速度
测量瞬时速度时规定两个传感器的距离应大于该车道能够通过最大车型的长度但小于该车道能够通过最小车型长度的两倍。
车辆瞬时速度为两个传感器相距长度与车辆通过两个传感器的时间比值。
其中vr表示第r辆车的瞬时速度,Lp为两个传感器距离,ti为车辆通过时传感器的时间。车辆瞬时速度与车辆长度无关。
[2].截面平均速度
截面平均速度为在单位时间内,通过道路某一截面处各车辆的点速度的算术平均值。
vt表示时间平均速度,单位km/h;vr表示第r辆车的点速度,单位km/h;N为采样时间内观测的车辆总数,单位Veh(辆)。
[3].多个传感器对于交通流量的修正
传感器安装按照测量车辆瞬时速度的要求,若两个传感器检测的车辆数误差在1%以内或者绝对数量相差3个以内,则两个数据任取一个作为截面交通流量。若相对误差在5%以内或者绝对误差在6个以内,则取两个测量量的平均值作为截面交通流量;若误差在5%以上或者绝对误差6个以上,需要检查传感器工作情况,或者道路交通状态异常。
(4)接入结点接入两个以上传感器实现物理层融合的流程
[1].车辆瞬时速度处理流程
步骤1:接入结点初始化,设置传感器检测长度变量Ls,计时器清零;
步骤2:当传感器检测到车辆经过时,启动计时器;当检测车辆离开时,停止计时,并转入下一步;如果没有检测到车辆经过则转入步骤2;
步骤3:用检测长度除以计时器的值得到车辆瞬时速度估计值,存储并转移到步骤2。
[2].截面平均速度处理流程
步骤1:接入结点初始化,设定截面交通参数的计算时段为1分钟,启动车辆瞬时速度估计处理流程,启动定时器;
步骤2:设定截面速度估计变量vr为0,车辆数N为0;
步骤3:当有传感器检测到车辆经过时,从车辆瞬时速度估计处理流程中读出估计的车辆瞬时速度,将其值加到vr中,车辆数加1,并转入下一步;
步骤4:用vr除以N得到截面平均速度估计值vt,并判断定时器定时是否到,若未到,则跳转值步骤3,如果定时到,则当前vt为该计算时段的截面平均速度估计值。
[3].多个传感器对截面交通流量修正的计算流程
步骤1:接入结点初始化,设置截面交通参数的计算时段为1分钟;
步骤2:在一个时段内读取两个传感器对应的交通流检测变量;
步骤3:若两个传感器检测的车辆数误差在1%以内或者绝对数量相差3个以内,则两个数据任取一个作为截面交通流量,并转至步骤2;否则转至步骤4;
步骤4:若两个传感器检测的车辆数误差在5%以内或者绝对数量相差6个以内,则取两个数据的算数平均值作为截面交通流量,并转至步骤2;否则转至步骤5;
步骤5:若两个传感器检测的车辆数误差大于5%或者绝对数量相差大于6个,则将两个传感器检测的交通流量标记为问题数据,或者是交通状态标记为拥挤,并转至步骤2。
逻辑层融合
逻辑层数据融合完成了点到线的数据融合,实现路段交通状态的平均速度、平均行程时间、路口饱和流率,流量随时间和空间的分布特征、以及小粒度交通状态参数等交通参数;逻辑层融合在复合结点中实现,其数据源是接入结点的数据。
完成逻辑层融合对于传感器部署有一定要求,至少要求在路段上游入口、路段停止线、路段中间铺设传感器。对于既有系统,可以利用在路段上游入口布设的线圈传感器,可以在路段停止线以及其他路段需要部署的地方部署地磁传感器。
逻辑层采集的信息来自于路段上各个传感器,若在同一路段上共布设有n个相同类型的传感器,通过物理层融合,在t0时刻获取到交通状态参数分别为c1(t0),c2(t0),c3(t0)L cn(t0),则逻辑层的融合定义如下:
cf(t0)=c1(t0)e c2(t0)e c3(t0)e L e cn(t0)
其中e代表一种代数运算,可以代表加减乘除、积分微分等等。
(1)复合结点接入多个接入结点实现逻辑层融合的方法
多个接入结点数据进入复合结点后可以测量路口延迟时间、路口饱和流率、路段平均行驶速度、排队长度。
[1].路口延迟时间
在路段靠近路口的停车线处安装地磁传感器ST,当检测到有车辆且速度为零时开始计时,知道这个车辆启动并离开时停止计时,这段时间就是路口延迟时间。
在同一路口直行车道相同位置铺设传感器,在复合结点将这些传感器检测的路口延迟时间进行平均得到该路口在该时段直行时路口延迟时间。
在同一路口左转车道铺设传感器,在复合结点得到左转的路口延迟时间。
在该路口从6:00~22:00的不同天的相同时段的路口延迟时间进行平均,可得到该路口不同时段的路口平均延迟时间。
[2].路口饱和流率
在路段靠近路口的停车线处安装地磁传感器ST,当检测到有车辆且速度为零时开始计数,每过一个车记一个数,当再次检测到有车辆通过且速度为零时停止计数,该时段的车辆数为该路口传感器所在车道该时段的饱和流率。
将同一路口直行车道相同位置铺设传感器,在复合结点将这些传感器检测的车道饱和流率相加得到该路口在该时段的路口饱和流率。
将同一路口左转车道铺设传感器,在复合结点得到左转的路口饱和流率。
将该路口从6:00~22:00的不同天的相同时段的路口饱和流率进行平均,可得到该路口的饱和流率。
[3].路段平均排队长度
