一种基于WIFI信号的宏观车流流量检测算法

1.一种基于WIFI信号的宏观车流流量检测算法，沿交通道路部署检测设备系统，所述检测设备系统包括多个子网络，每个子网络包含一个主机和若干个分机，所述分机通过无线被动感知模式，采集由移动终端设备基于Wifi协议随机向四周环境发送的广播式数据包，并筛选其中带有移动终端设备ID信息的数据包进行检索，打上分机标签后上传至主机，主机将收集到的数据进行统一存储和打上时间标签，并上传至数据服务器中存储，并通过数据分析对宏观车流流量进行评估检测；
所述数据的分析包括以下步骤：
步骤1：通过分机采集完整时间段的数据D， 其中，Dij表示第j个子网
第i号分机数据；N表示子网的个数，M表示第j个子网中的分机个数；
步骤2：对数据进行切片并提取待分析路段及完整时间段(T-Δt)的数据Ds'，式中Dis为第s子网下编号为i的分机所采集到的数据；
步骤3：对部署的子网络与对应实际路段S进行空间匹配，得到子网络主机与对应路段的编号信息及该子网络的分机部署情况列表；
步骤4：对各分机采集的数据根据移动终端设备ID号进行排序，建立数据矩阵{Tower(i,s),t}；
步骤5：将建立的ID数据列表按出现在不同数据矩阵的次数进行分类：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析；对于在时间段Δt内，移动终端ID在子网络两个及以上分机出现的，该移动终端ID对应的数据直接作为有效数据；
步骤6：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析：1、当在Δt时间内，该移动终端ID在单个分机的数据矩阵TOWER中重复出现，且多个移动终端ID出现以上情况，标识对应路段为拥堵状况，并将该类ID数据记为有效数据；2、当在Δt时间内，未发现该移动终端ID在单个分机数据矩阵TOWER中重复出现，则遍历该子网络对应路段S前后的子网络是否出现相同的ID号，如果未出现，则将该ID数据作为噪声数据处理，如果在其他子网络中出现，则标识入有效数据列表；
步骤7：重复步骤4～6直到数据处理完毕；
步骤8：将经过步骤5和6处理所得的有效数据进行归并，并根据数据矩阵TOWER所对应物理空间中的位置及出现的时间先后顺序，并将ID数据矩阵区分为双向，并对每个单向数据进行后续处理；
步骤9：在T-Δt到T时间段内，单向有效数据总量为V，V＝D{ID}，并通过以下方法进行实际宏观断面流量的检测：
式中，F(·)为有效ID数据的拟合函数，x为子网内分机总数，i为子网内分机编号；
设置反馈判断条件 S为算法训练样本，设置反馈迭代次数为C，设置迭代终止条件为 当 符合条件时完成数据拟合，输出断面流量数据。
2.根据权利要求1所述基于WIFI信号的宏观车流流量检测算法，其特征在于：步骤9中所述算法训练样本S为线圈检测器或雷达检测器得到的数据，并作为有效基准参考单元。

一种基于WIFI信号的宏观车流流量检测算法\n技术领域\n[0001] 本发明属于移动互联网技术，尤其涉及宏观交通信息监测算法的改进。\n背景技术\n[0002] 交通流数据是交通运营调度指挥系统的重要信息来源，可为指挥调度、交通流量控制和交通诱导提供决策依据。现有的交通流检测技术有多种，根据安装方式可分为接触式检测方式和非接触式检测方式。其中接触式检测技术包括压电、压力管探测和环形线圈探测。这种技术的主要缺点是，车辆对道路的碾压导致检测器的使用寿命较短，在布设检测器时，需要中断交通、破坏路面，因此安装围护较为困难，使用成本高。非接触式检测技术主要为波频探测和视频探测。波频探测分为微波、超声波和红外等三种。非接触式检测器可通过支架安装，维护方便、使用寿命长，其主要缺点是易受户外气候条件的影响，存在环境适应性不强、数据传输量大、检测准确率不高和造价较高等问题。\n[0003] 随着我国高速路网的飞速发展，高速公路交通流检测应用需求剧增。在高速路网中，交通流量信息同样非常重要，通过流量信息，高速路网管理部门能实时了解各路段的实时车辆数量信息，提供直观的路网车辆负荷量，为路网的调度和整体规划提供准确数据。\n[0004] 但是，高速路网存在一些特殊的情况，例如高速公路供电不便、信息传输困难，以及建设过程中未能提前布设各类检测器等，无法做到密集式监控和管理，需要对现有检测器进行进一步的设计和改进。