CN101739828A - 结合路面交通与天气状态的城市交通区域拥塞判定方法 - Google Patents
结合路面交通与天气状态的城市交通区域拥塞判定方法 Download PDFInfo
- Publication number
- CN101739828A CN101739828A CN200910220065A CN200910220065A CN101739828A CN 101739828 A CN101739828 A CN 101739828A CN 200910220065 A CN200910220065 A CN 200910220065A CN 200910220065 A CN200910220065 A CN 200910220065A CN 101739828 A CN101739828 A CN 101739828A
- Authority
- CN
- China
- Prior art keywords
- traffic
- information
- road
- sensor
- weather
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 13
- 230000001419 dependent effect Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims 3
- 230000011664 signaling Effects 0.000 claims 1
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种结合路面交通与天气状态的城市交通区域拥塞判定方法,属于智能交通技术领域。通过采用基于多种传感器的无线传感器网络对路面交通信息和路面天气信息实时采集,并与交通信号灯信息一起作为城市区域交通拥塞判断方法的判断参数,对城市交通区域拥塞程度进行实时判断。其特征是结合平均速度、平均占有率和流量的路面交通信息,平均温度、平均湿度和能见度的路面天气信息,以及区域内各路口交通信号灯信息的三方面信息,作为判断参数,共同对城市交通区域拥塞状况进行判定。本发明的效果和益处是提高了各种天气下路面交通拥塞判定方法的准确性,同时解决了已有的判断方法不适合在复杂的城市区域内交通拥塞判断的难题。
Description
技术领域
本发明属于智能交通技术领域,涉及一种利用多传感器的无线传感器网络作为信息采集手段的城市区域道路交通拥塞的判定方法,特别涉及到一种结合路面天气状态以及道路交通信号的区域道路交通拥塞判定方法。
背景技术
随着交通矛盾日益突出,道路交通拥塞问题已经成为当前困扰经济社会发展的严重问题。区域交通的拥塞情况是一种实时的道路交通信息,它反映了特定区域内当前各道路交通状态现状。区域交通拥塞情况的实时判断不仅可为交通管理部门管理、输导该区域内交通提供依据,而且也为驾驶人员和普通出行者在进入该区域以及在区域内合理择路线提供帮助。
当前已有的城市区域道路交通状态判定方法中,主要是根据路面交通信息进行交通状态判定,忽略了结合路面天气因素的考虑;或者分别发布道路车辆信息和路面天气信息,而没有将二者结合,共同作为交通状态的判定参数。而区域内道路交通的拥塞判定是与该区域内的路面天气状况密不可分的,换句话说,在不同的路面天气状况下,交通拥塞的判别标准是不同的。例如,在大雾或大雨天气下,车辆自然而然慢速行驶,如果还按照晴朗天气下的道路交通拥塞判定标准进行判定,会造成错误,大大降低了判断精度。并且,上述方法应用在高速公路或者快速路上效果比较好,因为高速公路或者快速路的交通路况比较单一,而在城市道路上,这种方法是不可行的。因为,城市道路的路网比较复杂,几乎每个交叉路口都有红绿灯,所以单独依靠车辆行驶参数进行路面交通状态判断,会产生很大的误差,比如在交通信号灯为红灯时段,路口处的车辆必然会停止,并出现排队现象,如果此时判断交通状态,会误认为道路发生拥塞。因此,现有道路交通拥塞判定方法,无论从判断参数,还是从判断方法上都不适合城市区域道路拥塞判定的需求。
采用基于多种传感器的无线传感器网络作为路面交通信息和路面天气信息的采集手段,结合路面交通信息、路面天气信息和交通信号灯信息的城市区域交通拥塞判断方法,不仅提高了各种天气下路面交通拥塞判定方法的准确性,同时解决了已有的判断方法不适合在复杂的城市区域内交通拥塞判断的难题。
发明内容
本发明要解决的技术问题是:利用多种传感器的无线传感器网络(wirelesssensor network,WSN)对路面交通信息和路面天气信息进行实时采集;结合路面交通信息、路面天气信息和交通信号三者信息,利用数据融合的方法,共同对城市交通区域拥塞状况进行判定。
本发明的技术方案是:
结合路面交通与天气状态的城市交通区域拥塞判定方法,是在每个判断周期进行如下步骤:
