高寧波，王 薇，黃 瑛

（南京理工大學 自動化學院，江蘇 南京 210094）

1 基于RFID的交通信息采集過程設(shè)計

近年來，隨著科學技術(shù)的進步，RFID技術(shù)已成為國內(nèi)外發(fā)展最迅速的非接觸式自動識別技術(shù)。由于該技術(shù)具有高效、采集準確、抗干擾強的特點而被廣泛運用在交通控制，物流運輸，電子票證，物業(yè)管理等領(lǐng)域。早在20世紀80年代，美國將RFID技術(shù)運用于高速公路智能控制領(lǐng)域，設(shè)計了高速公路無停車收費系統(tǒng)，成效顯著。

RFID設(shè)備主要由讀寫器和電子標簽組成。讀寫器主要起接收信息以及向電子標簽發(fā)送命令的作用，電子標簽可以存儲車輛的基本信息，如車主信息、當前時間等。裝有GPS的車輛還可存儲當前經(jīng)緯度位置信息、繳費信息、年檢狀態(tài)等?；赗FID技術(shù)的交通信息采集系統(tǒng)由4個層次的設(shè)計組成：①RFID為關(guān)鍵技術(shù)的基礎(chǔ)信息收集層；②網(wǎng)絡(luò)傳輸層；③數(shù)據(jù)庫運用程序控制層；④終端顯示層。

交通信息收集系統(tǒng)的采集過程為：當高速運行的車輛1（2，3）進入讀寫器A（B，C，D）的工作區(qū)域時，接收到讀寫器發(fā)出的載波信號，并根據(jù)信號中的命令將存儲在車輛電子標簽中的信息經(jīng)編碼轉(zhuǎn)換為無線電信號，發(fā)射給讀寫器，讀寫器將返回的信號進行解碼后通過通信網(wǎng)絡(luò)將信息傳入數(shù)據(jù)庫控制程序中，然后在數(shù)據(jù)庫運用程序中對獲取的信息進行融合和約簡處理，獲取此時道路的交通流特征值。

2 交通流參數(shù)的收集算法

利用信息融合方法處理安裝在道路旁邊的讀寫器，收集到車輛發(fā)出的數(shù)據(jù)包，通過設(shè)置屬性集篩選相對重要信息，根據(jù)這些信息可以計算平均車速、交通流量以及交通流密度。假如上游讀寫器D和下游讀寫器C在t1－t2時段分別接收到n輛車和m輛車發(fā)送的數(shù)據(jù)組合UD和UC

2.1 平均車速的計算

設(shè)置屬性集R獲取在t1－t2時段內(nèi)通過C，D路段的車輛

假設(shè)在t1－t2時段經(jīng)過C，D路段的車輛總共有k輛，則C可描述為

每輛車的平均車速

整個路段的平均車速

式中：tCi（tDi）為車輛i經(jīng)過檢查器C（D）的時間，dCD為CD間距離。

2.2 交通流量及平均流量計算

式中：Card（Uc）為集合Uc的元素個數(shù)，Card（UD）為集合UD的元素個數(shù)。

2.3 交通流密度計算

CD路段交通流密度Kt1－t2CD的計算

3 道路交通擁堵識別模型及預警

3.1 道路交通擁堵識別模型

交通擁堵主要體現(xiàn)在交通擁堵發(fā)生的前、中、后3個時期的交通流量、平均車速、密度的異常變化，因此，選用這3個基本參數(shù)作為評價道路擁堵的指標，建立基于模糊函數(shù)的交通擁堵識別模型，有利于對道路擁堵狀況的準確定位。

3.1.1 步驟一：對評判指標進行標準化處理

平均速度、流量以及交通流密度屬于不同量綱的指標，采用標準函數(shù)法進行歸一化處理。

通常平均速度越大表示道路越暢通，密度越大表明道路越擁擠，交通流與道路擁擠程度沒有很直觀的正比或者反比關(guān)系。因此，對交通擁堵評價體系來說平均速度為效益型指標，交通流量為適中型指標，交通流密度為成本型指標。假設(shè)一條道路被讀寫器分割成為n個路段，通過式（2）、式（5）、式（6）可得道路的交通擁堵指標向量

