道路网络交通平衡

2024-07-19

道路网络交通平衡（精选四篇）

道路网络交通平衡篇1

本文在交通需求结构已知的假设条件下, 研究如何确定新建道路的位置、通行能力等, 以达到连接新建交通小区与原有路网最佳的目的。本文将之称为扩展节点的城市道路交通网络设计问题 (NENDP—nodes-expanded network design problem) 。

在交通需求结构及其变化规律已知的情况下, 如何确定新建路段的选址方案及其设计通行能力, 以达到使整个路网系统性能最优的目的, 这是NENDP研究的主要内容。研究NENDP具有重要的应用价值, 可以为交通部门进行科学决策提供参考依据。

1 基本概念及定义

首先介绍一些符号定义:

A:A=A1∪A2表示路段集合, 其中A1={a|a=1, 2, …, n}表示已有路段的集合, a2={a′|a′=n+1, n+2, …, n+m}表示备选的计划新建路段的集合, a∈A为任意一条路段。

R, S:分别为起始节点和终到节点的集合。

r, s:分别为起始节点和终到节点, r∈R, s∈S。

Prs:从r到s的路径集合。

qrs:起点r到终点s的总交通需求量, q为交通需求量的向量表示。

xa:路段a上的流量, x= (x1, x2, …, xa, …, xn) T为路段流量的向量表示。

f $_{p}^{r s}$ :起点r到终点s在路径p上的流量, f为网络中路径流量的向量表示。

ua′:上层决策变量, 标志路段a′, a′∈A2是否修建的0-1变量。当ua′=0时表示不修建路段a′, 当ua′=1时表示修建路段a′。u= (u1, u2, …, ua′, …, un) T为该决策变量的向量表示。

ya′:上层决策变量, 待建路段a′, a′∈A2的通行能力, y为该决策变量的向量表示。

ta (·) :路段a, a∈A上车辆的行驶时间 (或费用) 函数, 假设该函数为连续可微的单调上升函数 (对变量xa) , 本论文采用BPR公式

$\begin{array}{l} t_{a} (x_{a}) = Τ_{a}^{0} + β_{a} (\frac{x_{a}}{Κ_{a}})^{2}, \forall a \in A_{1}, \\ t_{a} (x_{a}, y_{a}) = Τ_{a}^{0} + β_{a} (\frac{x_{a}}{y_{a}})^{2}, \forall a \in A_{2} . \end{array}$

Ga′ (ya′) :备选路段a′, a∈A2的建设费用, 它是路段a′设计通行能力的函数。

M:任意足够大的正数。

B:投资预算。

γa:路段a, a∈A的连通可靠性。

Γrs:OD对 (r, s) 之间的连通可靠性。

Γ:交通网络系统的可靠性。

1.1 交通网络可靠性

与传统的道路交通网络设计问题只考虑在原有路网中添加若干条新路段或者拓宽网络中现有路段不同, NENDP增加了若干新的交通节点, 使得原有交通网络的物理结构发生了改变。因此在扩展节点的城市道路交通网络设计过程中, 必须考虑网络的可靠性问题。

交通网络的可靠性是路网性能的综合反映, 可靠的路网能降低用户的出行成本, 增加整个社会的福利水平。在交通网络可靠性研究中, 有多种描述系统可靠性的指标, 如连通可靠性、出行时间可靠性、能力可靠性及网络的脆弱性与服务可靠性等。在这些指标中, 连通可靠性的研究相对深入[1]。对于用户来说, 出行的最基本要求就是能到达目的地, 实现出行目的。而对于交通网络管理者来说, 网络应该能提供这种服务, 而且在大灾发生后或者某个区域交通中断的情况下能保证这种服务。因此, 不管从哪方面来说, 交通网络的连通可靠性都显得尤为重要, 故本文采用连通可靠性最大作为NENDP的设计目标。

1.2 连通可靠性定义

国内外先后提出了连通可靠性的确定型、概率型和任务型等三种不同表达形式, 由于概率型的特点比较符合实际情况, 因而得到了广泛应用。目前对交通网络连通可靠性的定义一般为[2]:在给定的时间段内、在给定的条件下, 任一OD对间连通的概率 (即能找到一条连接它们的完好路径概率) 。

