CN1936999A - 一种基于无线传感器网络的城市区域交通协同控制方法 - Google Patents

Abstract

一种基于无线传感器网络的城市区域交通协同控制方法属于智能交通技术领域。本发明采用了六种无线传感器节点，构成了四种不同用途的无线传感器网络，形成了四种层次上的协同：路段与车的协同、路口与路口的协同、路口与子区的协同和子区与子区的协同，能够完成四个功能，即利用无线传感器网络进行实时交通流数据的采集，快捷、精确；路口能够根据实时交通流的需求动态选择自主式信号控制算法或协同式信号控制算法来生成最优的信号配时方案；路口能够与车通信达到空间上交通流的重新分配；远程控制端能够对路口信号配时方案进行强行控制。本发明与现有信号控制系统硬件设备实现了很好的兼容。

Description

一种基于无线传感器网络的城市区域交通协同控制方法

技术领域

本发明属于智能交通技术领域，涉及一种用于城市区域交通信号控制的协同控制方法。

背景技术

对于一个先进的城市区域交通信号控制系统来说，以下几点非常重要：(1)根据路口未来交通流需求来实时制度信号配时方案；(2)准确预测某路口下一周期将要到达的交通流量，其中，有两点非常关键：预测时间窗长度和交通流预测频率。预测时间窗长度即为在下一周期信号配时方案制定之前，能够预测多长时间以后将会通过该路口的车流量；(3)需要从时间上和空间上同时对交通流进行控制和诱导。此外，还必须考虑系统安装是否简便，维护是否方便，构建成本是否低廉等众多重要因素。自从1963年加拿大多伦多市建成了世界上第一套由数字计算机实现的城市区域交通信号控制系统以来，人们相继完成了很多城市区域交通信号控制系统，其中，目前用的非常广泛的有TRANSYT系统、SCATS系统和SCOOT系统。下面分别对以上几个系统进行分析来说明目前城市区域交通信号控制系统所存在的问题。

TRANSYT系统是一种离线信号配时优化控制系统，最初版本于1968年研制成功。该系统主要由两部分组成：(1)交通模型：用来模拟在信号灯控制下交通网上的车辆行驶状况，从而决定在一组给定的信号配时方案作用下网络的运行指标；(2)优化过程：改变信号配时方案并确定指标是否减小，这样经过反复试算来求得最佳配时方案。该系统的缺点在于：(1)是一个离线系统，信号配时的优化过程是由历史数据完成，不能反映实时交通流的变化；(2)系统没有考虑利用交通流诱导技术来实现空间上的交通流分配问题；(3)信号配时优化的计算量太大，如何找出信号配时全局最优解理论还没有彻底解决，仍在探索中；(4)系统交通模型需要大量的网络几何尺寸和交通流信息，而这些信息的采集需要花费大量的人力和时间；并且这些数据的更新也非常困难。

SCATS系统是一种自适应交通在线方案选择控制系统，主要分为三层结构，即控制中心、区域控制机和交通信号控制器。控制中心完成系统的监控和管理功能；区域控制机通过分析各路口控制器采集到的车流信息，从事先确定好的多种信号配时中选择一种最优的信号配时方案作为当前交叉路口信号配时方案；交通信号控制器完成交通流信息的采集和分析，接收区域控制机的信号配时指令来控制本路口各信号灯色变换以及在实施感应控制时，根据本路口的交通需求，自主控制各入口信号灯的灯色变换。该系统的缺点在于：(1)作为一种实时在线选择式信号控制系统，各种信号配时方案是根据历史数据事先确定的，不能很好反映实时交通流的变化需求；(2)检测器安装在路口停车线附近，难以检测车队的行进，无法进行路口间的协同控制；(3)没有考虑从空间上来对交通流进行诱导；

SCOOT系统是一种实时信号配时方案在线生成系统，主要由四个部分组成：(1)交通流数据的采集和分析，其中，交通流数据的采集是通过埋在路口上游路段的检测器来完成；(2)交通模型，其作用是根据第一阶段生成的周期交通流分布图与计算机中的静态参数相结合来计算某一信号配时方案下的性能指标，例如延误、停车次数等；(3)交通信号配时参数优化与调整，对绿信比的优化调整是利用“大幅度”的“临时调整”和“小幅度”的“永久性调整”两部分完成；对相位差的优化调整是调整绿灯的开始时间实现的；对周期的优化调整是每个子区单独进行优化调整的，子区间不存在通信；(4)信号控制系统，主要是根据信号配时方案来对信号灯进行控制。该系统的缺点在于：(1)利用小步长对绿信比进行调整，无法解决交通流突变对信号控制的影响；(2)检测器埋在路口的上游路段，预测未来到达该路口的时间长度比较短；(3)信号相位已经固定，不能根据实时交通流的变化进行动态调整；(4)没有考虑利用交通流诱导技术来从空间上对交通流进行重新分配；(5)系统交通模型需要大量的网络几何尺寸和交通流信息，而这些信息的采集需要花费大量的人力和时间；并且这些数据的更新也非常困难。

将无线传感器网络应用于城市区域交通信号控制系统中，可以很方便的解决以下几个问题：(1)利用无线传感器节点之间的相互通信能力能够很好实现路口间的协同通信。目前的一些实时信号控制系统，如SCOOT系统简单的假设路口交通流的变化是一种平滑的变化趋势，使用路段上所有车辆的平均车速作为该路段上每辆车的车速来反映真实的交通，这样做明显违背了现实交通的运行情况：现实交通中经常发生交通拥挤、交通事故，而这些现象的发生都会导致某些路口交通发生突变，故假设路口交通流的变化是一种平滑的变化趋势是不正确的。本发明中使路口间能够协同通信的好处在于：路口某相位能够快捷的获得其上游路口在该相位所预测的下一周期的车流量，而这些车流量在下一周期将会通过该路口，故路口利用无线传感器网络能够方便获得该路口下两个周期的车流量信息，从而在交通流发生突变之前，能够及时对交通流进行控制；(2)利用无线传感器网络能够实现路口与车辆间的协同通信，从而实现从空间上对车辆进行诱导达到交通流重新分配的目的；(3)利用无线传感器网络来进行实时交通流数据信息的采集，采集精度比目前基于磁性线圈以及视频技术的采集精度高，而且能够很好避免目前交通流数据信息采集的缺点，如安装困难、维护困难等；(4)利用无线传感器网络的通信能力，能够实现从远程端对路口信号灯进行控制，其目的能够辅助各种救援车辆快速赶到突发事件现场，例如：救护车需要通过某路段，可以强制让该路段所有路口在规定时间内亮绿灯。

