IEEE COMMUNICATION SURVEYS amp; TUTORIALS, VOL. 17, NO. 1, FIRST QUARTER 2015
A Communications-Oriented Perspective on Traffic
Management Systems for Smart Cities: Challenges
and Innovative Approaches
Soufiene Djahel, Ronan Doolan, Gabriel-Miro Muntean, and John Murphy
Abstract—The growing size of cities and increasing population mobility have determined a rapid increase in the number of vehicles on the roads, which has resulted in many challenges for road traffic management authorities in relation to traffic congestion, accidents, and air pollution. Over the recent years, researchers from both industry and academia have been focusing their efforts on exploiting the advances in sensing, communication, and dynamic adaptive technologies to make the existing road traffic management systems (TMSs) more efficient to cope with the aforementioned issues in future smart cities. However, these efforts are still insufficient to build a reliable and secure TMS that can handle the foreseeable rise of population and vehicles in smart cities. In this survey, we present an up-to-date review of the different technologies used in the different phases involved in a TMS and discuss the potential use of smart cars and social media to enable fast and more accurate traffic congestion detection and mitigation. We also provide a thorough study of the security threats that may jeopardize the efficiency of the TMS and endanger driversrsquo; lives. Furthermore, the most significant and recent European and worldwide projects dealing with traffic congestion issues are briefly discussed to highlight their contribution to the advancement of smart transportation. Finally, we discuss some open challenges and present our own vision to develop robust TMSs for future smart cities.
Index Terms—Traffic management system (TMS), smart cities, smart transportation, data sensing and gathering, vehicular ad hoc networks (VANETs), route planning, traffic prediction.
I. INTRODUCTION
S
MART CITIES is a label that is associated with a significant paradigm shift of interest toward proposing and using various innovative technologies to make cities “smarter” in order to improve the peoplersquo;s quality of life. As a very important and highly visible initiative, the European Commission has launched the European Initiative on Smart Cities in 2010 [1] that addresses four dimensions of the city: buildings, heating and cooling systems, electricity, and transport. Strictly related to transportation, the goal is to identify and support sus-
Manuscript received November 5, 2013; revised June 1, 2014; accepted July 4, 2014. Date of publication July 17, 2014; date of current version March 13, 2015. This work was supported in part by a Science Foundation Ireland Grant 10/CE/I1855 to Lero—the Irish Software Engineering Research Centre ( www.lero.ie ).
S. Djahel and J. Murphy are with the Performance Engineering Laboratory, University College Dublin, Dublin Ireland.
R. Doolan and G.-M. Muntean are with the Performance Engineering Laboratory, Dublin City University, Dublin Ireland.
Digital Object Identifier 10.1109/COMST.2014.2339817
tainable forms of transportation and to build intelligent public transportation systems based on real-time information, traffic management systems (TMSs) for congestion avoidance, and safety and green applications (e.g., to reduce fuel consumption, gas emissions, or energy consumption).
In this context, it is worth noting that the number of cars using the limited road network infrastructure has seen a tremendous growth. One major consequence of this increase is related to management problems that range from traffic congestion control to driving safety and environmental impact. Over recent years, researchers from both industry and academia were focusing their efforts on leveraging the advances in wireless sensing equipment and communication technologies, along with simulation and modeling tools, to make the existing road TMS more efficient, enabling them to cope with the aforementioned issues in future smart cities. One of the most critical consequence of traffic congestion is the delay of emergency services, such as police, fire and rescue operations, medical services, etc. Indeed, very often, individual human lives, general population safety, and institutional economic or financial situation in case of incidents, robberies, or criminal attacks highly depend on the efficiency and timely response of emergency vehicle services. Additionally, recent road traffic statistics reveal another extremely serious concern which is the increasing number of vehicle crashes. These crashes usually happen in the areas around congested roads as the drivers tend to drive faster, before or after encountering congestions, in order to compensate for the experienced delay. The negative consequences of these accidents are many, at personal, group, and societal levels, and could be exacerbated if emergency vehicles are involved in a crash.