假设交通流是确定的值, 道路能力服从正态分布, 则路段可靠性的表达式为[1]

$γ_{a} = E {ξ_{a}} = \frac{1}{σ_{a} \sqrt{2 π}} \int_{x_{a}}^{\infty} e x p {- \frac{1}{2} (\frac{x - μ_{a}}{σ_{a}})^{2}} d x . (1)$

根据路段的可靠性及路网结构, 可以得到交通网络中每一对OD对的可靠性。其基本思路是:将一条路径看作是有限条路段串联而成, 而且各路段的状态分布已知, 那么, 由于网络中每一对OD对之间都可能存在若干条路径, 因此, 每一对OD对 (r, s) 之间的可靠性Γrs可按照串联、并联系统可靠性的计算公式[3]得到。

2 NENDP的双层规划模型

交通规划部门选择不同的路网设计方案将新建节点与原有路网连接起来, 以达到使整个交通网络某种系统性能指标最优 (如系统可靠性最大) 的目的, 而交通用户根据给定的交通网络状况和交通设施条件选择出行成本最小的路径出行, 交通规划部门可以影响但不能控制交通用户的出行行为, 这是一个典型的主从决策问题。从一般性角度出发, 只考虑增加交通发生点的情况。设H为新建节点 (如居民区等) 的集合, η∈H为一个新建节点, 假设其交通发生量Oη已知, 并且从η出发去往各个终讫点的交通量qηs, s∈S也已知。本文采用双层规划方法描述NENDP, 建立如下的数学优化模型, 其中下层问题采用随机用户平衡 (SUE) 配流模型来描述交通用户的路径选择行为, 以更好地切合实际状况, 上层目标为寻求交通网络系统可靠性最大的道路设计方案。计算公式为

$\begin{array}{l} \max_{u, y} Γ, (2) \\ s . t . \sum_{a^{'} \in A_{2}} G_{a^{'}} (y_{a^{'}}) u_{a^{'}} \leq B, (3) \\ y_{a^{'}} \geq \underline{y}, a^{'} \in A_{2}, (4) \\ u_{a^{'}} 或 1 ‚ a^{'} \in A_{2} . (5) \end{array}$

其中:x是u和y的隐函数, 它可以通过求解下层问题获得

$\begin{array}{l} \min Ζ (f) = \frac{1}{θ} \sum_{r} \sum_{s} \sum_{p} f_{p}^{r s} l n f_{p}^{r s} + \sum_{a \in A_{1}} \int_{0}^{x_{a}} t_{a} (w) d w + \\ \sum_{a \in A_{2}} \int_{0}^{x_{a^{'}}} t_{a} (w, y_{a}) d w, (6) \\ s . t . \sum_{p \in Ρ_{r s}} f_{p}^{r s} = q_{r s}, \forall r \in R, s \in S, (7) \\ \sum_{s \in S} q_{η s} = Ο_{η}, \forall η \in Η, Η \subset R, (8) \\ x_{a} = \sum_{r, s} \sum_{p} f_{p}^{r s} δ_{a, p}^{r s}, \forall a \in A, (9) \\ x_{a^{'}} \leq Μ u_{a^{'}}, \forall a^{'} \in A_{2}, (10) \\ x_{a} \geq 0, \forall a \in A_{1} . (11) \end{array}$

这里, 式 (2) 是上层目标函数, 通过确定最优的u和y从而使整个交通网络的系统可靠性最大, 式 (3) 是投资预算约束, 式 (4) 是通行能力约束, 如果修建路段a′, 那么其设计能力不能小于y, y是道路规划通行能力的下限。 (5) 式是新路段选址的0-1约束;下层问题是基于Logit的Fisk随机用户平衡交通分配模型, 表示用户的出行行为符合Wardrop用户平衡准则, 式 (10) 是保证不修建的备选路段上不出现流量。

