CN103761876A - 基于车路协同的道路交通信息采集与状态评价的方法 - Google Patents
基于车路协同的道路交通信息采集与状态评价的方法 Download PDFInfo
- Publication number
- CN103761876A CN103761876A CN201410013399.7A CN201410013399A CN103761876A CN 103761876 A CN103761876 A CN 103761876A CN 201410013399 A CN201410013399 A CN 201410013399A CN 103761876 A CN103761876 A CN 103761876A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic
- road
- rsu
- state
- 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.)
- Granted
Links
Images
Abstract
本发明公开了一种基于车路协同的道路交通信息采集与状态评价的方法,该方法解决了现有基于车路协同的道路交通信息采集方式中存在的所有车辆都以固定周期向RSU发送状态消息,当车辆密度增加或对道路状态需求不高时,频繁的发送状态消息数据包会增加无线通信信道的占用时间,造成通信资源的浪费,无线网络负载加重的问题,随着交通状态的变化,车辆可动态调整向路边基站发送状态消息数据包的周期,实现自适应传输数据,从而减少信道占用时间,降低无线网络负载以及提高交通状态评价的实时性、准确性。
Description
技术领域
本发明涉及交通信息采集与状态评价领域,尤其涉及一种基于车路协同的道路交通信息采集与状态评价的方法。
背景技术
随着经济的发展和人民生活水平的不断提高,我国的汽车数量迅速增加,道路交通流量的激增导致城市频繁出现交通拥堵现象。解决交通拥堵较为有效的方法主要是交通控制和交通诱导。而获得准确、实时地城市道路交通状态,是对城市路网交通进行有效控制与诱导的基础。获得准确、实时的交通状态就需要对城市道路交通信息进行实时采集,传统的交通信息采集方式是通过分布在各道路上的交通信息检测器实现,如线圈检测器、红外检测器、超声波检测器、视频检测器等。但是,随着城市规模的不断扩大和交通需求不断增长,传统的检测方法逐渐显示出成本高、信息范围获取小、信息量不足等缺点,这在一定程度上限制了智能交通系统的发展和功能发挥。
近年来,随着车路协同技术的发展与应用,基于车路协同的道路交通信息采集与状态评价得到众多学者和研究机构的重视。车路协同系统以车车、车路通信为基础,有效实现了信息在系统内部的快速、准确地传输,极大地促进了车车、车路之间的信息交互。基于车路协同的道路信息采集与传统的采集方式有本质的不同,每个具备车间通信功能的车辆都是一个移动的传感器,可以实时准确的检测丰富的交通状态信息,如车载GPS可以获取车辆当前位置,车载速度和加速度计装置可以检测车辆当前速度与加速度等。道路交通状态信息在由车辆和路旁基站(Roadside Unit,RSU)构建的大型无线传感器网络中进行交互,并在RSU中进行数据融合,或利用骨干网传输至信息中心进行进一步处理。无线网络数据传输的高实时性和交通信息处理的分布式计算特性,使得基于车路协同技术实现道路交通信息采集和交通状态评价更具可靠性,因此能够更加合理地反映复杂的交通情况。
在现有的基于车路协同技术实现道路交通信息采集方式中,移动车辆向RSU发送数据时,通常都以固定周期形式,即每隔一定的时间段便向RSU发送道路状态消息数据包,鲜有考虑实际的交通状态。这种基于车路协同的道路交通信息采集方式存在如下缺陷:一方面,由于所有车辆都以固定周期向RSU发送状态消息,当车辆密度增加或对道路状态需求不高时(如道路较为畅通时),频繁的发送状态消息数据包会增加无线通信信道的占用时间,造成通信资源的浪费,无线网络负载加重,并进一步影响其他车路协同的应用。另一方面,若为降低网络负载而延长车辆发送状态消息数据包的时间间隔,当路段出现拥堵时,过长的消息发送周期会减少RSU收到的实时数据包数量,因而会影响道路交通状态评价的实时性和准确度。
发明内容
本发明为了解决上述问题,提出了一种基于车路协同的道路交通信息采集与状态评价的方法,该方法随着交通状态的变化,车辆可动态调整向路边基站发送状态消息数据包的周期,实现自适应传输数据,从而减少信道占用时间,降低无线网络负载以及提高交通状态评价的实时性、准确性。
为了实现上述目的,本发明采用如下技术方案:
一种基于车路协同的道路交通信息采集与状态评价的方法,具体包括以下步骤:
步骤(1):基于车路协同的交通信息获取;
步骤(2):RSU接收车辆发送的道路状态消息,对路段内交通拥堵程度进行评价,进一步给出一种单参量交通拥堵状态评价指数;
步骤(3):建立车辆向RSU发送数据包的时间间隔与单参量交通拥堵状态评价指数之间的函数关系模型,该模型直观反映了消息发送时间间隔随交通状态变化的动态变化规律;
步骤(4):RSU向路段内所有车辆广播包含有动态周期信息的控制消息,车辆根据控制消息的内容,自适应调节下一次向RSU发送状态消息数据包的时间。
所述步骤(1)中,车载GPS、车载速度计和加速度计检测到的车辆行驶状态信息,包括车辆速度、位置、方向交通状态信息,这些信息嵌入自定义格式的数据包,构成状态消息,并通过无线传输装置传输至RSU,状态消息数据包格式定义如下:
<ID,position,speed,direction>
其中,ID表示车辆的身份标识,每个车辆都有一个不同的ID;position表示当前车辆所在的地理位置,由车载GPS检测得到;speed表示车辆当前的行驶速度,由车载速度传感器检测得到;direction表示车辆的行驶方向。
