英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
使用无线传感器网络的智能交通灯路口管理
MARIO COLLOTTA, TULLIO GIUFFRE, GIOVANNI PAU, GIANFRANCO SCATA
Kore University of Enna
Faculty of Engineering and Architecture
Cittadella Universitaria, 94100 Enna
ITALY
(mario.collotta, tullio.giuffre, giovanni.pau, gianfranco.scata}@unikore.it
摘要：近年来，无线传感器网络（WSN）越来越多地参与智能交通系统（ITS）优化，尤其是信号交叉口的动态管理。本文讨论了现有技术，并展示了一种IEEE 802.15.4网络体系结构，用于监视交通信号灯附近的车辆交通流。该体系结构的特征在于创新的算法，可根据交通流的测量值确定交通信号灯的绿灯时间和相序。这项工作的主要目的是减少平均等待时间。为了确认所提出方法的有效性，已经考虑了一些案例研究，并进行了一些模拟。
关键词：无线传感器网络，交通信号灯，智能交通系统，实时系统
1引言
智能交通系统（ITS）的主要目标是使用信息和通信技术（ICT），以便基于先进技术设计交通运输产品，服务和系统。许多ICT / ITS研究人员研究，分析和开发了几种适合ITS应用的网络体系结构[1]，通信协议和算法[2]。近年来，研究人员致力于将无线传感器网络（WSN）并入ITS应用中的可能性[3]，以取代有线网络或将其集成到各种场景中。
在文献中，有几篇著作讨论了无线技术的优势，例如降低了安装成本，灵活性以及容易实现临时部署（例如出于监视目的）的可能性等。而且，与常规的感应环路系统、视频和雷达检测器相比，它们提供了更大的安装灵活性和更低的维护成本[4] [5] [6]。此外，传感器节点不是侵入性的，它提供了使功耗最小化的机制[7] [8]，并且可以放置在任何地方。这些功能使得收集有关在道路上行驶车辆的信息成为可能。实际上，城市地区道路拥堵的加剧需要使用基于WSN的解决方案来监控交通流量。
本文提出了一种用于信号交叉口动态管理的新型网络架构，展示了与经典解决方案（即静态）相比，该实现算法的性能。 本文的结构如下：第2节示出了主要的相关工作，以便确定当前的技术水平。第3节介绍了建议的系统模型，而第4节介绍了用于交通信号灯动态管理的新算法。第5节显示了所提出方法的性能。最后，第6节总结了论文的报告结论。
2以前的作品
对无线传感器网络已经进行了详尽的研究，并将其用于多个领域，例如健康[9]，农业[10]和家庭自动化[11]。毫无疑问，该技术的主要应用领域之一是道路监控。 在文献中，信号交叉管理提出了不同的方法，他们都建议减少等待时间和队列长度。
2.1 SCATS和SCOOT交通控制系统
随着廉价微处理器的出现，在70年代末和80年代初开发了几种实时自适应交通控制系统来解决这个问题。这些系统可以通过执行本地优化来响应流量需求的变化。其中最引人注目的是SCATS [12] [13] [14] [15]和SCOOT系统[13] [16]，其目的是优化信号的循环时间、相分离和偏移。循环时间是完成信号所有阶段的持续时间；相位分裂是将周期时间划分为绿色信号周期，以进行竞争性进近；偏移量是相邻交叉路口中每个相位开始之间的时间关系。
SCATS系统将相交的组组织成子系统。每个子系统仅包含一个关键交叉路口，该交叉路口的时序参数可由区域计算机根据该地区的平均流行交通状况直接进行调整。子系统中的所有其他相交点始终与关键相交点协调，共享公共周期时间以及协调的相分离和偏移。在较低级别，每个交叉路口都可以根据本地交通需求独立减少或忽略特定阶段；但是，必须将节省的时间添加到下一个阶段，以在所有路口之间保持相同的循环时间。SCATS使用的基本交通数据是“饱和度”，定义为实际使用的绿色时间与总可用绿色时间之间的比率，调整关键路口的循环时间，以便为具有最大饱和度水平的车道保持较高的饱和度水平。调整关键路口的相分离，以在竞争方法上保持相等的饱和度；选择子系统的交叉点之间的偏移以最小化在主要业务流方向上的停止，SCATS并未明确优化任何特定的性能度量，例如平均延迟或停止。
