基于聚类感知的交通检测技术研究

摘 要：针对日趋严峻的交通拥堵问题，结合成熟的无线通信网络和聚类感知技术，提出了基于信息融合技术的交通流聚类感知算法，进而提供实时车流信息，实现智能化交通疏导功能。理论分析和仿真所得出的结果均显示，算法所得结果为智能交通系统提供了及时可靠的数据支撑，提高了车辆的运行效率。

关键词：智能交通系统 交通检测 聚类感知技术 手机定位系统 信息融合

城市交通系统与人类生活密切相关，是城市平稳、快速发展的主要支撑条件。然而，随着城市快速发展，交通拥堵等一系列城市交通问题涌现。如何缓解和预防交通拥堵成为了城市建设的重中之重。造成交通拥堵的原因很多，既有道路设计不合理、道路网不够完善；也有交通管理不及时、不准确等因素。以下重点关注的是在现有道路条件下，高效合理地解决交通拥堵问题，实现城市交通系统的组织优化与控制、城市交通信息融合与集成等。

主要展开的研究工作如下：

（1）借鉴聚类感知的概念，提出基于信息融合技术的交通流聚类感知算法；

（2）通过列举典型场景，阐述论文所提算法的实现流程。

经大量分析与实验结果表明，此项研究工作能提供实时、快速、准确的交通流数据，大幅降低市政建设的运营和维护成本，取得的成果将丰富该领域已有理论，且有较好的应用前景。

1 现状分析

智能交通系统（Intelligent Transportation System，ITS）作为现代交通的新概念，综合运用各学科理论，将人―车―路―环境系统通过相关技术群（先进的信息技术、数据通信传输技术、电子控制技术、计算机处理技术、传感器技术等）有机地结合为一个运行有序的系统，使其综合运用于整个交通体系中，从而达到提高交通运输效率、保障交通安全、改善环境质量、提高资源利用率的目的[1]。其中交通量调查是智能交通系统的基础。

现行的交通流量检测主要分出/入口检测和横截面检测，较为先进的技术有以下两种：

1.1 利用图像处理与识别技术，通过视频信号检测道路交通流量[2]

该系统利用摄像头作为视频探头，由图像处理设备将模拟信号转换成数字信号；通过计算机对转换后的数字图像进行分析处理，从而识别车辆；当车辆通过“虚拟线圈”时，检测车流量及相关车辆信息，并将数据传输到交通控制中心。

1.2 电子感应器统计

目前主要应用于国外，每1～3公里设置一个横截面电子感应器，用来统计路网通过数量，同时监控堵车情况。如果两个感应器之间在短时间内数量出现异常（即堵车或事故），就会自动报警。

上述两种技术势必受到诸多客观因素的影响，如天气状况、周边高建筑群、车辆违规并道、人车混杂等。此外，以上两种技术的架设及运营成本高，不能覆盖城市交通的各个角落。针对上述问题，利用聚类感知技术统计交通流信息，大大减低了客观因素的不良影响，提高了数据收集的实时性、准确性。且由于无线通信网络的全方位覆盖和移动通信运营商扩大市场业务的需求，因此所提技术不会对交通检测系统的架设和运营维护增加成本。

2 基于信息融合技术的交通流聚类感知算法

随着我国城市移动电话的普及，机动车内乘客基本可以实现“人手一机”。利用移动通信基站群的定位技术，论文提出了基于“手机定位”和“乘客簇聚模型”的交通信息估计算法，基本思想是利用移动通信基站群对辖区内的所有手机进行不间断定位，通过模糊判断的方法确定哪些手机位于运动车辆的内部，进而判断不同手机所归属的不同车辆，最后获得车流信息。无需借助任何传感器网络，移动通信基站群就可以像长了眼睛一般，“看到”车流，感知全局交通信息。

根据以上分析，本算法包括：独立车辆的识别、在路车辆数估计。

2.1 车载手机识别

（1）信息收集。利用通信运营商的基站网络定位功能采集道路沿线手机的位置、速度、加速度，进而得出随时间变化的曲线。

（2）信息判断。一般的车载手机具有如下特征：①速度应大于30 km/h；②位于城市公共交通路段上。

通过收集到的手机信息，将不满足上述条件的手机排除，得到较为准确的车载手机，即可获知城市道路交通流状态，用于对实时路况进行智能分析。例如：通过卫星定位及相关检测技术获取的基本道路车辆分布情况与利用通信网络定位手机信息的结论基本保持一致。

2.2 聚类分析[3]

将手机的位置分布、速度和加速度作为基础信息，并认为在一定时间内，位置L、速度V、加速度A分别始终保持在一定区间内的手机属于同一辆车（如图1所示）。

①根据手机参数（位置L，速度V，加速度A）判断是否归属同一辆车；

②依据聚类分析算法（如图2所示）判断监控路段内车辆的构成。

先将每个手机看成一个个独立的聚类，称为原子聚类，然后查找每个原子聚类最近的一个原子聚类，若该两个间距小于最小类间距离，则合并为一个聚类。以此类推，直到所有对象均聚合为一个类为止。