在路段靠近路口的停车线处安装地磁传感器ST,在路段的中间安装地磁传感器SC,在路段入口处利用线圈传感器,利用这三个传感器实现路段平均排队长度的检测。
当传感器ST检测到有车辆且速度为零时,开始计时,当计时器计时时间达到一个路灯周期中红灯时间的一半时,查看传感器SC的检测情况,分两种情况:
·如果传感器SC检测的车辆瞬时速度不为零,采用复合结点得到的路口饱和流率作为车辆驶离率、路段上游线圈传感器检测的该时段车流量作为车辆到达率,利用分段时齐M/M/1/∞/∞排队模型计算出的排队长度为路段排队长度。
·如果传感器SC检测的车辆瞬时速度为零,采用复合结点得到的路口饱和流率作为车辆驶离率、路段上游线圈传感器检测的该时段车流量作为车辆到达率,利用分段时齐M/M/1/m/∞排队模型(车辆达到率为非时齐Poission过程,车辆驶离时间为负指数分布,单服务台,路口信号灯在一个红绿灯周期内仅能够将m辆驶入车辆驶出;若计算中车辆到达率和驶离率取一个计算周期的平均值,则非时齐变为分段时齐),计算出的排队长度加上传感器SC到传感器ST的距离为路段排队长度。
如果路段传感器部署大于三个传感器,可以按照相同方法进行测算。
将同一路口直行车道相同位置铺设传感器,在复合结点将这些传感器检测的路段排队长度进行平均,得到该路口在该时段的直行排队长度。
将同一路口左转车道铺设传感器,在复合结点得到左转的排队长度。
将该路口从6:00~22:00的不同天的相同时段的排队长度进行平均,可得到该路口的直行和左转平均排队长度。
[4].路段平均排队时间
在路段靠近路口的停车线处安装地磁传感器ST,在路段的中间安装地磁传感器SC,在路段入口处利用线圈传感器,利用这三个传感器检测的路段平均排队长度计算路段平均排队时间。
当传感器ST检测到有车辆且速度为零时,开始计时,当计时器计时时间达到一个路灯周期中红灯时间的一半时,查看传感器SC的检测情况,分两种情况:
·如果传感器SC检测的车辆瞬时速度不为零,采用该传感器检测的该时段车流量作为车辆到达率,利用M/M/1/∞/∞排队模型,
·如果传感器SC检测的车辆瞬时速度为零,采用路段上游线圈传感器检测的该时段车流量作为车辆到达率,利用M/M/1/∞/∞排队模型,用平均排队长度除以车辆到达率。
如果路段传感器部署大于三个传感器,可以按照相同方法进行测算。
将同一路口直行车道相同位置铺设传感器,在复合结点将这些传感器检测的路段排队时间进行平均,得到该路口在该时段的直行排队时间。
将同一路口左转车道铺设传感器,在复合结点得到左转的排队时间按。
将该路口从6:00~22:00的不同天的相同时段的排队时间进行平均,可得到该路口的直行和左转平均排队时间。
[5].路段平均行驶时间
路段平均行驶时间利用路段平均排队长度。传感器部署同检测路段平均排队长度。分两种情况:
·如果传感器SC检测的车辆瞬时速度不为零,即路段平均排队长度小于路段的一半,则用路段长度减去排队长度作为行驶长度,利用线圈检测的瞬时速度和传感器SC检测的瞬时速度的平均值作为行驶速度,用行驶长度除以行驶速度得到行驶时间;
·如果传感器SC检测的车辆瞬时速度为零,即路段平均排队长度大于路段的一半,则用路段长度减去排队长度作为行驶长度,利用线圈检测的瞬时速度的一半(和速度零平均)作为行驶速度,用行驶长度除以行驶速度得到行驶时间。
如果路段传感器部署大于三个传感器,可以按照相同方法进行测算,可以得到更为精确的行驶时间。
将同一路口直行车道相同位置铺设传感器,在复合结点将这些传感器检测的路段行驶时间进行平均,得到该路段在该时段的直行行驶时间。
将同一路口左转车道铺设传感器,在复合结点得到左转的行驶时间。
将该路口从6:00~22:00的不同天的相同时段的行驶时间进行平均,可得到该路段的直行和左转平均行驶时间。
[6].路段平均行程时间
路段平均行驶时间为排队时间加上路段行程时间。
[7].路段平均行程速度
用路段长度除以路段平均行程时间得到路段平均行程速度。
[8].路段交通状态系数
路段交通状态系数为路段平均行程速度的倒数。
[9].小粒度区域平均延时
如果连接到复合结点的接入结点部署到路口的各个方向的路段上,则可以检测以该路口为中心的小粒度区域的平均延时。
将各个方向的延时按照如上所示平均排队时间、平均排队长度进行测算,将该路口各个方向路段的平均排队时间、平均排队长度进行平均,得到该路口各个方向的平均延误;
将形成以一条路径的相关方向的平均延误和平均行驶时间相加,得到通过该路口相关路径的平均延误和平均行驶时间。将平均行程时间相加得到不同路径的平均行程时间。
(2)复合结点实现逻辑层融合的流程
[1].路口延迟时间的处理流程
步骤1:复合结点初始化,配置车道数X,左转车道数Y,设置路口延迟时间变量和计时器,对应路口每个车道安装的传感器ST,并使相应变量清零,设置区间交通参数的计算时段为2分钟;
步骤2:对于每个车道的传感器ST检测到有车辆且速度为零时开始启动计时,直到这个车辆启动并离开时停止计时,直到计时时段时间到,将计时数值存放到复合结点的存储电路中作为该计时时段该路口该车道的延迟时间;
