高速公路交通状态识别4G无线探针应用

摘要：利用4G无线探针在高速公路上检测得到的数据，通过开发的系统软件，能够展现车辆行驶轨迹，从路线状况、行程速度、路段实时车速3个方面对路段的交通状态进行识别，并在地图上实时显示路段的道路交通情况。文章结合ETC、卡口视频等数据进行融合分析研究，通过统计算法、机器学习算法等，实现了对高速公路交通状态的识别与实际分析应用。

关键词：无线探针；高速公路；交通状态识别

引言

随着信息技术和数据科学浪潮的兴起，依靠海量数据支撑的高度智能化交通管理系统越来越受到研究者和交通行业管理者的重视。实时、精确及高覆盖度的交通信息采集网络是高效交通管理及信息服务的重要基础［1］。目前，道路交通状态检测的方法主要有传感器检测、GPS浮动车法、视频图像检测等，以上几种方法在实际场景中都应用比较广泛，技术也较为成熟，但也存在一些缺点和局限性。GPS信号传播延迟，多径衰落，地形与建筑物遮挡等原因也会导致定位误差。传感器获取法所需设备精度要求高，后期维护难度和成本也相对较高，对拥堵时的检测精度低。利用视频与图像监控法设备成本也较高，识别效果会受光线和天气状况影响，且视频图像的上传、压缩、存储、识别都比较复杂，效率有待提升［2］。近几年来，国外开始逐步推广基于无线探针的交通数据采集技术。无线探针作为一种新兴交通检测技术，国外已经有多名学者开展相关研究，通过获取的行程时间与传统检测方式比较，评估行程时间的可靠性。王祥雪等［3］将无线探针获取的车辆行驶时间与车辆自动识别技术获取的车辆行驶时间进行了对比；杨珍珍等［4］进行了与浮动车数据的对比；何兆成等［5］用GPS探测车数据作为标准数据，在加拿大安大略省进行了大规模的数据采集对比研究。研究的结果表明，无线探针技术可以采集到高质量的行程时间，可代替传统探测手段所获得的行程时间数据。栾翔等［6］认为随着道路上智能设备携带者的增多，检测器安装和维护的灵活性提升，行程时间估计精度的可接受性提高，无线探针技术已引起了研究者对进一步评价这种技术作为行程时间估计方法的兴趣。因此，从无线探针数据的可靠性来看，可以捕获车辆信息作为车辆的标识符，研究者利用这一特点获取行程时间并深入分析是完全可行的。

1系统原理

4G无线探针主要是实时采集经停手机的IMSI码（IMSI为国际移动用户识别码，是全球唯一的），并将采集的数据传输到后台数据处理中心。手机终端（UE）从一个小区（指4G探针设备能够探测覆盖的区域，下同）移动到另外一个小区时进行登记，空闲状态的UE锁定于一个已定义的无线频率上，即某一小区的BCCH载频上。当UE向远离该小区基站的方向移动时，信号强度会减弱；当移动到两小区理论边界时，UE就会因当前小区信号强度太弱而决定转移到邻区小区。为了正确选择小区，UE要对每一个临近小区的信号强度进行连续测量，当发现新的小区信号强度优于原小区时，UE将驻留到新小区，在此过程中，新小区可以指令手机上报IMSI，并继续接收广播消息及可能发给它的寻呼消息，UE根据接收到的寻呼消息做出相应的回应。4G无线探针诱使经过探针设备覆盖区域的手机进行位置更新，采集手机IMSI信息，结合设备自身时间（GPS位置、GPS时间或者系统同步时间）以及其他信息上报给后台，其工作原理如图1所示。4G无线探针采集的原始用户数据包括IMSI码、信号强度、时间戳、地理位置信息；IMSI码对应不同的设备；时间戳为采集模块采集到此原始用户数据的时间点；地理位置信息为无线探针的地理位置信息，即为此原始用户数据对应的设备所在监测区域的地理位置信息。无线探针W0采集到用户数据的时间戳为t0，无线探针W1采集到的同一用户数据的时间戳为t1，可以计算得到两个无线探针之间的车辆行驶时间，包括这段距离车辆的行驶平均速度。通过在某一路段布置的多个4G无线探针，分别检索出行数据中IMSI码相同的用户数据，对IMSI码为相同的用户数据中时间戳进行比较，最早时间戳所对应用户数据中的地理位置信息为出行起点，最晚时间戳所对应用户数据中的地理位置信息为出行终点，更新OD矩阵中的该路段出行起点和出行终点的交通量。分析点、线（路段）、面（区域）的发出流出量、流入量数据，可以进行交通流量的来源、去向分析。

