张永忠， 张军强， 乔志龙

(北方工业大学 城市道路交通智能控制技术北京市重点实验室， 北京 100144)



基于多传感器融合的排队长度检测系统设计

张永忠， 张军强， 乔志龙

(北方工业大学 城市道路交通智能控制技术北京市重点实验室， 北京 100144)

提出了一种基于多传感器信息融合的交通路口排队长度检测方法，该系统以无线地磁车辆检测器作为数据检测来源，基于无线传感器网络，构建了一种互联感知的分布式检测系统. 系统以多检测节点协同工作的模式，由点到面，实现排队长度等深度路交通流信息获取，为交通信号控制系统提供准确的路网交通流数据. 系统基于交通流特性建立数学模型，采用无线地磁车辆检测器及多传感器融合算法实现交通路口各方向排队长度检测. 可实现红灯期间实时排队长度检测及绿灯放行期间队首位置判别及实时排队长度检测. 通过绿信比优化，均衡各相位绿灯时间的分配，对提高道路通行能力有重要意义.

排队长度； 信息融合； 无线车辆检测器

排队长度作为道路通行能力重要的评价指标，能有效反映交叉口处的运行状况，对优化信号配时有至关重要的作用. 目前主要采用视频图像处理等方式进行检测，环境适应能力较差，检测精度低. 本文提出一种基于多检测节点信息融合的车辆排队长度检测方法，结合无线传感器网络，构建一种多路融合排队长度检测系统.

多传感器融合的交通排队长度检测系统，是基于车辆通过对地磁场扰动进行车辆检测，多检测节点通过无线传感器网络实现实时信息传输，在中心基站进行多传感器间实时数据融合，基于交通流特性建立数学模型，实现交通路口各方向排队长度检测. 基于差分法及交通流特性关系，从多传感器融合角度解决交通排队长度检测问题，从而对交通管控提供重要参考. 通过绿信比优化，均衡各相位绿灯时间的分配，对提高道路通行能力有重要意义[1-2].

1 排队长度检测原理

系统基于SCOOT系统对车辆排队特性研究，通过对交通流特性分析，采用无线地磁车辆检测器及多传感器融合算法实现车辆排队长度检测.

如图1所示：在每条设置了车辆检测装置(D1、D2)的路段，建立起上游断面的车流- 时间图示，并根据这个实时流量图示预测出该连线下游停车线断面的车辆受阻排队长度变化图示. 如图7所示，上游断面的车流量随时间变化的图示表示在该断面右侧. “当前时刻”的时间轴随着时间的流逝，逐渐向图中右方移动，得出上游车流量作用于下游的时间间隔. 红灯期间，车辆到达停车线将加入受阻车辆队列之尾. 在下一个绿灯期开始之后的一段时间还会持续增长(指队尾的向后延伸)，直到前面积滞的车辆全部放完为止. 如此往复循环，便可得到该断面上连续若干信号周期的车流量通过图示[3].

在对下游停车线断面车辆排队长度进行预测时，利用车辆自由流速度计算出上游断面车辆到达下游排队处时间td. 基于单车道时空分布特征，知“当前”tn车辆排队长度队尾处所加入的后续车流即为时段tn-td上游断面所检测到的车流量. 由D3、D4检测器相互融合实现出口饱和流率检测. 并根据速度- 流量特性关系建立出口车辆实时流量函数关系W2. 基于两传感器互联感知融合算法，可得出排队长度队首疏散特性检测.

图1 基于排队长度检测的节点布局示意图

2 检测装置设计

检测系统架构分为3层，即“移动客户端→中心基站平台→地磁车辆检测节点”，构建了数据采集、信息融合、信息发布的综合交通流平台. 车联网背景下，实时准确的交通流信息、车辆间交互信息、路侧交通控制设备协同工作，对构建“车路协同”智能化交通控制系统尤为重要. 系统总体结构如图2所示.

