高速公路交通狀態(tài)識別4G無線探針應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了高速公路交通狀態(tài)識別4G無線探針應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：利用4G無線探針在高速公路上檢測得到的數(shù)據(jù)，通過開發(fā)的系統(tǒng)軟件，能夠展現(xiàn)車輛行駛軌跡，從路線狀況、行程速度、路段實時車速3個方面對路段的交通狀態(tài)進行識別，并在地圖上實時顯示路段的道路交通情況。文章結(jié)合ETC、卡口視頻等數(shù)據(jù)進行融合分析研究，通過統(tǒng)計算法、機器學習算法等，實現(xiàn)了對高速公路交通狀態(tài)的識別與實際分析應用。

關(guān)鍵詞：無線探針；高速公路；交通狀態(tài)識別

引言

隨著信息技術(shù)和數(shù)據(jù)科學浪潮的興起，依靠海量數(shù)據(jù)支撐的高度智能化交通管理系統(tǒng)越來越受到研究者和交通行業(yè)管理者的重視。實時、精確及高覆蓋度的交通信息采集網(wǎng)絡是高效交通管理及信息服務的重要基礎(chǔ)［1］。目前，道路交通狀態(tài)檢測的方法主要有傳感器檢測、GPS浮動車法、視頻圖像檢測等，以上幾種方法在實際場景中都應用比較廣泛，技術(shù)也較為成熟，但也存在一些缺點和局限性。GPS信號傳播延遲，多徑衰落，地形與建筑物遮擋等原因也會導致定位誤差。傳感器獲取法所需設備精度要求高，后期維護難度和成本也相對較高，對擁堵時的檢測精度低。利用視頻與圖像監(jiān)控法設備成本也較高，識別效果會受光線和天氣狀況影響，且視頻圖像的上傳、壓縮、存儲、識別都比較復雜，效率有待提升［2］。近幾年來，國外開始逐步推廣基于無線探針的交通數(shù)據(jù)采集技術(shù)。無線探針作為一種新興交通檢測技術(shù)，國外已經(jīng)有多名學者開展相關(guān)研究，通過獲取的行程時間與傳統(tǒng)檢測方式比較，評估行程時間的可靠性。王祥雪等［3］將無線探針獲取的車輛行駛時間與車輛自動識別技術(shù)獲取的車輛行駛時間進行了對比；楊珍珍等［4］進行了與浮動車數(shù)據(jù)的對比；何兆成等［5］用GPS探測車數(shù)據(jù)作為標準數(shù)據(jù)，在加拿大安大略省進行了大規(guī)模的數(shù)據(jù)采集對比研究。研究的結(jié)果表明，無線探針技術(shù)可以采集到高質(zhì)量的行程時間，可代替?zhèn)鹘y(tǒng)探測手段所獲得的行程時間數(shù)據(jù)。欒翔等［6］認為隨著道路上智能設備攜帶者的增多，檢測器安裝和維護的靈活性提升，行程時間估計精度的可接受性提高，無線探針技術(shù)已引起了研究者對進一步評價這種技術(shù)作為行程時間估計方法的興趣。因此，從無線探針數(shù)據(jù)的可靠性來看，可以捕獲車輛信息作為車輛的標識符，研究者利用這一特點獲取行程時間并深入分析是完全可行的。