所述步骤(2)中,提出单参量交通拥堵状态评价指数EI,具体步骤如下:
(a)RSU接收到路段内车辆所发送的状态消息,对路网内各路段的交通拥堵程度进行初步评价;根据《城市道路交通管理评价指标体系(2012年版)》给出的高峰时段建成区主干道平均车速等级分布,将道路交通状态分为畅通、正常、轻微拥堵、拥堵和严重拥堵五个等级;通过建立因素集、评判集、权重集,进行单因素模糊评价和模糊综合评价得到交通拥堵程度的初步评价结果:B=(b1,b2,b3,b4,b5);
其中,B为评判集,b1,b2,b3,b4,b5分别为为交通状态从总体上来看对五种等级模糊子集的隶属程度;
(b)根据各路段的交通拥堵程度初步评价结果,建立直观反映道路交通拥堵程度的评价指数,即单参量交通拥堵状态评价指数EI。
所述步骤(a)的具体步骤为:
①建立因素集U,U={u1,u2,u3},ui表示影响评判对象的因素,具体分别为道路平均车速、车辆密度、行程时间,i=1,2,3,本发明采用道路的单向平均车速、单向车辆密度、单向行程时间,由RSU根据以下方法计算得到,其中k取值为1、2,分别代表道路的两个方向:
i.单向平均车速,道路的单向平均车速记为Vk avg,由以下公式可以计算得到,其中Nk是RSU根据车辆发送的自身状态信息数据包中的ID,position和direction确定的道路单向的车辆数量,Vi k是RSU根据车辆发送的自身状态信息数据包中的speed确定的单向车辆速度
ii.单向车辆密度,记为Mk,由以下公式可以计算得到,其中Nk是RSU根据车辆发送的自身状态信息数据包中的ID,position和direction确定的道路单向的车辆数量,L是道路长度,nk是道路单向车道数目,
iii.单向行程时间,记为Tk,由以下公式可以计算得到,其中L是道路长度,Vk avg是道路单向平均车速。
②建立评判集V,根据《城市道路交通管理评价指标体系(2012年版)》给出的高峰时段建成区主干道平均车速等级分布,将道路交通状态分为五个等级,即V={v1,v2,v3,v4,v5},v1,v2,v3,v4,v5分别表示畅通、正常、轻微拥堵、拥堵和严重拥堵;
③建立权重集W,对①中的各个因素ui赋予相应的权重,来表征各个因素的重要程度,表示为权向量w={w1,w2,w3},通常各权重应归一化和满足非负性条件,即w1+w2+w3=1,本发明采用经验赋值法,分别令
④单因素模糊评价,从因素集U的单个因素出发进行评价,确定评判对象对评价集中各元素的隶属度,在确定隶属度时,结合《城市道路交通管理评价指标体系(2012年版)》和相关研究,制定如下评价标准,各因素采用越大越优型的梯形隶属度函数;
设评判对象按因素集中第i(i=1,2,3)个因素进行评判时,对评判集中第j(j=1,2,…,5)个元素vj的隶属度为rk ij,其中k取值为1、2,分别代表道路的两个方向,则按第i个因素评判的结果可用模糊集合表示为:
Rk i称为单因素评价集,将3个因素的评判集组成一个模糊关系矩阵R:
⑤模糊综合评价,即根据权重矩阵W和模糊关系矩阵R,通过模糊变换对道路交通状态进行模糊综合评价,评判集记为B,评价公式为:
所述步骤(b)中,具体步骤如下:
根据交通状态初步评价结果,建立一种更加直观反映道路交通拥堵程度的评价指数,记为单参量交通拥堵状态评价指数EI,取值为0~1,其值越小时表明道路交通状态越畅通,其值越大时表明道路交通状态越拥堵,计算模型如下所示:
所述步骤(3)中,建立车辆向RSU发送状态消息数据包的时间间隔与单参量交通拥堵状态评价指数EI之间的函数关系模型的具体方法为:
根据交通状态,动态调整车辆向RSU发送状态消息的时间间隔,若道路畅通,单参量交通拥堵状态评价指数值较小,适当增大车辆向RSU发送状态消息的时间间隔,从而减少信道占用时间,降低无线网络负载;若道路出现拥堵,单参量交通拥堵状态评价指数值增大,减小状态消息发送的时间间隔,以提高RSU获取的实施状态消息数据包数量,进而提高道路交通状态评价的准确度;构建车辆向RSU发送状态消息数据包的时间间隔与单参量交通拥堵状态评价指数之间的函数关系模型如公式(1),其中参数a,b,K取决于无线通信信道的传输要求:
所述步骤(4)中,车辆获得动态消息发送周期的过程为:
RSU根据公式(1),计算车辆下一次向RSU发送状态消息数据包的时间间隔△T,即消息发送周期;
RSU将消息发送周期制定成控制消息,通过广播方式将控制消息发送给路段内的车辆,车辆接收到控制消息后,根据控制消息的内容调整下一次向RSU发送数据包的时间t,达到交通信息自适应传输的目的:
t(i+1)=t(i)+ΔT
其中,t(i)为车辆上一次向RSU传输状态消息数据包的时间,t(i+1)为车辆根据控制消息得到的下一次向RSU传输状态消息数据包的时间。
本发明的有益效果为:
通过车路协同技术获得交通状态信息,利用获得的交通状态信息对道路交通状态进行评价,提出一种单参量交通拥堵状态评价指数,该指数可以更加直观的反映道路交通状态。建立一种车辆向路边基站发送状态消息数据包的时间间隔与单参量交通拥堵状态评价指数之间的函数关系模型。车辆根据道路交通状态的拥堵变化,动态调整向RSU发送道路交通状态消息数据包时间,从而达到降低无线网络负载和提高交通状态评价准确性的目的。
附图说明
图1为基于车路协同的道路交通信息采集与状态评价系统结构图;
图2为本发明平均车速隶属度函数图;
图3为本发明车辆密度隶属度函数图;
图4为本发明排队长度隶属度函数图;
图5为本发明交通信息传输周期与单参量交通拥堵状态评价指数间的函数关系模型图。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