3 求解算法

本模型是一个混合整数双层规划问题, 该问题长期以来被众多研究学者认为是难以求解的问题之一。到目前为止, 求解这类模型的常用方法主要有分枝定界法、罚函数法和其他启发式算法等, 不过这些算法没有结合交通网络的特点, 不能有效地求解道路交通网络设计问题。本文应用粒子群优化 (PSO-particle swarms optimization) 算法求解模型 (2) ～ (11) 。

PSO 是基于群体进化的算法, 具有记忆微粒最佳位置的能力和微粒间信息共享的机制, 即通过种群间个体的合作与竞争来实现优化问题的求解。算法首先在可行解空间和速度空间随机初始化微粒群, 即确定微粒的初始位置z $_{i}^{0}$ 和初始速度v $_{i}^{0}$ , 其中位置用于表征问题解;进而, 通过评价各微粒, 得出各个体时刻的最优位置p $_{i}^{t}$ 和群体最优位置p $_{g}^{t}$ ;随后, 分别按如下公式更新微粒的速度和位置

$\begin{array}{l} v_{i}^{t + 1} = w v_{i}^{t} + c_{1} R_{1} (p_{i}^{t} - z_{i}^{t}) + c_{2} R_{2} (p_{g}^{t} - z_{i}^{t}) . (12) \\ z_{i}^{t + 1} = z_{i}^{t} + v_{i}^{t + 1} . (13) \end{array}$

式中:w为惯性权因子;c1、c2为正的加速常数, 一般应取为c1=c2=2;R1, R2为[0, 1]之间的均匀分布随机数。PSO 相对其他进化算法而言所需调节的参数较少, 合理的参数选择指导参见文献[4]。

本文将一个决策方案 (u, y) , 即备选路段的添加方案和新建路段的设计通行能力等组成的一个决策方案, 视为一个粒子。每个粒子既包含连续变量又包含离散变量, 迭代过程中更新粒子时, 用四舍五入方法将离散决策变量对应的粒子片断截取为整数, 这样即可求解NENDP的优化模型。以每个决策方案对应的交通网络系统可靠性作为该粒子的适应度评价。

主要算法步骤如下, 参见文献[5]和[6]:

第1步 (初始化) 给定初始的惯性权因子w0, 初始的最大速度Vmax, 缩小系数α, β (0<α, β<1) 、动态延迟期h和粒子群规模M等参数的值。产生M个粒子, 赋予每个粒子以初始速度。

第2步 (计算适应度) 给定每个粒子, 将其翻译成一个可行的道路设计方案, 然后求解对应的SUE配流问题, 最后计算此时的上层目标函数值, 即该粒子的适应度。

第3步 (更新个体及群体的历史最好位置) 对于第i个粒子, ∀i=1, 2, …, M, 用历史最大的适应度所对应的位置来更新p $_{i}^{t}$ ;对于粒子群, 用所有p $_{i}^{t}$ 中历史最好的位置来更新p $_{g}^{t}$ 。如果经过连续h次迭代后, p $_{g}^{t}$ 没有改善, 那么令wn+1=awn, V $_{\max}^{n + 1}$ =βV $_{\max}^{n}$ 。

第4步 (更新速度) 根据式 (12) 计算各个粒子的速度。

第5步 (计算新位置) 根据式 (13) 计算各个粒子的新位置, 并将每个粒子中对应决策变量u的片断的各个分量四舍五入, 取为整数。

第6步 (可行性检验) 所有的新位置都是“试验粒子”。如果新位置i (∀i=1, 2, …, M) 不满足约束 (3) ～ (5) , 那么将其舍弃, 不更新第i个粒子的位置, 仍保留其原先位置;否则将第i粒子更新为该新位置i。

第7步 (终止检验) 如果满足终止准则 (如达到最大迭代次数等) , 停止迭代, 输出最后的p $_{g}^{t}$ 作为最优道路设计方案。否则转第2步。

上述算法程序的第2步中, 计算粒子的适应度需要求解下层随机用户平衡交通分配的Fisk模型, 这里采用改进的凸组合算法来求解。

4 数值算例

本节以图1所示网络为例来验证本文模型与求解方法的有效性。原有交通网络由4个节点、5条路段构成, 有一个OD对 (A, D) , 其交通需求量qAD=50。现在增加一个新交通发生点E, 设其交通发生量为40。假设节点E的交通量全部去往节点D, 即OD对 (E, D) 的交通需求量qED=40;备选路段的设计通行能力不得小于10, 即y=10。