|
1553-877X copy; 2014 IEEE. Personal use is permitted, but republication/redistribution requires IEEE permission. See http://www.ieee.org/publications_standards/publications/rights/index.html for more information. |
However, most large cities in the world are still suffering from traffic congestion, despite employing different solutions to reduce it, including using TMSs deploying advanced congestion control mechanisms. In order to best contribute to the ongoing efforts to solve the traffic congestion problem or at least reduce its impact, there is a need to understand the different types of congestion and their impact. Two major types of congestion can be distinguished: recurrent and nonrecurrent. Recurrent congestion usually occurs when a large number of vehicles use the limited space of the road network simultaneousl
剩余内容已隐藏，支付完成后下载完整资料
智能城市交通管理通信系统：挑战与创新
作者S Djahel，R Doolan，GM Muntean，J Murphy
摘要 - 随着城市规模不断扩大，人口流动量增大和道路车辆数量急剧增加，道路交通管理部门面临交通拥堵，交通事故和空气污染方面的诸多挑战。近年来，工业界和学术界的研究人员一直在致力于利用传感，通信和动态适应技术，在整个城市规划上使现有的道路交通管理系统（TMS）更有效地应对未来的上述问题。然而，这些努力仍然不足以建立可靠和安全的TMS来处理智能城市人口和车辆的可预见的增长。在本次调查中，我们介绍了TMS中不同阶段使用的不同技术的最新情况，并讨论了智能汽车和社交媒体在快速、准确的交通拥堵检测和缓解方面的潜在用途。我们还对可能危及TMS效率和危及司机生活的安全威胁进行全面的研究。此外，简要讨论了处理交通拥堵问题的最重要和最近的欧洲和全球项目，以突出他们对智能交通发展的贡献。最后，我们讨论一些开放的挑战，并提出我们自己的愿景，为未来的智能城市开发强大的TMS。
指标术语 - 交通管理系统（TMS），智能城市，智能交通，数据传感和采集，车载自组织网络（VANET），路线规划，交通预测。
一，引言
MART CITIES是一个标签，与提出和使用各种创新技术的重大范式转变相关联，使城市“更智能”，以提高人们的生活质量。 作为一个非常重要和非常显着的举措，欧盟委员会在2010年推出了“智能城市欧洲倡议”[1]，其中涉及城市的四个方面：建筑物，供暖和制冷系统，电力和运输。 与交通运输紧密相关，目标是确定和支持可持续发展的交通工具，并建立基于实时信息的智能公共交通系统，拥堵避免的交通管理系统（TMS）和安全绿色应用（例如， 以减少燃料消耗，排放气体或能源消耗）。在这方面需要注意的是使用有限路网基础设施的汽车数量有了巨大的增长。这种增长的主要结果是会出现管理问题，从交通拥堵的控制到涉及驾驶安全和环境影响。