如图1所示,一种基于车路协同的道路交通信息采集与状态评价系统,包括交通信息中心、移动车辆、路旁基站RSU和无线传感器网络,移动车辆通过无线传感器网络向RSU传输信息,RSU再将收集到的信息传输给交通信息中心。
在现有的基于车路协同技术实现道路交通信息采集方式中,移动车辆向RSU发送数据时,通常都以固定周期形式,即每隔一定的时间段便向RSU发送道路状态消息数据包,鲜有考虑实际的交通状态。
这种基于车路协同的道路交通信息采集方式存在如下缺陷:一方面,由于所有车辆都以固定周期向RSU发送状态消息,当车辆密度增加或对道路状态需求不高时(如道路较为畅通时),频繁的发送状态消息数据包会增加无线通信信道的占用时间,造成通信资源的浪费,无线网络负载加重,并进一步影响其他车路协同的应用。另一方面,若为降低网络负载而延长车辆发送状态消息数据包的时间间隔,当路段出现拥堵时,过长的消息发送周期会减少RSU收到的实时数据包数量,因而会影响道路交通状态评价的实时性和准确度。
本发明提出了一种基于车路协同的道路交通信息采集与状态评价的方法,该方法随着交通状态的变化,车辆可动态调整向路边基站发送状态消息数据包的周期,实现自适应传输数据,从而减少信道占用时间,降低无线网络负载以及提高交通状态评价的实时性、准确性。
具体步骤如下:
步骤(1),具体方法为:对道路交通状态进行评价的基础是交通信息的采集,需要采集的一般是对交通状态变化反应敏感、容易获得且准确率高的交通参数,如交通流量、占有率、行程速度、行程时间和延误、饱和度、排队长度等。传统的交通信息采集方式存在成本高、信息获取范围小、信息量不足、信息来源可靠性差等缺点,对交通状态的评价实时性和准确性较差。本发明采用基于车路协同的道路交通信息获取的方法,该方法直接利用车路协同系统中的车辆节点采集道路交通状态信息,自定义数据格式,将车辆状态信息以数据格式打包成状态消息数据包,利用无线传输模块将数据包传输到路旁RSU。状态消息数据包的格式如下:
<ID,position,speed,direction>
其中,ID表示车辆的身份标识,每个车辆都有一个不同的ID;position表示当前车辆所在的地理位置,由车载GPS检测得到;speed表示车辆当前的行驶速度,由车载速度传感器检测得到;direction表示车辆的行驶方向。
步骤(2),具体方法为:为了建立一种可以更加直观反映道路交通拥堵程度的单参量交通拥堵状态评价指数,RSU对路段内道路交通状态拥堵程度首先进行初步评价,根据初步评价结果,提出单参量交通拥堵状态评价指数EI,具体如下:
首先,RSU接收到车辆发送的数据包后,对道路交通拥堵状态进行初步评价,评价的具体步骤是:
①建立因素集U,U={u1,u2,u3},ui表示影响评判对象的因素,具体分别为道路平均车速、车辆密度、行程时间,本发明采用道路的单向平均车速、单向车辆密度、单向行程时间,由RSU根据以下方法计算得到,其中k取值为1、2,分别代表道路的两个方向:
a.单向平均车速,道路的单向平均车速记为Vk avg,由以下公式可以计算得到,其中Nk是RSU根据车辆发送的自身状态信息数据包中的ID,position和direction确定的道路单向的车辆数量,Vi k是RSU根据车辆发送的自身状态信息数据包中的speed确定的单向车辆速度;
b.单向车辆密度,记为Mk,由以下公式可以计算得到,其中Nk是RSU根据车辆发送的自身状态信息数据包中的ID,position和direction确定的道路单向的车辆数量,L是道路长度,nk是道路单向车道数目;
c.单向行程时间,记为Tk,由以下公式可以计算得到,其中L是道路长度,Vk avg是道路单向平均车速。
②建立评判集V,根据《城市道路交通管理评价指标体系(2012年版)》给出的高峰时段建成区主干道平均车速等级分布,将道路交通状态分为畅通、正常、轻微拥堵、拥堵和严重拥堵五个等级,即V={v1,v2,v3,v4,v5},如表1所示。
表1以平均车速为指标的交通状态等级划分(单位:km/h)
交通状态 | 畅通 | 正常 | 轻微拥堵 | 拥堵 | 严重拥堵 |
平均车速 | ≥28 | [25,28) | [22,25) | [19,22) | [0,19) |
③建立权重集W,对①中的各个因素ui赋予相应的权重,来表征各个因素的重要程度。表示为权向量w={w1,w2,w3},通常各权重应归一化和满足非负性条件,即w1+w2+w3=1,本发明采用经验赋值法,分别令
④单因素模糊评价,从因素集U的单个因素出发进行评价,确定评判对象对评价集中各元素的隶属度,在确定隶属度时,本发明结合《城市道路交通管理评价指标体系(2012年版)》和相关研究,制定如下评价标准,各因素采用越大越优型的梯形隶属度函数。
a.平均车速大于等于28为畅通状态,平均车速大于等于25小于28为正常状态,平均车速大于等于22小于25为轻微拥堵状态,平均车速大于等于19小于22为拥堵状态,平均车速小于19为严重拥堵状态,其隶属度函数如图2所示。
b.车辆密度小于Nmax/(5L*n)为畅通状态,车辆密度大于等于Nmax/(5L*n)小于2Nmax/(5L*n)为正常状态,车辆密度大于等于2Nmax/(5L*n)小于3Nmax/(5L*n)为轻微拥堵状态,车辆密度大于等于3Nmax/(5L*n)小于4Nmax/(5L*n)为拥堵状态,车辆密度大于等于4Nmax/(5L*n)为严重拥堵状态,Nmax是道路单向所能容纳车辆的最大数量,其隶属度函数如图3所示。
c.行程时间小于等于L/28为畅通状态,行程时间大于L/28小于等于L/25为正常状态,行程时间大于L/25小于等于L/22为正常状态,行程时间大于L/22小于等于L/19为轻微拥堵状态,行程时间大于L/19为严重拥堵状态,其隶属度函数如图4所示。
