面向擁堵篩查決策應用的物聯網云平臺模型

秦 緋

（山西省交通運輸運行監測與應急處置中心，山西太原 030006）

0 引言

公路交通已成為世界經濟發展的重要支柱，據統計全球75%的貨運運輸與90%的旅客運輸都由公路交通實現。隨著社會國民經濟的高增長速度以及人民為更好地適應國民經濟蓬勃發展新態勢、新目標和各項任務的要求，交通運輸部組織制訂了《全國公路工程網行動計劃調節實施方案》（2019—2030 年），擬對2019 年實施的山西公路運輸建設網再次進行調節，目標年從2020 年延伸至2035 年，山西省規劃布局從“三縱十二橫十二環”調整為“四縱十五橫三十三聯”，建立縱貫北南、承東啟西、涵蓋全省、通達四鄰的高速網。調控后山西省高速公路建成里程數將達至8 418 km（不含重復建設里程），公路面積密度將從4.6 km/百km2提高到5.37 km/百km2。

當前高速收費站的擁堵現象有日漸加重的態勢，這極大地抑制了高速服務水平的提高。由于山西高速以山區為主，路況復雜，經常出現大霧、道路結冰等現象，大型車輛速度低，行駛難，易出事，都是堵車時間上的癥結。經濟假期日道路交通量增多、某些路段通過能力不夠、分流較少、部分交安基礎建設不完整、不文明駕車習性等是造成擁堵的主要原因。

1 技術路線

如何利用地磁傳感技術、車輛檢測識別技術、通訊控制技術、物聯網云平臺技術、預測技術等，通過建立仿真模型進行分析，獲得適用于收費站車流、車速檢測擁堵狀況的流量快速篩查與自動決策方案，并通過后續的設計優化，研發出一套可以滿足對收費站車輛運行狀況的精準、快速、高效監測、篩選和響應系統，實現收費站車流狀態實時監測、數據上傳、存儲與報警、車流預測等功能，真正實現快速、高效的排堵保暢[1-4]。

a）地磁監測設備與視頻系統相結合，實現多信息融合，確保準確收集路口信息。

b）整個系統是基于物聯網云平臺開發，整合各個功能系統，使整個系統實現信息化管理、智能化操作，讓工作人員與公眾直觀地查看各路口異常狀況與相關信息，提高了工作人員效率的同時也大大避免了瞞報與誤報現象的發生，為公眾建立一道信息公開、智能可靠的防線。

c）引入智能預測算法，實現擁堵提前預警，避免或減輕交通擁擠及二次事故的發生。

2 國內外同類技術研究現狀分析

對于解決高速道路擁堵目前主要的方案有如下幾種：

a）建設監控系統 將收費站信息上傳到監控中心，并通過結合各種GPS、GIS 及無線視頻監控等技術，通過可視化界面實現對收費站的無線視頻監測[5]。

b）建立事件服務系統 通過各種預測模型預測收費站擁堵狀況，在數據分析的基礎上，通過分流等措施控制車流，從而避免擁堵現象在此發生[6]。

c）建立駕駛員信息系統 駕駛員可以通過多種渠道了解實時路況并根據情況換道行駛，從而實現避免擁堵的目的[7]。

目前山西省高速具有收費站實時監控平臺，但是只能通過監控人員人工查看監控視頻，從幾十幅畫面中找出發生擁堵乃至事故的路口，然后再人工通知相關工作人員去實施疏導。該系統存在工作量大、反應慢、不自動的缺點。很多時候，高車速路段出現擁堵時，如果檢測攝像機無法最先檢測預警，那么公路監管部門需要等到出現車禍者或者事發周圍司機的告警才能進行反應，一來無法及時為遭遇車禍者進行幫助，對路面交通事故進行處理，致使人、財、物的損失擴大；二來也無法第一時刻對相應公路段進行針對性的導流，封鎖出口等工作，造成堵車等狀況的出現。

3 收費站擁堵情況智能化監測與預警技術研究

3.1 研究適用于收費站車流監測設備

汽車檢查科技是道路交通現代化管理（Intelligent Traffic System，ITS）的核心技術，常用的汽車檢查科技包括紅外汽車檢查、微波、超聲、電感線圈汽車檢查、視頻、地磁。各種檢驗科技都因其檢驗基本原理的限制，存在著各自的局限。因此，根據收費站需要采集車輛信息內容的需求，以及考慮現場的實際環境氣候特點，選擇一種或多種車輛檢測技術，通過互相配合的方式，來取得最佳監測效果。

