CN108269395B - 适用于车载短距离通信网络交通拥塞预测和处理方法 - Google Patents

Abstract

本发明公开了一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，主要实现方式是路侧节点通过接收周围车辆广播发送的包含地理位置的信息，获得车辆平均速度、车流量、车流密度等信息，然后通过道路交通基础设施获得信号灯时间信息、行人密度等信息，然后从本地或者后台获得上述信息的历史数据，运用贝叶斯网络模型理论，借助获得的实时数据和历史数据对路侧节点所在路口的拥塞进行预测，然后将预测结果上报到后台系统，并更新历史数据，然后利用计算结果，在拥塞等级达到门限值后，利用各个信息对拥塞的敏感性，对拥塞进行预防和处理。

Description

适用于车载短距离通信网络交通拥塞预测和处理方法

技术领域

本发明涉及一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，属于通信与信息领域，尤其是车载通信技术领域。

背景技术

车载短距离通信(Vehicle to X：V2X)网络是通过无线通信、GPS/GIS、传感等短距离通信技术实现的车内(CAN-Controller Area Network)、车路(Vehicle-2-RSU)、车间(Vehicle-2-Vehicle)、车外(vehicle-2-Infrastructure)、人车(Vehicle-2-Person)之间的通信。

V2X中的车载节点配备有GPS或者北斗等设备，车载节点按照设定的时间间隔定期向周围广播本节点的地理位置等信息(称为心跳信息)，同时也接收周围节点发送的心跳信息，从而获得周围车载节点同本车的距离，从而计算出同本车的相对距离、速度、加速度等信息。

路侧节点是V2X网络中的一类重要的节点，由于受安装条件、供电、网络等因素的限制，路侧节点一般安装在城市道路的交叉路口位置。路侧节点一般部署到道路的路口，由于路侧节点天线部署位置高、供电不受限制，因此具有较大的覆盖范围，可以接收各个路口及附近车辆广播的心跳信息，从而获得各个车辆的地理位置信息，进而获得各个车辆的行驶方向、速度。

同时，路侧节点同路口的交通信号灯连接，在将信号灯状态广播到周围车辆的同时，可以将交通信号灯的状态用于交通状态的评估和预测。另外，交通路口可以通过设置行人行走检测装置，或者通过监控摄像头中图像信息的自动识别等方式，获得在路口各个方向之间行人的人数和速度等信息。配合其他交通基础设置，路侧节点还可以获得其他信息。

现有道路交通状况，只能通过车辆速度进行评估，无法通过更多的因素进行预测和判定，拥塞的处理能力较差。V2X中路侧节点可以获得周围车辆位置信息、速度，并通过交通基础设施，可以获得其他的信息。多维信息的实时综合预测面临较大的困难，贝叶斯网络模型能有效处理多个变量之间的不确定性、关联性，并支持通过大量历史数据进行训练，从而能进行更加有效的道路拥塞预测和处理。

本发明实施例通过V2X中的路侧节点通过周围车辆的心跳信息获得车辆的数量、速度、车流量信息，并通过道路交通基础设施获得信号灯的信息和行人的信息，通过贝叶斯网络模型对道路的拥塞状况进行预测，并在拥塞等级达到门限值时对拥塞进行预防和处理。

发明内容

鉴于上述原因，本发明的目的在于提供一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法。为实现上述目的，本发明采用以下技术方案：一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，路侧节点通过接收周围车辆定期广播发送的包含车辆地理位置的消息，再通过道路交通管理基础设施获得信号灯时间信息以及其他信息，利用贝叶斯网络模型，对路侧节点所在的道路拥塞进行预测和处理。

优选的，路侧节点获得需要的信息后，通过贝叶斯网络模型，对道路交通拥塞进行预测。

优选的，路侧节点通过接收周围车辆定期广播发送的包含车辆地理位置的消息后，确定道路的车流量、车流密度、平均车速。

优选的，路侧节点通过本地或者网络将历史数据用于利用贝叶斯网络模型，获得后验概率，提高预测的精确性，同时，获得的信息和预测运算结果，也实时更新历史数据表，以供后续的预测使用。

优选的，利用接收和信息和预测结果，利用各个影响因素对拥塞概率的敏感性实现拥塞的预防和控制。

优选的，为简化计算，可以采取将拥塞和其他信息分为有限等级的方式。

优选的，预测结果可以通过连接路侧节点的网络传输到后台系统，提供道路交通管理的预测和管理。

本发明的优点是：

本发明主要实现方式是路侧节点通过接收周围车辆广播发送的包含地理位置的信息，获得车辆平均速度、车流量、车流密度等信息，然后通过道路交通基础设施获得信号灯时间信息、行人密度等信息，然后从本地或者后台获得上述信息的历史数据，运用贝叶斯网络模型理论，借助获得的实时数据和历史数据对路侧节点所在路口的拥塞进行预测，然后将预测结果上报到后台系统，并更新历史数据，然后利用计算结果，在拥塞等级达到门限值后，利用各个信息对拥塞的敏感性，对拥塞进行预防和处理