设评判对象按因素集中第i(i=1,2,3)个因素进行评判时,对评判集中第j(j=1,2,…,5)个元素vj的隶属度为rk ij,其中k取值为1、2,分别代表道路的两个方向,则按第i个因素评判的结果可用模糊集合表示为:
Rk i称为单因素评价集,将3个因素的评判集组成一个模糊关系矩阵R:
⑤模糊综合评价,即根据权重矩阵W和模糊关系矩阵R,通过模糊变换对道路交通状态进行模糊综合评价,评判集记为B,评价公式为:
然后,根据交通状态初步评价结果,建立一种可以更加直观反映道路交通拥堵程度的评价指数,记为单参量交通拥堵状态评价指数EI,取值为0~1,其值越小时表明道路交通状态越畅通,其值越大时表明道路交通状态越拥堵,计算模型为:
步骤(3),具体方法为:道路交通状态评价更关心的是道路交通拥堵,为了提高道路交通拥堵状态评价的实时性和精度要求,车辆向RSU发送状态消息数据包的时间间隔应随交通状态动态调整。当道路畅通,单参量交通拥堵状态评价指数值较小,适当增大车辆向RSU发送状态消息数据包的时间间隔,从而减少信道占用时间,降低网络负载;当道路出现拥堵,单参量交通拥堵状态评价指数值增大,适当减小状态消息数据包发送的时间间隔,以提高道路交通状态评价的准确度。构建车辆向RSU发送状态消息数据包的时间间隔与单参量交通拥堵状态评价指数之间的数学关系模型为:
如图5所示,参数a,b,K取决于无线通信信道的传输要求。该函数关系模型为分段函数,通过图像可以看出△T的变化由缓慢到迅速,最后保持不变,满足以下要求:当EI较小时,表明道路交通状态为畅通状态,此时车辆向RSU发送状态消息数据包的时间间隔△T变化比较缓慢,取值可以大一些,以减少信道占用时间,以达到降低网络负载的目的;当EI大于阈值K0时,表明道路交通状态为拥堵状态,是人们更关心的状态,车辆向RSU发送状态消息数据包的时间间隔△T变化较迅速,取值要小一些,以达到拥堵状态判别的实时性和准确度要求的目的;当EI大于K时,表明道路交通状态为严重拥堵状态,车辆向RSU发送状态消息数据包的时间间隔△T受无线网络性能的要求不能无限减小下去,因此使其保持不变。
步骤(4),具体方法为:RSU根据步骤(3)中提出的交通状态信息数据包发送时间间隔与单参量交通拥堵状态评价指数间的函数关系模型,计算车辆下一次向RSU发送状态消息数据包的时间间隔,即消息发送周期,制定控制消息,通过广播方式将控制消息发送给路段内的车辆,车辆接收到控制消息后调整下一次向RSU传输状态消息数据包的时间t,,其计算公式为:
t(i+1)=t(i)+ΔT
其中,t(i)为车辆上一次向RSU传输状态消息数据包的时间,t(i+1)为车辆根据控制消息得到的下一次向RSU传输状态消息数据包的时间,达到交通信息自适应传输的目的。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:具体包括以下步骤:
步骤(1):基于车路协同的交通信息获取;
步骤(2):RSU接收车辆发送的道路状态消息,对路段内交通拥堵程度进行评价,进一步给出一种单参量交通拥堵状态评价指数;
步骤(3):建立车辆向RSU发送数据包的时间间隔与单参量交通拥堵状态评价指数之间的函数关系模型,该模型直观反映了消息发送时间间隔随交通状态变化的动态变化规律;
步骤(4):RSU向路段内所有车辆广播包含有动态周期信息的控制消息,车辆根据控制消息的内容,自适应调节下一次向RSU发送状态消息数据包的时间。
2.如权利要求1所述的一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:所述步骤(1)中,车载GPS、车载速度计和加速度计检测到的车辆行驶状态信息,包括车辆速度、位置、方向交通状态信息,这些信息嵌入自定义格式的数据包,构成状态消息,并通过无线传输装置传输至RSU,状态消息数据包格式定义如下:
<ID,position,speed,direction>
其中,ID表示车辆的身份标识,每个车辆都有一个不同的ID;position表示当前车辆所在的地理位置,由车载GPS检测得到;speed表示车辆当前的行驶速度,由车载速度传感器检测得到;direction表示车辆的行驶方向。
3.如权利要求1所述的一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:所述步骤(2)中,提出单参量交通拥堵状态评价指数EI,具体步骤如下:
(a)RSU接收到路段内车辆所发送的状态消息,对路网内各路段的交通拥堵程度进行初步评价;根据《城市道路交通管理评价指标体系(2012年版)》给出的高峰时段建成区主干道平均车速等级分布,将道路交通状态分为畅通、正常、轻微拥堵、拥堵和严重拥堵五个等级;通过建立因素集、评判集、权重集,进行单因素模糊评价和模糊综合评价得到交通拥堵程度的初步评价结果:B=(b1,b2,b3,b4,b5);
其中,B为评判集,b1,b2,b3,b4,b5分别为交通状态从总体上来看对五种等级模糊子集的隶属程度;
(b)根据各路段的交通拥堵程度初步评价结果,建立直观反映道路交通拥堵程度的评价指数,即单参量交通拥堵状态评价指数EI。
4.如权利要求3所述的一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:所述步骤(a)的具体步骤为:
①建立因素集;
②建立评判集V,根据《城市道路交通管理评价指标体系(2012年版)》给出的高峰时段建成区主干道平均车速等级分布,将道路交通状态分为五个等级,即V={v1,v2,v3,v4,v5},v1,v2,v3,v4,v5分别表示畅通、正常、轻微拥堵、拥堵和严重拥堵;
③建立权重集W,对①中的各个因素ui赋予相应的权重,来表征各个因素的重要程度,表示为权向量w={w1,w2,w3},通常各权重应归一化和满足非负性条件,即w1+w2+w3=1,本发明采用经验赋值法,分别令
