一种基于VANETs和改进的D‑S证据理论的道路拥堵检测方法技术

本发明专利技术公开了一种基于VANETs和改进的D‑S证据理论的道路拥堵检测方法，包括以下步骤：步骤1，设道路上行驶有n辆车，通过n辆车中每辆车的速度和车流密度，根据拥堵指数集合Θ得到每辆车的拥堵指数集合Ai；步骤2，计算n辆车中的每辆车在其每个拥堵指数下的基本概率分配函数；步骤3，将n辆车中的每辆车在其每个拥堵指数下的基本概率分配函数进行合成，得到道路在每个拥堵指数下的基本概率分配函数m(A)；步骤4，根据道路在每个拥堵指数下的基本概率分配函数m(A)，得到道路的拥堵指数为A

A road congestion detection method and improved VANETs D based on S evidence theory

The invention discloses a road congestion detection method and improved VANETs D based on S evidence theory, which comprises the following steps: 1, located on the road there are n cars through the N car speed per vehicle and traffic density, according to the congestion index set. Each car congestion index set Ai; step 2, the basic probability assignment function to calculate n per car car in each of its congestion index; step 3, each car n car in the basic probability distribution in each congestion index under the function of synthesis, the road congestion index of basic probability assignment in each of the the function m (A); step 4, according to the basic probability assignment function of m in each of the road congestion index (A), get the road congestion index was A

【技术实现步骤摘要】
一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法
本专利技术属于城市道路拥堵检测
，具体涉及一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法。
技术介绍
随着汽车保有量的持续增加，城市道路交通拥堵问题日益凸显。同时，车联网技术的蓬勃发展为解决城市交通拥堵问题提供了可能。车联网技术是指在交通参与者之间(VehicletoVehicle，V2V)，或者交通参与者与交通基础设施之间(VehicletoInfrastructure，V2I)利用无线通信进行信息交互，从而实现车辆运动控制，交通信号的控制，交通信息处理以及发布的技术。V2V主要用在交通信息搜集、检测、简单处理等领域，V2I主要用在交通信息综合处理，预警发布等领域。目前，道路交通拥堵检测主要有两种方法，即固定式道路交通拥堵检测和移动式道路交通拥堵检测。固定式道路交通拥堵检测方法是通过铺设地磁线圈或架设摄像机实现道路交通拥堵检测，该方法虽然在固定点检测的准确性高，但是地磁线圈和摄像机只能检测其覆盖区域的道路交通信息。此外，由于受成本、土地规划、环境保护、交通秩序等影响，地磁线圈和摄像机无法进行大范围铺设。移动式道路交通拥堵检测方法是通过装有GPS的浮动车辆作为传感节点来检测其行驶区域的道路交通拥堵水平。与固定式道路交通拥堵检测方法相比，移动式道路交通拥堵检测方法检测的交通区域更广。但移动式道路交通拥堵检测由于GPS定位无法精确到车道级、浮动车数量少以及分布不均匀等原因，其检测的准确性不高。针对上述方法的缺点，文献[FahmyMF,RanasingheDN.Discoveringautomobilecongestionandvolumeusingvanet’s[C].InternationalConferenceonITSTelecommunications.IEEE,2008:367-372.]提出基于VANETs技术检测道路交通拥堵。该方法是在车辆拥塞时建立路由树，根据路由树来统计车辆拥塞的数目。该方法采用分布式的道路拥堵检测方法，不受道路基础设施建设情况的约束，并且检测的准确率较高。但是该方法需要建立并且维护路由树，网络开销较大。文献[BauzaR,GozalvezJ.Trafficcongestiondetectioninlarge-scalescenariosusingvehicle-to-vehiclecommunications[J].JournalofNetwork&ComputerApplications,2013,36(5):1295-1307.]提出基于V2V的协作式道路交通拥堵检测方法，无需建立路由树，同时在发生交通拥堵时，车车之间才进行数据通信，因此该方法降低了车辆通信网络的开销和负载。但是该方法无法融合分布式检测结果以及准确地得出整个检测区域的道路交通拥堵水平。
技术实现思路
本专利技术的目的在于提供一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法，既能对分布式的道路拥堵检测结果进行融合，提高道路拥堵信息的可靠性，同时又能减少车辆节点对拥堵信息的转发，有效地抑制广播风暴。为达到上述目的，本专利技术采用如下技术方案：一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法，包括以下步骤：步骤1，设道路上行驶有n辆车，通过n辆车中每辆车的速度和车流密度，得到每辆车的至少一个拥堵指数，其中车辆i的至少一个拥堵指数组成该辆车的拥堵指数集合Ai，其中i＝1,2,..,n，n为大于等于1的自然数，Ai＝{Ai1,Ai2,...,Aia,...,AiM},M≤24，Aia表示车辆i的第a个拥堵指数，a＝1,2,..,M；步骤2，通过式(1)计算车辆i在第a个拥堵指数下的基本概率分配函数mi(Aai)，即可得到n辆车中的每辆车在第a个拥堵指数下的基本概率分配函数；mi(Aai)＝1-H(vi,ρi)(1)其中，i＝1,2,..,n，a＝1,2,..,M，H(vi,ρi)＝-p(vi)log2p(vi)+(-p(ρi)log2p(ρi))，vi为车辆i的速度，vthi为车辆i在第a个拥堵指数下的速度下限值，vT为道路上车辆速度的限速值，ρi为车辆i的车流密度，ρthi为车辆i在第a个拥堵指数下的车流密度的下限值，ρT为道路上车流密度的饱和值；步骤3，通过式(2)将n辆车中的每辆车在第a个拥堵指数下的基本概率分配函数进行合成，得到道路在第a个拥堵指数下的基本概率分配函数m(Aa)，即可得到道路在每个拥堵指数下的基本概率分配函数m(A)，其中m(A)＝{m(A1),m(A2),..,m(Aa),...,m(AM)}；其中，a＝1,2,..,M，p(Aa)＝∑m1(Aa1)m2(Aa2)…,mi(Aai),...,mn(Aan)，ε＝e-k，mj(Aaj)为车辆j在第a个拥堵指数下的基本概率分配函数，j＝1,2,..,n，i≠j；步骤4，设m(Aa)＝max{m(A)}，若m(Aa)-m(Aa′)＞ε1，则道路的拥堵指数为第a个拥堵指数；其中，ε1＝10-4。进一步地，步骤1中所述的根据拥堵指数集合Θ得到每辆车的拥堵指数集合，包括：步骤11，设置4个车辆速度模糊区间，分别是SV：[0，vth1]，SL：[vth1，vth2]，SM：[vth2，vth3]，SH：[vth3，vT]；设置4个车流密度模糊区间，分别是DL：[0,ρth1],DM：[ρth1,ρth2],DH：[ρth2,ρth3],DV：[ρth3,ρT]；步骤12，根据表1得到每辆车的拥堵指数集合。表1与现有技术相比，本专利技术具有以下技术效果：(1)本专利技术将人对于交通参数的定性描述运用模糊理论进行分级，如对车辆速度的快慢，车流密度的高低等进行等级划分，各等级无明显分界点，这更符合人们对于交通的直观认知；(2)本专利技术采用信息熵表示车辆节点对检测到的拥堵指数的信任度，用处在模糊区间的概率表示不确定性，实现由模糊到量化的过程；(3)本专利技术基于改进的D-S证据理论融合道路交通拥堵信息，有效地区分出车辆节点检测出交通拥堵指数的信任度和不确定性，考虑了证据之间的冲突，使RSU得到融合后的交通拥堵指数更加准确；(4)本专利技术在融合过程中采用V2I通信，即车辆节点无需转发任何拥堵消息，车路之间采用单跳广播通信，有效抑制了广播风暴，提高了带宽的利用率。附图说明图1为本专利技术的拥堵信息融合流程图；图2为速度的隶属度。具体实施方式本专利技术中的拥堵指数指的是根据表1判断出的拥堵指数集合Θ中的任一个值；下面通过附图和实施例对本专利技术作进一步说明。实施例1本实施例提供了一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法，包括以下步骤：步骤1，设道路上行驶有n辆车，通过n辆车中每辆车的速度和车流密度，根据拥堵指数集合Θ得到每辆车的至少一个拥堵指数，其中车辆i的至少一个拥堵指数组成该辆车的拥堵指数集合Ai，其中i＝1,2,..,n，n为大于等于1的自然数，Ai＝{Ai1,Ai2,...,Aia,...,AiM},M≤24，Aia表示车辆i的第a个拥堵指数，a＝1,2,..,M；所述拥堵指数集合Θ＝{Ⅰ，Ⅱ，Ⅲ，Ⅳ}；其中，拥堵指数Ⅰ表示畅通，市民感受的定性描述为：本文档来自技高网...