发明内容

本发明的目的是提供一种将无线传感器网络应用于城市区域交通信号控制系统中，缩短车辆延误时间，减少交通拥塞的发生，以及突发事件交通信号的应急控制的基于无线传感器网络的城市区域交通协同控制方法。

在本发明中，给出了一种新的路口自主控制算法、一种新的区域协同控制方法、一种新的车流诱导方法、一种新的基于无线传感器网络的交通流信息采集方法以及一种新的交通信号远程控制方法。

本发明的技术解决方案是：在路面、路口信号机、路侧、区域的关键路口、车辆中以及远程控制中心安装六种无线传感器节点，即路面传感器节点、路口信号机传感器节点、路侧传感器节点、区域传感器节点、车载传感器节点和远程控制传感器节点，在传感器节点中安装功能各异的移动agent，从而搭建四种无线传感器网络：实时交通流数据采集传感器网络、交通协同控制传感器网络、车辆诱导传感器网络和远程控制传感器网络。实时交通流数据采集传感器网络由路面传感器节点、路侧传感器节点和路口信号机传感器节点组成，完成实时交通流数据信息的采集；交通协同控制传感器网络由路口信号机传感器节点、路侧传感器节点和区域传感器节点组成，通过路口自主信号控制算法和区域协同控制算法完成信号配时方案的生成；车辆诱导传感器网络由车载传感器节点、路侧传感器节点和路口信号机传感器节点组成，通过进行车辆的实时诱导来实现交通流在空间上的重新分配；远程控制传感器网络由远程控制端的网关传感器节点、路侧传感器节点和路口信号机传感器节点组成，完成当系统出现异常情况或在突发事件发生的情况下，通过远程控制中心对路口信号机强行进行控制。

从功能上可以将该系统划分为四层体系结构：实时交通流数据采集层、路口控制层、区域控制层和交通流诱导与控制层。具体图形如图2所示。下面将分别从以上四层功能来介绍本发明的具体过程。

实时交通流数据采集层：其功能主要完成实时交通流数据信息的采集，包括车流量信息的采集和车速信息的采集，具体实施过程将在具体实施方式中详细介绍。交通流数据采集有三个关键因素需要考虑：检测器的安装位置、检测参数的种类和检测数据的传输和处理。

检测器的安放位置直接决定了交通流预测的时间窗长度和路口信号配时方案的生成方法。SCATS系统将车辆检测器放置在路口停车线附近是因为该系统是一种在线方案选择式系统，系统事先根据历史数据已经生成了许多种信号配时方案，检测器所检测到的交通信息只是为选择最合理的一种信号配时方案提供选择依据，故所选择的信号配时方案并不能完全体现实时交通流的需求。SCOOT系统将车辆检测器放置在路口的上游路段处，虽然预测精确较高，但是能预测未来将到达该路口的车辆的时间长度却较短。RHODES系统为了获得路口某一相位未来较长的预测时间长度，将检测器放置到该相位上游路口各个相位的入口处，这样做却是牺牲预测的精度作为代价，因为左转车流和右转车流都需要估算转弯率，转弯率的估算非常麻烦，并存在较大误差。本系统采用短预测方式将检测器放置在路口的上游路段来保证预测的精确性，通过路口之间的协同通信来获得该路口某一相位下两个周期的车流量信息，从而扩大了预测的时间长度。

检测参数的种类由路口信号配时优化参数的种类决定。路口信号配时优化参数的目标是最小化某个给定的交通性能指标，由于交通流具有突变性，为了更真实的反映交通流的变化，不应该仅仅以一个性能指标为优化目标，而应该根据交通流的变化情况来决定交通性能指标。本发明采用两个性能指标：当路口某相位实际拥挤度值超过拥挤度阈值，则采用平均延误时间作为性能指标；否则，采用停车次数作为性能指标较合理。本发明中，采用周期、相序和相位时长作为信号配时方案指标，相位顺序是根据实时交通流的需求来确定的，故相位顺序可以自动进行动态调整。相位时长的计算将在路口自主控制算法中详细介绍。

检测数据的传输和处理的目的是通过对传感器节点所采集到的数据进行简单处理和压缩，使传输数据尽可能简洁、实用，并减少传输时延。本发明所采用的车辆检测器为磁性传感器；无线通信模块由微处理器、发送/接收模块组成，其电源可由路边路灯电源供给，解决了传感器节点能量有限的困难；路口信号机传感器节点由无线通信模块、无线通信网关、信号机和数据服务器组成。以上硬件平台传送的数据由两部分组成：数据信息头和传送消息体。数据信息头包括传感器节点发送数据信息的原地址和目的地址，传感器节点所在的组号，传送消息的长度以及发射射频的类型。传送消息体为检测器所检测到的车流量信息，如车速，车磁场强度。关于交通流采集方法将在具体实施方式中详细讲解。在数据的预处理过程中，本发明将数据信息头中的冗余信息给去掉了，如发送数据信息原地址，传感器节点所在组号，发送射频类型；保留的字段为发送的目的地址和传送消息长度。传送消息长度保留的目的是验证消息在传送过程中是否出现漏码，以及由漏码而导致的误码错误。

路口控制层：主要根据交通流预测模块所计算的交通量和车队长度来选择相应的优化性能指标进行配时参数的优化、调整，从而生成针对当前交通状况而言最优的信号配时方案。本层主要是从短时间上来对每个路口进行优化控制，如对未来1-2分钟内可能出现的车流量进行控制。下面将从交通流预测、参数优化调整、配时方案生成以及在线学习机制四个方面对该层进行详细讲解。

