一种基于WIFI信号的交通畅行等级检测系统

1.一种基于WIFI信号的交通畅行等级检测系统，沿交通道路部署检测设备系统，所述检测设备系统包括多个子网络，每个子网络包含一个主机和若干个分机，所述分机通过无线被动感知模式，采集由移动终端设备基于Wifi协议随机向四周环境发送的广播式数据包，并筛选其中带有移动终端设备ID信息的数据包进行检索，打上分机标签后上传至主机，主机将收集 到的数据进行统一存储和打上时间标签，并上传至数据服务器中存储，并通过数据分析得到宏观断面流量、断面流速、聚合平均旅行时间的检测值，并确定路段的交通畅行等级；
所述数据的分析包括以下步骤：
步骤1：通过分机采集完整时间段的数据D， 其中，Dij表示第j个子网
第i号分机数据；N表示子网的个数，M表示第j个子网中的分机个数；
步骤2：对数据进行切片并提取待分析路段S及完整时间段(T-Δt)的数据Ds'，式中Dis为第s子网下编号为i的分机所采集到的数据；
步骤3：对部署的子网络与对应实际路段S进行空间匹配，得到子网络主机与对应路段的编号信息及该子网络的分机部署情况列表；
步骤4：对各分机采集的数据根据移动终端设备ID号进行排序，建立数据矩阵{Tower(i,s),t}；
步骤5：将建立的ID数据列表按出现在不同数据矩阵的次数进行分类：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析；对于在时间段Δt内，移动终端ID在子网络两个及以上分机出现的，该移动终端ID对应的数据直接作为有效数据；
步骤6：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析：1、当在Δt时间内，该移动终端ID在单个分机的数据矩阵TOWER中重复出现，且多个移动终端ID出现以上情况，标识对应路段为拥堵状况，并将该类ID数据记为有效数据；2、当在Δt时间内，未发现该移动终端ID在单个分机数据矩阵TOWER中重复出现，则遍历该子网络对应路段S前后的子网络是否出现相同的ID号，如果未出现，则将该ID数据作为噪声数据处理，如果在其他子网络中出现，则标识入有效数据列表；
步骤7：重复步骤4～6直到数据处理完毕；
步骤8：将经过步骤5和6处理所得的有效数据进行归并，并根据数据矩阵TOWER所对应物理空间中的位置及出现的时间先后顺序，并将ID数据矩阵区分为双向，并对每个单向数据进行后续处理；
步骤9：在T-Δt到T时间段内，单向有效数据总量为V，V＝D{ID}，并通过以下方法进行实际宏观断面流量、断面流速、聚合平均旅行时间的检测和计算：
(1)实际宏观断面流量V(T)的计算：
式中，IDi是编号为i的分机所采集到的数据，F(·)为有效ID数据的拟合函数，x为子网内分机总数，i为子网内分机编号；
(2)断面流速v(Ln-Lm)的计算：
式中，v(Ln-Lm)为该子网下Lm至Ln路段的平均流速，v′(n-m)为第j个子网中通过编号为m至n号分机计算得到的平均流速(即编号m和n分机之间的平均流速)；k为ID数据的编号，x为ID数据的总数；Ln为第j个子网内编号为n的分机的物理位置；为第k个ID号被该子网中编号为n的分机所采集的时刻；Δ(k)为第k个ID号在计算数据的有效数据中所占的权重值；i为该子网中分机的总数，n，m，n′，m′均为第j号子网内分机编号，其中n′至m′的覆盖段包含了n至m的覆盖段；ω(n′,m′)表示通过编号为(n′，m′)分机矩阵计算Ln'至Lm′平均速度时该组结果所占的权重系数矩阵；
(3)聚合平均旅行时间T(Ln-Lm)的计算：
式中，T(Ln-Lm)为子网下Lm至Ln路段的聚合平均旅行时间；i为子网下分机总数；为第k个ID号被该子网中编号为n的分机所采集的时刻；n，m，n′，m′均为第j号子网内分机编号；ω(n′,m′)表示通过编号为(n′，m′)分机矩阵计算Ln'至Lm′聚合平均旅行时间时该组结果所占的权重系数矩阵；
步骤10：设定路段的饱和流量为V0，该路段限速速度为v0，该路段里程为D，并设定交通畅行等级，如下式所示：
通过将V(T)，v(Ln-Lm)，T(Ln-Lm)与上式进行比较，从而确认该路段当前的畅行等级。