2人车对应关系系统原型的开发

通过在某国道和某高速公路安装多个4G无线探针进行多次长时间的室外实际测试，并用摄像机进行全程视频录像。通过智能视频检测技术，检测到测试期间通过车辆的数量和车牌信息，与4G无线探针采集的IMSI码数量进行比对。4G探针采集的是车上人员的手机IMSI码，摄像机采集的是车牌信息，这两种数据的关系可能是一对一、多对一的关系，连接的纽带是采集的时间、地点。如果同一位置的4G探针、摄像机在一定时间段内同时采集到手机IMSI和车牌，且发生多次，则该IMSI和车牌是对应关系。通过多次测试，经过统计算法和机器学习算法等，能够建立IMSI码数量与车辆数量之间对应关系的数学模型。在对测试数据进行融合和质量清洗的基础上，通过特定算法，对行人与车辆进行分类，经过多次迭代优化，建立比较完善的人车对应关系的系统原型。某高速公路6次测试记录如表1所示。

3系统平台设计和开发

3.1系统总体架构

系统总体架构如图2所示。系统主要由4G无线探针（4G热点采集设备）、数据传输网络、探针采集管理平台、交通状态识别应用研究平台组成。4G无线探针主要安装在高速公路门架或者监控立杆上，充分利用现有系统的基础设施，数据传输通过机电系统的有线网传到探针采集管理平台。前端4G热点采集设备支持任意多载波（B38/B39/B40/B41/B1/B3），热点设备功能主要是采集4G手机IMSI码，通过4G或者有线回传数据，供后台综合分析；只要设备启动，主动对接入范围内的4G手机进行采集，无须干预，持续稳定工作。采集数据回传至后台进行数据处理，完成数据清洗、整理、号码比对翻译，形成完整的数据。管理平台由服务器与软件系统组成，主要功能是处理和分析前端采集回传的数据，提供串号查询、轨迹分析、碰撞分析等功能；同时提供设备管理及用户管理，如远程配置、重启、参数优化等；支持多个采集前端，支持扩容。交通状态识别研究应用平台根据需要可以与探针采集管理平台、视频、ETC等系统进行数据交换，能够实现多源异构数据的融合分析。

3.2系统平台软件开发

开发了系统平台软件，利用探针检测数据，还原车辆行驶轨迹，通过无线探针获取数据，在地图上实时显示路段的道路交通情况。从路线状况、行程速度、路段实时车速这3个方面对路段的交通状态进行识别及展示，能够初步实现对高速公路交通状态的识别与实际分析应用。

4结语

高速公路的各种信息感知设备为交通数据采集提供了基础和海量的数据。由于实际环境中各种干扰因素的存在，单一设备采集的数据往往带有偏差，因此，对多种异构数据源的数据进行融合和纠错是有必要的。利用多种设备采集数据的关联性分析，建立多源数据映射，通过AI方法，快速判别和剔除失真数据，提高分析结果的准确性。通过4G无线探针采集的数据并结合如ETC、卡口视频等数据，能够进一步感知高速公路运行状态；进行交通状态的判别和预测具有重要的作用，可以对高速公路的管理决策提供科学的依据。通过选用适当的方法，例如统计算法、机器学习算法等对无线探针数据等各种多元数据进行融合，使用基于贝叶斯组合框架和高阶马尔可夫过程的融合方法，从历史数据中计算交通数据状态转移概率矩阵，实现多源异构数据的融合［1］；能够基于历史数据，采用时间序列预测模型对未来交通路况进行预测，为交通管理提供决策支持［7］。

参考文献

［1］戚湧，张伟斌.交通信息智能感知与数据分析理论与方法［M］.北京：科学出版社，2020.

［2］杨兆升，于德新.智能运输系统概论［M］.北京：人民交通出版社，2015.

［3］王祥雪，许伦辉.基于深度学习的短时交通流预测研究［J］.交通运输系统工程与信息，2018（1）：81-88.

［4］杨珍珍，郭胜敏，李平，等.基于浮动车数据的交通流变化趋势提取方法［J］.公路交通科技，2013（12）：125-132.

［5］何兆成，卢瑞琪，聂佩林.基于浮动车定位数据的高速公路区间平均速度估计［J］.公路交通科技，2011（6）：128-135.

［6］栾翔，陶莎，暨育雄，等.基于无线探针的国省干道交通信息感知系统［J］.交通科技，2019（4）：95-99，104.

［7］李颖宏，刘乐敏，王玉全.基于组合预测模型的短时交通流预测［J］.交通运输系统工程与信息，2013（13）：32-41.

作者：卢毅 杜向进 单位：江苏省交通工程建设局