图2 检测系统示意图

2.1 无线地磁车辆检测节点设计

地球周围存在一层弱磁场，大约为0.5～0.6高斯，当较大的铁磁物体在穿过磁场时，周围的磁场会产生扰动，利用地磁检测器采集特定位置的磁场变化信息，通过分析地磁信号变化趋势检测车辆.

无线地磁检测节点是车辆速度特征检测的感知单元. 通过磁阻传感器检测磁场的变化来判断车辆的通过信息，经过分析处理后，车辆通过信息经无线传感网传输至中心基站. 该传感器节点灵敏度高、无线传输稳定性好，满足系统实时性检测要求.

无线检测器由主控模块、信号检测单元、无线通信单元3部分组成，检测节点结构如图3所示.

图3 检测节点结构框图

检测节点采用低功耗设计原则，保证检测节点在电池供电情况下长期稳定工作. 采用TI公司的16位RISC架构MSP430G2553微处理器. 该芯片是在保持了低功耗的基础上，高达16 MHz的内部频率，具有较快的处理速度，支持通用数据接口.

地磁检测单元是采用的Honeywell公司三轴各向异性磁阻(AMR)传感HMC5883L. 该传感器可以实现X、Y、Z三轴磁场同时测量，能在±8高斯的磁场中实现0.73毫高斯的分辨率，测量精度高，测量范围广，体积小，集成度高. 通过三维地磁融合算法实现车辆检测. 无线通信单元采用433 MHz射频通信技术，能够较容易地绕过汽车等路面障碍物，衍射能力远优于2.4 GHz频段. 波长长，传输距离远，适用于道路交通流检测.

基于自适应阈值的状态机检测算法，实时更新检测阈值，匹配检测目标信号，使车辆误检率低，稳定性较好[7,9]. 车辆检测流程如图4所示.

图4 车辆检测流程

2.2 中心基站设计

中心基站图5作为车辆排队长度检测系统的控制、协调、数据融合的平台. 无线传输采用时分多址TDMA通信机制，分时控制多检测节点协同工作，运用车辆速度特征检测算法将实时信息进行融合，提取车辆速度特征信息.

中心基站选用MSP430F149微处理器，具有丰富的接口资源，满足多检测节点数据融合要求. 硬件平台具有四路无线通信单元，采用TDMA传输机制每路通信单元可在1 s时间内与32个检测节点通信. 多路通信单元采用并行通信方式，可在1 s可与128检测节点相通信，即可实现16路车辆排队长度检测. 可满足大多数交通路口信号控制需求. 中心基站具有嵌入式wifi无线接口，通过Internet网络将车辆速度特征信息实时传输至中心服务平台进行发布. 多检测节点信息融合通过无线传感器网络将实时检测信息传输至中心基站，中心基站将多传感器检测信息融合，实现车辆速度特征提取.

2.3 通信协议设计

无线通信网络采用CC1101射频收发器，基于时分多址传输方式实现实时信息传输. 将1 s信息分为32个时间槽实现多检测节点分时传输，将车辆到达实时信息传输至中心基站. 通过信息配置进行多检测节点信息融合提取. 主机定时向终端从机发送命令，命令中包含下次同步的时间以及其他所需信息，命令周期可以自行定义，以1 s为命令周期. 从机接收到主机命令后首先同步自己的时钟，然后再根据自己的时间槽做出相应的动作. 通信协议示意图如图6所示.

图6 TDMA分时通信协议示意图

2.4 低功耗设计

图7 预测停车线断面上车辆排队长度的交通模型

基于低功耗的硬件平台，采用动态功耗管理机制，微处理器在中断休眠唤醒模式下实现车辆检测、信息传输. 制定基于时分传输的无线传输协议，采用间歇性睡眠和监听模式减小射频传输功耗[8]. 静态功耗保持在100 μA以下，极大限度地降低功耗，在20 Ah锂亚电池供电下使用寿命长达3年.

2.5 深度交通流信息检测

充分发挥检测节点在无线互联感知方面优势，采用多检测节点协同工作模式，实现车辆行驶速度特征、车辆排队长度检测. 从多传感器融合角度解决交通排队长度检测问题，通过绿信比优化，均衡各相位绿灯时间的分配，对提高道路通行能力有重大意义.