交通流预测需要完成两个功能：路口某相位在下周期将出现的车流量和路口的这个相位在下周期的车辆排队长度。车流量的计算比较简单，本发明中采用COUNT算法完成；车辆排队长度的计算比较复杂，本发明中采用QUEUE算法完成。在讲解COUNT算法和QUEUE算法之前，先设定几个变量：设车速为v，车到达该路口的时刻为t，车辆经过磁性传感器所产生的磁场强度为n，以上变量均可以由车辆检测器所检测到。

COUNT算法：路口信号机传感器节点接收到路侧传感器节点传送的车辆信息后，按照车辆到达路口时刻信息t的先后顺序将车辆信息进队列。这里以计算一个二相位的十字路口第一相位的车流量为例，如图3所示。其中，令C_we为东-西车道方向的车流量，C_ew为西-东方向的车流量，q₀为上周期结束后还滞留的车流量，t_r为当前周期的红灯时间，t_g为当前周期的绿灯时间。故相位1的车流量计算应综合考虑以上两个方向的车流量，此处以计算西-东方向的车流量为例。图3中总共阴影部分的面积为当前周期结束后该路口将会出现的车流量。

QUEUE算法：假设绿灯开始时刻t₀，此时在某个停车线上的已有队列为q(t₀)，绿灯结束时刻为t₁，此时的该停车线上剩余队列为q(t₁)，q(t₁)和q(t₀)的关系如下：

q(t₁)＝q(t₀)+c(t₁，t₀)-d(t₁，t₀)

在这里，c(t₁，t₀)是预测将在t₀，t₁之间到达的车辆数，d(t₁，t₀)是预测将在t₀，t₁之间离开的车辆数，可以利用已给出的车队消散率来计算。

参数优化调整模块是根据路口车流量信息来选择合适的性能指标。在每个路口的每个相位，都会事先设定一个拥挤度阈值。拥挤度阈值S_γ的设定如公式(1)所示。

$S_w=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_i}{T_g}---\left(1\right)$

其中， $t_i=\frac{d}{v},$ d为两个路面传感器节点间的距离，v为在拥挤情况下，车辆可能通过路面传感器节点的速度，v的取值可以参照我国公安部2002年在《城市交通管理评价指标体系》中规定的城市主干路上机动车的平均行车车速与交通拥挤程度的对应关系来取值，具体对应关系如图4所示。t_i为当前周期的绿灯时间。

本发明利用路段拥挤度值来决定配时方案性能指标的选择：当路口至少两个以上相位的实际拥挤度值超过拥挤度阈值，则采用车辆延误时间作为性能指标；否则，采用车辆停车次数作为性能指标。

车辆延误时间T其值由正常延误时间、随机延误时间和过饱和延误时间组成。正常延误时间由公式(2)给出；随机延误时间和过饱和延误时间由公式(3)给出。

$\stackrel{-}{t}=\frac{t_r^{2}s}{2C(s-q)}---\left(2\right)$

其中，

为正常延误时间，t_r为红灯时间，s为绿灯期间车辆的驶出率，通常为一个定值，由道路自然情况决定。C为周期长，q为车辆到达率。

$t_{\mathrm{RO}}=\frac{t}{4}\left\{\right[{(q_a-q_{\max })}^2+\frac{4q_a}{t}{]}^{\frac{1}{2}}+q_a-q_{\max }\}---\left(3\right)$

其中t_R0为随机延误和过饱和延误时间，q_a为该路段中平均到达停车线的流量，其值可由车辆的位置和车辆的速度预测得到；q_max为停车线断面可放行的最大流量，其值由各个路口的特征而定。

停车次数的计算方法如下：设停车次数为N，则：

$N=\underset{i<=p}{\mathrm{\&Sigma;}}{S}_j^i(x_j,t_j)---\left(4\right)$

式中，S_j ⁱ(x_j，i_j)为阶段j状态x_j采取策略t_j时相位i的停车次数。如果当前相位不是绿灯相位时，S_j ⁱ(x_j，t_j)的计算公式如公式(5)所示，否则，如公式(6)所示。

$S_j^i(x_j,t_j)=a_j^i(x_{j-1},x_j)---\left(5\right)$

式中，a_j ⁱ(x_j-1，x_j)为阶段j相位i在时刻x_j-1，x_j之间到达的车辆数。

$S_j^i(x_j,t_j)=\max \{0,a_j^i(x_{j-1},x_{j-1}+t_j)-\max [0,M^i\left(t_j\right)-p_j^i\left(x_{j-1}\right)\left]\right\}+a_j^j(x_{j-1}+t_j,x_j)---\left(6\right)$

式中，Mⁱ(t_j)为相位i在t_j其间最多可以消散的车辆数。

配时方案生成模块主要完成路口各个信号灯的控制方案。本发明中采用周期、相序和相位长度作为配时方案的组成要素，不仅可以适应交通流的突变，而且可以根据相位交通流的需求来动态调整相序。路口控制层在不需要区域控制层协同的情况下能够自主对路口进行控制，根据预测得到的交通流值来确定相序和相位长度。在确定相序时，除了需要考虑性能指标外，还需要考虑路口的特点，如由主干道和次干道所组成的交叉路口，应尽量考虑让主干道的车辆先行；如果都是由主干道所组成的交叉路口，并且路口各相位车队长度相差不太多的情况下，应考虑路段长度较短的主干道优先通行，因为如果让主干道较短的相位等待一段时间，将会是车队长度堵塞到该路口的上游路口处而造成拥塞。路口配时方案的生成主要由路口自主式控制算法和协同控制算法共同完成，具体算法将在具体实施方式中详细介绍。

在估算车辆到达路口的时延时，算法采用的是车辆经过两个路面传感器间的车辆速度来计算到达路口的时延，这样存在这一定的误差。在本发明中，利用车辆的重标识技术来实际测量车辆到达路口的时延，使系统具有自学习功能，能够根据实际测量的时延值对先前的预测值所生成的配时方案进行相应调整。车辆重标识技术的原理为：每一个车辆经过磁性传感器时，都会产生一个波形，不同的车辆所产生的波形是不一样的，即使是同种类型的车辆所产生的波形也是有差别的，如与车辆中乘客的数量、车辆的速度等。车辆的波形可以作为标识车辆的唯一标签，当车辆经过路口上游路段中不同的两个磁性传感器时，磁性传感器之间时间的差值即为车辆到达路口的时延值。路口传感器节点可以根据路面传感器节点实际测量的时延值对预测所生成的配时方案进行小步调整，如+1s，或者-1s。