2.根据权利要求1所述于基于WIFI信号的交通畅行等级检测系统，其特征在于：步骤9中，所述权重Δ(x)和ω(n′,m′)的分配方案通过自反馈学习，经过多次迭代逼近近似拟合得到，具体步骤如下：
首先，分别设定Δ(x)和ω(n′,m′)的初始值，计算输出断面流速的初始值v0；
然后，通过将断面流速的初始值v0与偏置参考系S进行自反馈学习，通过多次迭代计算修正权重函数值进行近似拟合，得到近似拟合函数F(·)，
接着，以偏置参考系的输出值S与断面流速v的比值S/v为判断反馈学习终止的依据，并设定S/v的范围在0.99≤S/v≤1.01；
最后，当S/v的值符合终止范围时，迭代拟合完成并输出Δ(x)和ω(n′,m′)的分配方案。
3.根据权利要求2 所述基于WIFI信号的交通畅行等级检测系统，其特征在于：并作为有效基准参考单元。
4.根据权利要求2 所述基于WIFI信号的交通畅行等级检测系统，其特征在于：所述相邻分机之间距离为d，单个分机的信号覆盖半径为r，且d＞2r。

一种基于WIFI信号的交通畅行等级检测系统\n技术领域\n[0001] 本发明属于移动互联网技术，尤其涉及宏观交通信息监测算法的改进。\n背景技术\n[0002] 交通流数据是交通运营调度指挥系统的重要信息来源，可为指挥调度、交通流量控制和交通诱导提供决策依据。现有的交通流检测技术有多种，根据安装方式可分为接触式检测方式和非接触式检测方式。其中接触式检测技术包括压电、压力管探测和环形线圈探测。这种技术的主要缺点是，车辆对道路的碾压导致检测器的使用寿命较短，在布设检测器时，需要中断交通、破坏路面，因此安装围护较为困难，使用成本高。非接触式检测技术主要为波频探测和视频探测。波频探测分为微波、超声波和红外等三种。非接触式检测器可通过支架安装，维护方便、使用寿命长，其主要缺点是易受户外气候条件的影响，存在环境适应性不强、数据传输量大、检测准确率不高和造价较高等问题。\n[0003] 随着我国高速路网的飞速发展，高速公路交通流检测应用需求剧增。在高速路网中，交通流量信息同样非常重要，通过流量信息，高速路网管理部门能实时了解各路段的实时车辆数量信息，提供直观的路网车辆负荷量，为路网的调度和整体规划提供准确数据。\n[0004] 但是，高速路网存在一些特殊的情况，例如高速公路供电不便、信息传输困难，以及建设过程中未能提前布设各类检测器等，无法做到密集式监控和管理，需要对现有检测器进行进一步的设计和改进。\n发明内容\n[0005] 针对现有技术存在的问题，本发明提供了一种基于WIFI信号的交通畅行等级检测系统，本发明基于便携移动终端唯一ID、采集数据时间戳和检测设备位置信息的宏观交通信息检测算法，实现对移动终端采集数据的数据挖掘和分析，可应用于道路交通畅行等级检测。\n[0006] 为解决上述技术问题，本发明采用了以下技术方案：\n[0007] 一种基于WIFI信号的交通畅行等级检测系统，沿交通道路部署检测设备系统，所述检测设备系统包括多个子网络，每个子网络包含一个主机和若干个分机，所述分机(单个检测设备)通过无线被动感知模式，采集由移动终端设备基于Wifi协议随机向四周环境发送的广播式数据包，并筛选其中带有移动终端设备ID信息的数据包进行检索，打上分机标签后上传至主机，主机将手机到的数据进行统一存储和打上时间标签，并上传至数据服务器中存储，并通过数据分析得到宏观断面流量、断面流速、聚合平均旅行时间的检测值，并确定路段的交通畅行等级。\n[0008] 进一步的，所述数据的分析包括以下步骤：\n[0009] 步骤1：通过分机采集完整时间段的数据D， 其中，Dij表示第j个\n子网第i号分机数据；N表示子网的个数，M表示第j个子网中的分机个数；\n[0010] 步骤2：对数据进行切片并提取待分析路段S及完整时间段(T-Δt)的数据D′s，式中Dis为第s子网下编号为i的分机所采集到的数据；\n[0011] 步骤3：对部署的子网络与对应实际路段S进行空间匹配，得到子网络主机与对应路段的编号信息及该子网络的分机部署情况列表；\n[0012] 步骤4：对各分机采集的数据根据移动终端设备ID号进行排序，建立数据矩阵{Tower(i,s),t}；\n[0013] 