1系統(tǒng)原理

4g無線探針主要是實時采集經(jīng)停手機的IMSI碼（IMSI為國際移動用戶識別碼，是全球唯一的），并將采集的數(shù)據(jù)傳輸?shù)胶笈_數(shù)據(jù)處理中心。手機終端（UE）從一個小區(qū)（指4G探針設備能夠探測覆蓋的區(qū)域，下同）移動到另外一個小區(qū)時進行登記，空閑狀態(tài)的UE鎖定于一個已定義的無線頻率上，即某一小區(qū)的BCCH載頻上。當UE向遠離該小區(qū)基站的方向移動時，信號強度會減弱；當移動到兩小區(qū)理論邊界時，UE就會因當前小區(qū)信號強度太弱而決定轉(zhuǎn)移到鄰區(qū)小區(qū)。為了正確選擇小區(qū)，UE要對每一個臨近小區(qū)的信號強度進行連續(xù)測量，當發(fā)現(xiàn)新的小區(qū)信號強度優(yōu)于原小區(qū)時，UE將駐留到新小區(qū)，在此過程中，新小區(qū)可以指令手機上報IMSI，并繼續(xù)接收廣播消息及可能發(fā)給它的尋呼消息，UE根據(jù)接收到的尋呼消息做出相應的回應。4G無線探針誘使經(jīng)過探針設備覆蓋區(qū)域的手機進行位置更新，采集手機IMSI信息，結(jié)合設備自身時間（GPS位置、GPS時間或者系統(tǒng)同步時間）以及其他信息上報給后臺，其工作原理如圖1所示。4G無線探針采集的原始用戶數(shù)據(jù)包括IMSI碼、信號強度、時間戳、地理位置信息；IMSI碼對應不同的設備；時間戳為采集模塊采集到此原始用戶數(shù)據(jù)的時間點；地理位置信息為無線探針的地理位置信息，即為此原始用戶數(shù)據(jù)對應的設備所在監(jiān)測區(qū)域的地理位置信息。無線探針W0采集到用戶數(shù)據(jù)的時間戳為t0，無線探針W1采集到的同一用戶數(shù)據(jù)的時間戳為t1，可以計算得到兩個無線探針之間的車輛行駛時間，包括這段距離車輛的行駛平均速度。通過在某一路段布置的多個4G無線探針，分別檢索出行數(shù)據(jù)中IMSI碼相同的用戶數(shù)據(jù)，對IMSI碼為相同的用戶數(shù)據(jù)中時間戳進行比較，最早時間戳所對應用戶數(shù)據(jù)中的地理位置信息為出行起點，最晚時間戳所對應用戶數(shù)據(jù)中的地理位置信息為出行終點，更新OD矩陣中的該路段出行起點和出行終點的交通量。分析點、線（路段）、面（區(qū)域）的發(fā)出流出量、流入量數(shù)據(jù)，可以進行交通流量的來源、去向分析。

2人車對應關(guān)系系統(tǒng)原型的開發(fā)

通過在某國道和某高速公路安裝多個4G無線探針進行多次長時間的室外實際測試，并用攝像機進行全程視頻錄像。通過智能視頻檢測技術(shù)，檢測到測試期間通過車輛的數(shù)量和車牌信息，與4G無線探針采集的IMSI碼數(shù)量進行比對。4G探針采集的是車上人員的手機IMSI碼，攝像機采集的是車牌信息，這兩種數(shù)據(jù)的關(guān)系可能是一對一、多對一的關(guān)系，連接的紐帶是采集的時間、地點。如果同一位置的4G探針、攝像機在一定時間段內(nèi)同時采集到手機IMSI和車牌，且發(fā)生多次，則該IMSI和車牌是對應關(guān)系。通過多次測試，經(jīng)過統(tǒng)計算法和機器學習算法等，能夠建立IMSI碼數(shù)量與車輛數(shù)量之間對應關(guān)系的數(shù)學模型。在對測試數(shù)據(jù)進行融合和質(zhì)量清洗的基礎(chǔ)上，通過特定算法，對行人與車輛進行分類，經(jīng)過多次迭代優(yōu)化，建立比較完善的人車對應關(guān)系的系統(tǒng)原型。某高速公路6次測試記錄如表1所示。

3系統(tǒng)平臺設計和開發(fā)

3.1系統(tǒng)總體架構(gòu)

