一种面向道路路况的车载传感器协同监测方法技术

本发明专利技术提供了一种面向道路路况的车载传感器协同监测方法，由携带传感器的车辆节点和路侧基站协作共同完成。车辆节点将传感器采集的数据、经过本地数据融合得到的观察数据发送到本地路侧基站，路侧基站接收并存储该观察数据，并决策是否需要启动协同监测，若符合条件则开始基于车载传感器数据的协同事件监测过程；挖掘位置相关、时间相关和行驶行为相关的车载传感器数据，在获取这些数据相关性后，采用投票加权方式进行处理；路侧基站根据处理结果判定本地子小区是否有路况事件产生，若能判定事件则由路侧基站发布事件。

【技术实现步骤摘要】

本专利技术涉及车载自组织传感器网络的协同信息处理和事件监测领域，更具体地， 涉及一种利用在城市道路区域行驶并携带各类型传感器节点的车辆，采集道路路况事件相关数据，通过与路侧基站协作，进行位置相关、时间相关和车辆行驶行为相关的协同数据处理，从而准确有效的监测道路区域是否存在异常路况事件如路面坑穴、湿滑、滞留等的方法。
技术介绍
随着汽车的普及、传感器技术和无线通信等领域的发展，可在道路行驶的车辆上安装各类型智能传感器节点设备用于感知行车路况相关物理量，这些安装了传感器的车辆之间，通过无线方式机动组网连接，形成自组织的无线车载传感器网络。车载传感器网络中车辆节点安装的传感器可采集到道路行车路况相关的物理量，并可利用这些采集数据进行信息处理，监测路况事件，实现实时路况监测，从而有效节省人力物力。道路路况监测是车载传感器网络面向智能交通系统的重要应用之一，车载传感器协同监测方法是实现准确有效的车载传感器网络路况事件监测的关键技术。车载传感器协同监测方法拟通过挖掘数据相关性，进行有效的信息协同、数据融合及智能信息决策等技术，有效推断道路区域的路况事件。车载传感器网络、无线传感器网络的事件监测方法与应用是该领域的热点问题之一， 在近年来技术文献和研究论文中均有论述。有关文献T.Heet al. VigilNet: An Integrated Sensor Network System for Energy-EfficientSurveiI lance. ACM Transactions on Sensor Networks[J], 2006, 2 (I);U. Lee et al. Mobeyes:SmartMobs for Urban Monitoring with a Vehicular Sensor Network. IEEE Wireless Communications[J],2006,13 (5) ; F. Kong et al. A Collaboration-based Hybrid Vehicular Sensor Network Architecture. In:Proc. International Conference on Information and Automation [c], 2008;余玲飞等·车载传感器网络的研究进展[J].计算机科学，2011，(SI);孙荣丽等.交通无线传感器网络研究进展[J].计算机研究与发展，2011，(S2);任倩倩等.无线传感器网络中可容错的事件监测算法[J]·计算机学报，2012，(03).车载传感器网络事件监测主要通过机动的自组织无线传感器网络等技术，对采集的数据进行智能处理，从而监测出道路环境中影响道路交通的异常路况事件。相比较单一车辆传感器节点的有限监测能力和噪音等问题，多车辆多传感器的协同能有效提高监测准确性。目前关于无线传感器网络的协同监测方法主要可分为2大类。第I类是基于传感器感知覆盖度的协同调度方法，如利用传感器节点的感知覆盖范围构建树和簇等结构，通过能量优化的调度，实现事件感知和监测；通常选取本地至少k个节点工作用于保证覆盖一个监测事件发生的位置，而让其它节点睡眠以节省能量，即实现监测感知准确性和能量效率的折衷，k为工作节点下限数目。第2类是基于智能计算的方法，通过本地节点的协作同时实现节能的事件监测，例如通过机器学习、神经网络支持向量机、知识模型等进行事件特征的提取和分类、或运用隐马尔科夫模型(HMM)判断事件产生的概率、以及基于特征分类和 HMM的混合方法等。协同监测技术的实现方法与具体应用相关，无线传感器网络的监测方法无法很好的适应于车载网络应用环境。在车载传感器网络环境下，由于车辆的高移动性、城市道路交通路况环境的复杂性，导致机动网络的拓扑变化较快；此外，道路交通和车辆行驶中受自然环境、道路地形特征和人为因素等影响较大，车辆节点采集信息存在着噪声和稀疏数据等问题，从而易出现误检(false alarm)，导致监测准确性低。一些研究者针对移动自组织网络、无线传感器网络的事件监测，提出了基于人工智能的方法，通过本地节点协同，利用机器学习、支持向量机、贝叶斯神经网络、或运用隐马尔可夫模型等，进行事件特征提取和分类、判断事件产生的概率，实现事件监测；这些事件监测方法用于车载网络应用环境时， 需要事先对道路车辆特定环境下的数据集进行训练，由于道路交通和车辆行驶中受自然环境、道路地形特征和人为因素等影响较大，实时数据集的训练有一定困难，并直接影响事件监测系统性能；这些方法计算复杂度高，不能很好的适应于无线车载网络自组织机动的分布式网络环境。如果使用了不适当的车载传感器数据进行协同，或在其性能、误差统计等方面给出错误的先验信息，都很难准确有效的监测事件。协同监测方法应当保证事件监测的准确性、低代价以及易于实现，根据模型和感知数据选择合适的车辆节点数据进行协同处理，用于提高事件监测性能，同时满足操作简单性。 有关文献SDipti. Evaluation of Adaptive Neural Network Models for Freeway IncidentDetection[J]. IEEE Trans.On Intelligent Transportation Systems, 2004, 5(1);A. Nasipuri et al. Multisensor Collaboration in Wireless Sensor Networks for Detection of Spatially CorrelatedSignals[J]. International Journal of Mobile Network Design and Innovation, 2006,I(3/4);C. -B. Joaquin et al.A New Collaborative Knowledge-Based Approach for Wireless Sensor Networks [J]. Sensors, 2010, 10;潘泉等.交通事件检测算法研究进展[J].武汉理工大学学报(交通科学与工程版)，2005，(02);康健等.无线传感器网络数据融合技术[J].计算机科学，2010，(04);向敏等.基于数据关联性的无线传感器网络簇内数据管理算法[J]. 自动化学报.2010，(09).
技术实现思路
本专利技术针对在道路路况监测所面临的挑战和现有基于无线传感器网络的事件监测方法存在的问题和不足，提出一种面向智能交通道路监测应用的、有效提高监测准确性的车载传感器协同监测方法，由在城市道路区域行驶、携带智能无线传感器的车辆机动自组织成网络，通过提取位置相关、时间相关和行驶行为相关的多车辆、多传感器的数据，进行协同信息融合和事件决策处理，用于判定路况事件，从而提高道路路况事件监测的准确性。本专利技术的技术方案为，将待监测区域近似为矩形区域，提取待监测区域的城市道路地形图，将待监测区域划分为若干监测子小区；所有监测子小区初始状态为尚未启动协同监测状态；待监测区域中车辆节点的车载传感器周期性采集路况相关的数据并处理得到周期性融合数据；确定覆盖待本文档来自技高网...