步骤1,采集,即安装在被检测交通区域内各路段的各车道上的集成有磁敏传感器、声强传感器的WSN节点(简称车辆检测节点)和集成有湿度传感器与温度传感器的WSN节点(简称温湿度检测节点)、以及安装在被检测交通区域各路段路侧上集成有能见度传感器的WSN节点(简称能见度检测节点),以固定的周期同时对路面交通信息和路面天气信息进行采集。如图1所示,以4路口每路口双向3车道组成的城市道路交通区域为例,每个进入十字交叉的路口处都安置一组路口信息检测传感器组,如图2所示,对路面交通信息和路面天气信息进行采集;
步骤2,计算,即安装在各车道的车辆检测节点,根据磁敏传感器和声强传感器的采集信息计算出各车路上的车辆行驶信息,包括速度、流量和占有率;
步骤3,统计,即各路段处的各车辆检测节点、温湿度检测节点将各自检测信息发送到能见度检测节点,由能见度检测节点根据各车道上的采集数据,统计得到该路段的平均速度、平均占有率、流量和、平均温度和平均湿度;
步骤4,发送,即能见度检测节点再将上述统计的数据和能见度数据以及附近的交通信号灯信息发送到该区域内的中心管理节点;
步骤5,判定,即在中心管理节点处根据各路段的信息得到该区域内交通拥塞状态。
本发明的效果和益处是:其一是将路面天气状况与路面车辆行驶信息共同作为拥挤状态的判定,使得本发明的判定方法适用于在各种天气下的准确的判定区域内交通拥挤状态;其二是在判断过程中与交通信号相结合,使得本发明的判定方法适用在复杂的大中型城市道路上进行拥挤状态判定。
附图说明
附图1是以4路口3车道为例的城市交通区域及安置路口信息检测传感器的示意图。
图中:1路口信息检测传感器组;2停车线;3路基;4区域中心管理节点;5交通信号灯。
附图2是附图1中1路口信息检测传感器组的扩展示意图。
图中:6温湿度检测节点;7车辆检测节点;8能见度检测节点。
附图3是各检测节点组成无线传感器网络的通讯方式示意图。
附图4是磁敏传感器检测车辆通过时的扰动信息号示意图。
图中:横坐标轴是采集时间轴;纵坐标轴是信号强度幅度轴。
附图5是区域状态判定的流程图。
附图6是基于三层前馈神经网络的路口状态判断图。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
1、各检测节点的安置方法
如图1所示,以一个由4个路口,每个路口双向3车道,组成的“井”字形交通区域为例,在每个进入十字交叉口的车道上,距离停车线20米处,沿着行车方向依次在路面上安置一个车辆检测节点,该节点主要由磁敏传感器、声强传感器、单片机和zigbee通讯模块组成,和一个温湿度检测节点,该节点主要由温度传感器、湿度传感器、单片机和zigbee通讯模块组成;安置方法是将这两个节点分别安置在该车道的中间,间隔10米,埋在距离路面10厘米处即可;在每个进入十字交叉口处的路边上,距离车辆检测节点10米的范围内的路表面上安置一个能见度检测节点,该节点主要由能见度传感器、交通信号灯的信号输入接口、单片机和zigbee通讯模块组成;在交通小区中心处安置一个区域中心管理节点,该节点主要由32位嵌入式系统和zigbee通讯模块组成,距离各个路口的最远距离可以随着调整区域中心管理节点的最大通讯距离进行控制。
2、各传感器主要指标
磁敏传感器:检测范围满足-5Gauss~+5Gauss,精度小于40u Gauss;
温度传感器:检测范围满足-40℃~100℃,精度小于0.1℃;
湿度传感器:检测范围满足0%~100%,精度小于3%;
能见度传感器:能见度范围满足10米~5000米,精度小于5米。
3、各检测器间通讯方式
如图3所示,各车道上的车辆检测节点和温湿度检测节点将各自的数据以1分钟采集1次的固定频率进行信息采集,通过zigbee通讯方式,采用点对点的方式直接发送到能见度检测节点;能见度检测节点以1分钟为一个统计周期,将统计后的数据,通过zigbee通讯方式,采用点对点的方式直接发送到区域中心管理节点;通过采用上述的方式进行通讯,就组成了一个用于城市道路区域交通信息采集的无线传感器网络。
4、采集参数的计算方法
单个车道的流量q,可根据车辆检测节点的声强传感器的采集值进行获得。当声强传感器输出的声强值大于阈值,即判断有车通过,通过的车辆数加1,其中阈值可根据路况实际情况进行设定。采集周期内通过该车道的车辆数即为流量q。流量总和,Q,由通过将该路口处的各车道采集的q相加即可得到。
如图4所示,根据磁敏传感器的工作原理,当车辆通过车辆检测节点时,车辆会造成磁敏传感器输出的扰动,根据扰动所产生幅度值的变化可以判断车辆的进入和离开。判断磁敏传感器输出的方法是,当输出幅度值首次大于阈值TP,即车辆进入检测范围,记录当前时刻Tup作为车辆进入时间;当输出幅度首次小于阈值TP,即车辆离开检测范围,记录当前时刻Tdowm作为车辆离开时间,其中阈值TP可根据实际路面的采集情况进行设定。
所以车辆速度的计算方法如下:
其中D为磁敏传感器的检测范围,其具体值可在传感器芯片手册中查阅得到。
平均速度的计算方法如下:
其中k是1分钟内通过车辆的个数。
占有率的计算方法如下:
交通信号S由交通信号灯输出,由于交通信号灯都预留有RS232通讯接口作为交通信号输出接口,所以交通信号S可以由能见度检测节点通过预留的RS232输出接口以1分钟采集1次的采集频率,进行采集。该信息表示该路口处,当前信号灯的状态:S=1代表绿灯和黄灯;S=0代表红灯。