近年来，来自行业和学术界的研究人员正致力于利用无线传感设备和通信技术，以及模拟和建模工具，使现有的道路TMS更加高效，使他们在未来的智慧城市系统能够应对上述问题。交通挤塞最严重的后果之一是延误紧急服务，如警察，火灾和救援行动，医疗服务等。事实上，个人的生命，一般人口安全以及机构经济或财政状况发生事故，抢劫或者犯罪行为的案件，高度依赖于应急车辆服务的效率和及时响应。此外，最近的道路交通统计显示另一个非常严重的关切是越来越多的车祸，这些事故通常发生在拥挤道路周围的地区，因为驾驶员在遇到拥堵之前或之后会更快地开车，以弥补时间的延误。这些事故的负面后果很多，不论是对个人还是团体，如果紧急车辆卷入事故，可能会发生严重问题。
然而，尽管采用不同的解决方案来减少堵塞，世界上大多数大城市仍然遭受交通挤塞，其中也包括使用那些部署先进的TMS堵塞控制机制的城市。最大程度上为解决交通拥堵问题而作出努力，或者至少减少其影响，就有必要了解不同类型的拥堵及其影响。可以区分两种主要类型的拥堵：经常性和非经常性拥堵。当大量车辆同时使用道路网络的有限空间（例如，平时上午和下午高峰时段）时，通常会发生经常性的拥堵。非经常性拥堵主要是由交通事故（例如车祸或停车），工作区，恶劣天气条件以及一些特殊事件（如体育赛事，圣诞节等）等随机事件造成的。据最近的统计（http：// www.transport2012.org），道路交通堵塞为世界经济造成数十亿美元。例如，损失已经达到：
bull;欧洲：200亿欧元（占国内生产总值的2％）;
bull;美国：101亿美元。
共经历了48亿小时的延误，在全世界浪费了19亿加仑的燃料。
这些统计数字清楚地表明交通拥堵对个人，公司（例如货运和运输公司等）和社会造成
的破坏性影响。
不幸的是，迄今为止，现有的TMS并不能提供足够准确的道路交通信息，来对道路交通网络进行细致及时的监控和管理。其中的原因在于：缺乏详细准确的数据收集，无法有意义地收集大量数据，以及缺乏能够提供道路交通网络准确视图的复杂管理系统。这种有效监测和管理的缺乏会影响交交通拥堵的程度，从而影响道路安全（即增加道路上的死亡人数），增加燃油消耗，并引起大量的气体排放。现有的TMS用于管理事故或高峰时段的流量的主要解决方案是改变/调整交通灯循环，关闭道路通道和交叉路口等。当越来越多的汽车正在使用有限的车辆时，这些解决方案的效率有限研究界正在提出道路基础设施，不断地提出由TMS使用的新解决方案。
本调查报告综合研究现有TMS采用的解决方案，从智能城市环境中的现代TMS的不同阶段：从信息收集到服务交付。具体来说，本文讨论了异构道路监控设备测量交通参数（如交通量，速度，路段占用等）的数据传感和收集（DSG）阶段，并定期向管理实体报告这些读数。这些监控工具可以检测随机事件，并通过宽带无线网络，蜂窝网络或移动传感应用程序立即报告。由于这些数据馈送在数据融合，处理和聚合（DFPA）阶段融合和聚合，以提取有用的交通信息，本文详细分析了这一阶段。数据挖掘（DE）阶段使用从数据处理阶段获得的知识来计算车辆的最佳路线，短期交通预测和各种其他道路交通统计。最后，在服务交付（SD）阶段，TMS使用诸如智能电话，车载单元等各种设备向最终用户（如司机，权威机构，私营公司等）提供此类知识。此外，本文研究了使用移动传感和社交媒体等替代方法提高TMS效率和准确性的优势。这项调查还讨论了可能威胁交通数据完整性的安全攻击，导致TMS与检测到/报告的事件有关的非最佳和不正确的决定。此外，简要讨论了试图解决交通拥堵的最重要和最新的项目，突出了他们对TMS进步的贡献。最后，提出了开放的挑战，并提出了作者对未来智能城市强大TMS发展的展望。