【技术保护点】
一种面向道路路况的车载传感器协同监测方法，其特征在于：将待监测区域近似为矩形区域，提取待监测区域的城市道路地形图，将待监测区域划分为若干监测子小区；所有监测子小区初始状态为尚未启动协同监测状态；待监测区域中车辆节点的车载传感器周期性采集路况相关的数据并处理得到周期性融合数据；确定覆盖待监测区域的路侧基站，路侧基站接收并存储待监测区域中的车辆节点传感器发送的周期性融合数据，挖掘数据的位置相关性、时间相关性和车辆行驶行为相关性用于协同数据处理，从而监测道路路况事件，并通过广播消息发布事件，包括执行以下步骤，步骤1、在收到车辆节点发送的周期性融合数据后，路侧基站存储该观察数据，设在时刻τ车辆节点nj的观察数据为O(nj,τ)，车辆节点nj当前位置落在子小区ci内，根据协同监测条件进行处理，所述协同监测条件为车辆节点nj的观察数据O(nj,τ)大于等于预设的阈值；如果满足协同监测条件且子小区ci尚未启动协同监测，则进入步骤2；步骤2、由路侧基站启动子小区ci的车载传感器协同监测过程，提取位置相关、时间相关和行驶行为相关的数据并进行处理，包括提取τ时刻与子小区ci位置相关的车辆节点数据并处理得到车辆节点nj的监测可信度，提取子小区ci在时间间隔[τ？T,τ]内时间相关的车辆节点数据并处理得到基于事件的历史数据相关度，以及提取与子小区ci中具有行驶行为相关度的所有车辆节点数据并处理得到子小区ci车辆节点的行为改变度；步骤3、由路侧基站根据步骤2所得车辆节点nj的监测可信度、基于事件的历史数据相关度和子小区ci车辆节点的行为改变度，采用加权投票的方法，得到在τ时刻子小区ci路况事件产生概率PE(ci,τ)；步骤4、由路侧基站进行判定，若由步骤3所得概率PE(ci,τ)大于或等于预设阈值Pth，则判定τ时刻子小区ci有路况事件产生，路侧基站记录该路况事件并向其覆盖范围内车辆节点和其它路侧基站广播该事件；子小区ci初始状态恢复为尚未启动协同监测状态”，协同监测流程回到步骤1处继续执行。...