步骤3:对X个直行车道分别检测的该计时时段路口延时时间进行平均,得到该检测时段直行的路口延迟时间;对Y个左转车道分别检测的该计时时段路口延时时间进行平均,得到该检测时段左转的路口延迟时间;将路口延迟时间存入复合结点的存储电路中;
步骤4:对该路口不同车道检测的路口延迟时间数据从6:00~22:00的不同天的相同时段的路口延迟时间进行平均,可得到该路口不同时段的路口平均延迟时间。
[2].路口饱和流率的处理流程
步骤1:复合结点初始化,配置车道数X,左转车道数Y,设置路口饱和流率变量和计数器,对应路口每个车道安装的传感器ST,并使相应变量和计数器清零,设置区间交通参数的计算时段为2分钟;
步骤2:传感器ST检测到有车辆且速度由零启动并离开时开始计数,接着对于路过车辆且速度不为零的每经过一个车辆计数器增加一,当再次检测到有车辆且速度变为零时停止计数,将计数值的单位转换为按小时计算的车辆数便得到该车道的饱和流率;
步骤3:对X个直行车道分别检测的该计时时段的饱和流率进行平均,得到该检测时段直行的饱和流率;对Y个左转车道分别检测的该计时时段饱和流率进行平均,得到该检测时段左转的饱和流率;将饱和流率值存入复合结点的存储电路中;
步骤4:对该路口不同车道饱和流率检测数据从6:00~22:00的不同天的相同时段的饱和流率进行平均,可得到该路口不同时段的饱和流率。
[3].路段安装三个传感器的平均排队长度的处理流程
步骤1:复合结点初始化,配置车道数X,左转车道数Y,对于路口的每一个车道设置相应变量,对应路口每个车道安装的传感器ST、路段的中间安装地磁传感器SC、在路段入口处利用线圈传感器并使相应变量清零,设置区间交通参数的计算时段为2分钟,读入该时段信号配时中路灯周期和红灯时间;
步骤2:对于每个车道的传感器ST检测到有车辆且速度为零时开始启动计时,当计时时间达到一个路灯周期中红灯时间的一半时,查看传感器SC的检测情况,若检测的车辆瞬时速度不为零则跳转至步骤3,否则步骤4;
步骤3:采用复合结点得到的路口饱和流率作为车辆驶离率、路段上游线圈传感器检测的该时段车流量作为车辆到达率,利用M/M/1/∞/∞排队模型,计算出的排队长度为该车道的排队长度;对X个直行车道分别检测的排队长度进行平均,得到该检测时段直行车道的排队长度;对Y个左转车道分别检测的排队长度进行平均,得到该检测时段左转的排队长度;将排队长度存入复合结点的存储电路中;
步骤4:采用复合结点得到的路口饱和流率作为车辆驶离率、路段上游线圈传感器检测的该时段车流量作为车辆到达率,利用M/M/1/∞/∞排队模型,计算出的排队长度加上传感器SC到传感器ST的距离为路段排队长度,对X个直行车道分别检测的排队长度进行平均,得到该检测时段直行车道的排队长度;对Y个左转车道分别检测的排队长度进行平均,得到该检测时段左转的排队长度;将排队长度存入复合结点的存储电路中;
步骤5:对该路口不同车道检测数据从6:00~22:00的不同天的相同时段的排队长度进行平均,可得到该路段在不同时段的排队长度。
步骤6:跳转至步骤2。
[4].路段安装三个传感器的平均排队时间的处理流程
步骤1:复合结点初始化,配置车道数X,左转车道数Y,对于路口的每一个车道设置相应变量,对应路口每个车道安装的传感器ST、路段的中间安装地磁传感器SC、在路段入口处利用线圈传感器并使相应变量清零,设置区间交通参数的计算时段为2分钟,读入该时段信号配时中路灯周期和红灯时间;
步骤2:对于每个车道的传感器ST检测到有车辆且速度为零时开始启动计时,当计时时间达到一个路灯周期中红灯时间的一半时,查看传感器SC的检测情况,若检测的车辆瞬时速度不为零则跳转至步骤3,否则步骤4;
步骤3:采用传感器SC检测的该时段车流量作为车辆到达率,利用M/M/1/∞/∞排队模型,用平均排队长度除以车辆到达率计算路段排队时间;
步骤4:采用路段上游线圈传感器检测的该时段车流量作为车辆到达率,利用M/M/1/∞/∞排队模型,用平均排队长度除以车辆到达率得到路段排队时间;
步骤5:对X个直行车道分别检测的排队时间进行平均,得到该检测时段直行车道的排队时间;对Y个左转车道分别检测的排队时间进行平均,得到该检测时段左转的排队时间;将排队时间存入复合结点的存储电路中;
步骤6:对该路口不同车道检测数据从6:00~22:00的不同天的相同时段的排队时间进行平均,可得到该路段在不同时段的排队时间。
步骤7:跳转至步骤2。
[5].路段安装三个传感器的平均行驶时间处理流程
步骤1:复合结点初始化,配置车道数X,左转车道数Y,对于路口的每一个车道设置相应变量,对应路口每个车道安装的传感器ST、路段的中间安装地磁传感器SC、在路段入口处利用线圈传感器并使相应变量清零,设置区间交通参数的计算时段为2分钟;
步骤2:读取车道的中间安装的传感器ST检测的车辆瞬时速度,若瞬时速度不为0,则跳转至步骤3,若瞬时速度为0跳转至步骤4;
步骤3:该情况为路段平均排队长度小于路段的一半,用路段长度减去排队长度作为行驶长度,利用线圈检测的瞬时速度和传感器SC检测的瞬时速度的平均值作为行驶速度,用行驶长度除以行驶速度得到行驶时间;