3.2 云端數據庫的搭建與優化

設計制定云端數據庫框架方案，在開發過程中立足整體，把所需掌握的車輛信息分類、整合，構建完整的數據庫標準體系，并具備車流信息分析與上報功能，力求提高數據庫的執行速度，并提前測試數據庫的穩定程度，發現問題、解決問題以減少后期的維修頻率，避免不必要的資源浪費。

3.3 收費站擁堵狀況自動篩選與報警

實現從上百幀收費站監測圖像中，結合地磁設備信息，采用信息融合算法篩選出擁堵路口并進行報警。根據告警的方式不同，可以實現短信（GSM）告警、現場話音告警和來電告警、以及互聯網告警和電子信件告警（互聯網狀況允許）幾種告警方法。操作員能現場應答告警消息，還能遠程應答告警消息。以短信告警為例，出告警信息后轉發微信至規定操作者手機，操作者提出特殊的指示回復微信報警系統接受到微信進行處理后，通過發布監控指示命令通知相關人員前去疏導，并可以消除警報。

3.4 收費站車流擁堵預測模型研究

車流預計是指基于動態獲得的高速道路通行流狀態統計的日期順序預計未來時間段道路交通流狀態統計。預測結果對緩解交通擁堵有巨大影響，但由于交通數據流具有時變性、高非線性以及多變量等特點，交通預測并非易事。預測模型僅能夠整體地預測未來時刻交通流的變化情況，迄今為止，研究者們沒有找到一種算法在不同預測條件下得到良好的預測效果[8-10]。因此需將各種算法預測模型的優勢相結合或是改進模型讓算法預測模型做到揚長避短。

把上述的4 部分方案進行整合，研究出一套高效的基于物聯網云平臺收費站監測、擁堵路口篩選、報警與預測系統方案，建立整體模型，之后在仿真模型的基礎上，在OpenStack 云計算平臺進行實際系統的設計與搭建[11]。

4 收費站擁堵情況預警技術的工程實踐

為實現收費站車輛信息監測、避免收費站擁堵、實現自動收費站擁堵識別和決策，一方面，要準確、迅速地識別擁堵路口，報警并疏導，以防止擁堵情況持續嚴重造成不必要的損失；另一方面，要能夠對可能或將要發生擁堵的路口進行預警，以避免不必要的擁堵發生。以下為解決問題的關鍵技術。

4.1 大面積地磁監測設備與視頻系統的精準配合

在大面積地磁監測設備選定的基礎上，與視頻系統的默契配合至關重要[12-13]。配合的精準程度決定著能否及時、準確判斷擁堵路口并報警，其關鍵技術之一就是簡化操作方案，通過理論仿真和試驗提升兩者的磨合程度。

4.2 物聯網云平臺的設計

收費站的復雜性對整個平臺的運作產生影響。在設計時，把各項功能的技術方案整合細化以確保整體方案可行。搭建模型，使云平臺在運作時保證路口信息采集傳輸、數據庫、報警與預警功能正常穩定地實現[14]。因此，關鍵技術之二就是設計一套完備的物聯網云平臺系統[15]。

4.3 擁堵預測模型和預測算法研究

深入研究收費站擁堵的影響因素，分析各種預測算法的特點，設計并優化預測模型，實現對單一路口的預測和多路口協同預測，提高預測精度，確保減少擁堵發生[16-17]。其關鍵技術就是要設計具有針對性的預測模型和算法。

5 結語

實現收費站車流狀態的實時監測、擁堵狀況篩選、報警功能可以提高擁堵處理速度，減少擁堵情況發生。基于物聯網云平臺的收費站車流狀態監測及決策系統將實現收費站車流監測、擁堵路口識別、報警及預警功能四合一，有效地對收費站進行管控，為保障高速公路暢通提供技術及信息支持。通過構建預測模型，對未來一段時期內道路路口擁堵狀況進行推演，實現未來收費站狀況預測，并設定閾值，實現安全預警。如果成果可以廣泛推廣應用，將為解決收費站擁堵、提升排堵保暢能力產生根本性的優化，產生巨大的經濟及社會效益。