摘要：针对城市路途穿插口的常发性交通拥堵现象，依据RFID检测体系的特色，提出了一种依据物联网前端信息收集技能的交通流检测办法。而且对城市路途穿插口收集到的交通流量相对增量、车辆的时刻占有率相对增量以及地址均匀车速等信息进行了比照性剖析和核算推导，从理论上证明了交通拥堵产生时的交通流特色，然后以此为根底给出了交通拥堵事情出现时的判别原则，构造出相应的拥堵检测目标及判别算法。最终使用Matlab编程再结合实践交通丈量数据验证了算法的正确性。
关键词：RFID检测；交通流参数；流量相对增量；时刻占有率相对增量；地址均匀车速；检测算法
无线射频辨认技能(RFID)是一项非触摸式主动辨认技能，具有信息量大，抗干扰才干强，操作方便等许多长处。特别是RFID技能在高速运动物体辨认、多目标辨认和非触摸辨认等方面具有优势，使其在许多范畴都有巨大的发展潜力，因而把RFID技能使用来针对部分区域的交通智能化而构成“车联网”具有很高的可行性。现在，对交通拥堵事情主动检测算法的研讨相对较少，依然处于初始阶段，而且使用RFID收集交通参数来断定交通拥堵的事例更是少之又少。在我国遍及选用的城市路途交通拥堵主动检测算法首要是以路段上地感线圈检测车流速度的下降、路途占有率的添加以及拥堵车流的存在为依据。算法依据实践路网的通行才干，设定流量和占有率的极限值来区分交通是否处于拥堵状况。可是此种办法收集的交通信息过于单一化，只能收集交通流信息，关于车辆的详细信息有必要通过辅佐设备才干获取，添加了本钱，而且装置时需求损坏路面，影响路途使用寿命。笔者针对物联网与智能交通相结合的需求，提出一套依据RFID的交通流检测办法，并依据扬州市城市路途建造规划以及扬州市各路口与路段核算的车流量特色，对扬州市路途拥堵行为的特征变量进行了深化的剖析，以RFID设备收集到的流量相对增量、占有率相对增量以及地址均匀车速这3个重要的目标为根底，通过理论推导和核算剖析，构造出拥堵主动检测算法，为交通办理部门供给决策依据。
1 交通拥堵检测模型的树立
1．1 交通流参数的选取
路途交通参数是交通拥堵状况主动判别的根底，为了使交通拥堵主动判别具有杰出的作用，挑选的参数应该具有直观和牢靠的特色。应使选用这些参数的算法具有较强的有效性和可移植性。现在，车辆跋涉速度、车流量和占有率是点评交通状况最常用的3个交通参数。因而笔者归纳选用车辆占有率、流量和速度3个参数作为交通拥堵主动判别的参数。这儿的车辆占有率首要是车辆的时刻占有率，指在必定的观测时刻内，交通检测器被车辆占用的时刻总和与观测时刻长度的比值。
1．2 交通流参数数据收集处理的根本原理
文中选用RFID数据收集体系作为交通流参数数据收集前端。其由3部分组成：电子标签，阅览器和天线。
依据阅览器能够远间隔读取，而且对高速运动的标签也能够精确捕获的原因，在此笔者把其运用到交通范畴来收集车辆信息然后反映交通流信息。其收集原理是将射频标签贴在轿车挡风玻璃上，每个标签都是仅有的且对应着特定户主的车辆。标签中存储轿车的身份信息，包含车辆类型、车牌号码、车主名字、车子有无注册等信息。当贴有射频标签的轿车通过阅览器的辐射场时标签会产生感应电流被激活，然后和阅览器进行无线通信，射频标签将本身编码等信息通过卡内置发送天线发送出去，体系接纳天线接纳到从射频卡发送来的载波信号，经天线调节器传送到阅览器，然后阅览器把读取的数据传输到核算机数据处理体系进行处理。因而每辆车通过阅览器的RF场时标签被读取的次数、时刻、场强及车辆的根本信息都被阅览器记载可供交通部门剖析。详细的收集办法如图1所示。
如图2所示，在实践装置使用中，每个阅览器装置完结后会构成一个固定长度L的RF场，阅览器间隔地上的笔直高度为H。为了便于剖析，文中需求提取每辆车通过阅览器RF场时标签被扫描到的次数、标签被扫描时体系记载的时刻以及对应场强值RSSI，阅览器的阅览周期能够设定为T，即每隔T时刻扫描一次。体系设定核算时刻周期为t，即每隔时刻t进行一次数据采样。依据车辆跋涉的特征以及RF场长度相关于行程旅程较短的特色，能够假定每辆车通过RF场时是平行车道运动的。
假定在第j个时刻周期ti内有n辆车通过RF场，第i辆车通过RF场时被检测到的次数为Ni，标签被扫描的时刻记为tik(k=1，2，…，Ni)，对应的场强值记为RSSIk(k=1，2．…，Ni)。依据文献提出阅览器接纳到的场强值与间隔联系的经历公式：
联合公式(1)、(2)、(3)、(4)、(5)、(6)核算出某个周期的检测点车流量，地址均匀车速以及时刻占有率，依据这些参数值并依据下文介绍的判别算法完成穿插路口交通流拥堵信息的判别。