图1所示的网络共有两个OD对 (A, D) 和 (E, D) 。OD对 (A, D) 由3条路径 (A→B→D, A→B→C→D, A→C→D) 并联而成, 每条路径由2或3条路段串联而成, 计算可得OD对 (A, D) 的连通可靠性ΓAD=1- (1-γABγBD) (1-γABγBCγCD) (1-γACγCD) 。同理, 如果给定了节点E与原路网的道路连接方案, 那么不难计算出OD对 (E, D) 的连通可靠ΓED。令路网系统的连通可靠性Γ为ΓAD和ΓED的平均值, 即Γ= (ΓAD+ΓED) /2。

路段阻抗函数采用BPR公式, 备选路段的建设费用函数为Ga′ (ya′) 1.5·da′· (ya′) 2, 设建设资金预算B=3000。路段阻抗及建设费用等各种输入数据见表1。

利用上一节设计算法进行求解, 设粒子群规模M=20, 最大迭代次数为200, 初始惯性权因子w0=1.4, 最大速度取值下限为1, 惯性权因子取值下限为0.35, 动态延迟期h=15, 缩小系数α=β=0.98。取路段能力均值μa=Ka, 即BPR公式中的路段实际通行能力, 取标准差σa=Ka·10%。优化结果 (见表2) 为:建设路段EB和ED, 其设计通行能力分别为18.0566和25.9607, 而不建设路段EA。此时路网系统连通可靠性为0.989 6, 系统总阻抗为905.5477。

以系统总阻抗最小, $\min_{u, y}$ $\sum_{a \in A_{1}}$ ta (xa) ·xa+ $\sum_{a^{'} \in A_{2}}$ (xa′, ya′) ·xa′为上层目标函数进行优化, 计算结果 (见表3) 表明:与以系统连通可靠性最大为上层目标的优化结果相比, 新建路段选址方案没有改变, 仍然为建设路段EB和ED, 不过其设计通行能力有所变化, 路段EB的设计通行能力有所增加, 而路段ED的设计通行能力有所减少;交通网络的系统总阻抗虽有下降, 但是下降幅度也不大。比较分析表明, 以系统连通可靠性最大为上层目标是合理的。因为在相当长的时期内交通需求结构会发生变化, 而交通网络结构一旦形成, 要顺应交通需求的改变而去改变交通网络结构是非常困难的, 需要耗费大量的人力、物力和财力, 所以扩展节点的交通网络设计网络应首先保证路网的连通可靠性。

考虑交通需求变化对网络设计优化决策的影响。分别考虑交通需求增加20%、40%、50%和60%的情况, 即qAD=60, qED=48;qAD=70, qED=56;qAD=75, qED=60和qAD=80, qED=64, 优化结果见表4。

5 结论

1) 算例结果表明, 与传统交通网络设计常常采用的系统总阻抗最小化目标相比, 以交通网络系统的连通可靠性最大为设计目标是合理的。

2) 考虑未来交通需求增长因素, 数值算例的优化结果在一定范围内是稳定的。

本文假设新建节点的交通发生量已知且固定, 而在实际中如何确定新建节点的人口居住规模是一个值得研究的问题。此外, 本文为了研究方便, 粗略地把新建交通小区视为一个节点, 提供了一种道路网络设计思路。而在实际当中, 要设计科学合理的新建交通小区的配套道路规划方案, 还应与新建小区内部的道路规划、土地利用布局等结合起来, 这些都是有待进一步研究的问题。

摘要：研究城市发展过程中新建交通小区的配套道路网络设计问题, 提出将新建交通小区与现有路网科学合理连接起来的方法。首先用双层规划法建立该问题优化模型, 该模型在考虑交通用户出行行为的情况下, 可以确定最优的新建路段选址方案及通行能力设计方案;然后基于粒子群优化技术, 设计一个启发式求解算法。最后用一个简单的网络例子验证并分析模型与算法的有效性。

关键词：新建人口集散区,道路网络设计,双层规划,连通可靠性,粒子群优化算法

参考文献

[1]许良.基于可靠性分析的城市道路交通网络设计问题研究[D].北京:北京交通大学, 2006.