5、拥塞的判定方法:
如图5所示,道路区域内各路口的交通拥塞判定方法过程如下:
判断拥塞状态过程中,使用了三层前馈神经网络,如图6所示,以各路口处的和作为神经网络的输入,输入值均归一化到[0,1],输出为4个拥塞程度:自由流、轻度拥挤、中度拥挤和重度拥挤,输出值范围也是[0,1]。中间隐含层有4个神经元(M1,…,M4),在输入层与隐含层之间有6×4条连线,其权值分别为w1ij(i=1,2,3,4,5,6,j=1,2,3,4);在隐含层与输出层之间有4×4条连线,其权值分别为w2jk(j=1,2,3,4,k=1,2,3,4)。权值w1ij与权值w2jk由样本集经网络训练后确定。
通过该方法可以得到该交通区域内各路段的交通拥塞状态。
Claims (6)
1.一种结合路面交通与天气状态的城市交通区域拥塞判定方法,通过采用基于磁敏传感器、声强传感器、温度传感器、湿度传感器和能见度传感器的无线传感器网络对路面交通信息和路面天气信息实时采集并传输,并与交通信号灯信息一起作为城市区域交通拥塞判断方法的判断参数,利用前馈神经网络算法对城市交通区域拥塞程度进行实时判断,其特征是:利用无线传感器网络对路面交通和路面天气信息实时采集;结合平均速度、平均占有率和流量的路面交通信息,平均温度、平均湿度和能见度的路面天气信息,以及区域内各路口交通信号灯信息的三方面信息,作为判断参数,利用城市交通区域拥塞状况的判定方法,对城市交通区域拥塞状况进行判定。
2.根据权利要求1所述的一种结合路面交通与天气状态的城市交通区域拥塞判定方法,其特征是:用于采集交通信息的无线传感器网络是由安装在路面的集成有磁敏传感器和声强传感器的车辆检测节点、安装在路面的集成有温度、湿度传感器的温湿度检测节点、安装在路边的集成有能见度传感器的能见度检测节点、以及安装在被检测区域中心的中心管理节点,利用zigbee无线通讯模式,各节点之间点对点通讯方式,共同组成;各车辆检测节点、温湿度检测节点所采集的信息,发送到附近的能见度检测节点,再由能见度检测节点将信息发送到中心管理节点,发送频率是1分钟发送1次。
3.根据权利要求1所述的一种结合路面交通与天气状态的城市交通区域拥塞判定方法,其特征是:平均速度、平均占有率和流量的路面交通信息是利用车辆检测节点上磁敏传感器和声强传感器,根据车辆行驶过程中所产生的物理信号,以1分钟采集1次作为采集频率,实时计算获得。
4.根据权利要求1所述的一种结合路面交通与天气状态的城市交通区域拥塞判定方法,其特征是:平均温度、平均湿度和能见度的路面天气信息是利用温湿度检测节点的温度、湿度传感器,和能见度检测节点的能见度传感器,根据路面实际天气的变化,以1分钟采集1次作为采集频率,实时采集获得。
5.根据权利要求1所述的一种结合路面交通与天气状态的城市交通区域拥塞判定方法,其特征是:路口交通信号灯信息是利用能见度检测节点对交通信号灯的当前红绿灯信号,以1分钟采集1次作为采集频率,实时获得。
6.根据权利要求1所述的一种结合路面交通与天气状态的城市交通区域拥塞判定方法,其特征是:城市交通区域拥塞状况的判定方法是在中心管理节点上,将各个路口所采集的路面交通信息、路面天气信息和路口交通信号灯信息,利用前馈神经网络,以1分钟1次的判定频率进行判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910220065A CN101739828A (zh) | 2009-11-18 | 2009-11-18 | 结合路面交通与天气状态的城市交通区域拥塞判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910220065A CN101739828A (zh) | 2009-11-18 | 2009-11-18 | 结合路面交通与天气状态的城市交通区域拥塞判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101739828A true CN101739828A (zh) | 2010-06-16 |
Family
ID=42463257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910220065A Pending CN101739828A (zh) | 2009-11-18 | 2009-11-18 | 结合路面交通与天气状态的城市交通区域拥塞判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101739828A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184637A (zh) * | 2011-04-28 | 2011-09-14 | 北京交通大学 | 基于传感器网络的交通状态获取方法、装置以及系统 |