步骤5：将建立的ID数据列表按出现在不同数据矩阵的次数进行分类：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析；对于在时间段Δt内，移动终端ID在子网络两个及以上分机出现的，该移动终端ID对应的数据直接作为有效数据；\n[0014] 步骤6：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析：1、当在Δt时间内，该移动终端ID在单个分机的数据矩阵TOWER中重复出现，且多个移动终端ID出现以上情况，标识对应路段为拥堵状况，并将该类ID数据记为有效数据；2、当在Δt时间内，未发现该移动终端ID在单个分机数据矩阵TOWER中重复出现，则遍历该子网络对应路段S前后的子网络是否出现相同的ID号，如果未出现，则将该ID数据作为噪声数据处理，如果在其他子网络中出现，则标识入有效数据列表；\n[0015] 步骤7：重复步骤4～6直到数据处理完毕；\n[0016] 步骤8：将经过步骤5和6处理所得的有效数据进行归并，并根据数据矩阵TOWER所对应物理空间中的位置及出现的时间先后顺序，并将ID数据矩阵区分为双向，并对每个单向数据进行后续处理；\n[0017] 步骤9：在T-Δt到T时间段内，单向有效数据总量为V，V＝D{ID}，并通过以下方法进行实际宏观断面流量、断面流速、聚合平均旅行时间的检测和计算：\n[0018] (1)实际宏观断面流量V(T)的计算：\n[0019]\n[0020] 式中，IDi是编号为i的分机所采集到的数据，F(·)为有效ID数据的拟合函数，x为子网内分机总数，i为子网内分机编号；\n[0021] (2)断面流速v(Ln-Lm)的计算：\n[0022]\n[0023] 式中，v(Ln-Lm)为该子网下Lm至Ln路段的平均流速，v′(n-m)为第j个子网中通过编号为m至n号分机计算得到的平均流速(即编号m和n分机之间的平均流速)；k为ID数据的编号，x为ID数据的总数；Ln为第j个子网内编号为n的分机的物理位置；为第k个ID号被该子网中编号为n的分机所采集的时刻；Δ(k)为第k个ID号在计算数据的有效数据中所占的权重值；i为该子网中分机的总数，n，m，n′，m′均为第j号子网内分机编号，其中n′至m′的覆盖段包含了n至m的覆盖段；ω(n′,m′)表示通过编号为(n′，m′)分机矩阵计算Ln'至Lm′平均速度时所占的权重系数矩阵；\n[0024] (3)聚合平均旅行时间T(Ln-Lm)的计算：\n[0025]\n[0026] 式中，T(Ln-Lm)为子网下Lm至Ln路段的聚合平均旅行时间；i为子网下分机总数；\n为第k个ID号被该子网中编号为n的分机所采集的时刻；n，m，n′，m′均为第j号子网内分机编号；ω(n′,m′)表示通过编号为(n′，m′)分机矩阵计算Ln'至Lm′聚合平均旅行时间时所占的权重系数矩阵； 表示(n′-m′)路段中分机矩阵计算得到的旅行时间除以\n分机间隔数在乘积计算的Ln'至Lm′路段的分机间隔数；\n[0027] 步骤10：设定路段的饱和流量为V0，该路段限速速度为v0，该路段里程为D，并设定交通畅行等级，如下式所示：\n[0028]\n[0029] 通过将V(T)，v(Ln-Lm)，T(Ln-Lm)与上式进行比较，从而确认该路段当前的畅行等级。\n[0030] 进一步的，步骤9中，所述权重Δ(x)和ω(n′,m′)的分配方案通过自反馈学习，经过多次迭代逼近近似拟合得到，具体步骤如下：\n[0031] 首先，分别设定Δ(x)和ω(n′,m′)的初始值，计算输出断面流速的初始值v0；\n[0032] 然后，通过将断面流速的初始值v0与偏置参考系S进行自反馈学习，通过多次迭代计算修正权重函数值进行近似拟合，得到近似拟合函数F(·)，\n[0033] 接着，以偏置参考系的输出值S与断面流速v的比值S/v为判断反馈学习终止的依据，并设定S/v的范围在0.99≤S/v≤1.01；\n[0034] 最后，当S/v的值符合终止范围时，迭代拟合完成并输出Δ(x)和ω(n′,m′)的分配方案。\n[0035] 进一步的，并作为有效基准参考单元。