区域控制层：充分考虑区域中各个路口之间的相互关系，利用路口间的协同控制达到整个交通网络交通负载的平衡。同时，该层还能检测出区域中将出现的车队，并预测车队在未来几分钟内可以出现的冲突以及给出解决冲突的策略。SCOOT系统在进行区域控制时，区域与区域之间单独控制，并且其假定车队是大小相等、速度一致和周期性到达的，没有充分考虑车队的随机性和行驶的连续性；SCATS系统由于检测器安装在停车线附近，难以检测车队的行径，故该系统也没有考虑车队到达时间、大小和速度的随机性。本发明利用路面传感器节点实时检测产生的车队，并预测车队的速度，利用APRES-NET仿真模型来预测车队在未来几分钟内的运动情况来检测冲突，并生成相应的冲突避免策略。区域控制层主要完成两个功能：(1)为了解决区域中部分路口交通负载严重不平衡现象，如部分路口交通密度很大，而周围其它路口交通密度却很小。(2)解决车队对绿信号需求冲突问题，为路口控制层制定配时方案给出约束条件，如图5所示。假设车队L₁₁在t₁时刻到达路口2，在t₂时刻通过路口2；而车队L₂₁在t₃时刻到达路口2，在t₄时刻离开路口2。如果[t₂，t₁]∩[t₄，t₃]！＝0，则车队L₁₁和车队L₂₁将会在路口A发生碰撞。功能(1)主要由协同控制算法完成，算法的具体过程将在具体实施方式中详细介绍。下面着重对车队对绿灯需求冲突预测算法进行介绍。

车队对绿灯需求冲突预测算法：主要由车队预测模型和冲突检测模型组成。车队预测由路面传感器节点完成，具体原理为：为了保证行车安全，同一车道同一方向的一列车队连续行驶前后两相邻车的车头之间通常有一定的时间间隔，最短的车头间距为极限车头间距，通常取2s。计算路口的交通流队列中车辆到达路口的时间差值，如果连续多辆车到达路口的时刻之间的差值都小于2s，则认为这一系列的车将形成一个车队，车辆的个数即为车队的长度，车队的速度取该路口所在路段中车辆行驶的平均速度。车队的冲突检测是利用APRES-NET仿真模型来完成。假设存在六个车队，分别为L₁₁、L₁₂、L₂₁、L₂₂、L₃₁和L₃₂，如图5所示，则在路口2和路口3可能存在冲突。路口一旦发生车队冲突，则有两种可采取的策略：给予一个车队优先通行权或把其中一个车队分裂为两部分，从而使整个区域车辆延误时间达到最小值。因此，依据图5可以给出以上车队发生冲突的策略树，如图6所示。计算从树根到每个叶子经过每种策略所引起的车辆延误，选取延误最小的那种策略为车队冲突解决策略，将策略值发送给相应路口的信号机传感器节点。

交通流诱导与控制层：主要完成三个功能：(1)利用车辆诱导传感器网络来从空间上对区域中的车流进行重新分配；(2)利用远程控制传感器网络来远程对路口信号机进行强行控制，如发生交通突发事件时，通过远程端对信号机进行强行控制来为救护车将要经过的路口实现绿灯；(3)利用检测器故障检测模块来检测路面传感器所发生的故障，并及时向远程控制中心汇报。SCOOT系统和SCATS系统都没有考虑利用交通流诱导功能来从空间上对交通流进行重新分配；RHODES系统没有在网络负载控制层对先进的出行信息系统进行太多实际的研究；SCOOT系统可以强行改变信号机中的信号配时方案，但是需要专业人员亲自到信号机现场进行修改，并不提供远程直接对信号机进行控制的功能；SCATS系统和RHODES系统也都不提供对路口信号机的远程控制功能。本发明利用无线传感器网络中间件技术将无线传感器网络和远程控制中心连接起来，在发生突发事件的情况下，即使不是专业的控制人员也可以很方便的对路口信号机进行强行控制。下面着重从以上三个功能来对交通流诱导与控制层进行详细讲解。

1.利用车辆诱导传感器网络来对车辆进行诱导，实质上是当车可能要经过的下游路口交通非常拥挤时，及时将下游路口信息发送给上游将要经过该路口的车辆，在必要的情况下给出报警信息，使其避免开往下游拥挤路口而引起不必要的拥塞。具体实施步骤如下：

(1)在车上安装车载传感器节点，其组成为无线通信模块和车载计算机或车载导航仪。无线通信模块由微处理器和发送接收模块组成，其电源由车载电源提供，解决传感器节点能量的限制。

(2)当从车辆进入一个新的路段时，向路面传感器节点发送车载传感器节点ID号，路面传感器节点将ID号发送给该路口的信号机传感器节点，信号机传感器节点将车辆ID号信息存放到一个车辆队列中。

(3)当车辆进入下一个新的路段时，向路面传感器节点发送车载传感器节点ID号，路面传感器节点向上游路口信号机传感器节点发送车辆ID号，上游路口信号机传感器节点将该车辆的ID号从队列中删除。

(4)当路口某相位的实际拥挤度值超过拥挤度阈值时，信号机传感器节点向上游路口信号机传感器节点发送信息，信息格式为：上游路口信号机传感器节点ID号+路口该相位车流量。

(5)上游路口接收到信息后，依次从车辆队列中取出车辆ID号，并附加下游路口车流量向该路口上游各个路段中的路侧传感器节点转发。

(6)路侧传感器节点接收到路口发送的车辆ID+下游路口车流量信息后，向相应的车载传感器节点发送。

2.利用远程控制传感器网络来对路口信号机传感器节点进行强行控制必须考虑远程控制端与信号机传感器节点的通信问题以及强行信号控制命令对现行信号控制的影响。本发明没有详细考虑强行信号控制命令对现行信号控制的影响问题，故下面只给出远程控制端与信号机传感器节点通信问题的解决方案，主要分为以下几个步骤：