\n发明内容\n[0005] 针对现有技术存在的问题，本发明提供了一种基于WIFI信号的宏观车流流量检测算法，本发明基于便携移动终端唯一ID、采集数据时间戳和检测设备位置信息的宏观交通信息检测算法，具有供电方便，方便密集部署、监控和管理，算法优化数据与真实数据保持高度一致，能提供准确的道路交通信息数据。\n[0006] 为解决上述技术问题，本发明采用了以下技术方案：一种基于WIFI信号的宏观车流流量检测算法，沿交通道路部署检测设备系统，所述检测设备系统包括多个子网络，每个子网络包含一个主机和若干个分机，所述分机(单个检测设备)通过无线被动感知模式，采集由移动终端设备基于Wifi协议随机向四周环境发送的广播式数据包，并筛选其中带有移动终端设备ID信息的数据包进行检索，打上分机标签后上传至主机，主机将收集到的数据进行统一存储和打上时间标签，并上传至数据服务器中存储，并通过数据分析对宏观车流流量进行评估检测。\n[0007] 进一步的，所述数据的分析包括以下步骤：\n[0008] 步骤1：通过分机采集完整时间段的数据D， 其中，Dij表示第j个子网第i号分机数据；N表示子网的个数，M表示第j个子网中的分机个数；\n[0009] 步骤2：对数据进行切片并提取待分析路段S及完整时间段(T-Δt)的数据D's，式中Dis为第s子网下编号为i的分机所采集到的数据；\n[0010] 步骤3：对部署的子网络与对应实际路段S进行空间匹配，得到子网络主机与对应路段的编号信息及该子网络的分机部署情况列表；\n[0011] 步骤4：对各分机采集的数据根据移动终端设备ID号进行排序，建立数据矩阵{Tower(i,s),t}；\n[0012] 步骤5：将建立的ID数据列表按出现在不同数据矩阵的次数进行分类：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析；对于在时间段Δt内，移动终端ID在子网络两个及以上分机出现的，该移动终端ID对应的数据直接作为有效数据；\n[0013] 步骤6：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析：1、当在Δt时间内，该移动终端ID在单个分机的数据矩阵TOWER中重复出现，且多个移动终端ID出现以上情况，标识对应路段为拥堵状况，并将该类ID数据记为有效数据；2、当在Δt时间内，未发现该移动终端ID在单个分机数据矩阵TOWER中重复出现，则遍历该子网络对应路段S前后的子网络是否出现相同的ID号，如果未出现，则将该ID数据作为噪声数据处理，如果在其他子网络中出现，则标识入有效数据列表；\n[0014] 步骤7：重复步骤4～6直到数据处理完毕；\n[0015] 步骤8：将经过步骤5和6处理所得的有效数据进行归并，并根据数据矩阵TOWER所对应物理空间中的位置及出现的时间先后顺序，并将ID数据矩阵区分为双向，并对每个单向数据进行后续处理；\n[0016] 步骤9：在时刻T-Δt到时刻T的时间段内，单向有效数据总量为V，V＝D{ID}，并通过以下方法进行实际宏观断面流量的检测：\n[0017]\n[0018] 式中，F(·)为有效ID数据的拟合函数，x为子网内分机总数，i为子网内分机编号；\n[0019] 设置反馈判断条件 S为算法训练样本，设置反馈迭代次数为C，设置迭代终止条件为 当 符合条件时完成数据拟合，输出断面流量数据。\n[0020] 进一步的，步骤9中所述算法训练样本S为线圈检测器或雷达检测器得到的数据，并作为有效基准参考单元。\n[0021] 有益效果：本发明提供了一种基于便携移动终端唯一ID、采集数据时间戳和检测设备位置信息的宏观交通信息检测算法，实现对移动终端采集数据的数据挖掘和分析，为基于WIFI信号的交通流量检测器及检测系统提供了基于该型数据的深度挖掘和交通流量检测算法实现，填补了该型数据在交通检测方面的应用空白，促进了智慧交通领域的发展。\n附图说明\n[0022] 图1为本发明所述基于WIFI信号的交通流量检测系统的部署原理示意图；\n[0023] 图2为本发明所述宏观车流流量检测算法的逻辑流程示意图；\n[0024] 图3为本发明所述宏观车流流量检测算法中有效数据的分类方法示意图；\n[0025] 图4为本发明所述宏观车流流量检测算法中原始有效数据的优化过程示意图；\n[0026] 图5本发明实施例中道路流量检测系统的道路部署示意图；\n[0027] 图6为本发明检测器原始数据、优化数据和训练样本数据的对比曲线图；\n[0028] 图7为图6中椭圆圈部分的放大图；\n[0029] 图8为21号实验组、31号实验组和训练样本数据之间的比值对照图。