本文的其余部分安排如下。在下一节中，我们将概述未来的TMS，突出其重要的概念阶段和设计阶段。然后，我们在DSG阶段，简要介绍了用于道路交通和事件监控的不同技术，并讨论了可能提高收集数据质量和准确性的替代技术。之后，我们讨论数据融合，处理和聚合技术，然后根据收集和融合的数据（包括短期业务预测信息，路由规划和停车管理信息）对TMS可能提供的服务进行描述，以上是第四节和第五节。在第六节中，我们研究了车载自组织网络（VANET）中用于交换车辆中收集的道路交通信息和IEEE 802.11p中的信标拥塞问题以及用于交通和VANET-基于应用的仿真。随后，我们展示了智能车辆如何显着提高当前TMS在第七节的效率。在第八部分中，我们将讨论可能危及TMS安全和隐私的不同威胁。在第九节中，我们提出了旨在改进未来TMSs不同方面的主要国际项目。在最后一节中，我们讨论了我们对开放挑战的愿景，本次调查报告得出结论。
二，未来TMS的概述
TMS提供可能够减少道路交通拥堵，改善应急处理响应时间以及确保为乘客提供更好旅行体验的功能。典型的TMS由一组互补相组成，如图1所示，在确保城市交通流量的有效监测和控制方面发挥着特殊的作用。 TMS的基石阶段是DSG，其中异构道路监控设备测量交通参数（如交通量，速度，路段占用等），并定期将这些读数报告给中央实体。例如，这些监控工具可以检测随机事件，并通过无线网络，蜂窝网络或移动传感应用程序立即报告。随后，这些数据Feed在DFPA阶段进行融合和聚合，以提取有用的流量信息。 DE的下一阶段使用从已处理数据获得的知识来计算以下内容：车辆的最佳路线，短期交通预测以及各种其他道路交通统计。最后，在标准化阶段，TMS将使用各种设备（如智能手机，车载单元等）向最终用户（如司机，主管部门，私人公司等）提供此类信息。
TMS提供的能力并不局限于为司机和道路当局提供服务，而且还可对国家的经济发展，维护公民的安全以及对国家安全的支持作出重大贡献。
目前部署的道路交通监控技术仍然缺乏交通参数测量的准确性和道路上发生的事件的实时报告，尤其是在发展中国家更为严峻。此外，收集的交通数据通常需要经过过滤处理以提高其质量并消除噪声，需要部署高度先进的设备，以确保对交通流量的准确估计，及时发现紧急事件处理可能不是理想的解决方案。除了缺乏灵活性以外，由于财务资源的限制，还不能支持密集部署和经常维护这些设备。 因此，需要替代效益和灵活的解决方案来保证更好地管理发达国家和发展中国家的道路交通。
现代TMS旨在通过设计能够利用先进技术有效监控不断变化的关键道路基础设施的创新方法来克服上述一些限制。这些方法应该足够可扩展，以便更好地控制交通流量和加强对大城市道路网络的管理。这肯定会提高所获得的实时交通信息和短期交通量预测的准确性。这将使基于当前流量的短期预测能够识别瓶颈，并就如何最佳地重新路由流量，改变车道优先级，修改交通灯序列等做出更明智的决策。现代TMS还应提供可视化工具，可以实时显示每个路段的状况，拥堵程度和位置信息以及道路网中从一个地点到另一个地点的预计行车时间。这样，运输部门就可以全面了解道路网的实时情况，为交通流量管理提供最佳支持，能够更有效地应对道路紧急事件。
未来智能城市的TMS应满足以下要求：
bull;与现有的TMS相比，确保估算交通状况的准确性更高，处理道路上紧急情况的效率更高。
bull;能够有效地管理不同规模和特征的道路网络流量。
bull;提供实时道路交通模拟和可视化，以帮助当局更有效地管理道路基础设施，并改善通勤者的路
线规划。
bull;确保简化和顺利地整合现有系统和新技术，并管理这些系统的优化。
现代TMS的高级架构概述如图1所示。该图显示了将所收集的道路交通信息传递给预定的最终消费者（例如道路当局，警察，驾驶员等）所需的TMS的主要组成部分。从这个数字可以看出，TMS的核心系统根据用户的需求和具体的需求，从异构数据源收集道路交通信息。然后将这些数据馈送在一个或多个数据库中以统一格式进行聚合和存储。之后，在接收到用户请求之后，核心系统处理该请求并从适当的数据库中提取相关数据。然后，根据特定目的，例如分析和统计，决策等等，将所请求的信息发送回预期消费者。
三，DSG