系統(tǒng)總體架構(gòu)如圖2所示。系統(tǒng)主要由4G無線探針（4G熱點采集設備）、數(shù)據(jù)傳輸網(wǎng)絡、探針采集管理平臺、交通狀態(tài)識別應用研究平臺組成。4G無線探針主要安裝在高速公路門架或者監(jiān)控立桿上，充分利用現(xiàn)有系統(tǒng)的基礎(chǔ)設施，數(shù)據(jù)傳輸通過機電系統(tǒng)的有線網(wǎng)傳到探針采集管理平臺。前端4G熱點采集設備支持任意多載波（B38/B39/B40/B41/B1/B3），熱點設備功能主要是采集4G手機IMSI碼，通過4G或者有線回傳數(shù)據(jù)，供后臺綜合分析；只要設備啟動，主動對接入范圍內(nèi)的4G手機進行采集，無須干預，持續(xù)穩(wěn)定工作。采集數(shù)據(jù)回傳至后臺進行數(shù)據(jù)處理，完成數(shù)據(jù)清洗、整理、號碼比對翻譯，形成完整的數(shù)據(jù)。管理平臺由服務器與軟件系統(tǒng)組成，主要功能是處理和分析前端采集回傳的數(shù)據(jù)，提供串號查詢、軌跡分析、碰撞分析等功能；同時提供設備管理及用戶管理，如遠程配置、重啟、參數(shù)優(yōu)化等；支持多個采集前端，支持擴容。交通狀態(tài)識別研究應用平臺根據(jù)需要可以與探針采集管理平臺、視頻、ETC等系統(tǒng)進行數(shù)據(jù)交換，能夠?qū)崿F(xiàn)多源異構(gòu)數(shù)據(jù)的融合分析。

3.2系統(tǒng)平臺軟件開發(fā)

開發(fā)了系統(tǒng)平臺軟件，利用探針檢測數(shù)據(jù)，還原車輛行駛軌跡，通過無線探針獲取數(shù)據(jù)，在地圖上實時顯示路段的道路交通情況。從路線狀況、行程速度、路段實時車速這3個方面對路段的交通狀態(tài)進行識別及展示，能夠初步實現(xiàn)對高速公路交通狀態(tài)的識別與實際分析應用。

4結(jié)語

高速公路的各種信息感知設備為交通數(shù)據(jù)采集提供了基礎(chǔ)和海量的數(shù)據(jù)。由于實際環(huán)境中各種干擾因素的存在，單一設備采集的數(shù)據(jù)往往帶有偏差，因此，對多種異構(gòu)數(shù)據(jù)源的數(shù)據(jù)進行融合和糾錯是有必要的。利用多種設備采集數(shù)據(jù)的關(guān)聯(lián)性分析，建立多源數(shù)據(jù)映射，通過AI方法，快速判別和剔除失真數(shù)據(jù)，提高分析結(jié)果的準確性。通過4G無線探針采集的數(shù)據(jù)并結(jié)合如ETC、卡口視頻等數(shù)據(jù)，能夠進一步感知高速公路運行狀態(tài)；進行交通狀態(tài)的判別和預測具有重要的作用，可以對高速公路的管理決策提供科學的依據(jù)。通過選用適當?shù)姆椒ǎ缃y(tǒng)計算法、機器學習算法等對無線探針數(shù)據(jù)等各種多元數(shù)據(jù)進行融合，使用基于貝葉斯組合框架和高階馬爾可夫過程的融合方法，從歷史數(shù)據(jù)中計算交通數(shù)據(jù)狀態(tài)轉(zhuǎn)移概率矩陣，實現(xiàn)多源異構(gòu)數(shù)據(jù)的融合［1］；能夠基于歷史數(shù)據(jù)，采用時間序列預測模型對未來交通路況進行預測，為交通管理提供決策支持［7］。

參考文獻

［1］戚湧，張偉斌.交通信息智能感知與數(shù)據(jù)分析理論與方法［M］.北京：科學出版社，2020.

［2］楊兆升，于德新.智能運輸系統(tǒng)概論［M］.北京：人民交通出版社，2015.

［3］王祥雪，許倫輝.基于深度學習的短時交通流預測研究［J］.交通運輸系統(tǒng)工程與信息，2018（1）：81-88.

［4］楊珍珍，郭勝敏，李平，等.基于浮動車數(shù)據(jù)的交通流變化趨勢提取方法［J］.公路交通科技，2013（12）：125-132.

［5］何兆成，盧瑞琪，聶佩林.基于浮動車定位數(shù)據(jù)的高速公路區(qū)間平均速度估計［J］.公路交通科技，2011（6）：128-135.

［6］欒翔，陶莎，暨育雄，等.基于無線探針的國省干道交通信息感知系統(tǒng)［J］.交通科技，2019（4）：95-99，104.

［7］李穎宏，劉樂敏，王玉全.基于組合預測模型的短時交通流預測［J］.交通運輸系統(tǒng)工程與信息，2013（13）：32-41.

作者：盧毅 杜向進 單位：江蘇省交通工程建設局