【技术特征摘要】
1.一种面向道路路况的车载传感器协同监测方法，其特征在于将待监测区域近似为矩形区域，提取待监测区域的城市道路地形图，将待监测区域划分为若干监测子小区；所有监测子小区初始状态为尚未启动协同监测状态；待监测区域中车辆节点的车载传感器周期性采集路况相关的数据并处理得到周期性融合数据；确定覆盖待监测区域的路侧基站，路侧基站接收并存储待监测区域中的车辆节点传感器发送的周期性融合数据，挖掘数据的位置相关性、时间相关性和车辆行驶行为相关性用于协同数据处理，从而监测道路路况事件，并通过广播消息发布事件，包括执行以下步骤， 步骤I、在收到车辆节点发送的周期性融合数据后，路侧基站存储该观察数据，设在时亥Ij τ车辆节点rij的观察数据为OOij, τ ),车辆节点η」当前位置落在子小区Ci内， 根据协同监测条件进行处理，所述协同监测条件为车辆节点r^_的观察数据O (ny τ)大于等于预设的阈值；如果满足协同监测条件且子小区Ci尚未启动协同监测，则进入步骤2 ； 步骤2、由路侧基站启动子小区Ci的车载传感器协同监测过程，提取位置相关、时间相关和行驶行为相关的数据并进行处理，包括提取τ时刻与子小区Ci位置相关的车辆节点数据并处理得到车辆节点r^_的监测可信度，提取子小区Ci在时间间隔[τ-Τ，τ]内时间相关的车辆节点数据并处理得到基于事件的历史数据相关度，以及提取与子小区Ci中具有行驶行为相关度的所有车辆节点数据并处理得到子小区Ci车辆节点的行为改变度； 步骤3、由路侧基站根据步骤2所得车辆节点r^_的监测可信度、基于事件的历史数据相关度和子小区Ci车辆节点的行为改变度，采用加权投票的方法，得到在τ时刻子小区(^路况事件产生概率Pe (Ci, τ)； 步骤4、由路侧基站进行判定，若由步骤3所得概率匕(％ τ)大于或等于预设阈值Pth，则判定τ时刻子小区Ci有路况事件产生，路侧基站记录该路况事件并向其覆盖范围内车辆节点和其它路侧基站广播该事件；子小区Ci初始状态恢复为尚未启动协同监测状态”，协同监测流程回到步骤I处继续执行。2.根据权...

【专利技术属性】
技术研发人员：曾园园，项慨，李德识，
申请(专利权)人：武汉大学，武汉大学苏州研究院，
类型：发明
国别省市：