步骤4:该情况为路段平均排队长度大于路段的一半,则用路段长度减去排队长度作为行驶长度,利用线圈检测的瞬时速度的一半(和速度零平均)作为行驶速度,用行驶长度除以行驶速度得到行驶时间;
步骤5:对X个直行车道分别检测的行驶时间进行平均,得到该检测时段直行车道的行驶时间;对Y个左转车道分别检测的行驶时间进行平均,得到该检测时段左转的行驶时间;将行驶时间存入复合结点的存储电路中;
步骤6:对该路口不同车道检测数据从6:00~22:00的不同天的相同时段的行驶时间进行平均,可得到该路段在不同时段的行驶时间。
步骤7:跳转至步骤2。
[6].路段平均行程时间的处理流程
步骤1:复合结点初始化,设置区间交通参数的计算时段为2分钟;
步骤2:读取该时段路段的排队时间和路段行程时间,将两个数相加得到该路段在该时段的行程时间;
步骤3:对该路段行程时间检测数据从6:00~22:00的不同天的相同时段的行程时间进行平均,可得到该路段在不同时段的平均行程时间。
[7].路段平均行程速度的处理流程
步骤1:复合结点初始化,设置区间交通参数的计算时段为2分钟,设置路段长度;
步骤2:读取该时段路段平均行程时间,用路段长度除以路段平均行程时间得到该路段在该时段的行程速度;
步骤3:对该路段行程速度检测数据从6:00~22:00的不同天的相同时段的行程速度进行平均,可得到该路段在不同时段的平均行程速度。
[8].路段交通状态系数的处理流程
步骤1:复合结点初始化,设置区间交通参数的计算时段为2分钟,设置路段长度;
步骤2:读取该时段路段平均行程速度,其倒数为该时段路段交通状态系数;
步骤3:对该路段的交通状态系数检测数据从6:00~22:00的不同天的相同时段的进行平均,可得到该路段在不同时段的平均路段交通状态系数。
业务层融合
业务层的数据融合实现了线到面的数据融合,由传感器网络数据按要求进行融合以获取一个区域内交通状态信息。业务层融合在中央计算机中实现。
目前常用的业务层所需的交通状态参数的获取方法,在采用传感器网络后仍可以照常实用。同时采用传感器网络后还可以得到现有方法得不到的区域交通参数。
[1].不同路径的平均行程时间
选定好某一路径的起始路口和目的路口,确定一条路径,将该路径包括的复合结点数据传输至中央计算机,将相应的路段平均行程时间、平均延误时间相加,可以得到该路径的平均行程时间和平均延误时间。
[2].不同路径的交通状态系数
将路径所经过的不同路段交通状态系数进行平均,得到不同路径的交通状态系数。
[3].区域拥堵程度
选定好一个区域,确定将该区域的不同路径,根据不同路径的交通状态系数的差异,计算出达到不同拥堵程度对应的拥堵路段数,进而得到区域拥堵程度。
图3为接入结点的硬件结构图。
目前道路交通系统中所用的交通检测传感器类型较多,且大多数传感器没有现场总线的功能,不能组网。接入结点主要功能是接入这些传感器,能够使现有传感器具有组网功能。接入结点包括传感器信号接入模块、现场总线通信模块、人机接口模块、以及存储电路和电源电路。
接入结点的传感器接入模块具有接入模拟量输出、开关量、脉冲数据量的信号变换电路,能够将传感器输出信号送入接入结点的中央处理器。模拟量数据、开关量输出和数字脉冲序列输出等类型传感器包含了目前道路交通信息采集常用的传感器类型包括但不限于线圈、微波、超声、红外、霍尔、涡流等传感器。
将接入结点和接入其的现有传感器看做整体,现有传感器具有了自组网的功能,加上接入结点还具有数据处理能力,能够对接入的传感器数据进行处理。因此接入结点层构成了传感器网络的智能结点。
参考图3,按照本发明一个实施方式,接入结点包括中央处理器、传感器信号接入模块、现场总线通信模块、存储电路、人机接口电路和电源电路。
传感器信号接入模块包括模拟量接入接口和信号调理电路,并通过模拟量接入接口和信号调理电路接入模拟量输出的传感器(比如,电流输出传感器,电压输出传感器);该模块还包括开关量接入接口和电平变换电路,通过开关量接入接口和电平变换电路接入开关量输出传感器;该模块还包括脉冲量接入接口和电平变换电路,通过脉冲量接入接口和电平变换电路接入脉冲序列量输出传感器。
现场总线网络通信模块(例如CAN,Profibus等),包括现场总线控制器和光耦隔离器,并通过现场总线控制器和光耦隔离器与现场总线接口相连。
人机接口模块与中央处理器相连,用于使用者和接入结点之间的电路调试、显示和控制。
电源电路与中央处理器相连,用于提供接入结点工作所需的电源。
存储电路与中央处理器相连,用于存储数据处理结果。
另外,按照本发明一个实施方式,接入结点的中央处理器采用数字信号处理器DSP TMS320F2812,与复合结点之间采用实时性强的CAN总线通信,使用的CAN控制器为DSP内嵌的eCAN模块、总线收发器82C250,光耦隔离器件采用高速光耦6N137。传感器输出信号经调理电路和电平变换电路后,数字量进入DSP的GPIO,模拟量进入DSP的AD转换器,开关量进入DSP的捕获单元。本领域的技术人员应当明白,上述部件仅仅是作为示例,本领域的技术人员完全可以采用具有类似功能的部件来实现接入结点。
