物联网智能交通拥堵判别算法的研究与实现(2)

1．3 交通流拥挤的判别准则

由于道路上交通流的复杂性，在路网中行进的车流运行状态随着时间的变化而时刻改变。在运行行为上，可以用畅通，轻度拥挤，一般拥挤，严重拥挤来描述。根据公安部交通部发布的《城市道路管理评价指标体系》规定，城市路段的平均车速大于30 km／h时被视为畅通；平均车速在20～30 km／h之间时被视为轻度拥挤；平均车速在10～20 km／h之间时被视为一般性拥挤；平均车速在10 km／h以下时被视为严重拥挤。还有文献介绍车辆在信号灯控制的交叉路口，3次绿灯显示未通过路口的状态定义为拥堵路口。根据上述规定，并结合扬州城市道路的规模，在如图3所示的城市道路网中两相邻交叉口之间的路段上距离交叉口150 m的地方安装RFID阅读器，每个阅读器附带天线可以覆盖整个车道的宽度范围。一旦路口发生交通拥挤事件，则阅读器A处的流量将减少，占有率将增加，速度也会减小。但是仅单个从流量或者占有率以及速度的增加、减少来对交通拥挤事件做出判断，往往不能反映出拥挤过程的实质。事实上，由于在单位时间内检测到的车辆数增加，如果车速保持不变，必然导致占有率的增长，如果流量的相对增量大于占有率的相对增量，则可以判断出路口车流在这一段时间内处于消散状态，反之可以判断出车流处于拥挤形成状态。

由(9)式可以看出，当车流在正常运行状态下并且地点平均车速不变时，流量和占有率成正比，且变化率相等，流量的相对增量与占有率的相对增量近似关系可以用y=x直线表示。由此，可以得知在交通事件发生时：

1)当流量的相对增量大于占有率相对增量时，速度在变大，车流趋于畅通状态。

2)当流量的相对增量小于占有率相对增量时，速度在减小，车流趋于拥挤状态。

2 交通拥挤检测算法

2．1 交通拥挤检测算法的基本原理

系统设定采样周期为t，从t0开始统计，把总采样时间划分为若干个时间段，各个时间段都有相同的时间间隔t，划分形式为[t0，t1]，[t1，t2]，[t2，t3]，…[tn-1，tn]…。设A处的阅读器在第j个时间段内检测的流量和占有率分别用QA(j)和CA(j)来表示，地点平均车速用来表示。为了降低误判率，则路口发生交通拥挤事件的必要条件是：

1)A处阅读器在连续3个周期内检测出地点平均车速均小于30 km／h，或者A处阅读器在连续2个检测周期内检测出占有牢相对增量均大于流量相对增量，并且地点平均车速在此两个周期内的值均低于30 km／h。此时可以判定路口严重交通拥挤事件发生。

2)A处阅读器在连续2个周期内检测出地点平均车速均小于30 km／h，并且占有率相对增量大于流量相对增量的时间段不连续，此时可以判定路口一般性交通拥挤事件发生。

3)A处阅读器只在一个周期内检测到地点平均车速小于30 km／h，并且此周期的占有率相对增量大干流量相对增量，此时可以判定路口轻度交通拥挤事件发生。

2．2 交通拥挤检测算法的逻辑框图

首先定义图4框图算法中的参数：QA(j)为阅读器A处第j个周期内检测到的流量值；CA(j)为阅读器A处第j个周期内检测到的占有率；为阅读器A处第j个周期检测到的地点平均车速；△QA(j)为阅读器A处第j个周期内的流量相对增量，△CA(j)为第j个周期内的占有率相对增量；v0为根据路口实际情况设定的速度阈值30 km／h；M(j)为占有率相对增量与流量相对增量相比较的计数值，P(j)为地点平均车速低于阈值的计数值。其中△QA(j)、△CA(j)的计算公式如下：

3 算例分析

以扬州市文昌路与扬子江路交叉口作为数据采集岗，并以距离停车线150 m的文昌中路上由西向东双车道实际采集到的数据为例，运用图4的检测算法把采集到的交通流数据导入Matlab编写的算法程序，对交通拥挤事件进行判别。具体的计算流程如图5所示。

现在取09：11～09：25内分10个采样周期的数据为例作表1分析。经过算法计算得到10个采样周期内每个时间段的交通情况，按照算法流程得到判别指标时序。

4 结论

文中方法以RFID采集的交通流数据为基础，提出了一种新的交通流拥堵检测判别算法，该方法可以为实时交通状态自动识别奠定一定的研究基础，并且突破了传统的交通流检测模式，为物联网引入智能交通提供可能性研究。随着我国大力发展智能交通系统(ITS)，以及物联网行业的蓬勃发展，物联网与智能交通相结合是必然的趋势。因此RFID作为物联网的信息采集前端用于智能交通必定有广阔的应用前景。