CN103473928B - 基于rfid技术的城市交通拥堵判别方法 - Google Patents

Abstract

本发明涉及交通信息技术领域，提供一种基于RFID技术的城市交通拥堵判别方法，包括如下步骤：通过在城市路口设置的RFID阅读器读取通过的汽车上安装的RFID标签的数据，获得行车信息；设统计时间间隔为T，匹配两个RFID阅读器获得的行车信息，得到T时段内通过这两个RFID阅读器之间路段的车辆数n及行车信息；数据预处理，剔除异常数据；计算每辆车的行程车速和平均行程车速；获得交通流状态特性值；根据交通流状态特性值D，判别交通拥堵；本发明相对其他拥堵判别方法，算法简单，运算开销小，运算速度快，实现难度低，而且能获得更准确的判断结果。

Description

基于RFID技术的城市交通拥堵判别方法

技术领域

本发明涉及交通信息技术领域，具体涉及一种城市交通拥堵判别方法。

背景技术

交通拥堵问题日益严重，不仅带来了环境污染，还造成了经济损失。因此有必要研究交通拥堵的判别方法，及时准确地分辨出交通运行所处的状态，对交通拥堵采取合理的措施，通过科学合理的道路交通管理办法来缓减交通拥堵。

道路交通参数是交通拥堵状态判别的基础，目前，车辆行驶速度、车流量和占有率是评价交通状态最常用的3个交通参数，其检测方法有地感式检测、微波检测、浮动车检测、视频检测等技术。

现有的城市交通拥堵判别方法多采用交通流量、占有率、速度等作为其判别参数，这些方法对车检器数据质量有较高的要求且判别准确度不高。

发明内容

有鉴于此，本发明提供一种基于RFID技术的城市交通拥堵判别方法，其算法更简单，易于实现。

本发明通过以下技术手段解决上述技术问题：

基于RFID技术的城市交通拥堵判别方法，包括如下步骤：

1)通过在城市路口设置的RFID阅读器读取通过的汽车上安装的RFID标签的数据，获得行车信息；

2）设统计时间间隔为T，匹配两个RFID阅读器获得的行车信息，得到T时段内通过这两个RFID阅读器之间路段的车辆数n及行车信息；

3)数据预处理，剔除异常数据；

4)计算每辆车的行程车速v_i和平均行程车速；

5)根据车辆数n,行程车速v_i和平均行程车速通过下式获得交通流状态特性值D：

$D=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(v_i-\stackrel{\‾}{v})}^2}{n};$

6)根据交通流状态特性值D，判别交通拥堵：当D≥D₀时，当前道路交通畅通，当D<D₀时，当前道路交通拥堵，其中D₀为临界值方差。

进一步，所述步骤3）具体包括如下步骤：

31）根据RFID原始数据，计算时段T内各车辆的行程时间；

32)计算行程时间均值μ和标准差σ；

33)剔除行程时间在μ+λσ以外的样本数据，λ为预设阈值。

进一步，所述步骤6）中，临界值方差D₀通过如下方法获取：

61)每隔统计时间间隔T，通过视频检测或人工经验判别交通拥堵状态，得到l个交通状态判别样本；

62)设上述样本中包含交通拥堵状态样本m个，计算其行程速度方差，记为(D₁,D₂,…D_m)；

63)设上述样本中包含交通畅通状态样本l-m个，计算其行车速度方差，记(D₁,D₂,…D_l-m)；

64)设(D₁,D₂,…D_m)中值最大的为D_max，(D₁,D₂,…D_l-m)中值最小的为

65)当 $D_{\max }\&ap;{\hat{D}}_{\min }$ 时，取 $D_0=D_{\max }\&ap;{\hat{D}}_{\min }.$

本发明的一种基于RFID技术的城市交通拥堵判别方法,通过道路的车辆的行程速度方差判别交通拥堵作为其唯一判别参数，相对其他拥堵判别方法，本发明算法简单，运算开销小，运算速度快，实现难度低，而且能获得更准确的判断结果。而RFID是一项非接触式自动识别技术，具有信息量大，抗干扰能力强，操作快捷等许多优点。

附图说明

图1示出了本发明的流程示意图。

具体实施方式

以下将结合附图，对本发明进行详细说明。

参见图1，基于RFID技术的城市交通拥堵判别方法，包括如下步骤：

1)交通流性质的物理量一般是用交通参数来描述和反映，交通参数在数值上的变化能够反映交通流性质上的变化。目前，交通参数的获取主要是应用固定型采集技术。本实施例通过在每辆车上安装RFID标签和路口安装RFID阅读器，当车辆行驶经过路口的RFID阅读器时，RFID阅读器读取RFID标签的数据，获得时间、车牌号等行车信息；