SCOOT使用实时交通数据获取交通流量模型，称为“循环流量曲线”，然后用于估计红色信号时将有多少辆车到达下游信号，该估计值可提供对队列的预测：信号时序参数的不同、假设变化的大小。SCOOT的目标是在每个相位变化前的几秒钟使一个区域中的平均队列的总和最小化，SCOOT使用流模型来确定将相变时间延迟或提前几秒钟，或者保持不变是否更好。一个周期后，系统会询问类似的问题，以确定是否应将偏移量提前或延迟几秒钟，周期时间类似地增加或减少了几秒钟。因此，SCOOT更改了时间参数，以优化明确的性能目标。
2.2用于交通控制应用的WSN
在文献中，已在几篇著作中介绍了通过使用WSN来管理信号交叉的问题。信号交叉口的通行能力分析在[17]中提出，作者详细地提出了一种在混合交通情况下计算直通车道的交通能力的方法。在[18]中提出的方法示出了一种使用磁阻传感器进行车辆检测的技术，一种通过分析从传感器接收到的信号的算法来识别车辆，但是对路边或路口管理的关注较少。实际上，仿真是在一个简单的阶段计划（仅两个阶段）上执行的。此外，在[18]中，没有分析基于检测到的实时流量动态管理相序的可能性。
在[19]中示出了用于确定交通灯的绿色时间延长的模糊逻辑算法。换句话说，可以根据当前的交通量来延长最小绿灯时间。而且，相位序列仅由队列长度确定。 然后，该算法不考虑极限情况。不同队列之间的长度差异很大，导致该算法忽略了较短队列中的等待车辆。在[20]中提出了另一个用于灵活的服务质量（QoS）管理的模糊逻辑控制器。作者展示了一种创新的WSN架构和一种新颖的算法，该算法可以根据监视给定区域的实际需求动态地启用/禁用某些摄像机。该算法基于通过WSN测得的流量值。
在[21]中，作者希望优化交通信号灯路口的疏散路线。提出了一种考虑路口延误时间和路口通行能力的算法。该算法旨在在交通信号灯控制的城市交通网络中找到最佳的疏散路线和合理的疏散开始时间。在[22]中提出了一种用于互连交通的道路交通控制的新颖方法。所提出的方法涉及在每个路口安装的本地模糊逻辑控制器的使用，该控制器通过动态编程技术得出交通灯周期中每个阶段的绿灯时间。该方法的性能已在几种交通条件下进行了评估，其结果确实令人鼓舞。
在[23]中，提出了一种实时模型，该模型能够模拟城市环境中的几种交通状况。 此外，作者提出了一种交通灯调节系统。仿真结果表明，可以在一个较大的控制区内对大量车辆进行仿真。在[24]中，作者提出了一种算法，该算法考虑了有关交通流量的几个值，用于每个交通信号灯周期的绿灯时间计算和相序确定。然而，在[24]中提出的解决方案完全替代了具有用于兼容交通流系统的预定交通灯配置系统的交通灯相位概念。它是传统道路交叉口管理系统的替代方案；其实际实施需要较长的测试时间才能评估其有效功能。
[25]中已经证明了使用无线传感器网络监控流量的方法的有效性。无论如何，所示出的方法主要集中在相位序列估计上，而没有绿色时间的重新计算。最后，应避免使用侵入式方法[26]。实际上，它要求在每辆车上安装硬件。相反，可以想到将该系统[26]应用于紧急车辆，以便提供比普通车辆更高的优先级。考虑到传感器节点由电池供电，[27]和[28]的作者提出了一种自供电的WSN，以管理交通信号灯。 网络的传感器节点由压电驱动，该压电通过车辆越过红绿灯路口产生的振动而给电池充电。
由于引入了网络体系结构以进行适当的车辆交通流量监控，因此本文提出了最新技术。此外，本文还将展示一种用于交通信号灯管理的动态算法，该算法考虑了比文献中已经研究的路口更复杂的路口。
3智能系统模型建议
本文所提出的体系结构是一种具有两层特征的分层网络：一层由基于IEEE 802.15.4协议[29]的无线传感器网络表示，另一层由有线骨干网组成。在信标使能模式下，IEEE 802.15.4协议可以使用保证时隙（GTS）进行优先计划的通信。GTS的使用允许进行尽可能确定的通信。此外，评估了有关该问题的文献著作。在[30]中，作者从延迟和吞吐量方面分析了GTS分配机制的性能。GTS必须确保的极限值经过分析评估，获得的结果表明，对于WSN应用（通常具有较低的到达速率和较小的突发大小），使用低超帧阶数来提供低延迟范围很方便。此外，如[31]中所述，基于优先级的CSMA / CA机制是必要的，以便支持监视应用程序中了解截止时间的调度。在[32]中对星型WSN也分析了GTS机制。为了更好地理解，可能有不超过7个同时需要GTS的设备，否则将做不到实时约束。该协议不太适合具有严格实时约束的传感器网络[33]，但是它非常适合此处考虑的ITS场景，因为集群没有很多节点，并且应用程序的时间约束比较有弹性。