④单因素模糊评价,从因素集U的单个因素出发进行评价,确定评判对象对评价集中各元素的隶属度,在确定隶属度时,结合《城市道路交通管理评价指标体系(2012年版)》和相关研究,制定如下评价标准,各因素采用越大越优型的梯形隶属度函数;
设评判对象按因素集中第i(i=1,2,3)个因素进行评判时,对评判集中第j(j=1,2,…,5)个元素vj的隶属度为rk ij,其中k取值为1、2,分别代表道路的两个方向,则按第i个因素评判的结果可用模糊集合表示为:
Rk i称为单因素评价集,将3个因素的评判集组成一个模糊关系矩阵R:
⑤模糊综合评价,即根据权重矩阵W和模糊关系矩阵R,通过模糊变换对道路交通状态进行模糊综合评价,评判集记为B,评价公式为:
5.如权利要求3所述的一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:所述步骤(b)中,具体步骤如下:
根据交通状态初步评价结果,建立一种更加直观反映道路交通拥堵程度的评价指数,记为单参量交通拥堵状态评价指数EI,取值为0~1,其值越小时表明道路交通状态越畅通,其值越大时表明道路交通状态越拥堵,计算模型如下所示:
6.如权利要求4所述的一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:所述步骤①,其具体方法为:
建立因素集U,U={u1,u2,u3},ui表示影响评判对象的因素,具体分别为道路平均车速、车辆密度、行程时间,i=1,2,3,本发明采用道路的单向平均车速、单向车辆密度、单向行程时间,由RSU根据以下方法计算得到,其中k取值为1、2,分别代表道路的两个方向:
i.单向平均车速,道路的单向平均车速记为Vk avg,由以下公式可以计算得到,其中Nk是RSU根据车辆发送的自身状态信息数据包中的ID,position和direction确定的道路单向的车辆数量,Vi k是RSU根据车辆发送的自身状态信息数据包中的speed确定的单向车辆速度
ii.单向车辆密度,记为Mk,由以下公式可以计算得到,其中Nk是RSU根据车辆发送的自身状态信息数据包中的ID,position和direction确定的道路单向的车辆数量,L是道路长度,nk是道路单向车道数目,
iii.单向行程时间,记为Tk,由以下公式可以计算得到,其中L是道路长度,Vk avg是道路单向平均车速;
7.如权利要求1所述的一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:所述步骤(3)中,建立车辆向RSU发送状态消息数据包的时间间隔与单参量交通拥堵状态评价指数EI之间的函数关系模型的具体方法为:
根据交通状态,动态调整车辆向RSU发送状态消息的时间间隔,若道路畅通,单参量交通拥堵状态评价指数值较小,适当增大车辆向RSU发送状态消息的时间间隔,从而减少信道占用时间,降低无线网络负载;若道路出现拥堵,单参量交通拥堵状态评价指数值增大,减小状态消息发送的时间间隔,以提高RSU获取的实施状态消息数据包数量,进而提高道路交通状态评价的准确度;构建车辆向RSU发送状态消息数据包的时间间隔与单参量交通拥堵状态评价指数之间的函数关系模型如公式(1),其中参数a,b,K取决于无线通信信道的传输要求:
8.如权利要求1所述的一种基于车路协同的道路交通信息采集与状态评价的方法,其特征是:所述步骤(4)中,车辆获得动态消息发送周期的过程为:
RSU根据公式(1),计算车辆下一次向RSU发送状态消息数据包的时间间隔△T,即消息发送周期;
RSU将消息发送周期制定成控制消息,通过广播方式将控制消息发送给路段内的车辆,车辆接收到控制消息后,根据控制消息的内容调整下一次向RSU发送数据包的时间t,达到交通信息自适应传输的目的:
t(i+1)=t(i)+ΔT
其中,t(i)为车辆上一次向RSU传输状态消息数据包的时间,t(i+1)为车辆根据控制消息得到的下一次向RSU传输状态消息数据包的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410013399.7A CN103761876B (zh) | 2014-01-10 | 2014-01-10 | 基于车路协同的道路交通信息采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410013399.7A CN103761876B (zh) | 2014-01-10 | 2014-01-10 | 基于车路协同的道路交通信息采集方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103761876A true CN103761876A (zh) | 2014-04-30 |
CN103761876B CN103761876B (zh) | 2015-12-02 |
Family
ID=50529107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410013399.7A Expired - Fee Related CN103761876B (zh) | 2014-01-10 | 2014-01-10 | 基于车路协同的道路交通信息采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761876B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392607A (zh) * | 2014-11-18 | 2015-03-04 | 青岛海信网络科技股份有限公司 | 一种交通状态判别方法及装置 |