2）设统计时间间隔为T，匹配两个RFID阅读器获得的行车信息，得到T时段内通过这两个RFID阅读器之间路段的车辆数n及行车信息；

3)由于待测路段可能会出现车辆非法停车、抛锚、交通事故等异常现象，导致个别车辆行程时间过长(远远超出正常情况)，影响该路段平均行程车速，从而交通拥堵判别参数D会出现较大的误差，不能真实的反映交通状态。因此，有必要对原始数据进行预处理，剔除异常数据。具体包括如下步骤：

31）根据RFID原始数据，计算时段T内各车辆的行程时间；

32)计算行程时间均值μ和标准差σ；

33)剔除行程时间在μ+λσ以外的样本数据，λ为预设阈值。

4)计算每辆车的行程车速v_i和平均行程车速；

v_i为每辆车的行程车速，即

$v_i=\frac{S}{t_i^2-t_i^1};$

其中：S为路段长度，为车辆i通过RFID阅读器R1的时刻，为车辆i通过RFID阅读器R2的时刻，为车辆行程时间；

为统计时间间隔T内车辆平均行程车速，即

$\stackrel{\&OverBar;}{v}=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{v}_i}{n};$

其中：n为统计时间间隔T内，通过路段S的车辆数，可直接通过RFID阅读器获取。

5)根据车辆数n,行程车速v_i和平均行程车速通过下式获得交通流状态特性值D：

$D=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(v_i-\stackrel{\&OverBar;}{v})}^2}{n};$

当交通流处于畅通状态，车辆行程速度分布不规律、离散程度较大；当交通流处于拥挤状态时，行程车速分布规律、离散程度较小。原因在于：畅通时，交通流处于自由流状态，不同车辆行程车速差别很大；拥堵时，交通流处于跟随状态，车间距较小，车辆之间可用跟驰模型描述，不同车辆行程车速差别较小。因此本实施例中，使用行程车速方差作为交通流状态特性值。

6)根据交通流状态特性值D，判别交通拥堵：当D≥D₀时，当前道路交通畅通，当D<D₀时，当前道路交通拥堵，其中D₀为临界值方差。

临界值方差D₀通过如下步骤获取：

61)每隔统计时间间隔T，通过视频检测或人工经验判别交通拥堵状态，得到l个交通状态判别样本；

62)设上述样本中包含交通拥堵状态样本m个，计算其行程速度方差，记为(D₁,D₂,…D_m)；

63)设上述样本中包含交通畅通状态样本l-m个，计算其行车速度方差，记(D₁,D₂,…D_l-m)；

64)设(D₁,D₂,…D_m)中值最大的为D_max，(D₁,D₂,…D_l-m)中值最小的为

65)当样本空间l足够大时，D_max和会越来越近似，其值近似于D₀，即将其作为D₀。即当 $D_{\max }\&ap;{\hat{D}}_{\min }$ 时，取 $D_0=D_{\max }\&ap;{\hat{D}}_{\min }.$

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.基于RFID技术的城市交通拥堵判别方法，其特征在于：包括如下步骤：

1)通过在城市路口设置的RFID阅读器读取通过的汽车上安装的RFID标签的数据，获得行车信息；

2)设统计时间间隔为T，匹配两个RFID阅读器获得的行车信息，得到T时段内通过这两个RFID阅读器之间路段的车辆数n及行车信息；

3)数据预处理，剔除异常数据；具体包括如下步骤：

31)根据RFID原始数据，计算时段T内各车辆的行程时间；

32)计算行程时间均值μ和标准差σ；

33)剔除行程时间在μ+λσ以外的样本数据，λ为预设阈值；

4)计算每辆车的行程车速v_i和平均行程车速

5)根据车辆数n,行程车速v_i和平均行程车速通过下式获得交通流状态特性值D：

6)根据交通流状态特性值D，判别交通拥堵：当D≥D₀时，当前道路交通畅通，当D<D₀时，当前道路交通拥堵，其中D₀为临界值方差；临界值方差D₀通过如下方法获取：

61)每隔统计时间间隔T，通过视频检测或人工经验判别交通拥堵状态， 得到l个交通状态判别样本；

62)设上述样本中包含交通拥堵状态样本m个，计算其行程速度方差，记为(D₁,D₂,…D_m)；

63)设上述样本中包含交通畅通状态样本l-m个，计算其行车速度方差，记(D₁,D₂,…D_l-m)；

64)设(D₁,D₂,…D_m)中值最大的为D_max，(D₁,D₂,…D_l-m)中值最小的为

65)当时，取