1．3 交通流拥堵的判别原则
因为路途上交通流的复杂性，在路网中跋涉的车流运转状况跟着时刻的改动而时刻改动。在运转行为上，能够用疏通，轻度拥堵，一般拥堵，严峻拥堵来描绘。依据公安部交通部发布的《城市路途办理点评目标体系》规则，城市路段的均匀车速大于30 km／h时被视为疏通；均匀车速在20～30 km／h之间时被视为轻度拥堵；均匀车速在10～20 km／h之间时被视为一般性拥堵；均匀车速在10 km／h以下时被视为严峻拥堵。还有文献介绍车辆在信号灯操控的穿插路口，3次绿灯显现未通过路口的状况界说为拥堵路口。依据上述规则，并结合扬州城市路途的规划，在如图3所示的城市路途网中两相邻穿插口之间的路段上间隔穿插口150 m的当地装置RFID阅览器，每个阅览器顺便天线能够掩盖整个车道的宽度规模。一旦路口产生交通拥堵事情，则阅览器A处的流量将削减，占有率将添加，速度也会减小。可是仅单个从流量或许占有率以及速度的添加、削减来对交通拥堵事情做出判别，往往不能反映出拥堵进程的本质。事实上，因为在单位时刻内检测到的车辆数添加，假如车速坚持不变，必定导致占有率的增加，假如流量的相对增量大于占有率的相对增量，则能够判别出路口车流在这一段时刻内处于散失状况，反之能够判别出车流处于拥堵构成状况。
假定交通流是不间断的接连流，则交通流根本模型建立，即
由(9)式能够看出，当车流在正常运转状况下而且地址均匀车速不变时，流量和占有率成正比，且改动率持平，流量的相对增量与占有率的相对增量近似联系能够用y=x直线表明。由此，能够得知在交通事情产生时：
1)当流量的相对增量大于占有率相对增量时，速度在变大，车流趋于疏通状况。
2)当流量的相对增量小于占有率相对增量时，速度在减小，车流趋于拥堵状况。
2 交通拥堵检测算法
2．1 交通拥堵检测算法的根本原理
体系设定采样周期为t，从t0开端核算，把总采样时刻区分为若干个时刻段，各个时刻段都有相同的时刻间隔t，区分方式为[t0，t1]，[t1，t2]，[t2，t3]，…[tn-1，tn]…。设A处的阅览器在第j个时刻段内检测的流量和占有率分别用QA(j)和CA(j)来表明，地址均匀车速用来表明。为了下降误判率，则路口产生交通拥堵事情的必要条件是：
1)A处阅览器在接连3个周期内检测出地址均匀车速均小于30 km／h，或许A处阅览器在接连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，而且地址均匀车速在此两个周期内的值均低于30 km／h。此刻能够断定路口严峻交通拥堵事情产生。
2)A处阅览器在接连2个周期内检测出地址均匀车速均小于30 km／h，而且占有率相对增量大于流量相对增量的时刻段不接连，此刻能够断定路口一般性交通拥堵事情产生。
3)A处阅览器只在一个周期内检测到地址均匀车速小于30 km／h，而且此周期的占有率相对增量大干流量相对增量，此刻能够断定路口轻度交通拥堵事情产生。
2．2 交通拥堵检测算法的逻辑框图
首要界说图4框图算法中的参数：QA(j)为阅览器A处第j个周期内检测到的流量值；CA(j)为阅览器A处第j个周期内检测到的占有率；为阅览器A处第j个周期检测到的地址均匀车速；△QA(j)为阅览器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为依据路口实践状况设定的速度阈值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)为地址均匀车速低于阈值的计数值。其间△QA(j)、△CA(j)的核算公式如下：
3 算例剖析
以扬州市文昌路与扬子江路穿插口作为数据收集岗，并以间隔泊车线150 m的文昌中路上由西向东双车道实践收集到的数据为例，运用图4的检测算法把收集到的交通流数据导入Matlab编写的算法程序，对交通拥堵事情进行判别。详细的核算流程如图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剖析。通过算法核算得到10个采样周期内每个时刻段的交通状况，依照算法流程得到判别目标时序。
程序中的逻辑判别部分代码如下：
4 定论
文中办法以RFID收集的交通流数据为根底，提出了一种新的交通流拥堵检测判别算法，该办法能够为实时交通状况主动辨认奠定必定的研讨根底，而且突破了传统的交通流检测形式，为物联网引进智能交通供给可能性研讨。跟着我国大力发展智能交通体系(ITS)，以及物联网职业的蓬勃发展，物联网与智能交通相结合是必定的趋势。因而RFID作为物联网的信息收集前端用于智能交通必定有宽广的使用远景。