CN105046983A (zh) * | 2015-08-14 | 2015-11-11 | 奇瑞汽车股份有限公司 | 一种基于车路协同的交通流量预测系统及方法 |
CN105160879A (zh) * | 2015-09-01 | 2015-12-16 | 同济大学 | 一种基于道路拓扑结构的车辆信息无线采集方法 |
CN105809953A (zh) * | 2014-12-27 | 2016-07-27 | 吉林大学 | 一种基于m2m的城市交通流车路协同控制方法 |
CN106470483A (zh) * | 2015-08-17 | 2017-03-01 | 电信科学技术研究院 | 一种信息发送与控制信息发送的方法及装置 |
CN107301369A (zh) * | 2017-09-04 | 2017-10-27 | 南京航空航天大学 | 基于航拍图像的道路交通拥堵分析方法 |
CN108140307A (zh) * | 2015-12-18 | 2018-06-08 | 松下知识产权经营株式会社 | 步行者终端装置、车载终端装置、步车间通信控制装置、步车间通信系统及步车间通信方法 |
CN108198418A (zh) * | 2017-12-29 | 2018-06-22 | 温岭市创嘉信息科技有限公司 | 一种结合关键点的交通大数据获取系统 |
CN108389391A (zh) * | 2018-02-27 | 2018-08-10 | 福州市极化律网络科技有限公司 | 移动互联网路况计算系统 |
CN109584567A (zh) * | 2018-12-29 | 2019-04-05 | 浙江方大智控科技有限公司 | 基于车路协同的交通管理方法 |
CN109872529A (zh) * | 2017-12-01 | 2019-06-11 | 北京万集科技股份有限公司 | 基于lte-v通信的交通流信息采集方法和装置 |
CN110047301A (zh) * | 2019-04-19 | 2019-07-23 | 山东科技大学 | 一种城市快速路智能交叉口左转车辆检测及信号控制系统和方法 |
CN110880236A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理方法、装置及系统 |
CN111489548A (zh) * | 2020-02-28 | 2020-08-04 | 广东中科臻恒信息技术有限公司 | 动态道路交通信息采集方法及系统、存储介质 |
CN111599169A (zh) * | 2020-04-01 | 2020-08-28 | 广东中科臻恒信息技术有限公司 | 路侧单元巡检方法、设备、计算机可读存储介质 |
CN112270355A (zh) * | 2020-10-28 | 2021-01-26 | 长沙理工大学 | 基于大数据技术与sae-gru的主动安全预测方法 |
CN112382098A (zh) * | 2021-01-12 | 2021-02-19 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
CN112542048A (zh) * | 2020-12-19 | 2021-03-23 | 桂林理工大学 | 一种基于无人机-车载协作网的车辆安全评级方法 |
CN112712697A (zh) * | 2020-12-30 | 2021-04-27 | 上海智能交通有限公司 | 面向车路协同应用的车道级交通状态判别方法及系统 |
CN112919381A (zh) * | 2021-03-22 | 2021-06-08 | 河南省特种设备安全检测研究院 | 一种防爆叉车及安全评价方法 |
CN114170807A (zh) * | 2020-09-11 | 2022-03-11 | 北京聚利科技有限公司 | 车辆轨迹信息获取方法、装置、设备和存储介质 |
CN114173289A (zh) * | 2020-09-11 | 2022-03-11 | 北京聚利科技有限公司 | 路侧单元控制方法、装置、设备及计算机可读存储介质 |
CN114241756A (zh) * | 2021-12-07 | 2022-03-25 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路施工期间硬路肩动态使用方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09259387A (ja) * | 1996-03-19 | 1997-10-03 | Nec Corp | 交通渋滞情報検出装置および交通渋滞情報システム並びに交通渋滞情報受信表示装置 |
US20070225894A1 (en) * | 2006-03-27 | 2007-09-27 | Denso Corporation | Traffic information management system |
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN103117889A (zh) * | 2013-01-17 | 2013-05-22 | 北京交通大学 | 车路协同信息交互仿真系统及方法 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
-
2014