\n具体实施方式\n[0030] 下面结合附图并以具体实施例，进一步阐明本发明。应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。\n[0031] 如图1所示，为基于WIFI信号的交通流量检测系统及检测子网络部署示意图。本发明提供了一种针对该系统所收集的数据的交通信息检测算法。\n[0032] 如图2所示，本发明基于WIFI信号的交通流量检测系统工作原理如下：\n[0033] 检测设备系统部署方式：图中，Tower(j)表示所部署的路网中的第j个子网主机，Tower(i,j)表示第j个子网中的第i个分机。每个子网络包含一个主机和若干个分机，分机数量可根据路网条件适当增减，子网络最大覆盖范围2Km，单个分机检测范围最大半径\n250m，用户可根据实际路况条件调节单个分机检测范围，分机之间距离d设定仅需大于两倍的分机检测范围，同样可根据实际路况条件进行灵活调节。子网络部署密度可根据实际交通环境管理需求进行部署。\n[0034] 检测设备数据采集流程：单个检测设备即分机通过无线被动感知模式，采集由移动终端设备随机向四周环境发送的广播式数据包，并筛选其中带有设备ID信息的数据包进行检索。打上分机标签后上传至主机，主机将收集到的数据进行统一存储和打上时间标签，并上传至数据服务器中进行存储，等待分析。\n[0035] 如图2-4所示，本发明断面流量检测算法基本流程如下：\n[0036] 步骤1：采集完整时间段(T-Δt)的完整数据，完整数据表示为\n其中Dij表示第j个子网第i号分机数据；\n[0037] 步骤2：将数据进行切片，并提取分析路段S及时间段(T-Δt)的完整数据[0038] 步骤3：物理空间位置映射，对应所部署的子网络，将其与实际路段S进行空间匹配，每个子网络主机带有对应路段相应编号信息及分机部署情况列表；\n[0039] 步骤4：将采集数据根据其ID号进行排序，并建立数据矩阵{Tower(i,s),t}；\n[0040] 步骤5：将建立的ID数据列表按出现在不同的Tower中的次数进行分类，将仅在一个Tower中出现的ID单独提取出进行分析，将在两个以上Tower中出现的ID数据归为一类；\n[0041] 步骤6：对于在时间段Δt内仅出现在一个Tower中的ID进行分析，将情况分为以下两种：1、在Δt时间段内，该Tower中重复出现该ID，且该种情况大量发生，具有相当数量ID出现此种情况，则表示该路段出现拥堵状况，该ID为有效数据；2、若在Δt时间段，未发现该ID在该Tower中重复出现，则遍历该路段S前后子网，查找是否出现相同的ID号，如果未出现，这该数据作为噪声数据进行处理，若在其他子网中出现，则打上标识，并归入有效数据列表；\n[0042] 步骤7：重复步骤4、5、6，直到数据处理完毕；\n[0043] 步骤8：将步骤5和6中处理所得的有效数据进行归并，并根据Tower在物理空间中的位置以及出现的时间t的先后顺序，将ID数据区分为双向(车道具有方向性)，并对每个单向数据进行处理；\n[0044] 步骤9：在T-Δt到T时间段内，单侧方向有效数据总量为V＝D{ID}，采用以下方法对实际宏观断面流量进行评估，如图4所示：\n[0045] 由图中可得，ID_X表示有效ID数据，F(·)表示近似拟合函数，偏置参考系S表示有效基准参考单元，如线圈检测器数据、雷达检测器数据等。累加ID数据，并通过近似拟合函数F(·)，进行拟合，反馈判断条件为 可根据检测精度需要对该比值域值范围进行调节，当S/V所得值在域值范围内，例如 表示完成数据拟合工作，形成有效断面流量数据。\n[0046] 如图5所示，为应用本方法G42某路段进行实验，在图中部署有两组实验组分别为\n21号和31号，并分布在双向道路两侧。针对31实验组以每5分钟为时间单位，对其在上海至北京方向以及北京至上海方向检测数量、1公里均速以及与线圈检测器的检测偏离度进行了比较对照。\n[0047] 如图6和7所示，本发明基于WIFI信号的检测系统采集的原始数据经过上述算法优化输出后的流量数据与训练样本数据保持高度一致；从图8可知，21号实验组与31号实验组的比值保持高度一致，比值范围基本为1，比值曲线波动较小，说明本发明检测器(主要是分机)在道路上的部署位置影响不大，可以部署在两侧，也可以部署在中间的隔离花坛中间，具有部署灵活的特点；21号实验组和31号实验组分别与训练样本数据的比值，也基本保持了一致。