\n[0036] 进一步的，所述相邻分机之间距离为d，单个分机的信号覆盖半径为r，且d＞2r。\n[0037] 有益效果：本发明提供了一种基于便携移动终端唯一ID、采集数据时间戳和检测设备位置信息的宏观交通信息检测算法，实现对移动终端采集数据的数据挖掘和分析，为基于WIFI信号的交通流量检测器及检测系统提供了基于该型数据的深度挖掘和交通流量检测算法实现，填补了该型数据在交通检测方面的应用空白，促进了智慧交通领域的发展。\n附图说明\n[0038] 图1为本发明所述基于WIFI信号的交通流量检测系统的道路部署原理示意图；\n[0039] 图2为本发明所述基于WIFI信号的交通车辆流量的检测算法流程示意图；\n[0040] 图3为本发明所述基于WIFI信号的断面流速的检测算法流程示意图；\n[0041] 图4为本发明所述基于WIFI信号的聚合平均旅行时间的检测算法流程示意图；\n[0042] 图5为本发明所述基于WIFI信号检测数据中有效数据的降噪筛选流程示意图；\n[0043] 图6为本发明所述基于WIFI信号中权重系数的近似拟合过程示意图；\n[0044] 图7本发明实施例中交通信息检测系统的部署示意图；\n[0045] 图8为本发明实施例中输出流速值与偏置参考系的比值随时间变化对比图；\n[0046] 图9为本发明实施例路段上通过本发明系统算法的流量和流速分别与偏置参考系的真实值的比值对比图；\n[0047] 图10为本发明实施例中某路段的交通畅行等级示意图。\n具体实施方式\n[0048] 下面结合附图并以具体实施例，进一步阐明本发明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。\n[0049] 如图1所示，本发明包括多个子网络，每个子网与实际路段S为空间匹配映射关系，每个子网路段S均部署的检测设备包含若干个分机和至少一个主机；分机作为基础传感器并基于802.1b协议(WIFI协议)用于监听接收周围环境中基于WIFI信号协议的移动设备发送的广播数据包，并将该广播数据包传送至数据处理模块，所述数据处理模块对广播数据包进行删选和读取，获得移动设备的ID号，并将包括ID号和分机模块编号的数据传输至主机；主机则打上时间戳后进行存储后上传至远程服务器。本发明即是基于分机传感器接收到的包含ID号的数据包进行检测计算，获得对应路段的交通断面流速。具体而言：\n[0050] 本发明检测设备部署方式：图1中，Tower(j)表示所部署的路网中的第j个子网主机，Tower(i,j)表示第j个子网中的第i个分机。每个子网络包含一个主机和若干个分机，分机数量可根据路网条件适当增减，子网络最大覆盖范围2Km，单个分机信号覆盖范围最大半径250m，用户可根据实际路况条件调节单个分机预测范围，分机之间距离d设定仅需大于两倍的分机预测范围，同样可根据实际路况条件进行灵活调节。子网络部署密度可根据实际交通环境管理需求进行部署。\n[0051] 检测设备数据采集流程：单个检测备即分机通过无线被动感知模式，即采用TI的CC3XXXX系列芯片的检测器，通过基于wifi协议采集由移动终端设备随机向四周环境发送WIFI广播式数据包，并筛选其中带有设备ID信息的数据包进行检索。打上分机标签后上传至主机，主机将收集到的数据进行统一存储和打上时间标签，并上传至数据服务器中进行存储，等待分析。对本发明算法原理过程进行具体说明：\n[0052] 步骤1 ：采集完整时间段 (T-Δt)的完整数据，完整数据表示为\n其中Dij表示第j个子网第i号分机数据；\n[0053] 步骤2：将数据进行切片，并提取分析路段S及时间段(T-Δt)的完整数据[0054] 步骤3：物理空间位置映射，对应所部署的子网络，将其与实际路段S进行空间匹配，每个子网络主机带有对应路段相应编号信息及分机部署情况列表；\n[0055] 步骤4：将采集数据根据其ID号进行排序，并建立数据矩阵{Tower(i,S),t}；\n[0056] 步骤5：如图3所示，将建立的ID数据列表按出现在不同的Tower中的次数进行分类，将仅在一个Tower中出现的ID单独提取出进行分析，将在两个以上Tower中出现的ID数据归为一类；\n[0057] 