CN102622892A (zh) * | 2012-04-01 | 2012-08-01 | 南京理工大学 | 一种高速公路雾况自动检测报警系统及方法 |
CN102646332A (zh) * | 2011-02-21 | 2012-08-22 | 日电(中国)有限公司 | 基于数据融合的交通状态估计装置和方法 |
CN102722989A (zh) * | 2012-06-29 | 2012-10-10 | 山东交通学院 | 基于模糊神经网络的高速公路微气象交通预警方法 |
CN103036874A (zh) * | 2012-11-28 | 2013-04-10 | 大连理工大学 | 针对车联网数据采集中预防数据注入攻击的保护方法 |
CN103730014A (zh) * | 2013-10-29 | 2014-04-16 | 深圳市金溢科技有限公司 | 一种基于二义性路径识别系统的车流量统计方法及系统 |
CN104050816A (zh) * | 2014-06-18 | 2014-09-17 | 天津市赛诺达智能技术股份有限公司 | 雨检测器 |
CN106355922A (zh) * | 2016-11-28 | 2017-01-25 | 国网山东省电力公司济宁供电公司 | 一种智能交通管理方法及系统 |
CN107077782A (zh) * | 2014-08-06 | 2017-08-18 | 李宗志 | 自适应和/或自主交通控制系统和方法 |
CN108122408A (zh) * | 2016-11-29 | 2018-06-05 | 中国电信股份有限公司 | 一种路况监测方法、装置及其用于监测道路路况的系统 |
CN109410624A (zh) * | 2018-12-08 | 2019-03-01 | 浙江久安科技有限公司 | 一种智能交通控制方法 |
CN110796580A (zh) * | 2020-01-03 | 2020-02-14 | 中科寒武纪科技股份有限公司 | 智能交通系统管理方法及相关产品 |
CN110853376A (zh) * | 2019-09-30 | 2020-02-28 | 重庆中信科信息技术有限公司 | 智能网络交通信号灯 |
CN111028504A (zh) * | 2019-11-27 | 2020-04-17 | 天津易华录信息技术有限公司 | 一种城市快速路智慧交通管控方法和系统 |
US10699561B2 (en) | 2011-11-22 | 2020-06-30 | Fastec International, Llc | Systems and methods involving features of adaptive and/or autonomous traffic control |
-
2009
- 2009-11-18 CN CN200910220065A patent/CN101739828A/zh active Pending
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102646332A (zh) * | 2011-02-21 | 2012-08-22 | 日电(中国)有限公司 | 基于数据融合的交通状态估计装置和方法 |
CN102646332B (zh) * | 2011-02-21 | 2014-03-12 | 日电(中国)有限公司 | 基于数据融合的交通状态估计装置和方法 |
CN102184637B (zh) * | 2011-04-28 | 2016-07-06 | 北京交通大学 | 基于传感器网络的交通状态获取方法、装置以及系统 |
CN102184637A (zh) * | 2011-04-28 | 2011-09-14 | 北京交通大学 | 基于传感器网络的交通状态获取方法、装置以及系统 |
US10699561B2 (en) | 2011-11-22 | 2020-06-30 | Fastec International, Llc | Systems and methods involving features of adaptive and/or autonomous traffic control |
CN102622892A (zh) * | 2012-04-01 | 2012-08-01 | 南京理工大学 | 一种高速公路雾况自动检测报警系统及方法 |
CN102722989B (zh) * | 2012-06-29 | 2014-05-07 | 山东交通学院 | 基于模糊神经网络的高速公路微气象交通预警方法 |
CN102722989A (zh) * | 2012-06-29 | 2012-10-10 | 山东交通学院 | 基于模糊神经网络的高速公路微气象交通预警方法 |
CN103036874A (zh) * | 2012-11-28 | 2013-04-10 | 大连理工大学 | 针对车联网数据采集中预防数据注入攻击的保护方法 |
