[发明专利]一种基于传感器网络的新型智能交通模型的设计方法

说明书

技术领域

本发明属于智能交通领域，涉及一种基于传感器网络的新型智能交通模型的设计方法。

背景技术

机动车辆、人口的增长和都市化的发展，使得城市交通拥堵日益突出。交通拥堵不仅降低了基础设施的效率，而且还造成了空气的污染和能源的浪费。随着信息技术、实时控制、通信网络的发展，智能交通系统ITS(Intelligence Transportation System，ITS)引起了人们的广泛重视。智能交通技术主要是通过计算机技术、网络通信技术、分布式信息处理等技术来管理交通，使交通系统发挥更好的作用，而传感器网络技术就是众多智能交通应用技术中的一种。通过各类集成化的智能传感器实时检测、感知和采集各种环境或检测对象的信息，并对采集的各种信息处理分析，使系统进行各种协调控制和作业，是目前ITS应用研究的重要内容。线传感器网络综合了传感器技术、微机电系统、嵌入式技术、网络通信技术和分布式信息处理等技术，是集信息采集、信息传输、信息处理于一体的综合智能信息系统。传感器网络相对于传统网络有更高的节点失效率以及数据丢失率，数据融合可以大幅度降低数据的冗余性，但丢失相同的数据量可能损失更多的信息，因此相对而言也降低了网络的鲁棒性。

因此，需要一种新型智能交通模型的设计方法以解决上述问题。

发明内容

本发明针对现有技术的缺陷，提供一种基于传感器网络的新型智能交通模型的设计方法。

为解决上述技术问题，本发明的基于传感器网络的新型智能交通模型的设计方法所采用的技术方案为：

一种基于传感器网络的新型智能交通模型的设计方法，包括以下步骤：根据指标函数对道路交通流量的采集、路口的延误时间和车的堵塞预测值进行计算，实现智能交通指导调度。

更进一步的，步骤三中在时刻t_n由传感器测得的交通流量为：

其中，Q(t_n)为从时刻t₀到时刻t_n通过传感器测得流入的累加车辆数为：

其中，I(t_i)为t_i时刻通过传感器测得流进的车辆数；

为从时刻t₀到时刻t_n通过传感器测得流出的累加车辆数为

其中，O(t_i)为t_i时刻通过传感器测得流出的车辆数。

更进一步的，步骤三中，根据下式计算车的堵塞预测值：

其中，表示在t+Δt时刻车道的空间占有率，表示在t时刻车道的空间占有率，其中，l_i为车道上每一辆车的长度，其中，i＝1,2,…,F(t)；Δt为采样时间，Q(Δt)为驶入车道的车辆数；l_j为驶入的每辆车的长度，其中，j＝1,2,…,Q(Δt)；为驶出车道的车辆数；l_k为驶出的每辆车的长度，d为车道的长度。

更进一步的，步骤三中，根据下式计算路口每个方向的指标函数：

式中，PI为路口的综合运行指标；ω_i⁽¹⁾、ω_i⁽²⁾、ω_i⁽³⁾和ω_i⁽⁴⁾分别为路口某方向的车辆延误时间、停车次数、排队长度、交叉口通行能力的加权系数；ξ为优选参数；D(ξ)为交叉口的平均延误时间；S(ξ)为交叉口的平均停车次数；Q(ξ)为交叉口的排队长度；C(ξ)为交叉口的通行能力。

更进一步的，步骤三中，根据下式计算路口的延误时间：

式中，λ_i(t)表示时刻路口的绿信比；C表示信号的周期；χ表示饱和度；l_i(t)表示时刻路口的排队车辆数。

更进一步的，根据指标函数对道路交通流量的采集、路口的延误时间和车的堵塞预测值进行计算之前还包括以下步骤

一、根据无线传感器网络的特点对智能交通模型进行设计，所述智能交通模型包括中央控制层、区域层、路口层和物理层；

二、对中央控制层、区域层、路口层和物理层的传感器模块进行设计，所述传感器模块包括传感器、传感器代理、路由代理、区域代理和中央控制代理。模型具有多层结构，配置灵活方便，且具有很好的扩展性和松耦合性。