一种在群智感知系统中基于关键路段的感知节点选取方法技术方案

本专利公开了一种基于路网关键路段的群智感知系统的感知节点的选取方法，所述方法包括如下步骤：步骤一、构建群智感知系统；步骤二、确定关键路段；步骤三：云平台选择关键路段并下发感知任务；步骤四：云平台基于关键路段选择感知节点。本发明专利技术采用群智感知技术对路网的交通状态进行监测，解决了固定检测器安装和维护成本过高的问题。

【技术实现步骤摘要】
一种在群智感知系统中基于关键路段的感知节点选取方法
本专利技术涉及智能交通和群智感知
，具体而言是在一种在群智感知系统中基于关键路段进行感知节点选取的方法。
技术介绍
中国城市化的进程，使得全国汽车占有量不断增加，路网交通状态随之变得复杂。为了保障数量众多的车辆可以在道路上稳定的行驶，交通管理人员往往需要借助路侧及路面检测设施进行交通参数的提取，以期进行交通状态的准确预测，完成对路面车辆的交通管控和诱导。然而面对不断扩大的路网规模，建设完备的传统道路交通检测系统所需的花费巨大，因此传统检测设备的维护和管理也非常困难。为了解决这一问题，相关研究机构提出了“基于车辆群智感知系统进行交通状态监测”的方法并进行了简单的试验，试验表明了这一交通检测方法的的可行性。基于车辆群智感知进行交通状态监测，是选取合适的车辆作为感知节点，再通过感知节点对目标区域的交通状态进行监测。试验结果表明，在这种监测模型中，感知节点的选取对感知结果的准确性有着很大的影响。现有的感知节点选取方法有“基于遗传算法的群智感知服务节点选取机制”和“基于车辆轨迹的群智感知节点选取机制”。基于遗传算法的选取机制，对感知节点的选取是随机的，没有考虑感知个体自身的属性和路网的属性，不适合应用在实际的感知场景中。基于车辆轨迹的选取机制，以车辆的行驶轨迹为选择依据，可以保证在感知车辆选取数目较少的情况下，获得较高的道路覆盖率，并保证感知精度。在该方法中，覆盖道路的选取依据感知车辆的选取，该方法没有考虑到目标区域内各个道路的重要程度，因而没有办法保证目标区域路网中的关键路段可以被覆盖。
技术实现思路
本专利技术的目的在于改进车辆群智感知系统中感知节点的选取方法，在选取路网中感知节点——感知车辆的过程中，充分考虑路网中路段的关键程度。为此，本专利技术提出了一种在车辆群智感知系统中基于关键路段选取感知节点的方法。为解决上述技术问题，本专利提供的技术方案包括：一种基于路网关键路段的群智感知系统的感知节点的选取方法，其特征在于，所述方法包括如下步骤：步骤一、构建群智感知系统所述群智感知系统包括：云平台和感知节点。所述云平台包括通信模块、数据存储模块和数据计算模块，所述通信模块用于实现与外界的通信，传输数据和指令；所述感知节点包括感知车辆，用于感知具体的交通信息，所述感知车辆搭配有GPS模块、导航模块、车速记录模块、车辆状态实时诊断模块和通信模块；步骤二、确定关键路段在目标区域路网使用群智感知系统进行路况监测的前期，云平台获取路网各路段上所有车辆的行驶数据，所有的感知车辆都参与感知，并在规定的时间段内将感知数据上传；然后云平台基于时空相关性的方法，以监测前期获得的数据作为数据集，处理数据得到各时段下各路段的关键度；关键度排序后结果被保存在云平台的存储模块中；步骤三：云平台选择关键路段并下发感知任务利用群智感知系统对交通状态进行监测时，云平台根据当前时刻选择相应时间段内目标路网中的关键路段；进而，云平台向路网中所有车辆下发感知任务；车辆接到感知任务后，根据自身的情况决定是否参加，并向云平台进行反馈；决定参加感知任务车辆的集合用V0表示；步骤四：云平台基于关键路段选择感知节点云平台对反馈回来的车辆信息进行整合，综合考虑关键路段的属性和车辆的属性选择合适的感知车辆作为感知点，从而确定感知节点选取方案；路段的属性包括但不局限于路段的长度、路段的车