该检测器安装于地表，实时检测位于检测器上的各类汽车，并通过内嵌的433 MHz无线传输网将检测到的车辆信息发送到AP(传感网网关)，AP经信息融合提取后，将车辆速度特征采用有线网络或者GPRS等无线方式将信息发送给服务中心. 通过多传感器融合算法实现排队长度检测，可以免布线、免破路、免电源、超长寿命，适合于不破坏地面的安装和应用.

3 排队长度检测算法

3.1 检测节点布局

通过在停车线前布设2个地磁车辆检测节点，道前间距4 m布设，检测车辆排队消散速度，实现排队长度疏散特性检测(图7). 在上游断面布设2个检测节点，实现上游断面车辆无阻滞行驶速度及实时车流量检测. 车辆信息经检测节点汇聚至传感网网关，应用无线传感网络技术构建互联感知环境下多传感器检测节点协同工作机制，通过多路融合算法实现车辆排队长度检测[2,4].

3.2 排队长度检测算法

排队长度检测算法如图8所示.

图8 排队长度检测算法系统框图

具体算法步骤如下：

1) 计算路口上游断面车流量实时特性

根据路口上游断面布设的2个地磁车辆检测器D1、D2检测到的车辆通过状态，实现无阻滞车流速度检测及上游车流量实时检测，将离散车流量值进行曲线拟合得出上游断面流量随时间变化关系：

w1(t)=σ(t)

(1)

式中，σ(t)为上游离散车流量随时间t变化值，w1(t)为离散车流量经曲线拟合后的断面流量与时间关系.

2) 计算上游断面车流量作用于下游车辆排队长度处时间差td：

td=sd/v1

(2)

其中，sd为上游路口到下游路段自由流行驶距离，v1为无阻滞行驶速度；无阻滞行驶速度，满足关系：

v1=(s2-s1)/(t2-t1)

(3)

其中，s1、s2、t1、t2分别为车辆通过无线地磁传感器D1、D2时的位置信息及检测器的时刻；

图9 绿灯期间，车辆排队长度疏散特性示意图

3) 绿灯放行期间，队首车辆放行特性及队首位置计算

绿灯期间，车辆排队长度开始消散，根据速度- 流量关系可得出车辆排队消散特性. 基于传感器D3、D4数据融合算法得出，路口车辆疏散期间车辆速度为v2

v2=(s4-s3)/(t4-t3)

(4)

其中，s3、s4分别表示在t3、t4时刻车辆通过D3、D4检测器的位置.

根据交通流速度- 流量特性关系，可得出路口排队长度消散时的流量特性：

w2=σ(v2)

(5)

式中，w2代表排队消散时的流量；σ(v2)代表交通流特性速度- 流量关系函数.

根据车辆排队长度疏散特性，可得出一定时间内路口放行车流量数据.

绿灯放行期间，队首车辆以速度消散，设排队长度实时队首位置为sf(t).

sf(t)=v2t

(6)

4) 根据当前交通信号状态进行排队长度分类计算

红灯期间，从红灯开始到t时刻，车辆开始排队，车辆排队长度函数如下：

(7)

其中tr1为红灯开始时刻.

绿灯放行期间，车辆排队长度在红灯期间排队长度基础上，减少了队首车辆以饱和流速率驶出量，同时增加后续车辆队尾处流量. 车辆排队长度函数

(8)

其中，tg1为绿灯放行开始时刻；r′1为红灯期间车辆排队长度数，可由(7)得出.

5) 根据实时交通流量计算排队长度在绿灯放行期间疏散特性

排队长度在无信号灯影响下自由疏散. 即当排队长度为零时，可得出排队清除时间t0. 即时计算得出r2(t)=0.

当排队清除时间to小于绿灯放行时间tg时，排队长度在1个信号周期内可放行完毕，不会产生二次排队现象. 绿灯放行指数GI满足路口排队长度疏散要求.