(1)远程控制端由一个无线通信模块、一个无线通信网关和一台计算机组成，网关设备通过RS232串口与计算机相连，如图7所示。

(2)节点采用的通信协议为层次式路由协议，具体原理为：将每一个交通子区划分为一个簇，让区域传感器节点作为簇的簇头节点。在区域传感器节点中保存了该区域中所有路口信号机传感器节点的信息。在同一个簇内，区域传感器节点通过路侧传感器节点来实现与路口信号机传感器节点通信。子区之间只能通过区域传感器节点相互通信，具体原理如图8所示。故远程控制端与路口信号机的具体通信过程为：首先找到该路口所在的区域，将信息发送给区域传感器节点，区域传感器节点搜索该区域内路口信号机传感器节点的位置，将该信息转发给路口所在的路侧传感器节点，最后由路侧传感器节点将信息发送给所要访问的路口信号机传感器节点。

(3)在远程控制中心和路口信号机传感器节点中安装无线传感器网络移动代理中间件，该中间件主要分为两个部分：硬件节点端和远程控制端。硬件节点端的结构如图9所示。移动agent主要用来向周围信号机传感器节点发送请求信息；移动agent运行平台主要用来运行远程控制中心发送来的控制命令，邻居节点列表中记录了周围信号机传感器节点的位置信息。硬件节点对外提供了两个接口：一个是用来对外发送移动agent来传送命令信息，另一个是用来接收外面发送的移动agent命令请求。远程控制端部分的结构如图10所示。图10中，移动agent命令的编写主要用来编写用户想要远程控制信号机的命令，其主要包括绿灯时间，信号机编号，控制方式以及当前放行相位。

(4)考虑到无线通信模块的最大通信距离一般在100米-200米之间，而最近的区域传感器节点与远程控制中心的通信网关间的距离有可能超过这个距离，故有两种方式可以解决以上问题：一种是在远程控制中心与区域传感器节点间安装路侧传感器节点作为中继节点；另一种是在网关设备上安装GPRS无线发射模块，而在其中任意一个区域传感器节点中安装GPRS接收模块即可。

3.检测器故障检测模块主要是通过分析路面传感器所传出的数据是否合理来判断路面传感器节点是否出现故障以及出故障的路面传感器节点的具体位置信息。所谓是否合理主要是针对几种特殊的错误情况而言，主要包括以下几种：路面传感器节点在一个周期内没有发送任何数据信息；路面传感器节点在同一个周期内发送相同的数据信息；路面传感器节点发送的数据信息为乱码。判断出现故障的路面传感器节点的具体位置由查询设备维护表来完成。设备维护表中记录着设备类型，设备号，设备所在的街区，设备所在的路口等信息。根据这些信息，可以很快定位到出错误的设备所在的位置，这也是本发明在硬件设备出现故障后能够快速定位的一大优势。

此外，本发明利用无线方式来实现信号控制，与目前有线信号控制方式相比，本发明更易于安装和维护。

最后的仿真实验与定时控制方法相比，该信号控制方法大大缩短了车辆的旅行时间，很好的实现了局部最优控制与全局最优控制，具体仿真结果如图11所示。

附图说明

下面结合附图和具体实施方式对本发明作进一步的说明。

图1为本发明的功能流程图。

图2为本发明的系统功能模块结构图。

图3为一个二相位的交叉路口示意图。

图4为国家公安部2002年公布的机动车辆平均车速与路段拥挤度的对应关系。

图5为车队冲突示意图。

图6为解决冲突的决策树图。

图7为远程控制中心结构。

图8为基于簇的通信协议原理图。

图9为远程控制传感器网络硬件节点端功能结构图。

图10为远程控制传感器网络远程控制中心功能结构图。

图11为本发明与定时控制系统比较的性能结果图。

图12为本发明所使用的各种传感器节点的分布图。

图13为基于无线传感器网络的交通流数据采集示意图。

图14为自主控制算法流程图。

具体实施方式

下面将从各种传感器节点的构成及其安放位置、实时交通流数据信息的采集、自主控制算法和协同控制算法四个方面来介绍本发明的具体实施方式。

传感器节点的构成及其安放位置：本发明所需传感器节点有路面传感器节点、路侧传感器节点、信号机传感器节点、区域传感器节点、车载传感器节点和远程控制传感器节点，具体构成及其安放位置如图12所示。

在图12中，(1)为路面传感器节点，完成实时交通流数据的采集功能，由磁性传感器节点和无线通信模块组成。无线通信模块由发射、接收模块和微处理器组成，其电源可由路侧路灯电源供给。路面传感器节点的放置如图13所示。在图13中，路面传感器节点(1)和(2)依次埋在距离上游路口30米的路面中心，路面传感器节点(1)和(2)间的间隔为6米，路面传感器节点(3)埋在路口停车线附近。

在图12中，(2)为路侧传感器节点，完成数据的中继、转发功能，由无线通信模块组成。路侧传感器节点(2)安装在路段两侧，间隔距离在50米-200米之间，其最佳距离值由通信模块的通信范围以及路段的特点决定，电源可由路侧路灯电源供给。(3)为信号机传感器节点，完成信号配时方案的生成与配时方案的执行功能，并能够接收远程端发送的控制命令对路口信号灯进行强行控制，由无线通信模块和无线通信网关组成，无线通信网关通过RS-232串口与路口信号机相连接，其电源由信号机电源供给；(4)为路口信号机数据服务器，与多个路口信号机传感器节点(3)相连，保存路口信号机中的历史数据信息；(5)为区域传感器节点，完成区域中车队冲突的检测、路口间冲突的调整功能，由无线通信模块、无线通信网关以及服务器组成，无线通信网关与服务器之间通过RS-232串口相连。区域传感器节点安装在区域的关键路口侧。关键路口即为该交通子区中交通负荷度最大的路口，其电源由区域服务器电源所供给；(6)为区域数据库服务器，保存整个区域的历史数据信息，与区域传感器节点(5)直接相连；(7)为车载传感器节点，用来接收路口信号机传感器节点发送来的路口状况信息进行车辆的诱导控制，由无线通信模块、无线通信网关以及车载计算机组成，无线通信网关与车载计算机之间通过RS-232串口相连，安装于车辆前台，其电源由车辆供给。