图4为复合结点硬件结构图。
复合结点通过现场总线接口模块接收接入结点或具有现场总线接口的新型传感器,并通过大数据量通信网络(如以太网)接口将数据传输至中央处理计算机。
复合结点具有现场总线网络通信接口(例如CAN,Profibus等),用于与接入合结点进行通信。
复合结点具有大数据量数据通信模块(例如Ethernet),用于与中央计算机进行通信,具体包括网络通信控制器和隔离变压器。
复合结点具有数据处理功能,能将多个接入结点的数据进行处理得出区间交通参数和小粒度区域交通参数。
复合结点具有存储电路,用于存储数据处理结果。
复合结点还具有人机接口模块,便于使用者和复合结点之间的电路调试、显示和控制。
参考图4,按照本发明一个实施方式,复合结点包括中央处理器、现场总线通信模块、大数据量通信模块、存储电路、人机接口电路和电源电路。
现场总线网络通信模块(例如CAN,Profibus等),通过现场总线控制器和光耦隔离器与现场总线接口相连。复合结点通过现场总线接口模块接收接入结点或具有现场总线接口的新型传感器,并通过大数据量通信网络(如以太网)接口将数据传输至中央处理计算机。
大数据量通信模块包括网络通信控制器和隔离变压器,并通过网络通信控制器和隔离变压器与网络通信接口相连。
人机接口模块,连接到中央处理器,用于使用者和复合结点之间的电路调试、显示和控制。
电源电路,连接到中央处理器,用于提供复合结点工作所需的电源。
存储电路,连接到中央处理器,用于存储数据处理结果。
另外,按照本发明一个实施方式,复合结点的中央处理器采用数字信号处理器DSP TMS320F2812,与接入结点之间采用实时性强的CAN总线通信,使用的CAN控制器为DSP内嵌的eCAN模块、总线收发器82C250,光耦隔离器件采用高速光耦6N137。复合结点与中央处理计算机采用大容量数据传输的Ethernet网通信,关键数据采用TCP协议传输,非关键数据采用UDP协议传输。以太网控制器为CS8900,隔离变压器为HR601627,以太网接口为RJ45。本领域的技术人员应当明白,上述部件仅仅是作为示例,本领域的技术人员完全可以采用具有类似功能的部件来实现复合结点。
图5为城市道路传感器网络实施示意图。
按照本发明一个实施方式,传感器网络中具有交通信息检测的传感器,如线圈传感器,直接接至接入结点;接入结点将数据经过物理层融合处理后得到截面交通参数,通过现场总线CAN传输至复合结点;复合结点经过逻辑层融合处理后得到区间交通状态参数,并通过以太网传输至中央计算机;接入结点可以接入一个或者多个传感器,传感器类型可以是模拟量输出,如温度传感器;开关量输出,如线圈传感器等等;复合结点可以接入两个以上的接入结点;中央处理器可以是多台。
参考图5,布设于道路上的多类型传感器接入到接入结点,用于采集各个路段上的交通状态信息,并在接入结点经过物理层的融合后得到截面交通参数,通过CAN总线传送给上层的复合结点;复合结点将获得来自多个接入结点的截面交通参数信息进行逻辑层的融合,得到区间交通状态参数和小粒度区域交通状态参数,并将融合后的数据通过以太网上传给中央计算机;中央计算机将多个复合结点的交通状态参数融合得到中粒度和大粒度区域交通状态参数,进一步可以得到全局交通状态参数并对全局交通状态进行评价和控制。
另外,按照本发明一个实施方式,复合结点实施例中的中央处理器采用数字信号处理器TMS 320F2812,通过内部eCAN模块,通过光耦6N137、CAN总线控制器PCA82C250、再与CAN总线接线端子相连;DSP通过以太网控制器CS8900A、隔离变压器HR601627、再与以太网接口RJ45相连;人机接口通过CPLD EPM1270控制键盘和液晶显示器。
另外,接入结点实施例为中央处理器采用数字信号处理器TMS 320F2812,通过内部eCAN模块,通过光耦6N137、CAN总线控制器PCA82C250、再与CAN总线接线端子相连;其传感器信号调理电路包括模拟量接入接口的信号调理电路、开关量接入接口的电平变换电路、脉冲数据量接入接口的电平变换电路。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和系统的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (8)
1.一种基于传感器网络的交通状态获取方法,其特征在于,该传感器网络包括接入结点、复合结点、中央计算机和至少一个/一种类型传感器,所述接入结点、复合结点、中央计算机和传感器通过现场总线和通信网络连接成传感器网络,所述方法包括以下步骤:
通过所述传感器检测交通状态数据;
接入结点接收所述传感器检测出的交通状态数据,并对其进行物理层融合,得到第一交通状态参数;
复合结点接收所述第一交通状态参数,并对所述第一交通状态参数进行逻辑层融合,得到第二交通状态参数;