当排队清除时间to大于绿灯放行时间tg时，排队长度在1个信号周期内不能彻底放行完毕，造成二次排队现象. 若连续几个周期绿灯放行指数无法满足路口排对长度疏散要求，易造成道路拥堵情况加剧，甚至出现路口锁死现象，导致大范围交通瘫痪现象发生. 此时需根据各方向排队长度综合考虑，动态调节绿灯放行时间时，保障信号控制系统对实时变化交通流适应能力.

5 结束语

排队长度作为道路通行能力重要的评价指标，本文提出了一种基于无线传感器网络构建的互联感知分布式检测系统，通过多检测节点信息获取交通排队长度信息. 系统可实现路口4个方向排队长度检测，可实时准确地对交通路口通行能力进行评价. 并根据各方向交通排队长度可进一步优化信号配时，实现交通信号协调感应控制. 在信号控制中，利用观测到的排队长度来预测绿信比，提高路口通行能力. 使干线交叉口前的车辆排队长度尽可能短，达到优化交通信号配时控制目标. 从多传感器融合角度解决交通排队长度检测问题，从而对交通管控提供重要的参考.

[1] 荣建, 何民, 陈春妹. 信号交叉口排队长度动态计算方法研究[J]. 中国公路学报, 2002, 15 (3): 101-104.

[2] 周户星. 车联网环境下交通信息采集与处理方法研究[D]. 吉林: 吉林大学, 2013.

[3] 全永燊. 城市交通控制[M]. 北京: 人民交通出版社, 1989: 247-249.

[4] 祁宏生, 王殿海. 信号控制交叉路口车辆排队长度[J]. 吉林大学学报: 工学版, 2009, 39(6): 1457-1462.

[5] 杨永辉, 黄磊, 刘昌平. 基于视频分析的车辆排队长度检测[J]. 计算机应用研究, 2011, 28(3): 1037-1041.

[6] 蔡增增. 基于无线传感器网络的交通信息采集系统[D]. 重庆: 重庆大学, 2012.

[7] 赵中琦, 陈永锐, 易卫东. 基于磁阻传感器的无线车辆检测器[J]. 电子测量技术, 2013, 36(1): 1-7.

[8] 张玉华, 贾利民. 智能车辆检测仪网络地磁传感节点低功耗设计[J]. 电子产品世界, 2011(10): 28-34.

[9] 张豫鹤, 黄希, 崔莉. 面向交通信息采集的无线传感器网络节点[J]. 计算机研究与发展, 2008, 45(1): 110-118.

Queue Length Detection Based On Sensor Fusion

ZHANG Yong-zhong, ZHANG Jun-qiang, QIAO Zhi-long

(Urban Road Traffic Intelligent Control Technology Beijing Key Laboratory, North China University of Technology, Beijing 100144, China)

This paper proposes aninnovative method of detecting queue length based on information fusion of multi-sensor. This system uses wireless magnetometer-based vehicle detection and wireless sensor networks as a data source,building an Internet-aware distributed detection system. It can obtain comprehensive information on traffic flow from a spot to an area by the multi-detector nodes working together and provide an accurate data of transportation network traffic-flow for traffic information management system. The mathematical model can be established by the traffic-flow characteristics.It uses wireless magnetometer-based vehicle detection and the algorithm of multi-sensor fusion to achieve the detection of queue length for all approaches of an intersection. It can also detect the queue length during the period of the red light and the first car’s position of the queue as well as the real-time queue length. It can significantly improve the intersection level of service by optimizing the green ratioand balancing the distribution of green light interval during each cycle.

queue length; information fusion; wireless vehicle detector

10.13986/j.cnki.jote.2015.03.006

2014- 11- 10.

学科建设- 国家特殊需求- 城市道路交通智能控制人才培养项目(PXM2013_014212_000031)；研究生培养- 研究生教育- 产学研联合培养研究生基地(市级)项目(PXM2014_014212_000032).

张永忠(1971—)， 硕士研究生导师， 研究方向为交通信号控制. E-mail: zjqncut@126.com.

U 491. 1

A

1008-2522(2015)03-23-06