附图说明

图1是本发明的主要处理步骤。

具体实施方式

本实施例实现了一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，目的是路侧节点通过接收附近的车辆定期发送的包含地理位置坐标的消息(以下称为心跳信息)和交通信号灯、行人检测设备等道路基础设施的综合信息，利用贝叶斯网络模型对路口的交通拥塞状况进行预测，然后通过连接路侧节点的网络将实时预测结果发送到后台管理平台，并对历史数据进行更新。同现有的以车辆行驶速度为基础的道路交通状况相比，这种方式更加全面，并且可以对引起道路交通拥堵的原因进行分析，从而进行有效的拥塞预防和处理。

贝叶斯网络模型可以用于表达和分析不确定性和概率性的事件,可以从不完全、不精确或不确定的知识或信息中做出推理,是不确定知识和推理领域中有效的理论模型。本发明的实施例中，路侧节点通过周围车辆的心跳信息和道路交通管理基础设施中获得多维信息，适于采用贝叶斯网络模型进行综合预测。

本实施例路侧节点获得的信息有车流量(Vf)、车流密度(Td)、平均车速(Ts)、交通信号灯红灯时间(Rt)、行人密度信息(Pd)，根据这些信息，对发生交通拥塞(Js)进行预测。

本实施例利用贝叶斯网络模型根据获得的信息对路口的交通状况进行预测。其基础是贝叶斯法则：

其中，p(h)和p(h|D)分别表示判断没有经验数据时h事件的先验概率和经过经验数据学习的后验概率，反映了经验数据对预测的修正作用。

在利用经验数据学习时,一般采用可能性最大的假设,即极大后验假设

本实施例中，根据已经获得的信息，对路口拥堵状况进行预测可以表示为：

由于车流量是不依赖于其他因素的项，因此，

本实施例中，平均车速受红绿灯、行人密度的影响，车流密度受平均车速、车流量的影响。反复应用式(1)和联合概率分布的相乘方法，就可以求得p(Ts|Rt,Pd,Js)，p(Td|Ts,Vf,Js)。

本实施例中，为了计算方便，把拥塞分为5个等级Js＝{1,2,3,4,5}，分别对应顺畅到重度拥塞。分别通过式(3)计算各个等级的拥塞最大后验假设：

P1＝p(Js＝1|Vf,Td,Ts,Rt,Pd)，P2＝p(Js＝2|Vf,Td,Ts,Rt,Pd)，P3＝p(Js＝3|Vf,Td,Ts,Rt,Pd)，P4＝p(Js＝4|Vf,Td,Ts,Rt,Pd)，P5＝p(Js＝5|Vf,Td,Ts,Rt,Pd)

数值最大的概率对应的等级就是将要发生的拥塞等级。

本实施例的实施包括五个部分，流程如图1所示。

第一部分、路侧节点的信息收集。

1.1、系统首先设置拥塞程度和各收集参考信息的等级，本实施例中拥塞和车流量Vf、车流密度Td、平均车速Ts、交通信号灯红灯时间Rt、行人密度信息Pd都分为5个等级；

1.2、获得车辆的相关信息并进行存储。路侧节点通过接收周围车辆的心跳信息，通过其中的地理位置信息，获得周围车辆的车流量Vf，车流密度Td，平均车速Ts；

1.3、获得交通信号灯红灯时间Rt和行人密度信息Pd；

第二部分、路侧节点历史数据获取

路侧节点通过本地或者通过在后台系统获得历史数据，并且根据当前的实时数据，对隶属数据进行更新。

2.1、获得本节点当前时间段的拥塞概率p1(Js)，p2(Js)，p3(Js)，p4(Js)，p5(Js)的历史数据，作为当前没有其他信息训练的先验概率；

2.2、获得本节点各种拥塞等级条件下的历史数据，包括各拥塞等级下的车流量(Vf)、车流密度(Td)、平均车速(Ts)、交通信号灯红灯时间(Rt)、行人密度信息(Pd)的历史数据；

2.3、获得本节点各种拥塞等级信息条件下的历史信息间相互数据，包括：各个等级的交通信号灯红灯时间和行人密度信息下的车流密度p(Td|Rt,Pd)、平均车速和车流量下的车流密度p(Td|Ts,Vf)；

第三部分、路侧节点的拥塞等级预测运算

3.1、根据收集到是实时数据，采用式(3)对各个拥塞等级的最大后验概率进行计算，获得收集到的数据进行拥塞等级预测运算，获得{P1,P2,P3,P4,P5}；

3.2、概率最大的等级，就是将要发生的拥塞等级。

第四部分、拥塞预测结果上报和历史数据更新

4.1、路侧节点将计算的实时拥塞等级的最大后验概率结果通过网络传输到后台系统，为周围区域的其他路口的路侧节点提供信息，并且为整个城市的交通状况预测提供信息；

4.2、路侧节点将计算结果和实时数据作为历史数据更新到本地的历史记录表中，作为后续进行预测的经验数据，提高后续的预测更加准确；

第五部分、拥塞预防和处理

后台系统接收到路侧节点上传的预测数据后，在拥塞等级达到设置的门限后，对拥塞进行预防和处理。主要方法是利用联合概率，分析各个因素对拥塞的敏感性，对拥塞进行预防和处理。采用的方法是将各个信息作为条件概率形成阻塞概率表，以信号灯红灯长度为例，某时刻对应该路侧节点采集的其他信息的阻塞概率如表1所示，如果目前交通信号灯红灯时间状态是2，当前阻塞等级为4的概率为p4-4＝0.85，p3-4＝0.43，则表明将交通信号灯红灯时间减少一个等级可以显著降低当前的阻塞，相反，如果概率差别地域门限值，则按照相同的方法寻找其他因素改善来处理该路口的阻塞。