道数和路段的出入口位置；车辆的属性包括但不局限于车辆的位置、车辆的导航轨迹和车载各模块的完整性；选择过程包括：S401云平台对感知节点进行预选择；云平台把所有的感知模块显示状态为1的车辆从V0中选出，得到集合V1，V1代表愿意参加感知任务且具备正常感知能力的车辆的集合；S402云平台根据车辆的属性和关键路段的属性的匹配度对感知节点进行深度选择；首先，将车辆的经纬度与关键路段的地理位置进行匹配，选择位于关键路段上的车辆，这些车辆的集合为V2；按照关键路段的编号，对V1中的车辆进行分类，得到集合Vi，其中i＝路段编号；Vi∩V2＝0，代表编号为i的路段上没有符合条件的车辆；然后，对于Vi∩V2＝0的关键路段，利用K-means聚类和距离分析法从集合V3中选择合适的感知车辆，其中V3＝V1-V2；根据车辆的经纬度坐标利用K-means聚类算法对V3集合中的车辆进行分类，同时记录每一个聚群中心的经纬度坐标；接着利用距离分析法为每一个Vi∩V2＝0的关键路段选择合适的感知车辆，对于每一个Vi∩V2＝0的关键路段，从到其聚群中心距离di最小的车辆群中选择感知车辆；感知车辆群中已经接收感知任务的车辆将被标记，选择感知车辆时从未被标记的车辆中选择，最终被选择的感知车辆的集合为V4。本专利技术采用群智感知技术对路网的交通状态进行监测，解决了固定检测器安装和维护成本过高的问题。本专利技术采用基于路网关键路段的感知节点选取方法，相对于现有的感知节点选取方法，该方法考虑了城市路网中路段重要程度不同的特性，可以更加科学地进行路网感知模型中感知节点的选取。本专利技术采用基于路网关键路段的感知节点选取方法，可有效减少被选节点的数目，减少系统的运行成本并减轻系统的运行负担。附图说明图1是本专利技术中的群智感知系统的架构示意图；图2是本专利技术中的感知节点选取方法流程图。具体实施方式下面结合附图对本专利的具体实施方式进行详细说明。需要指出的是该具体实施方式仅仅是对本专利优选技术方案的举例，并不能理解为对本专利保护范围的限制。本具体实施方式提供了一种基于路网关键路段的群智感知系统的感知节点的选取方法。如图1所示，所示方法包括如下步骤：步骤一、构建感知系统在本步骤中首先需要构建用于实施本具体实施方式的方法的感知系统。所述感知系统包括：云平台和感知节点。所述云平台包括通信模块、数据存储模块和数据计算模块，所述通信模块用于实现与外界的通信，传输数据和指令。在本具体实施方式中，所述通模块主要完成与所述感知节点的通信，通信的内容包括由云平台向感知节点发送的任务查询指令，感知车辆选择指令，以及由感知节点向云平台发送的车辆状态信息、感知数据等。所述感知节点包括感知车辆，用于感知具体的交通信息，所述感知车辆搭配有GPS模块、导航模块、车速记录模块、车辆状态实时诊断模块和通信模块。所述GPS模块、导航模块、车速记录模块、车辆状态实时诊断模块负责收集以及处理相关的交通信息，所述通信模块负责与云平台的通信模块进行通信。所述感知车辆接收到感知任务后，采集相关的交通参数然后根据云平台的需要将所需的参数和指令上传。步骤二、确定关键路段路网中关键路段的确定依据路网中车辆上传的历史数据。假设在目标区域路网使用群智感知技术进行路况监测的前期(3个月)，为了测试设备的成熟度、掌握路网全面的交通状况，云平台将获取路网各路段上所有车辆的行驶数据。为此引入“感知车辆完全参与假设”，即在监测前期，所有的感知车辆都参与感知，并在规定的时间段内将感知数据上传。云平台基于时空相关性的方法，以监测前期获得的数据作为数据集，处理数据得到各时段下各路段的关键度。关键度排序后结果被保存在云平台的存储模块中。关键路段是指路网中车流量大且对整个路网通行能力起着关键影响作用的路段。关键路段通行能力的大小是决定城市道路交通是否畅通的重要因素之一，实本文档来自技高网...