[2]许良, 张好智.交通流均匀分布下的双向道路网络设计问题可靠性分析[J].交通运输系统工程与信息, 2006, 6 (4) :47-52.

[3]侯立文, 蒋馥.城市道路可靠性的研究[J].系统工程, 2000, 18 (5) :44-48.

[4]曾建潮, 介婧, 崔志华.微粒群算法[M].北京:科学出版社, 2004.

[5]张好智.城市道路交通网络设计问题的相关优化模型与算法[D].北京:北京交通大学, 2007.

基于神经网络的道路交通事故预测篇2

基于神经网络的道路交通事故预测

道路交通事故预测是交通研究的.一个重要课题,以我国交通安全状况为研究对象,依据我国道路交通事故的特点,利用神经网络具有自学习、自组织、自适应能力特征,运用神经网络的方法及我国多个年度道路交通事故统计数据,建立了道路交通事故神经网络宏观预测模型,预测精度符合道路交通事故预测的要求.

作者：刘芳宇仁德 LIU Fang YU Ren-de 作者单位：山东理工大学交通与车辆工程学院,山东,淄博,255049 刊名：农业装备与车辆工程英文刊名：AGRICULTURAL EQUIPMENT & VEHICLE ENGINEERING 年，卷(期)：2009 “”(2) 分类号：U491 关键词：交通事故预测 BP神经网络 MATLAB

道路网络交通平衡篇3

关键词：道路交通流网络交通流交通需要

城市是经济、文化、政治活动的中心，城市交通系统是承载这些活动的基本构件。我国城镇化的步伐越来越快，但落后的城市交通系统已经成为制约城市可持续发展的主要瓶颈，城市交通拥堵、交通环境污染和交通事故已经引起社会的广泛关注，成为全社会面临的老大难问题。科学地“诊治”城市交通“病”是我国社会、经济发展过程中提出的重大需求。“诊治”城市交通“病”的第一步应该是全面系统、深刻入微地研究城市交通需求和交通流的形成机理，机理清楚了，就可以从本质上发现交通拥堵、交通环境污染和交通安全事故的产生原因和规律，为科学地制定城市交通规划、设计和发展先进的交通管理与控制技术打下坚实的理论基础。

交通流是交通需求的实现结果，是交通需求在有限的时间与空间上的聚集现象[1]。由于涉及人车路三者之间的相互关系，交通流的形成过程是极其复杂的，其中蕴涵着大量的基础科学问题。综合运用行为科学、交通工程和信息科学知识，用数学物理模型刻画人的出行决策、车辆跟驰和交通流量的网络分布，揭示城市交通流的自组织演变规律与拥堵突现轨迹，是交通流研究的核心内容。

根据交通需求的属性，可以将交通流分为人员流和货物流两种，他们的载运体是各种交通工具[2]。本文主要介绍城市交通网络中车辆的微观运动特性和宏观分布规律方面的研究现状与方向。“微观”指的是对司机驾驶行为的研究，揭示速度、密度和流量三个参数之间的瞬态和稳态关系，再现各种交通拥堵现象的發生和发展过程，比如，因扰动（并线、抛锚、追尾）产生的拥堵，因不合理信号控制产生的路口拥挤，因基建施工和临时社会活动产生的拥挤，还有因非线性、奇怪吸引子产生的拥挤“幽灵”等等。“宏观”指的是研究交通需求在网络上的实现过程，研究出行者是如何决定自己的出发时间的、是如何选择路径的、最后导致怎样的路段流量分布，要将巨大数量的微观离散个人决策结果转化为宏观网络聚集现象，即研究从微观拥堵到宏观拥挤的转变过程。