这里提出的WSN体系结构基于GTS机制。设计的两层体系结构对通用交叉点有效。在图1中，我们指的是一个完整的场景，而图2则显示了一个孤立的交叉点，该交叉点具有四个方向（北、南、东和西），每个方向有三个通道。因此，每个方向都有专用车道。南北向形成主要街道，而东西向形成交叉街道。对于每种交叉点方法，都使用了几个RFD（精简功能设备）传感器节点，这些传感器节点以簇的形式组织并由特殊的FFD（全功能设备）节点进行协调。在每种方法中，整个网络由宿节点协调，该宿节点收集和处理与车辆有关的所有数据。所有接收器节点都通过有线骨干网连接到中央控制器。
图1：网络架构
图2：检查的交叉点
3.1 网络传感器节点
每个群集由一个FFD节点和几个RFD节点组成。FFD节点是802.15.4群集协调器，它还负责群集之间的路由。相同子网的节点之间的通信是使用GTS实现的。FFD节点定期向其RFD节点发送数据请求，这些节点通过发送收集的数据来回复请求。 每个RFD节点都能够检测在途车辆。由于使用信标，节点可以在等待下一个信标的同时进入睡眠模式并在不活动期间节省能量。
3.2 网络接收器
每种方法都提供有一个接收器节点，该节点执行以下描述的若干任务。计划模块使用IEEE 802.15.4协议[29]管理网络实时流量。借助GTS机制，后者可以使用实时算法（例如最早的截止日期优先[34]）来保留带宽并避免冲突。错误处理模块控制传输错误。它与Scheduling模块配合使用，以通信错误的存在，并调整数据调度以确保流量的连续流。资源监视模块管理和共享资源的可用性，例如通过定期评估渠道质量。致动器接口模块通过发送用于指示交通信号灯和关闭交通信号灯光学单元的时间的命令来管理与致动器的通讯。在周期性间隔内，接收器节点从传感器接收数据，并通过有线骨干网将其发送到控制器。
3.3网络控制器
宿节点将各种数据流发送到控制器。控制器具有几个模块的特征，以实现频率管理、数据收集、数据处理和用户界面与交通信号灯控制的功能。频率管理模块为每个网络分配一个不同的无线电信道，以防止无线电通信中的同信道干扰。它通过与宿节点进行通信来在节点初始化期间运行，该信道应用于传输。数据收集模块接收并组织宿节点发送的数据，并按日期、方向和车辆流对它们进行分类。数据流量存储在数据库中，以供将来所有测量参考。处理模块读取由数据收集模块组织的数据。
该算法处理这些数据，以便确定每个相的相序和绿灯时间。该算法使用诸如各种车道的队列长度和在途车辆数量之类的参数。交通灯控制模块通过将命令发送到接收器，使用该算法产生的结果来管理交通灯阶段的顺序和持续时间。然后将这些数据转发给执行器。最后，用户界面模块允许通过查询数据库查看历史数据。
图3：绿色时间计算流程图
4动态管理算法说明
动态交通信号灯管理可基于部署在道路上的WSN收集的数据，对相序和绿灯时间进行实时调节。这里开发的动态管理算法分为两个步骤。第一步，确定相序。 实际上，该算法基于每个流的队列长度（输入变量），为每个阶段分配等于该阶段的最大队列长度的优先级。最后，它通过按降序优先级对它们进行排序来确定相位序列。第二步，实现绿色时间的计算。对于每个流，该算法处理在前一个交通信号灯周期内通过的车辆数量，并使用该值确定当前交通量（Q_RT）。此值用于根据检测到的流量重新计算下一个周期的绿色持续时间。图3详细示出了绿色时间计算流程图。通用流量i的流量比gamma;定义为实际或预期流入流量Q（或体积）与饱和流量FS之间的比值：
（1）
来自WSN的数据用于在每个交通信号灯周期重新计算传入的流。对于每个车道，都会计算每个周期内通过的车辆数量。该数据以车辆/小时换算，随后用于重新计算每个交通流量的流量比。在每个阶段都会建立关键通道（具有较高流量比的通道），找到流量比最大的相。 为这个j相分配一个等于1的饱和流率，其余相与它们的流率成比例[35]：
（2）
其中VEj是j相的有效绿灯时间，C是交通灯周期持续时间。一旦获得VEj，就可以使用以下公式计算J相V的绿灯时间：
（3）
其中P表示由于启动和每次任务操
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[414744]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