標準化處理

標準擁堵指標向量

式中：E（f）為期望流量，vmin（fmin，kmin）為論域的下極限，vmax（fmax，kmax）為論域的上極限。

3.1.2 步驟二：權(quán)重系數(shù)的判定方法

3.1.2.1 路段的權(quán)重系數(shù)判定

如果擁堵發(fā)生在距離上游交叉口較近的位置，產(chǎn)生的排隊車輛容易影響上游交叉口的通行，易導致上游交叉口發(fā)生擁堵，對經(jīng)由交叉口的其它路段產(chǎn)生連鎖反應，因此，越靠近上游交叉口位置的路段對交叉口的車輛通行影響越大，所以，可建立基于距離的路段權(quán)重系數(shù)計算公式。假設(shè)路段被n＋1個讀寫器分割為n個路段，則有

式中：Si為第i個路段的中心距離上游交叉口的距離。

3.1.2.2 指標權(quán)重系數(shù)判定

指標權(quán)重系數(shù)的判定采用層次分析法中求最大特征根的方法求解?？筛鶕?jù)專家經(jīng)驗給出三指標的相對重要性判斷，然后求出各指標的權(quán)重值a及權(quán)重向量A（見表1）。

表1 指標重要性判斷矩陣及權(quán)重系數(shù)表

3.1.3 步驟三：計算指標綜合測度值

3.1.4 步驟四：擁堵等級閾值的確定

想要確定道路交通的擁堵等級，必須先確定擁堵等級中平均車速、交通流密度、流量的閾值。目前，《城市道路交通管理評價指標體系》中只對城市主干道的擁堵閾值有規(guī)定（城市主干道的擁堵閾值為20km／h，是二級運行狀態(tài)的下限），不同等級的道路擁堵等級的閾值不同，但是可以通過遞推的方法得到其它公路道路的擁堵閾值，以高速公路為例：可以依照《城市道路交通管理評價指標體系》中給出的城市主干道的速度擁堵閾值與《城市道路設(shè)計規(guī)范》中相應的服務(wù)水平的速度閾值相比，將比值乘以《高速公路基木段服務(wù)水平分析指標和分級標準》中同等服務(wù)水平的速度和密度閾值，即得高速公路基本路段的速度和密度擁堵閾值。計算結(jié)果如表2所示。

表2 道路交通擁堵分級指標表

據(jù)表2可確定城市主干道三指標的論域為（0，4000），（0，80），（0，400）。高速公路三指標的論域為（0，3840），（0，120），（0，80）。根據(jù)（8）式將指標各閾值標準化后乘以指標的權(quán)重，相加后可確定擁堵分級指標的綜合閾值，如表3所示。

表3 道路交通擁堵綜合閾值表

3.2 總體評價與峰值異常預警處理

參考前面計算的道路擁堵綜合測度值C判斷當前道路處于的擁堵等級，對于出現(xiàn)交通擁堵的路段采取必要的疏導措施，防止惡化。

測度指標值C反應的僅僅是道路的一個總體的擁堵情況，而未能體現(xiàn)單個路段的詳細情況，當?shù)缆分心骋粋€路段出現(xiàn)交通事故的情況就無法判斷。因此，采用道路總體擁堵情況評價與單個斷面的交通流特征值的峰值異常并行的方法。

4 實例分析

利用vissim仿真一條1.5km的道路，每隔500 m放置一個檢測器，路段被分成AB，BC，CD共3個段，方向從D到A。獲取從0～5min、5～10min、10～15min 3個時間段檢測器之間的平均行程時間、平均車速、交通流密度，交通流量如表4所示。