未来的发展方向是两种交通流模型相互靠近、融合，道路交通流模型要进一步放宽假设条件，考虑多车种混合交通流、路面条件和信号控制的影响，网络交通流模型中的路段阻抗函数要朝动态化、考虑密度变化方向发展，在两种模型融为一体以后，要研究有效的求解算法，因而对计算机的内存与计算速度提出了更高的要求。交通流研究必然用到大量的、甚至很复杂的数学模型，希望最大限度地再现从交通需求转变为道路交通流的过程，在此基础上进一步开展交通环境污染研究、交通安全事故研究、智能化交通系统研究。

我们要结合我国城市交通的特点（平面、混合、低速），研究新的道路交通流模型，阐明道路交通拥堵形成的原因和过程，探寻疏解拥堵的措施和办法。通过对实测数据的统计与分析，确定新的道路交通流模型中的各种参数[3]。研究并线和交叉口等场所的交通流，考虑超车因素。要重点研究瓶颈交通流模型，由于在平面交叉路口处，机动车、非机动车、行人之间相互影响明显，扰动频繁、强烈，出行者的心态千差万别，稳定均匀的自由车流到达瓶颈处就常常变得无序混乱，这使得建模工作异常复杂。交通流系统是一个典型的远离平衡态的自驱动多粒子复杂巨系统，其中车流的演化是一个复杂的非线性动力学过程，从稳态流、到亚稳态流、到拥挤流过程中的相变机理还没有完全清楚，目前对许多现象还没有统一的理论解释。

在建立网络交通流模型中，要研究车辆出发时间和路径选择的规律，分析网络结构和信息发布对交通流时空分布的影响。建立不同环境下的新型路段阻抗函数，在网络意义下定量描述拥挤，用数值方法模拟网络交通流的自组织演变和拥挤突现现象。城市交通网络的节点和路段数量成百、上千甚至数万，应充分利用网络结构特点，发展有效的模型求解算法。

研究道路交通流与网络交通流的结合部，提出一体化模型，设计高效的并行算法。

为了改变我国交通流研究的落后局面，必须注意如下事项：（1）加强交通流数据的采集工作，通过互联网建立公开、共享的数据库；（2）加强交通工程、物理、数学、力学、经济学、控制科学、管理科学、计算机科学等领域之间的交流与合作，在一线工作的交通工程师应该多掌握交通流模型和交通行为方面的知识，研究数学物理模型的学者应该多一些实践经验、以便能够正确地选择模型参数，控制专家应该积极地发展可靠的交通参数辨识方法，经济学家应透过现象看本质、回答行为背后的“为什么”，计算机专家则应增强开发符合中国特点、拥有自主知识产权的交通流模拟软件和交通规划软件的信心；（3）加强人才队伍的培养。虽然交通运输工程是一级学科，但下设的4个二级学科却呈不平衡发展态势，道路、桥梁等领域的研究水平已进入国际行列，交通信号控制、交通规划与管理却落后不少。交通流的基础研究在设置有交通工程专业的高校和研究院所里开展得远远不够，目前是物理学家、力学家挑起了重担。（4）增加科研经费投入。我国每年修建公路的总投资多达几百亿元、甚至遇千亿元，每年因交通拥挤和交通事故造成的损失也是一个天文数字，但与之直接相关的交通流研究却没有稳定的经费投入。

总之，交通流的基础理论研究非常重要，不可或缺，在大力发展智能交通运输系统的过程中尤其如此。我国交通事业的实践步伐走在理论研究的前面，因此，如何急起直追、建立符合国情的交通流模型体系是一项艰巨而光荣的任务。

参考文献：

[1]蒋士方.空中交通流与道路交通流的异同分析，2010.04

[2]胡家宝，姚宁.基于道路交通流仿真平台的研究与设计，2007.03

道路网络交通平衡篇4

天气气候的变化, 特别是恶劣天气, 严重影响交通安全, 是造成交通事故的重要原因之一。因此道路气象监测是道路安全科学运营, 实现智能交通管理的一个重要依据。在恶劣气象条件下, 交通事故的发生率明显偏高。同时由车辆的违规行驶与地质灾害的发生都会对交通安全造成影响[1]。如能对路况进行实时监测, 并对事故隐患及时作出判断与处理, 便可有效提高交通安全。