中央计算机接收所述第二交通状态参数,并对所述第二交通状态参数进行业务层融合,得到第三交通状态参数;其中,所述物理层融合实现截面交通状态的融合,所述第一交通状态参数包含截面交通流量、时间占有率、车辆瞬时速度、截面平均速度、截面交通流量随时间的演变特征,所述物理层融合在所述接入结点中进行;或所述传感器为两个或两个以上,所述多个传感器对同一截面交通状态参数进行校正。
2.根据权利要求1的方法,其特征在于,所述逻辑层融合实现路段交通状态的融合,所述第二交通状态参数包含路口延迟时间、路口饱和流率、路口平均排队长度、路段平均排队时间、路段平均行驶时间、路段平均行程时间、路段平均行程速度、路段交通状态系数、小粒度区域平均延时,所述逻辑层融合在所述复合结点中进行。
3.根据权利要求1或2的方法,其特征在于,所述业务层融合实现区域交通状态的融合,所述第三交通状态参数包含不同路径的平均行程时间、不同路径的交通状态系数、区域拥堵程度,所述业务层融合在所述中央计算机中进行。
4.一种基于传感器网络的交通状态获取系统,其特征在于,该传感器网络包括接入结点、复合结点、中央计算机和至少一个/一种类型传感器,所述接入结点、复合结点、中央计算机和传感器通过现场总线和通信网络连接成传感器网络,
所述传感器用于获取交通状态数据;
所述接入结点用于接入所述传感器并通过现场总线接口将从传感器接收的数据传输到所述复合结点;
所述复合结点用于通过现场总线接口接收所述接入结点传输的数据,并通过通信网络将数据传输至所述中央处理计算机;
所述中央计算机用于交通状态数据进行业务融合以获取一个区域内的交通状态信息;
其中,通过所述传感器检测交通状态数据,然后所述接入结点接收所述传感器检测出的交通状态数据,并对其进行物理层融合,得到第一交通状态参数;所述复合结点接收所述第一交通状态参数,并对所述第一交通状态参数进行逻辑层融合,得到第二交通状态参数;所述中央计算机接收所述第二交通状态参数,并对所述第二交通状态参数进行业务层融合,得到第三交通状态参数;
所述接入结点包括传感器信号接入模块、现场总线通信模块、人机接口模块、以及存储电路和电源电路,所述接入结点中的传感器信号接入模块包括:
模拟量接入接口和信号调理电路;
开关量接入接口和电平变换电路;
脉冲量接入接口和电平变换电路;
并且所述接入结点分别通过模拟量接入接口和信号调理电路接入模拟量输出的传感器,通过开关量接入接口和电平变换电路接入开关量输出传感器,通过脉冲量接入接口和电平变换电路接入脉冲序列量输出传感器;
所述接入结点中的现场总线网络通信模块包括:现场总线控制器和光耦隔离器,并通过现场总线控制器和光耦隔离器与现场总线接口相连;
所述接入结点中的人机接口模块与中央处理器相连,用于使用者和接入结点之间的电路调试、显示和控制;
所述接入结点中的电源电路与中央处理器相连,用于提供接入结点工作所需的电源;
所述接入结点中的存储电路与中央处理器相连,用于存储数据处理结果。
5.根据权利要求4的系统,其特征在于,所述复合结点包括中央处理器、现场总线通信模块、大数据量通信模块、存储电路、人机接口电路和电源电路,其中
所述复合结点中的现场总线网络通信模块包括:现场总线控制器和光耦隔离器,并通过现场总线控制器和光耦隔离器与现场总线接口相连;
所述复合结点中的大数据量数据通信包括:包括网络通信控制器和隔离变压器,并通过网络通信控制器和隔离变压器与网络通信接口相连;
所述复合结点中的人机接口模块,连接到中央处理器,用于使用者和复合结点之间的电路调试、显示和控制;
所述复合结点中的电源电路,连接到中央处理器,用于提供复合结点工作所需的电源;
所述复合结点中的存储电路,连接到中央处理器,用于存储数据处理结果。
6.根据权利要求4或5的系统,其特征在于,所述物理层融合实现截面交通状态的融合,所述第一交通状态参数包含截面交通流量、时间占有率、车辆瞬时速度、截面平均速度、截面交通流量随时间的演变特征,所述物理层融合在所述接入结点中进行;或所述传感器为两个或两个以上,所述多个传感器对同一截面交通状态参数进行校正。
7.根据权利要求6的系统,其特征在于,所述逻辑层融合实现路段交通状态的融合,所述第二交通状态参数包含路口延迟时间、路口饱和流率、路口平均排队长度、路段平均排队时间、路段平均行驶时间、路段平均行程时间、路段平均行程速度、路段交通状态系数、小粒度区域平均延时,所述逻辑层融合在所述复合结点中进行。
8.根据权利要求7的系统,其特征在于,所述业务层融合实现区域交通状态的融合,所述第三交通状态参数包含不同路径的平均行程时间、不同路径的交通状态系数、区域拥堵程度,所述业务层融合在所述中央计算机中进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100781772A CN101493991B (zh) | 2009-02-20 | 2009-02-20 | 基于传感器网络的交通状态获取方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100781772A CN101493991B (zh) | 2009-02-20 | 2009-02-20 | 基于传感器网络的交通状态获取方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101493991A CN101493991A (zh) | 2009-07-29 |