- 2014-01-10 CN CN201410013399.7A patent/CN103761876B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09259387A (ja) * | 1996-03-19 | 1997-10-03 | Nec Corp | 交通渋滞情報検出装置および交通渋滞情報システム並びに交通渋滞情報受信表示装置 |
US20070225894A1 (en) * | 2006-03-27 | 2007-09-27 | Denso Corporation | Traffic information management system |
CN102637357A (zh) * | 2012-03-27 | 2012-08-15 | 山东大学 | 一种区域交通状态评价方法 |
CN103117889A (zh) * | 2013-01-17 | 2013-05-22 | 北京交通大学 | 车路协同信息交互仿真系统及方法 |
CN103226892A (zh) * | 2013-04-08 | 2013-07-31 | 福建工程学院 | 一种优化型的道路拥塞状态发现方法 |
Non-Patent Citations (1)
Title |
---|
叶扬: "动态交通信息采集与处理技术的研究与开发", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑 》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392607A (zh) * | 2014-11-18 | 2015-03-04 | 青岛海信网络科技股份有限公司 | 一种交通状态判别方法及装置 |
CN105809953B (zh) * | 2014-12-27 | 2018-07-10 | 吉林大学 | 一种基于m2m的城市交通流车路协同控制方法 |
CN105809953A (zh) * | 2014-12-27 | 2016-07-27 | 吉林大学 | 一种基于m2m的城市交通流车路协同控制方法 |
CN105046983A (zh) * | 2015-08-14 | 2015-11-11 | 奇瑞汽车股份有限公司 | 一种基于车路协同的交通流量预测系统及方法 |
CN106470483A (zh) * | 2015-08-17 | 2017-03-01 | 电信科学技术研究院 | 一种信息发送与控制信息发送的方法及装置 |
CN105160879A (zh) * | 2015-09-01 | 2015-12-16 | 同济大学 | 一种基于道路拓扑结构的车辆信息无线采集方法 |
CN108140307A (zh) * | 2015-12-18 | 2018-06-08 | 松下知识产权经营株式会社 | 步行者终端装置、车载终端装置、步车间通信控制装置、步车间通信系统及步车间通信方法 |
CN107301369A (zh) * | 2017-09-04 | 2017-10-27 | 南京航空航天大学 | 基于航拍图像的道路交通拥堵分析方法 |
CN109872529A (zh) * | 2017-12-01 | 2019-06-11 | 北京万集科技股份有限公司 | 基于lte-v通信的交通流信息采集方法和装置 |
CN108198418A (zh) * | 2017-12-29 | 2018-06-22 | 温岭市创嘉信息科技有限公司 | 一种结合关键点的交通大数据获取系统 |
CN108389391A (zh) * | 2018-02-27 | 2018-08-10 | 福州市极化律网络科技有限公司 | 移动互联网路况计算系统 |
CN108389391B (zh) * | 2018-02-27 | 2021-08-27 | 智慧城市(保定)企业管理服务有限公司 | 移动互联网路况计算系统 |
CN110880236B (zh) * | 2018-09-05 | 2022-06-14 | 阿里巴巴集团控股有限公司 | 路况信息处理方法、装置及系统 |
CN110880236A (zh) * | 2018-09-05 | 2020-03-13 | 阿里巴巴集团控股有限公司 | 路况信息处理方法、装置及系统 |
CN109584567A (zh) * | 2018-12-29 | 2019-04-05 | 浙江方大智控科技有限公司 | 基于车路协同的交通管理方法 |
CN110047301B (zh) * | 2019-04-19 | 2021-07-27 | 山东科技大学 | 一种城市快速路智能交叉口左转车辆检测及信号控制系统和方法 |
CN110047301A (zh) * | 2019-04-19 | 2019-07-23 | 山东科技大学 | 一种城市快速路智能交叉口左转车辆检测及信号控制系统和方法 |
CN111489548A (zh) * | 2020-02-28 | 2020-08-04 | 广东中科臻恒信息技术有限公司 | 动态道路交通信息采集方法及系统、存储介质 |
CN111599169A (zh) * | 2020-04-01 | 2020-08-28 | 广东中科臻恒信息技术有限公司 | 路侧单元巡检方法、设备、计算机可读存储介质 |
CN114170807A (zh) * | 2020-09-11 | 2022-03-11 | 北京聚利科技有限公司 | 车辆轨迹信息获取方法、装置、设备和存储介质 |
CN114170807B (zh) * | 2020-09-11 | 2023-04-28 | 北京聚利科技有限公司 | 车辆轨迹信息获取方法、装置、设备和存储介质 |
CN114173289A (zh) * | 2020-09-11 | 2022-03-11 | 北京聚利科技有限公司 | 路侧单元控制方法、装置、设备及计算机可读存储介质 |