表4 仿真路段交通流特征值表

依據(jù)式（9）可得第一個時段標準化之后的數(shù)據(jù)集為

依據(jù)式（9）和表2可得路段權(quán)重向量以及指標權(quán)重

依據(jù)式（11）計算路段在第一個時間段內(nèi)的綜合交通流特征值

同理，可計算路段在其它兩個時間段內(nèi)的擁堵綜合值

結(jié)果表明路段在三個時間段均交通流狀態(tài)為：通暢，較擁堵，一般擁堵。路段AB，BC，CD的速度、密度時間圖以及路段AD交通擁堵態(tài)勢時變?nèi)鐖D1所示。

圖1 道路擁堵態(tài)勢時空狀態(tài)

通過對圖a，b，c的分析可知，路段AB和CD斷面交通流密度峰值出現(xiàn)在5～10min的時間范圍，大小分別為56.25pcu／km 和95pcu／km，路段的BC斷面峰值出現(xiàn)在10～15min范圍內(nèi)，大小為65pcu／km。整個路段的擁堵狀況為0～5min時為通暢，5～10min為較擁堵，10～15min為一般擁堵，出現(xiàn)這種情況的原因是由于在0～5min內(nèi)有較大的交通流進入到DC路段，而在5～10min內(nèi)，較大的交通流已經(jīng)達到了AB段，并且此時又有一個較大的交通流進入了DC路段，導致在5～10min區(qū)間段為AB與DC段均出現(xiàn)流量峰值最大。因此，此時應該在DC入口段發(fā)出預警，控制大流量車輛進入AD路段，避免發(fā)生擁堵。

5 結(jié)束語

道路交通擁堵問題是全球性問題，處理的結(jié)果將會直接影響社會經(jīng)濟的發(fā)展。解決道路交通擁堵問題需要融合多方面的知識，目前，處理交通擁堵的方式大多數(shù)是通過交通管理者的經(jīng)驗采取方案措施解決，缺乏一定的科學性。因此，首先通過引入較為先進的RFID作為收集交通基礎(chǔ)信息的關(guān)鍵技術(shù)，對交通信息采集與發(fā)布系統(tǒng)進行結(jié)構(gòu)設(shè)計。其次，利用信息融合與約簡算法計算出交通運行狀態(tài)的特征值（交通流密度，交通流量，平均車速）。然后將特征值作為道路擁堵評價指標，建立基于模糊函數(shù)的道路擁堵計算模型和評價標準。最后提出峰值異常和總體評價并行的預警機制，為以后解決交通擁堵問題提供思路，有一定的參考和實用價值。

[1] 朱琳，于雷，宋國華，等.基于浮動車數(shù)據(jù)的交通擁堵時間維度特征[J].北京交通大學學報，2011，35（6）：7－12.

[2] 楚楊杰，陳春紅，劉昭，等.道路交通擁堵自動檢測的改進加州算法及仿真[J].數(shù)學雜志，2012，32（4）：740－744.

[3] 郝宇，王慧.基于物元法的交通政策評價方法與城市交通擁堵[J].交通科技與經(jīng)濟，2013，15（1）：57－61.

[4] WANG Y B，PAPAGEORGIOU M，MESSMER A.Realtime freeway traffic state estimation based on extended Kalman filter：a case study[J].Transprtation Science，2007，41（2）：167－181.

[5] 黃明芳，鄭建湖，池林勇.基于模糊聚類的城市交叉口安全評價[J].交通科技與經(jīng)濟，2012，72（4）：84－87.

[6] 周曉光，王曉華.射頻識別（RFID）技術(shù)原理與運用實例[M].北京：北京人民郵電出版社，2006.

[7] 劉智勇，李水友.基于信息融合技術(shù)的交通量檢測方法[J].公路交通科技.2003，20（2）：81－84.

[8] 胡啟洲，王海涌，劉英舜.道路交通安全態(tài)勢監(jiān)控的測定方法[M].北京：科學出版社，2012.

[9] 姜桂艷，常安德，牛世峰.基于車牌識別數(shù)據(jù)的交通擁堵識別方法[J].哈爾濱工業(yè)大學學報，2011，43（4）：131－135.