目前, 国内已有不少省市对高速公路沿线的交通气象信息进行监测, 同时也架设有监控视频。但其视频监控主要用于电子警察, 对超速违法车辆进行抓拍, 其数据采用光纤进行传输, 属于固定点铺设, 在山区或普通道路应用成本高, 难以推广[2]。同时, 气象监测站与视频监控节点之间相互独立, 而实际道路安全监控中需要两者有机结合, 当出现气象异常如道路结冰或能见度低时, 管理中心需要实时的图像视频信息来直观了解现场情况, 当视频监控出现告警信息如车辆违规停车, 滚石占道等情况时, 又需要了解现场的气象信息, 为及时准确制定交通管理方案提供依据。因此, 构建一种能够在前端有机融合气象与视频监控的道路安全系统具十分必要。

针对上述问题, 本设计并实现一种无线传感网技术 (Wireless Sensor Network, WSN) [3]与3G技术结合的道路状况与交通事故防范系统, 该系统同时获取对交通安全影响较大的气象信息以及道路状况图像信息, 气象监测站与图像监控节点通过无线传感器网络相连, 具有手动获取、定时获取以及异常事件上报等功能。该系统监测点设置灵活、组网便捷、无人值守, 融合图像与路况气象的交通事故防范、报警及信息发布技术, 对道路 (特别是边远地区, 高速公路以外的公路) 监测点的路况、天气等信息进行分析和判断, 发出交通诱导信息包括向驾乘人员以及公众发布预警信息, 预防交通事故发生、优化交通运行状况和提高交通运输效益。

1 系统方案

系统由道路现场的信息监测节点与交通管理中心组成, 如图1 所示。信息监测节点包括气象信息监测节点与图像信息监测节点, 气象监测节点主要监测对交通安全影响较大的气象信息如能见度、路面状况等;图像监测节点主要监测道路状况, 如道路堵塞、山体滑坡、桥梁坍塌等。气象信息与图像信息通过无线传感器网络相互交互, 实现前端异常信息的同步与共享, 并传入汇聚节点, 汇聚节点再通过3G路由将监测数据传输至交通管理中心服务器, 通过建立VPN的方式, 各信息监测节点与交通管理中心形成一个大的局域网, 方便管理中心对各监测节点的统一管理。

2 硬件设计

系统硬件部分主要分为前端监测节点硬件以及管理中心服务器。限于篇幅, 本文仅介绍前端监测站点硬件。前端监测站点硬件主要由气象数据采集模块以及无线传感器网络节点机组成。

2.1 气象数据采集模块硬件设计

气象监测站点负责对交通气象数据的采集、处理、判断和传输, 其硬件由传感器、信息处理模块、通信模块以及电源模块组成, 如图2 所示。在图2 中, 传感器感知各类气象信息, 并通过信号调理电路处理后输出至信息处理模块。信息处理模块对气象数据进行处理、判决、存储并通过通信模块发送至交通管理中心服务器。气象监测站点采用太阳能电池与蓄电池混合供电方式, 为各个模块以及传感器提供电源。

2.2 无线传感器网络节点机硬件设计

无线传感器网络中节点机包含射频芯片和微处理器两部分。微处理器负责配置驱动射频芯片, 实现与射频芯片间的数据传输。微处理不仅要完成数据的传输功能, 还需完成整个无线传感器网络的自组织路由, 实现节点之间数据的即时、可靠通信。系统选用低功耗处理器LPC2134 作为驱动射频芯片的微处理器。 LPC2134 是由PHILIPS公司生产的高性能低功耗ARM处理器, 具有16K字节的SRAM, 工作电压为3.0V~3.6V, 处理能力强, 十分适用于无线传感器网络[4]。同时选用低功耗且发射功率可编程的芯片ADF7020-1 作为射频芯片。适用于135MHz~650 MHz和80MHz~6325 MHz两个频段, 其最大通信距离达到1 公里以上。LPC2134 与ADF7020-1 之间可直接通过GPIO接口进行通信, 其接口连接图如图3 所示。