2.3 聚类算法

根据以上参数，可以得到关于手机位置L、速度V、加速度A的矩阵X，如公式①所示。

手机距离矩阵D，其中的每个元素dij表示手机i与手机j在m维空间上的距离。手机i与手机j的距离彼此接近时，该数值接近0；该数值越大，表示手机i与手机j之间的距离越远，如公式②所示。

根据同辆车上车载手机位置、速度、加速度较接近，将距离矩阵中距离最小的两个类合并，求取新的距离矩阵；重复以上操作，直至满足一定聚类阈值时，聚类结束，同时获得类别数（即在路车辆数）。

聚类过程中记录每次合并类的手机ID号，聚类结束的同时获得手机ID所属车辆及每辆车的车载手机数量。

3 仿真结果及分析

采用微软公司第三代高性能计算平台Windows HPC Server 2008 R2中的Job Manager监视数据[4]，对基于信息融合技术的交通流聚类感知算法仿真过程如下：

（1）创建Active Directory域，并在域内部署一万个计算节点（node）；

（2）将节点放置在集群内；

（3）用XLL随机为每一个节点赋值，包括位置L，速度V，加速度A；

（4）通过Excel宏计算和SOA功能，将速度差小于1 m/s，加速度差小于0.5 m/s2，位置差小于3 m的节点归为一类，并将结果返回；

（5）将计算出的同类节点放在同一节点组内；

（6）根据实际需求（如不同用户之间最短距离），对步骤（4）和（5）进行循环；

（7）利用Job Manager监视数据，根据节点的速度V，将其划分为5个不同等级，按由深到浅的颜色生成热图（如图3所示）。

4 算法应用

4.1 公交动态调度监控

对于某特定公交车而言，运行线路是固定的，它没有路径选择问题。公交控制中心利用聚类感知技术提供的检测数据（包括客流量统计和公交线路拥堵情况），预测发车频率。一方面便于公交车避开拥塞路段，防止大型公交车加剧特定路段的阻塞，避免阻塞的恶性循环；另一方面，公交公司可以通过无线通信平台向各个公交站点发送公交系统动态信息。该业务使乘客掌握及时的公交动态信息，在第一时间选择最快捷、最舒适的公交线路出行，提高了公交系统的运力和效率，缓解了城市交通的压力。

4.2 私家车最快路径选择

基于信息融合技术的聚类分析算法，力求通过一个无线感知处理系统生成一个实时交通路况图，从而帮助车辆选择合适路径，充分利用当前道路，实现缓解阻塞、疏导交通的作用，提升城市整体应对突发交通事故的能力。

权威媒体调查表明，私家车出行要求集中在两点：选择最短路线或者最快路线。最短路线容易选择，而最快路线可以由服务器利用基于手机聚类分析所得的动态电子地图为司机提供行驶建议。在热点路段严重堵塞时，这一点尤为重要。

4.3 智能交通信号灯配时的应用

由交通控制中心通过线路统一调整各大路口处交通信号灯的配时及优化[5]。关于各路段信号灯准确配时的方法（如图4所示）：

（1）由手机聚类方法，计算出道路车流量L和车流速度V；

（2）要解决红色路口处交通信号灯的配时问题，还要找到周边路口的分流情况，从而确定主干道车流

量变化系数θ，以便较准确地确定出信号灯的配时比例，如公式③、公式④所示。

5 结束语

结合成熟的无线通信网络和聚类感知技术，提出基于信息融合技术的交通流聚类感知算法，对交通检测系统提供了实时可靠的数据支持，对构建庞大的智能交通系统提供了技术保障。实验结果表明，算法有效解决了城市交通拥堵问题，包括车辆调度、路径选择和自动化交通指挥等。

基于移动通信运营商的网络平台整合了用户信息，替代了传统的密集传感器网络，节省了架设成本，给系统带来了超越以往的性能。现有的城市交通多采用人力的、经验性的疏导和模型计算相结合，无法准确系统地反映实时交通流情况。聚类感知技术可以解决这一问题，实现基于信息融合的整体化智能交通系统。

参考文献

[1] 张文溥.道路交通检测技术与应用[M].北京：人民交通出版社，2010.

[2] 金会庆，徐雪，周荷琴，宋扬，郭华，刘禹国，罗文其.基于视频的复杂路口车流量检测方法[A].第三届中国智能交通年会，2007.

[3] 孙隶华，马丽，陈伟霞.基于手机定位及聚类分析的实时交通参数估计[J].交通运输系统工程与信息，2005（6）：18-23.

[4] Windows HPC Sever 2008 R2 suite[EB/OL].http：///china/hpc/.

[5] 朱胜华，胡福乔，施鹏飞.平面交叉路口信号灯自动配时方案的优化算法[J].交通与计算机，2002（4）：3-8.