步骤6：对仅在一个Tower中出现的ID进行分析，将情况分为以下两种：1、在Δt时间段内，该Tower中重复出现该ID，且该种情况大量发生，具有相当数量ID出现此种情况，则表示该路段出现拥堵状况，该类ID为有效数据；2、若在Δt时间段，未发现该ID在该Tower中重复出现，将该数据剔除，如图5所示；\n[0058] 步骤7：重复步骤4,5,6，确认无遗漏数据；\n[0059] 步骤8：针对未完全拥堵情况下，根据以上数据删选后，重新建立ID号关联的数据矩阵{Tower(i,S),t}；\n[0060] 步骤9：根据数据矩阵{Tower(i,S),t}中时间t和Tower的关系，将数据进一步分类为双向数据矩阵：DL和DR，并对其进行计算；\n[0061] 步骤10：通过以下计算式获得路段流量V(T)、流速v(Ln-Lm)、聚合平均旅行时间T(Ln-Lm)的检测数值：\n[0062]\n[0063] 式中，F(·)为有效ID数据的拟合函数，x为子网内分机总数，i为子网内分机编号；\n[0064]\n[0065] 由收集的数据可知，ID号并不会完整的出现在每个检测分机中，ID号的出现存在一定的随机性，同时由于分机检测器为范围覆盖，故ID号的收集位置并不一定为分机所在的位置，而在分机所处位置±r(r为分机覆盖半径)的位置范围内。因此，引入权重矩阵ω(n′,m′)，且权重求和为1，为保证矩阵完整性，记录为0的数据不分配权重系数，根据上式可得，\n[0066] 通过上式，可推得： 式中， 为第k\n个ID号被该子网中编号为n的分机所采集的时刻；n，m，n′，m′均为第j号子网内分机编号。\n[0067] 本发明检测系统的数据是随时间累积更新，在进行运算前设置Δ(x)和ω(n′,m′)的初始值，计算得到交通断面流速V，并将本发明得到交通断面流速与偏置参考系例如线圈检测器测得的交通断面流速S进行自反馈学习，通过多次迭代计算修正权重函数Δ(x)和ω(n′,m′)，实现近似拟合，得到近似拟合函数F(·)，当偏置参考系与本发明计算得到交通断面流速V的比值S/v得到终止范围时，完成迭代拟合并输出当前状态下的Δ(x)和ω(n′,m′)。本发明采用间隔采样方式检测算法得到的数据准确性，，当数据偏移量超过阈值或设定一定时间段后，再次进行迭代拟合输出修正后的Δ(x)和ω(n′,m′)的分配方案。\n[0068] 检测得到路段流量V(T)、流速v(Ln-Lm)、聚合平均旅行时间T(Ln-Lm)后，进行交通畅行等级的分机检测。主要依托于对交通车流流量、流速以及旅行时间的预测，建立畅行等级数据矩阵{流量；流速；旅行时间}。用户可根据自身使用特点按流量饱和度、流速均值、旅行时间或者三者任意组合。由于本发明的检测系统部署可部署密度大，计算结果相对精确，数据偏离度可控制在10％以内，故可以将交通畅行等级进行进一步细分，在现有3-4级的基础上进行扩充，从而更为精准的掌握高速交通状态，以便及时预防和管控。\n[0069] 畅行等级分级：设某路段理论饱和流量为V，限速S，路段里程为D，理论通行时长为T。路段分级为6级，这等级划分列表可建立为：\n[0070]\n畅行等级(Lv) 通过流量v 通过均速s 通过时长t\n深绿(Lv6) v<20％V s>80％S t<(D/(0.8xS))\n浅绿(Lv5) 20％V60％S t<(D/(0.6xS))\n浅黄(Lv4) 40％V(D/(0.05xV))\n[0071] 下面以北京至上海G42高速公路某路段进行试验，在道路两旁安装部署本发明交通流量检测系统。如图7在道路进行检测器部署，监听接收周围环境通过车辆上的移动设备发出的WIFI信号广播数据包。以5分钟为时间单位的检测器计算速度和流量，并与线圈检测速度和流量。\n[0072] 如图8所示，上述路段中某个物理位置上的通过本发明算法得到断面流速与线圈检测器测得的流速的比值，随时间的变化图。从图可知，两者比值都在1附近，呈现高度一致性和稳定性。\n[0073] 如图9所示为通过本发明系统算法的流量和流速分别与偏置参考系的真实值的比值对比图。从图中可知流量间的比值具有高度一致性；流速之间的比值也能基本保持一致，并能保持数据的稳定性，得到的结果具有高的可靠性和准确性。