DSG阶段的重点是可扩展地收集来自大量异构源的流量信息。流量管理机构使用的许多当前部署的系统以各种格式，时间尺度和粒度收集数据。这是因为这些系统部署在不同的时期，很少或没有集成在一起。这对于必须管理，分析和解释所有这些不同数据的运营商造成管理问题。现代TMS将分析城市当局采用的现有交通信息采集机制，并确定哪些新技术和系统可用于提高数据采集的准确性，及时性和成本效益。此外，这些新的数据收集技术必须能够更清楚地说明道路上越来越多拥挤程度的根本原因。更具体地说，TMS发展的当前趋势包括利用诸如无线传感器网络（WSN），蜂窝网络，移动传感和社交媒体馈送之类的先进的通信和感测技术作为规避现有系统的限制的潜在解决方案。
用于事件传感和道路收集的主要无线技术是微小的传感器设备。这些传感器可以安装在车辆，路边或道路路面下，以感测和报告不同的事件。在前一种情况下，车载嵌入式传感器监测和测量与车辆操作相关的几个参数，并将其传达给附近的车辆或路边单元（RSU）。在后一种情况下，传感器主要用于测量过往车辆的速度，交通量和其他环境参数。 WSN可用于互连这些传感器，并大大降低监控系统部署的成本。在城市中，我们可以想象，已经部署了大量传感器来收集关于交通状况，空气情况，环境噪声和许多其他应用的数据。信息还可以从船上的的传感器和车辆上的通信天线获得;主要是公共交通工具，的士，出租车，货车和货车。因此，现代TMS将专注于设计创新的解决方案，可以从特定区域的特定范围内收集数据，同时最大限度地降低成本和频谱使用量并最大限度地提高系统利用率。
A.WSNs
由于传感器的高效率和准确性，无线传感器已被广泛应用于各种环境中，用于数据采集和监控[76]，[77]。实际上，可以预见的是，无线传感器网络可以实现多种显著改善道路交通流量控制和简化管理的应用程序。这些应用的实例是根据拥堵水平[74]以及停车位管理[72]，实时控制交通信号灯[73]，及其适配性进行处理[72]。然而，在道路环境中部署无线传感器以实现这些应用程序面临着几个挑战，除了WSN中众所周知的问题[75]，还需要周全考虑并设计适当的协议。在这些挑战中，我们强调需要一个快速可靠的MAC访问协议[31]和数据转发机制，以保证及时传送携带关于发生的紧急事件信息的关键信息。道路交通监控的WSN部署示例如图1所示。
值得一提的是，无线传感器在道路上的预期广泛和密集的部署需要设计强力的数据聚合技术，以处理传输的信息的高冗余性和相关性，特别是来自相邻传感器的信息。这种冗余传输信息可能导致传感器电池的快速耗尽，并增加紧急信息的延迟。为了减少交通数据冗余，应对道路网络上无线传感器的最佳布置进行调查，并设计在特定区域部署的传感器数量与道路事件检测和准确度之间的权衡解决方案。交通数据的空间和时间相关性是道路网络的内在特征，可以用来解决未来智能城市的传感器数据聚合和最佳传感器布置问题。
B.M2M通信
对于可靠和快速的流量数据监控和收集而言，机器（M2M）通信是一个有潜力的解决方案。 M2M技术最近引起了学术界和工业界研究人员越来越多的关注，希望促进其在各种环境下的数据采集应用。最近的预测[115]，[116]表明未来几年M2M设备使用情况和连接性的市场增长。根据这些预测，数十亿台设备将有可能从M2M技术中受益。经济合作与发展组织[117]发表的报告显示，目前有大约50亿部移动无线设备连接到移动无线传感器网络，预计这一数字将在十年后达到500亿部连接设备。在M2M通信中，传感器收集业务数据，并通过无线通信/蜂窝/ 3G / LTE网络向一个或多个中央服务器发送，用于处理结果。与WSN相反，M2M设备避免多跳传输的能力使得数据传输更快更可靠，这对传感器报告延迟关键事件是一个显著的好处。此外，可以预见，该技术将显着提高数据收集的准确性，并影响在道路的传感器部署。
预计M2M
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[141170]，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。