【技术保护点】
一种基于VANETs和改进的D‑S证据理论的道路拥堵检测方法，其特征在于，包括以下步骤：步骤1，设道路上行驶有n辆车，通过n辆车中每辆车的速度和车流密度，得到每辆车的至少一个拥堵指数，其中车辆i的至少一个拥堵指数组成该辆车的拥堵指数集合Ai，其中i＝1,2,..,n，n为大于等于1的自然数，Ai＝{Ai

【技术特征摘要】
1.一种基于VANETs和改进的D-S证据理论的道路拥堵检测方法，其特征在于，包括以下步骤：步骤1，设道路上行驶有n辆车，通过n辆车中每辆车的速度和车流密度，得到每辆车的至少一个拥堵指数，其中车辆i的至少一个拥堵指数组成该辆车的拥堵指数集合Ai，其中i＝1,2,..,n，n为大于等于1的自然数，Ai＝{Ai1,Ai2,...,Aia,...,AiM},M≤24，Aia表示车辆i的第a个拥堵指数，a＝1,2,..,M；步骤2，通过式(1)计算车辆i在第a个拥堵指数下的基本概率分配函数mi(Aai)，即可得到n辆车中的每辆车在第a个拥堵指数下的基本概率分配函数；mi(Aai)＝1-H(vi,ρi)(1)其中，i＝1,2,..,n，a＝1,2,..,M，H(vi,ρi)＝-p(vi)log2p(vi)+(-p(ρi)log2p(ρi))，vi为车辆i的速度，vthi为车辆i在第a个拥堵指数下的速度下限值，vT为道路上车辆速度的限速值，ρi为车辆i的车流密度，ρthi为车辆i在第a个拥堵指数下的车流密度的下限值，ρT为道路上车流密度的饱和值；步骤3，通过式(2)将n辆车中的每辆车在第a个拥堵指数下的基本概率...

【专利技术属性】
技术研发人员：赵祥模，王润民，胡锦超，徐志刚，李骁驰，李东武，陈婷，吴霞，王淼，刘丁贝，邓小峰，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61