3 软件设计

3.1 控制中心软件设计

后端控制中心需具有主要功能有:信息分类、信息存储、信息查看、信息预览以及发送预警信息。控制中心由接入服务器、管理服务器、报警服务器、数据库、流媒体服务器以及存储服务器组成。

前端传回的所有信息首先通过接入服务器, 接入服务器根据配置的IP端口号以及包头信息的不同将各类信息分类, 例如:将视频流传送至流媒体服务器;将录像、图片传送至存储服务器;将天气等数据信息存入数据库;将控制信息传送至管理服务器。管理人员可以通过登录管理服务器对设备参数进行修改, 对监控用户进行管理, 对当前的监控信息进行查看, 对报警信息进行人工确认以及发送。具体结构如图4 所示。

3.2 无线传感器网络的自组网路由设计

系统中无线传感器网络采用自组织路由协议。无线传感器网络节点机上电后, 自组织形成一个无线传感器网络, 每个节点确定自己的父子节点。当其中一个节点失效时, 其子节点会自动重新广播组网包, 与其他节点建立连接。路由协议主要可分为上行路由与下行路由两部分。

3.2.1 上行路由设计

上行路由是指无线传感器网络内传感器节点向汇聚节点发送数据所经历的路由, 其建立的基本思想基于最小跳数路由原则, 无线传感器网络内部所有节点上电后均试图建立自己的上行路由。数据传输过程中采用握手方式, 每一级的传输必须获得确认信息才算传输成功。具体流程如图5 所示。图中URA为上行路由申请包, URAR为URA的回复包。

3.2.2 下行路由设计

下行路由是指无线传感器网络内汇聚节点向其他节点发送数据所经历的路由。为缓解下行路由的压力, 传感器节点通过上行路由上传数据时, 自身携带路由表。当汇聚节点接收到传感器节点的上传数据, 更新下行路由表。汇聚节点发送下行数据时, 首先检查是否有到目标节点的下行路由, 若存在, 直接沿着内部存储的下行路由传输数据。若不存在, 则广播下行路由请求, 建立到目标节点的下行路由。路由建立流程如图6 所示。图中DRA为下行路由申请包, DRAR为下行路由申请的回复包。

4 结束

本系统道路安全进行全方位的监控与事故防范, 采集视频图像信息与气象信息进行融合, 分析判断, 智能预警。监测点通过无线传感器网相连, 通过3G网络与控制中心连接。因此监测点可以在具有3G网络覆盖的地区任意移动, 机动性强, 布设灵活。对于管理中心人员而言, 当发生异常气象条件时, 可以同时收到气象信息和视频信息, 为其准确判断气象异常, 及时采取措施提供了有效的依据, 具有很好的社会价值。

摘要：提出一种基于无线传感器网络的道路状况监测和交通事故防范系统。该系统由前端监测节点以及后端管理软件组成, 不仅对交通安全影响较大的气象信息进行采集, 同时获取道路状况图像信息。气象监测站与图像监控节点通过无线传感器网络相连, 实现气象信息与视频图像信息融合。前端节点监测的数据通过3G网络传输至管理中心服务器, 当发生异常时实现前端报警, 管理中心人员将同时收到气象信息与路况图像信息, 为交通管理部门进行道路状况监测, 实现道路交通事故防范提供有效的依据, 具有很好的应用前景与推广价值。

关键词：无线传感器网络,交通事故防范,3G

参考文献

[1]李迅, 甘璐, 丁德平, 张德山, 尹炤寅.G2京津塘高速公路交通气象安全指数的预报研究[J].气象, 2014, 04:466-472.

[2]陈小兵, 杨武.高速公路视频监控系统设计方案及发展方向[J].公路交通科技 (应用技术版) , 2011, 11:4-6+39.

[3]高庆云.基于无线传感器网络的大气环境监测系统[J].科技视界, 2015, 16:194-196.

本文来自 360文秘网(www.360wenmi.com)，转载请保留网址和出处

【道路网络交通平衡】相关文章：

城市道路交通网络07-03

智能交通管理网络系统中城市道路监控设计08-15

从网络就业到网络创业道路有多远04-26

我国道路运输网络经济论文04-16

基于无线传感网络的道路照明系统07-03