此外，本发明中还有远程控制传感器节点，可用于远程端在发生交通突发事件情况下强行改变路口信号机的信号配时方案，由计算机、无线通信网关和无线通信模块组成，无线通信网关与计算机之间通过RS-232串口相连，其中，网关电源可以计算机电源供给。

交通协同控制传感器网络和远程控制传感器网络都采用层次式路由协议作为节点间的通信协议。

实时交通流数据信息的采集：目前通常采用车辆检测器以及视频两种检测方式来进行交通流数据信息的采集。

采用车辆检测器进行交通流信息的采集存在以下缺点：(1)当车流拥堵或者车间距小于3米时，其检测精度大幅度降低，甚至无法检测；(2)对车辆检测器的故障检测及其维护都很困难。

而采用视频进行交通流信息的采集却存在以下缺点：(1)无法获得单个车辆的运行状况；(2)容易受到恶劣天气、灯光以及阴影等环境因素的影响，特别是晚上的误报率比较高；(3)安装和调试麻烦，造价比较高。

本发明中，采用无线传感器网络来进行交通流信息的采集。利用磁性传感器来检测交通流，精度较高。美国加州大学伯克利分校于2004年10月4号在Martin Luther King Blvd做了实验，用磁性传感器进行交通流数据采集并与基于检测线圈的采集技术进行了比较，观察的车流为793辆，结果为：磁性传感器节点的检测准确率为98％，重复检测车辆数为8辆，漏检车辆数为7辆；检测线圈的检测准确率为86％，其中，重复检测车辆数为111辆。并且，利用无线传感器网络进行交通流数据的采集，易于维护，不易受外界环境的影响，如图13所示。

具体采集过程如下：

1.在采集路口的上游路段两侧安装路侧传感器节点(4)，节点之间的间隔在50米-100米之间，具体最佳距离由无线通信模块的通信范围以及道路的特点来确定。

2.在距离上游路口(6)30米左右的地方，在车道中心埋设路面传感器节点(1)，在距离传感器节点(1)6米的地方埋设路面传感器节点(2)，在路口停车线附近埋设传感器节点(3)，其中，传感器节点(1)和(2)是用来检测车流量和预测车辆到达路口的时间，传感器节点(3)用来修正车辆到达路口的预测值，使系统具有自学习能力。设置路面传感器节点(1)、(2)和(3)中磁性传感器的采样频率为128HZ，设置垂直车辆行驶的磁场方面的磁场初始值，在每个磁性传感器中设置一个标识变量，即当车辆经过路面传感器节点时，如果磁性传感器在垂直车辆行驶的磁场方面的磁场值超过初始值，该标识变量为1，否则为0；在路面传感器节点(2)中设置距离下游路口的位置坐标(x，y)。

3.当车辆经过路面传感器节点(1)时，如果磁性传感器的标识变量连续10次以上都为1，则表示车辆正在经过磁性传感器，此时(1)向(2)发送通告信息，(2)开始计时；当(2)中所采用的磁性传感器的标识变量连续10次以上都为1，则表明车辆正在经过(2)，此时，(2)停止计时，由计时器所计算的时间T与两路面传感器节点之间的距离计算出车辆的速度v。

4.由车速v和(2)距离下游路口(5)的位置x计算出车辆到达(5)的时刻信息t＝x/v

5.(2)将节点ID号、车速v、车辆磁场值d、发送信息时刻t₁和到达(5)的时刻t发送给右侧的路侧传感器节点(4)，信息格式为(ID，v，d，t₁，t)。(4)将信息转发给(3)和信号机传感器节点(7)。

6.(3)将车辆磁场信息d和车辆经过(2)的时刻信息t₁存入队列，当检测到与队列中相同的车辆磁场信息值，则表明车辆此时经过(3)，将此时的时刻值t₂与队列中所存放的经过(2)的时刻值t₁做差，t₂-t₁即为车辆到达该路口实际所消耗的时延。

7.信号机传感器节点(7)按照车辆到达时刻的先后顺序将车辆信息加入队列，统计目前信号配时方案结束时刻队列内车辆记录个数，即为下一时刻将到达路口的车流量；利用车速和到达下游路口的时刻信息还可以计算出车辆的到达率和车辆的队列长度。

自主控制算法：指当路口没有收到相邻路口发送的协同请求信息时，路口自身可以根据交通流量信息自主生成该路口各相位的信号配时方案。自主控制算法有三个关键步骤：优化性能指标的确定、相序的确定和相位长度的确定。算法的具体流程图如图14所示。

1.优化性能指标的确定，主要由路口各个相位的交通流量而定：当路口至多只有一个相位的实际拥挤度值超过拥挤度阈值，表明路口车流量密度将不大，采用停车次数作为优化性能指标；当路口两个或两个以上相位的实际拥挤度值超过拥挤度阈值，表明路口车流量密度将很大，采用路口车辆总延误时间作为性能指标。此处在现实生活中并不难理解，以一个二个相位的交叉路口为例，假设东西相位的车流量为30，南北相位的车流量为100，为了使路口畅通无阻，很明显应该让南北相位先通行，东西相位后通行，此时，应采用停车次数作为优化性能指标；若东西相位的车流量为90，南北相位的车流量为100，则此时以停车次数作为优化性能指标的意义不是太大，此时应考虑先放行哪个相位将会使路口车辆总延误最小

2.相序的确定主要是制定该路口各个相位依次放行的顺序。相位放行的顺序一方面由路口特征而定，另一方面由实际交通流量而定，故本发明中相序是可以动态改变的，具体过程如下：

(1)如果某路口是主—从干道形式的话，则主干道相位优先放行，然后再放行从干道，否则，进入(2)；

(2)如果路口某相位中车队长度距离上游路口的距离超过了预先设定的阈值，则该相位优先放行，否则，进入(3)；

(3)根据第一步所确定的优化性能指标来确定相位的顺序：以一个二相位的交叉路口为例，相序的组合E＝{东西—南北，南北—东西}。如果优化指标为停车次数，则分别计算相序组合E中每种组合的停车次数值，计算公式如公式(4)、公式(5)和公式(6)所示，停车次数值最小的那种组合即为最优相序；如果优化性能指标为延误时间，则分别计算相序组合E中每种组合的延误时间值，计算公式如公式(2)和(3)所示，延误时间最小的那种组合为最优相序。