CN101493991B true CN101493991B (zh) | 2011-05-11 |
Family
ID=40924568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100781772A Expired - Fee Related CN101493991B (zh) | 2009-02-20 | 2009-02-20 | 基于传感器网络的交通状态获取方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101493991B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8041530B2 (en) * | 2008-10-28 | 2011-10-18 | General Electric Company | Method to efficiently synchronize multiple measurements across multiple sensor inputs |
WO2011120194A1 (en) * | 2010-03-31 | 2011-10-06 | Siemens Aktiengesellschaft | Method, system and node for journey time measurement in a road network |
CN101894476B (zh) * | 2010-07-13 | 2012-10-03 | 青岛海信网络科技股份有限公司 | 交通信号周期时长计算方法及装置 |
CN102169627A (zh) * | 2011-01-30 | 2011-08-31 | 北京交通大学 | 基于虚拟速度传感器的快速路旅行时间预测方法 |
CN102231235B (zh) * | 2011-04-29 | 2016-02-24 | 陈伟 | 一种交通流异常点检测定位方法 |
CN102509454B (zh) * | 2011-11-03 | 2013-09-11 | 安徽科力信息产业有限责任公司 | 基于fcd与地磁检测器的道路状态融合方法 |
CN102831766B (zh) * | 2012-07-04 | 2014-08-13 | 武汉大学 | 基于多传感器的多源交通数据融合方法 |
CN104344851B (zh) * | 2013-07-31 | 2016-12-28 | 武汉飞恩微电子有限公司 | 用于智能交通的多参数组合传感器 |
CN104751644B (zh) * | 2015-04-14 | 2017-02-22 | 无锡物联网产业研究院 | 一种交通检测方法以及交通检测装置 |
CN104751647B (zh) * | 2015-04-16 | 2017-06-20 | 无锡物联网产业研究院 | 一种交通控制方法及系统 |
CN105355047B (zh) * | 2015-11-03 | 2017-06-06 | 吉林大学 | 多交通检测源动态时间粒度的数据融合处理方法 |
CN106297291B (zh) * | 2016-08-29 | 2020-06-26 | 苏州金螳螂怡和科技有限公司 | 城市快速路交通信息采集系统 |
CN106408937A (zh) * | 2016-08-29 | 2017-02-15 | 迈锐数据(北京)有限公司 | 分布式路况检测系统及路况检测方法 |
CN108182817A (zh) * | 2018-01-11 | 2018-06-19 | 北京图森未来科技有限公司 | 自动驾驶辅助系统、路侧端辅助系统和车载端辅助系统 |
CN108492562B (zh) * | 2018-04-12 | 2020-07-14 | 连云港杰瑞电子有限公司 | 基于定点检测与电警数据融合的交叉口车辆轨迹重构方法 |
CN109003444B (zh) * | 2018-07-02 | 2020-09-18 | 北方工业大学 | 基于广域雷达微波检测器的城市交叉口溢流控制方法 |
CN109088923B (zh) * | 2018-07-25 | 2021-03-02 | 重庆邮电大学 | 远海岛礁环境监测系统及决策级融合方法 |
CN109410597B (zh) * | 2018-11-09 | 2021-07-13 | 南京讯飞智慧空间信息科技有限公司 | 一种园区出入口车流量检测方法、装置和系统 |
CN111415510B (zh) * | 2019-01-04 | 2022-06-28 | 阿里巴巴集团控股有限公司 | 一种交通数据的获得方法及装置 |
