5G背景下智慧公路交通车路协同系统设计

2023-12-22胡玉华

无线互联科技 2023年19期

胡玉华

(江西省智慧交通运输事务中心,江西南昌 330008)

0 引言

随着社会的快速发展和人口的不断增加,交通问题成为当今社会面临的严峻挑战之一[1]。传统的交通管理方式已经难以应对日益增长的车辆数量和日益复杂的城市道路情况。因此,智慧公路交通通信技术的研究与应用成为提高交通效率、减少拥堵、提升交通安全的重要途径。5G通信技术的快速发展为智慧公路交通通信技术提供了新的机遇和挑战。该技术具备高速、低延迟和大容量的特点,为智慧公路交通通信技术的实现提供了强大的技术支持[2-3]。通过利用5G技术,智慧公路交通系统能够实现车辆之间、车辆与道路基础设施之间的高效通信和信息交换,从而实现实时的交通监测、车辆导航、交通信号控制等功能。本文将探讨5G背景下智慧公路交通通信技术的研究与展望,设计智慧公路交通车路协同系统,期望进一步提高交通效率,推动社会发展。

1 5G背景下智慧公路交通车路协同系统设计

1.1 硬件设计

5G背景下智慧公路交通车路协同系统的硬件设计中,需要使用不同的设备来实现通信、感知、计算和控制等功能。在该系统中,车载通信单元至关重要。系统采用的Qualcomm骁龙X60 5G通信芯片能提供强大的5G通信能力;采用的NVIDIA Drive AGX系列车载计算平台,能高效完成数据处理和决策计算。对于道路基础设施设备,交通信号灯控制器起着关键作用,本系统使用的Bosch信号灯控制器能够提供高精度的信号控制功能。道路传感器采用Delphi雷达传感器及Autoliv摄像头传感器,感知道路状况和车辆信息。在交通管理中心设备方面,系统采用Dell服务器或HP存储设备,以此来处理和存储大量的交通数据。此外,交通数据处理单元采用Intel Xeon处理器,以便高效处理和分析复杂的交通数据任务。

1.2 软件设计

1.2.1 实时交通信息采集传输

为实时采集交通信息,需要安装如GPS、雷达、摄像头等车载传感器。在交通基础设施上,安装交通摄像头、感应器等传感器,用于采集交通流量、车速等数据。将车载传感器和基础设施传感器采集到的数据进行融合,得到更准确地实时交通信息。对采集到的原始数据进行处理,包括数据清洗、去噪、异常检测等,确保数据的准确性和可靠性,提取有用的交通特征及趋势,如车辆速度、车辆加速度及交通流量等。计算车辆速度如式(1)所示。

(1)

其中,v表示车辆速度,s1和s2分别表示2个时刻车辆的位置,t表示时间间隔。车辆加速度计算如公式(2)所示。

(2)

其中,a表示车辆加速度,v1和v2分别表示2个时刻的车辆速度。交通流量计算公式如式(3)所示。

(3)

其中,Q表示交通流量,n表示通过某个路段的车辆数量。根据公式计算后获取的数据,利用5G网络进行数据传输,实现高速度、低延迟的数据通信,车辆通过5G网络将采集到的实时交通数据传输到中心服务器。通过车辆间的无线通信(V2V),将采集到的实时交通信息传输给周围的车辆,实现交通信息共享,选择合适的传输协议和网络架构,以确保实时交通数据的高效传输。该系统使用的MQTT传输协议框架,如图1所示。

图1 MQTT传输协议

MQTT是一种轻量级的发布-订阅模式消息传输协议,适用于交通资源受限及低带宽网络环境。MQTT协议的应用为车路协同系统建立一个高效的传输通道,将实时交通数据从车辆、传感器或交通基础设施传输到中心服务器。此外,MQTT还具有灵活的可扩展性,使得智慧公路交通车路协同系统能够采集实时数据,并进行高速传输。

1.2.2 5G智能交通信号控制

在智慧公路交通车路协同系统中,实时信号控制与调整是通过实时监测交通状况,并根据数据采集到的信息对交通信号灯进行动态调整,以优化交通流量、提高交通效率。在信号调整策略生成中,应用模拟退火算法寻找最优的信号灯时长和相位配置方案,基本流程如图2所示。

图2 模拟退火算法的基本流程

算法的初始化首先要设置初始温度T和终止温度Tmin。随机生成一个初始解作为当前解x,设置初始目标函数值f(x)。在当前温度下,进行一定次数的迭代,在当前解x的邻域中随机选择一个新解x′,计算新解x'的目标函数值f(x′)。之后判断接受条件,如果f(x′)

(4)

在公式(4)中,p为接受新解的概率,f(x)为当前解x的目标函数值,f(x′)为新解x′的目标函数值,T为当前温度。在计算概率后,生成一个随机数r,如果r

1.2.3 交通数据分析与预测

在5G背景下的智慧公路交通车路协同系统设计中,交通数据分析与预测起着关键的作用。基于历史数据及提取到的特征,采用回归分析,建立交通数据预测模型。线性回归模型的公式如式(5)所示。

y=β0+β1X1+β2X2+...+βnXn

(5)

其中,y表示预测的交通数据(如车流量),X1、X2等表示特征变量(如时间、天气等),β0、β1等表示模型的参数。利用训练好的模型对未来的交通数据进行预测,如预测未来的车流量、交通拥堵情况等。将预测结果可视化展示,以便系统决策者和用户能够直观地理解和应用。

2 系统测试实验

2.1 实验准备

选择SmartRoad Platform作为5G背景下智慧公路交通车路协同系统设计的构建平台,平台的具体型号和配置为SmartRoad v2.0,处理器为Intel Core i7-8700(16GB RAM,1TB SSD)。选择与SmartRoad Platform兼容的设备和传感器,用于数据采集和测试;选择XYZ-Camera高精度交通监测摄像头、GPS-Tracker车辆定位装置,使用高速以太网连接将SmartRoad Platform连接到实验室网络。使用UPS(不间断电源)或稳定电源适配器为SmartRoad平台提供稳定的电源供应,确保实验设备正常运行,并与SmartRoad Platform进行连接。

2.2 实验结果

使用专业的测试工具和设备,按照标准的测试方法进行测试,并记录测试结果。选择5个不同的运行时间节点(T1、T2、T3、T4、T5)进行对比,测试系统的响应速度、处理能力和传输速率,具体数据如表1所示。

表1 系统测试结果

通过表1可以看出5G背景下智慧公路交通车路协同系统从T1到T5的时间节点,系统的响应速度逐渐降低,表明系统能够快速响应交通数据的采集、处理和传输需求。系统具备较高的计算能力和数据处理能力,能够应对大量交通数据的分析和预测需求。系统的高传输速率支持实时交通信息共享和车辆之间的实时通信,能够有效提高公路交通的通信效率。