3.相位长度在这里指绿灯时间长度，相位长度的确定非常重要，一个相位的长度太长，则必然造成另一个相位的红灯时间过长，如果超过司机所能忍受的最大等待时间，则易引发交通事故；如果太短，则不利于路口车队的消散。作为两种比较有名的在线信号控制系统，SCATS系统的相位长度是事先根据历史交通流数据计算得到的，而SCOOT系统通过小步长动态对绿信比进行调整来反映交通流的需求，即临时性+4s或-4s和永久性+1s或-1s来进行调整，一旦交通流发生突变，该种调整方法将不能很好体现交通流的需求。本发明根据路口实时预测的车流量值来计算相位的长度，具体算法如下：以一个二相位的交叉路口为例，如图3所示，此处忽略相位的过渡时间。设路口相位的最大长度为t_max，最小长度为t_min，设T为周期长度，S(T)为路口在当前周期下各个相位优化性能指标总和。如果性能指标为车辆延误时间，则采用公式(2)和(3)计算；如果性能指标为停车次数，则采用公式(4)、(5)和(6)计算。则有：

minS(T)＝S_sn(t₁)+S_ns(t₁)+S_ew(t₂)+S_we(t₂)    (7)

其中，t₁为相位1长度，t₂为相位2长度，S_sn(t₁)为南—北相位在相位长度t₁下的性能指标，D_ns(t₁)为北-南相位在相位长度t₁下的性能指标，D_ew(t₂)为东—西相位在相位长度t₂下的性能指标，D_we(t₂)为西—东相位在相位长度t₂下的性能指标。对于以上问题的求解，可以分为以下四个步骤：

(1)对于t₁＝t_min，t_min+1，t_min+2，厖，t_max，t₂＝t_min，t_min+1，t_min+2，厖t_max，确定南—北相位的绿灯时间t₁和东—西相位的绿灯时间t₂，使得：

min(S_sn(t₁)+S_ew(t₂))

(2)对于t₁’＝t_min，t_min+1，t_min+2，厖，t_max，t₂’＝t_min，t_min+1，t_min+2，厖t_max，确定南—北相位的绿灯时间t₁’和东-西相位的绿灯时间t₂’，使得：

min(S_sn(t₁’）+S_ew(t₂’))

(3)考虑到路口的同一相位中，可能南—北方向为关键车流，而北—南方向为非关键车流，为了使关键车流尽量通行，需要对两组相位长度t₁和t₂以及t₁’和t₂’进行调整，使得：

$\left\{\begin{array}{c}\min S\left(T\right)\\ s.t.T=\mathrm{\&lambda;}(t_1+t_2)+(1-\mathrm{\&lambda;})({t^{\text{'}}}_1+{t^{\text{'}}}_2)\\ \mathrm{\&lambda;}\left\{\begin{array}{c}1,(S\left(t_1\right)+S\left(t_2\right))<=(S\left({t^{\text{'}}}_1\right)+S^{\text{'}}\left({t^{\text{'}}}_2\right))\\ 0,(S\left(t_1\right)+S\left(t_2\right))>(S\left({t^{\text{'}}}_1\right)+S^{\text{'}}\left({t^{\text{'}}}_2\right))\end{array}\right.\end{array}\right.$

(4)若信号机传感器节点接收到区域传感器节点发送的信号配时限制条件，则将求得的相位长度进行微调，使其满足区域传感器节点发送的信号配时限制条件，否则，此值即为最终的信号配时方案。如果某相位的相位长度等于相位长度最大值，表明路口的该相位将产生的车流较大，路口需要向上游路口发送协同命令请求上游路口缩短绿灯时间，或者向下游路口发送协同命令请求下游路口延长绿灯时间。

协同控制算法：自主控制算法是路口在短时间范围内对路口信号灯进行控制，是一种小范围的局部控制，由于其控制算法缺乏从整个区域来考虑交通流的特点，故控制算法最终会引起部分路口交通负载的不平衡。协同控制算法是从全局来考虑路口间交通流的关系，其目的有两个：(1)为了解决区域中部分路口交通负载严重不平衡现象，如部分路口交通密度非常大，而周围其它路口交通密度却很小。(2)解决车队对绿信号需求冲突问题，如图5所示。假设车队1在t₁时刻到达路口A，在t₂时刻通过路口A；而车队2在t₃时刻到达路口A，在t₄时刻离开路口A。如果[t₂，t₁]∩[t₄，t₃]！＝0，则队列1和队列2将会在路口A发生碰撞。协同控制算法的具体过程如下：

(1)如果路口某相位的实际拥挤度值超过拥挤度阈值，并且收到下游路口发送的减小绿灯时间请求信息，表明该路口与其下游路口在下一周期交通密度都非常大，如果该路口按照下游路口的请求减少绿灯时间，则该路口的车队将会因过长堵塞到上游路口而造成拥塞，此时，路口信号机传感器节点将本路口及其下游路口的交通流发送给区域传感器节点，并转向(3)；否则，转向(2)；

(2)如果路口同时接收到上游和下游路口发送的请求信息，表明上游路口和下游路口在下一周期交通密度都很大。接收到上游路口的请求后，该路口将增加绿灯时间；但接收到下游路口的请求后，该路口将减小绿灯时间，因此，路口在对信号配时方案调整上产生了冲突，此时，路口信号机传感器节点将上游路交通流、下游路口交通流及其自身的交通流发送给区域传感器节点，并转向(3)；

(3)区域传感器节点接收到信号机传感器节点发送的协同请求后，对部分路口的信号配时方案进行调整。将每个相位的绿灯时间t分成几个不同阶段的取值，

t∈{t_small，t_small-middle，t_middle，t_middle-large，t_large}，其中，t_small为最小绿灯时间，t_large为最大绿灯时间，t_middle-large＝(t_middle+t_large)/2，t_small-middle＝(t_small+t_middle)/2，t_middle-large＝(t_middle+t_large)/2。区域传感器节点将接收到路口交通流信息的路口及其直接相邻的路口划分为调整区域。例如，如果区域传感器节点接收到路口1和路口2的交通流状况，则区域传感器节点将路口1、路口2及其与路口1和路口2直接相邻的所有路口都划分为调整区域。