表1

通过本实施例，可以在车载短距通信网络中，路侧节点通过接收周围车载节点定期广播的心跳信息，同时借助道路交通基础设施提供的其他信息，利用贝叶斯网络模型，对本路口的道路阻塞状态进行预测，同时将历史数据和预测结果保存后作为后续预测的学习数据。在此基础上，利用计算结果，对阻塞进行处理和预防，并通过网络将数据传输到后台系统，为提前路口提供相关信息，并提供整个道路运输网络的拥塞控制和管理。

以上所述是本发明的较佳实施例及其所运用的技术原理，对于本领域的技术人员来说，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变，均属于本发明保护范围之内。

Claims (7)

1.一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，路侧节点通过接收周围车辆定期广播发送的包含车辆地理位置的消息，再通过道路交通管理基础设施获得信号灯时间信息以及其他信息，利用贝叶斯网络模型，对路侧节点所在的道路拥塞进行预测和处理；

其具体流程如下：

第一部分、路侧节点的信息收集；

1.1、系统首先设置拥塞程度和各收集参考信息的等级，并将拥塞和车流量Vf、车流密度Td、平均速度Ts、交通信号灯红灯时间Rt、行人密度信息Pd都分为5个等级；

1.2、获得车辆的相关信息并进行存储，路侧节点通过接收周围车辆的心跳信息，通过其中的地理位置信息，获得周围车辆的车流量Vf，车流密度Td，平均车速Ts；

1.3、获得交通信号灯红灯时间Rt和行人密度信息Pd；

第二部分、路侧节点历史数据获取；

路侧节点通过本地或者通过在后台系统获得历史数据，并且根据当前的实时数据，对隶属数据进行更新；

2.1、获得本节点当前时间段的拥塞概率p1(Js)，p2(Js)，p3(Js)，p4(Js)，p5(Js)的历史数据，作为当前没有其他信息训练的先验概率；

2.2、获得本节点各种拥塞等级条件下的历史数据，包括各拥塞等级下的车流量Vf、车流密度Td、平均速度Ts、交通信号灯红灯时间Rt、行人密度信息Pd的历史数据；

2.3、获得本节点各种拥塞等级信息条件下的历史信息间相互数据，包括：各个等级的交通信号灯红灯时间和行人密度信息下的车流密度p(Td|Rt，Pd)、平均车速和车流量下的车流密度p(Td|Ts，Vf)；

第三部分、路侧节点的拥塞等级预测运算；

3.1根据收集到是实时数据，采用如下公式对各个拥塞等级的最大后验概率进行计算，获得收集到的数据进行拥塞等级预测运算，获得{P1，P2，P3，P4，P5}；

3.2、概率最大的等级，就是将要发生的拥塞等级；

第四部分、拥塞预测结果上报和历史数据更新；

4.1、路侧节点将计算的实时拥塞等级的最大后验概率结果通过网络传输到后台系统，为周围区域的其他路口的路侧节点提供信息，并且为整个城市的交通状况预测提供信息；

4.2、路侧节点将计算结果和实时数据作为历史数据更新到本地的历史记录表中，作为后续进行预测的经验数据，提高后续的预测更加准确；

第五部分、拥塞预防和处理；

后台系统接收到路侧节点上传的预测数据后，在拥塞等级达到设置的门限后，对拥塞进行预防和处理，主要是利用联合概率，分析各个因素对拥塞的敏感性，对拥塞进行预防和处理。

2.如权利要求1所述的一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，其特征在于，路侧节点获得需要的信息后，通过贝叶斯网络模型，对道路交通拥塞进行预测。

3.如权利要求1所述的一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，其特征在于，路侧节点通过接收周围车辆定期广播发送的包含车辆地理位置的消息后，确定道路的车流量、车流密度、平均车速。

4.如权利要求1所述的一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，其特征在于，路侧节点通过本地或者网络将历史数据用于利用贝叶斯网络模型，获得后验概率，提高预测的精确性，同时，获得的信息和预测运算结果，也实时更新历史数据表，以供后续的预测使用。

5.如权利要求1所述的一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，其特征在于，利用接收和信息和预测结果，利用各个影响因素对拥塞概率的敏感性实现拥塞的预防和控制。

6.如权利要求2所述的一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，其特征在于，为简化计算，可以采取将拥塞和其他信息分为有限等级的方式。

7.如权利要求4所述的一种适用于车载短距离通信网络的路测节点交通拥塞预测和处理方法，其特征在于，预测结果可以通过连接路侧节点的网络传输到后台系统，提供道路交通管理的预测和管理。