CN112270355B (zh) * | 2020-10-28 | 2023-12-05 | 长沙理工大学 | 基于大数据技术与sae-gru的主动安全预测方法 |
CN112270355A (zh) * | 2020-10-28 | 2021-01-26 | 长沙理工大学 | 基于大数据技术与sae-gru的主动安全预测方法 |
CN112542048B (zh) * | 2020-12-19 | 2022-06-07 | 桂林理工大学 | 一种基于无人机-车载协作网的车辆安全评级方法 |
CN112542048A (zh) * | 2020-12-19 | 2021-03-23 | 桂林理工大学 | 一种基于无人机-车载协作网的车辆安全评级方法 |
CN112712697A (zh) * | 2020-12-30 | 2021-04-27 | 上海智能交通有限公司 | 面向车路协同应用的车道级交通状态判别方法及系统 |
WO2022152026A1 (zh) * | 2021-01-12 | 2022-07-21 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
CN112382098A (zh) * | 2021-01-12 | 2021-02-19 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
CN112382098B (zh) * | 2021-01-12 | 2021-07-06 | 中兴通讯股份有限公司 | 交通拥堵检测方法、装置、电子设备及存储介质 |
CN112919381A (zh) * | 2021-03-22 | 2021-06-08 | 河南省特种设备安全检测研究院 | 一种防爆叉车及安全评价方法 |
CN114241756A (zh) * | 2021-12-07 | 2022-03-25 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路施工期间硬路肩动态使用方法和系统 |
CN114241756B (zh) * | 2021-12-07 | 2023-03-31 | 中交第一公路勘察设计研究院有限公司 | 一种高速公路施工期间硬路肩动态使用方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103761876B (zh) | 2015-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761876B (zh) | 基于车路协同的道路交通信息采集方法 | |
CN104778834B (zh) | 一种基于车辆gps数据的城市道路交通拥堵判别方法 | |
CN111341095B (zh) | 一种基于边缘侧在线计算的交通信号控制系统及方法 | |
CN104575035B (zh) | 一种基于车联网环境下交叉口的自适用控制方法 | |
CN102737504B (zh) | 一种基于驾驶特性的公交车到站时间实时估计方法 | |
CN101650876A (zh) | 城市路段交通流平均速度获取方法 | |
CN111951549B (zh) | 在网联车辆环境下的自适应交通信号灯控制方法及系统 | |
CN104408948B (zh) | 基于车载gps的城市道路交通公交优先信号控制方法 | |
CN105847177B (zh) | 一种基于功率和速率联合调整的车联网拥塞控制方法 | |
CN105321347A (zh) | 一种分层次的路网交通拥堵评价方法 | |
CN101350134A (zh) | 基于dsrc的车辆紧急信息发送机制及系统 | |
CN105139645A (zh) | 一种基于浮动车技术的城市区域路网运行指数评估方法 | |
CN104574970A (zh) | 城市地下停车系统出入口接驳处交通状态评价方法 | |
Souza et al. | Decreasing greenhouse emissions through an intelligent traffic information system based on inter-vehicle communication | |
CN103794061A (zh) | 基于多种定位数据计算道路融合行程车速的方法 | |
CN103593989A (zh) | 城市道路交通公交优先信号控制方法 | |
CN108039046A (zh) | 一种基于c-v2x的城市交叉路口行人检测识别系统 | |
CN106887140B (zh) | 一种基于vanet的道路交通拥堵检测方法 | |
CN103198713A (zh) | 基于交通数据和天气数据的减少交通事故的车辆调控方法 | |
CN107833459A (zh) | 一种基于gps数据的城市公交运行状况评价方法 | |
CN107766945A (zh) | 城市路网承载力的计算方法 | |
CN101656021A (zh) | 一种路况的判别方法、系统及交通信息处理系统 | |
CN102063791B (zh) | 一种信号控制与定位监控相结合的公交车辆行车控制方法 | |
CN105575140A (zh) | 一种基于rfid电子标签的城市车辆限行方法 | |
CN102542795A (zh) | 一种路网承载能力的计算方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151202 Termination date: 20170110 |