现代检测技术传感器详解.docVIP

现代检测技术 交通传感器布局的优化 学 院: 专 业: 学 号: 学生姓名: 日 期: 交通传感器布局的优化 摘要：交通传感器网络节点的布局关系到智能交通系统的经济效益。文中利用交通信息空间特性的新测度，在传感器最大信息价值和最小投资成本的博弈中建立了最大综合价值优化模型，并通过构造有向图将模型求解转化为有向图的最短路问题，分析了该模型的相关参数并给出了各参数的数学描述和标定方法。为了简化问题，在最大综合价值模型的基础上给出了简化模型。最后通过实例表明，与广泛应用的图论模型相比，文中模型不但能确定最优传感器的个数，还能给出各传感器的最佳位置。同时文中模型易于扩展到不同城市、不同道路条件、不同传感器类型的情形，具有很好的普适性。 关键词：交通运输系统工程；交通传感器网络；传感器布局；最大综合价值模型；优化 交通拥挤和局部高负荷是目前大城市的一个重要交通问题，并在全世界范围内普遍存在。当前智能运输系统(ITS)主要作用之一就是在路网中布设一定数量的交通传感器，以提高交通系统的可测性、可视性和可控性。ITS要求能够得到实时的路网交通信息，而交通传感器在获取实时交通信息方面发挥着很大的作用。在路网中密集布设交通传感器可以得到比较完备的路网交通信息，但是由于成本、效用之间博弈，又限制了传感器的布设密度，交通传感器优化布局问题的研究是智能运输系统的一个重要的研究方向。 Leow等以总成本(传感器成本和拥挤成本)最小为目标，利用采样理论给出了高速公路的传感器布局优化方法。文中利用Shannon采样定理，从功率谱密度人手，导出了标准均方误差(NMSE)与检测器布设间距d之间的关系。sungho等研究了基于行程时间估计的传感器布局优化问题，利用COR-SIM交通仿真得出的数据进行分析。文中通过对不同的道路条件，分别以15.24m的距离密集布设检测器，仿真一段时间后，输出不同小时交通量下各传感器的平均速度和整个路段的平均速度。 部分学者在交通传感器布局优化方面做了一定的工作，提出多种理论方法和模型来确定最优的传感器数量和布设位置．这些方法主要有两大类：①面向流量估计的传感器布局优化方法；②面向速度(或旅行时间)估计的传感器布局优化方法。第1类主要应用于交通OD估计、快速路瓶颈判别和交通流分配等；第2类应用于旅行时间估计和基于最短时间的路径诱导等．利用图论研究交通0D估计问题，把交通OD估计问题转化为图论问题，道路交通网络被看作是一个有向图，交叉口为有向图的顶点，交叉口之间的路段为有向图的边。通过有向图连接流量函数来描述路网中的交通流量。这样，传感器布局优化的目标就转化为寻找能够得到有向图中所有连接流量的最小边集。主要以更准确地获取路段速度作为传感器优化的目标。 传统的交通传感器布局优化模型存在以下不足：①模型假设过多，使其不能反映实际应用需求和具体因素的影响，特别是基于图论的方法，其优化结果仅给出路网最小边集，无法得到传感器的具体布设位置(边的前端、中部、后端，或其他位置)；②路网中各位置权重没有区分，由于交叉口、出入口、桥区、路段不同位置的交通流特性存在差异，需要区别对待；③无法给出单个路段(图论中的一条有向边)上传感器密度差异，随着传感器技术的不断进步，成本不断降低，单路段的多个断面都会布设传感器，需要优化模型能够给出不同位置的最优密度参考。 为了克服现有模型的不足，文中给出一个普适的、考虑多种影响因素的交通传感器布局优化模型——最大综合价值模型，研究不同布设密度对综合价值的影响。该模型综合考虑影响传感器布设的道路因素和传感器因素，考虑不同道路等级(快速路、高速路、城市干道、支路等)、不同布设位置(路段、交叉口、桥区等)及不同传感器类型(线圈、视频、微波、地磁等)等因素，把这些因素在模型参数中得以体现。 1 交通信息空间特性的一种新测度 道路交通信息由布设于路网中的交通传感器获得，那么整个路网中的交通信息空间分布并不均匀，定义的信息度函数(IDF)是交通信息空间特性的一种新测度，能够反映基于固定传感器的交通信息空问特性，它描述了传感器信息的可信度和离此传感器距离之间的关系。点s与位置i处传感器的距离为d’，则i处的传感器能够百分之百地代表i处的交通信息，而以一定的概率p(0≤p≤1)反映点s处的交通信息。 某交通传感器的信息度函数定义如下： f(d’)=p(d’) 式中，以f（d’)为传感器信息度函数，p(d’)为传感器反映距离其d’处的交通信息的概率。 2 最大综合价值优化模型 文中主要从宏观层面讨论传感器的布局优化问题。微观层面主要考虑检测器具体的特性，分析不同情况下不同类型的传感器选择问题；宏观层面主要考虑路段和路网的交通特性，通过数据检测和数据融合得到交通流状态参数，分析不同应用和不同路