CN111583627A (zh) * | 2019-02-18 | 2020-08-25 | 阿里巴巴集团控股有限公司 | 一种确定城市交通运行状态的方法及装置 |
CN110033619A (zh) * | 2019-04-23 | 2019-07-19 | 临沂大学 | 一种高速公路路况检测方法及其系统 |
CN110310475B (zh) * | 2019-04-23 | 2022-05-10 | 同济大学 | 一种车辆行驶工况的采集、处理的方法及设备 |
CN110531352B (zh) * | 2019-08-27 | 2020-11-24 | 中国地质大学(北京) | 一种基于智慧路灯的行驶状态反馈系统 |
CN111275987B (zh) * | 2020-01-21 | 2021-08-24 | 东南大学 | 一种考虑路口待行队列影响的汽车行驶车速优化方法 |
CN111540204B (zh) * | 2020-05-08 | 2021-05-11 | 青岛海信网络科技股份有限公司 | 一种面向交叉口问题诊断的交通运行状态评估方法及装置 |
CN112750304B (zh) * | 2020-12-30 | 2021-11-23 | 东南大学 | 一种基于交通仿真的交叉口数据采集区间确定方法及装置 |
CN116819483B (zh) * | 2023-08-28 | 2023-11-14 | 南京隼眼电子科技有限公司 | 路口车辆排队长度检测方法、装置、存储介质及终端 |
-
2009
- 2009-02-20 CN CN2009100781772A patent/CN101493991B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101493991A (zh) | 2009-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101493991B (zh) | 基于传感器网络的交通状态获取方法及其装置 | |
CN101493992B (zh) | 一种基于无线传感器网络的单点自组织交通信号控制方法 | |
CN100463009C (zh) | 一种交通信息融合处理方法和系统 | |
CN101308604B (zh) | 大范围战略交通协调控制方法 | |
CN104715610B (zh) | 一种面向城市交通的交通指数计算方法 | |
CN108681795B (zh) | 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法 | |
CN1936999A (zh) | 一种基于无线传感器网络的城市区域交通协同控制方法 | |
CN101894461A (zh) | 城市地面道路行程时间预测方法 | |
CN105788252A (zh) | 基于定点检测器和信号配时数据融合的城市干道车辆轨迹重构方法 | |
CN105427605B (zh) | 一种考虑交通方式转移的公交专用道设置效益计算方法 | |
CN104680789B (zh) | 一种快速道路拥堵指数估算及预测方法 | |
CN101877169B (zh) | 干线多交叉口交通流均衡性控制的数据融合系统及方法 | |
CN106601005B (zh) | 一种基于rfid和微信平台的城市智能交通诱导方法 | |
CN102360531A (zh) | 基于无线传感器网络的智能交通灯控制方法及系统 | |
CN103714696B (zh) | 高速交通信息接入处理系统 | |
CN102867422A (zh) | 基于车辆自组网的单点十字交叉口信号灯实时控制方法 | |
CN102930718A (zh) | 基于浮动车数据和线圈流量融合的间断流路段行程时间估计方法 | |
CN106971535B (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN101739828A (zh) | 结合路面交通与天气状态的城市交通区域拥塞判定方法 | |
CN101739822B (zh) | 区域交通状态获取的传感器网络配置方法 | |
Xu et al. | A review on intelligent road and its related key technologies | |
CN105761365B (zh) | 应用于应急电源与智能交通领域的物联网平台 | |
CN103714694B (zh) | 城市交通信息接入处理系统 | |
CN112258850A (zh) | 一种车路协同系统边缘侧多传感器数据融合系统 | |
CN102074112B (zh) | 基于时间序列多元线性回归的虚拟速度传感器设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110511 Termination date: 20140220 |