(4)选择区域延迟时间作为区域调整优化性能指标。调整区域中的每个路口自行选择相位长度和相序来组成信号配时方案集，令该集合为A。以一个二相位的交叉路口为例，则信号配时方案将有25种。

A＝{a₁，a₂，......a_n},对A中每种配时方案a_i，i∈n，计算路口延迟时间d_i，i∈n。

(5)选择调整区域中每个路口的延迟时间最小值所对应的配时方案作为各个路口的配时方案。

(6)对路口的车队长度对绿灯的需要进行预测，得到配时方案约束条件。

(7)根据约束条件对各个路口的配时方案进行小步长调整，如+1s或-1s调整，使其满足配时方案约束条件。

(8)将得到的最终配时方案发送给信号机传感器节点作为最终的配时方案。

Claims (5)

1.一种基于无线传感器网络的城市区域交通协同控制方法，其特征在于，在路面、路口信号机、路侧、区域的关键路口、车辆中以及远程控制中心安装六种无线传感器节点，即路面传感器节点、路口信号机传感器节点、路侧传感器节点、区域传感器节点、车载传感器节点和远程控制传感器节点；搭建四种无线传感器网络：实时交通流数据采集传感器网络、交通协同控制传感器网络、车辆诱导传感器网络和远程控制传感器网络；该系统划分为四层体系结构：实时交通流数据采集层、路口控制层、区域控制层和交通流诱导与控制层；实时交通流数据采集层完成车流量信息的采集和车速信息的采集；路口控制层利用自主控制算法来生成针对当前交通状况而言最优的信号配时方案；区域控制层利用协同控制算法来达到整个交通网络交通负载的平衡，并且，它还能检测区域中将出现的车队及预测车队冲突；交通流诱导与控制层能够利用路口与车辆进行通信来从空间上对区域中的车流进行重新分配，并且能够利用远程控制传感器网络来远程对路口信号机进行强行控制，还能利用故障检测模块来检测路面传感器是否发生故障。

2.根据权利要求1中所述的一种基于无线传感器网络的城市区域交通协同控制方法，其特征在于，基于无线传感器网络的交通流数据采集方法，在采集路口的上游路段两侧安装路侧传感器节点，节点之间的间隔在50米-100米之间；在距离上游路口30米处的车道中心依次埋设路面传感器节点1和路面传感器节点2，路面传感器节点1和路面传感器节点2之间间隔6米，在本路口停车线附近埋设传感器节点3，在路面传感器节点2中设置距离下游路口的位置坐标(x，y)；利用路面传感器节点1和路面传感器节点2能够实时获得车辆的车速信息和车辆磁场信息，通过路侧传感器节点发送给路口信号机传感器节点，在信号机传感器节点中能够计算得到车流量和车辆将到达路口所需要的时间；路面传感器节点2和路面传感器节点3能够实际测得车辆将到达该路口的时间，并向路口信号机传感器节点发送修改信息。

3.根据权利要求1中所述的一种基于无线传感器网络的城市区域交通协同控制方法，其特征在于，交叉路口自主控制算法，采用三个步骤来确定一个路口的信号配时方案，即优化性能指标的确定、相序的确定和相位长度的确定；优化性能指标的确定是由路口各个相位的交通流量而定：当路口至多只有一个相位的实际拥挤度值超过拥挤度阈值，采用停车次数作为优化性能指标，当路口两个或两个以上相位的实际拥挤度值超过拥挤度阈值，采用路口车辆总延误时间作为性能指标；相序的确定考虑了路口为主-从干道形式、主干道较短的情况以及都为主干道的情况下相序的确定方法；相位长度的确定考虑了相同相位中重要车道与次要车道间的关系来确定相位的长度，以一个二相位的交叉路口为例，采用的公式如公式(1)所示；

minS(T)＝S_sn(t₁)+S_ns(t₁)+S_ew(t₂)+S_we(t₂)                       (1)

其中，设T为周期长度，s(T)为路口在当前周期下各个相位优化性能指标总和，t1为相位1长度，t2为相位2长度，Ssn(t1)为南-北相位在相位长度t1下的性能指标，Dns(t1)为-南相位在相位长度t1下的性能指标，Dew(t2)为东-西相位在相位长度t2下的性能指标，Dwe(t2)为西-东相位在相位长度t2下的性能指标。

4.根据权利要求1中所述的一种基于无线传感器网络的城市区域交通协同控制方法，其特征在于，协同控制算法，当路口某相位的实际拥挤度值超过拥挤度阈值，并且收到下游路口发送的请求信息时，或者路口同时收到上游和下游路口发送的请求信息时运用该算法；该算法将每个相位的绿灯时间t分成几个不同阶段的取值，t∈{^tsmal’^tsmall-middle’^tmiddle’^tmiddle-large’^tlarge}，其中，^tsmall为最小绿灯时间，^tlargc为最大绿灯时间，^tmiddle-large＝(^tmiddle+^tlarge)^/2，^tsmall-middle＝(^tsmall+^tmiddle)^/2，^tmiddle-large＝(^tmiddle+^tlarge)^/2，选择区域延迟时间作为区域调整优化性能指标，调整区域中每个路口自行选择相位长度和相序来组成信号配时方案集，选择调整区域中每个路口的延迟时间最小值所对应的配时方案作为各个路口的配时方案；该算法能够对路网中车队冲突进行预测，得到配时方案约束条件，并根据约束条件对各个路口的配时方案进行小步长调整。

5.根据权利要求1中所述的一种基于无线传感器网络的城市区域交通协同控制方法，其特征在于，交通流诱导中，在车上安装车载传感器节点，其组成为无线通信模块和车载计算机或车载导航仪；车载传感器节点能够向路侧传感器节点通信；当路口某相位的实际拥挤度值超过拥挤度阈值时，信号机传感器节点能够将路口交通流状况信息发送给上游路段上的所有车辆。

Images