CN103036874B (zh) * | 2012-11-28 | 2015-10-28 | 大连理工大学 | 针对车联网数据采集中预防数据注入攻击的保护方法 |
CN103730014A (zh) * | 2013-10-29 | 2014-04-16 | 深圳市金溢科技有限公司 | 一种基于二义性路径识别系统的车流量统计方法及系统 |
CN103730014B (zh) * | 2013-10-29 | 2017-03-08 | 深圳市金溢科技股份有限公司 | 一种基于二义性路径识别系统的车流量统计方法及系统 |
CN104050816A (zh) * | 2014-06-18 | 2014-09-17 | 天津市赛诺达智能技术股份有限公司 | 雨检测器 |
CN107077782A (zh) * | 2014-08-06 | 2017-08-18 | 李宗志 | 自适应和/或自主交通控制系统和方法 |
CN106355922A (zh) * | 2016-11-28 | 2017-01-25 | 国网山东省电力公司济宁供电公司 | 一种智能交通管理方法及系统 |
CN108122408A (zh) * | 2016-11-29 | 2018-06-05 | 中国电信股份有限公司 | 一种路况监测方法、装置及其用于监测道路路况的系统 |
CN109410624A (zh) * | 2018-12-08 | 2019-03-01 | 浙江久安科技有限公司 | 一种智能交通控制方法 |
CN110853376A (zh) * | 2019-09-30 | 2020-02-28 | 重庆中信科信息技术有限公司 | 智能网络交通信号灯 |
CN111028504A (zh) * | 2019-11-27 | 2020-04-17 | 天津易华录信息技术有限公司 | 一种城市快速路智慧交通管控方法和系统 |
CN110796580A (zh) * | 2020-01-03 | 2020-02-14 | 中科寒武纪科技股份有限公司 | 智能交通系统管理方法及相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN103021176B (zh) | 基于断面检测器的城市道路交通状态判别方法 | |
CN105118320B (zh) | 一种基于车路协同的城市路段交通诱导方法及装置 | |
CN105046985B (zh) | 基于大数据的主干道全路段的交通控制系统 | |
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 | |
CN102419905B (zh) | 基于交通波理论的高速公路事故的交通影响范围确定方法 | |
CN102254443B (zh) | 间歇式公交专用道控制系统 | |
CN103531031B (zh) | 一种基于城市交通干线软封闭区视频检测识别实现一路绿灯通行的控制方法 | |
CN105957380A (zh) | 基于车路协同的道路交通事件检测预警方法及检测预警系统 | |
WO2017124584A1 (zh) | 一种支持汽车无人自动驾驶的道路路面的信息化和网络化实施方法 | |
CN104021673B (zh) | 利用雷达跟踪技术快速发现拥堵引发原因的系统及方法 | |
CN101419750B (zh) | 基于数据特征的城市信号控制路口交通状态检测评价方法 | |
CN207517194U (zh) | 基于车路协同的高速公路运行车速主动预警系统 | |
CN101710449A (zh) | 基于公交车gps数据的交通流运行状态识别方法 | |
CN104778834A (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN106601005B (zh) | 一种基于rfid和微信平台的城市智能交通诱导方法 | |
CN104851287B (zh) | 基于视频检测器的城市道路路段行程时间检测方法 | |
CN101739824A (zh) | 基于数据融合技术的交通状况估计方法 | |
CN109191857A (zh) | 一种基于大数据的智慧交通管理系统 | |
CN105654720A (zh) | 基于城市道路拥堵识别的检测器布设方法 | |
CN205375847U (zh) | 一种基于气象选择出行方式的智能交通提示装置 | |
CN106683449A (zh) | 车路协同环境下交通控制系统绿灯间隔时间动态调整方法 | |
CN103050014A (zh) | 交通车速检测系统及检测方法 | |
CN109493628A (zh) | 一种用于高速公路状况监测的地下网络系统 | |
CN106875703A (zh) | 一种公路交通机动车流量检测及事故报警装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100616 |