【技术保护点】
1.一种基于路网关键路段的群智感知系统的感知节点的选取方法，其特征在于，所述方法包括如下步骤：步骤一、构建群智感知系统所述群智感知系统包括：云平台和感知节点。所述云平台包括通信模块、数据存储模块和数据计算模块，所述通信模块用于实现与外界的通信，传输数据和指令；所述感知节点包括感知车辆，用于感知具体的交通信息，所述感知车辆搭配有GPS模块、导航模块、车速记录模块、车辆状态实时诊断模块和通信模块；步骤二、确定关键路段在目标区域路网使用群智感知系统进行路况监测的前期，云平台获取路网各路段上所有车辆的行驶数据，所有的感知车辆都参与感知，并在规定的时间段内将感知数据上传；然后云平台基于时空相关性的方法，以监测前期获得的数据作为数据集，处理数据得到各时段下各路段的关键度；关键度排序后结果被保存在云平台的存储模块中；步骤三：云平台选择关键路段并下发感知任务利用群智感知系统对交通状态进行监测时，云平台根据当前时刻选择相应时间段内目标路网中的关键路段；进而，云平台向路网中所有车辆下发感知任务；车辆接到感知任务后，根据自身的情况决定是否参加，并向云平台进行反馈；决定参加感知任务车辆的集合用V0表示；步骤四：云平台基于关键路段选择感知节点云平台对反馈回来的车辆信息进行整合，综合考虑关键路段的属性和车辆的属性选择合适的感知车辆作为感知点，从而确定感知节点选取方案；路段的属性包括但不局限于路段的长度、路段的车道数和路段的出入口位置；车辆的属性包括但不局限于车辆的位置、车辆的导航轨迹和车载各模块的完整性；选择过程包括：S401云平台对感知节点进行预选择；云平台把所有的感知模块显示状态为1的车辆从V0中选出，得到集合V1，V1代表愿意参加感知任务且具备正常感知能力的车辆的集合；S402云平台根据车辆的属性和关键路段的属性的匹配度对感知节点进行深度选择；首先，将车辆的经纬度与关键路段的地理位置进行匹配，选择位于关键路段上的车辆，这些车辆的集合为V2；按照关键路段的编号，对V1中的车辆进行分类，得到集合Vi，其中i＝路段编号；Vi∩V2＝0，代表编号为i的路段上没有符合条件的车辆；然后，对于Vi∩V2＝0的关键路段，利用K‑means聚类和距离分析法从集合V3中选择合适的感知车辆，其中V3＝V1‑V2；根据车辆的经纬度坐标利用K‑means聚类算法对V3集合中的车辆进行分类，同时记录每一个聚群中心的经纬度坐标；接着利用距离分析法为每一个Vi∩V2＝0的关键路段选择合适的感知车辆，对于每一个Vi∩V2＝0的关键路段，从到其聚群中心距离di最小的车辆群中选择感知车辆；感知车辆群中已经接收感知任务的车辆将被标记，选择感知车辆时从未被标记的车辆中选择，最终被选择的感知车辆的集合为V4。...

【技术特征摘要】
1.一种基于路网关键路段的群智感知系统的感知节点的选取方法，其特征在于，所述方法包括如下步骤：步骤一、构建群智感知系统所述群智感知系统包括：云平台和感知节点。所述云平台包括通信模块、数据存储模块和数据计算模块，所述通信模块用于实现与外界的通信，传输数据和指令；所述感知节点包括感知车辆，用于感知具体的交通信息，所述感知车辆搭配有GPS模块、导航模块、车速记录模块、车辆状态实时诊断模块和通信模块；步骤二、确定关键路段在目标区域路网使用群智感知系统进行路况监测的前期，云平台获取路网各路段上所有车辆的行驶数据，所有的感知车辆都参与感知，并在规定的时间段内将感知数据上传；然后云平台基于时空相关性的方法，以监测前期获得的数据作为数据集，处理数据得到各时段下各路段的关键度；关键度排序后结果被保存在云平台的存储模块中；步骤三：云平台选择关键路段并下发感知任务利用群智感知系统对交通状态进行监测时，云平台根据当前时刻选择相应时间段内目标路网中的关键路段；进而，云平台向路网中所有车辆下发感知任务；车辆接到感知任务后，根据自身的情况决定是否参加，并向云平台进行反馈；决定参加感知任务车辆的集合用V0表示；步骤四：云平台基于关键路段选择感知节点云平台对反馈回来的车辆信息进行整合，综合考虑关键路段的属性和车辆的属性选择合适的感知车辆作为感知点，从而确定感知节点选取方案；路段的属性包括但不局限于路段的长度、路段的车道数和路段的出入口位置；车辆的属性包括但不局限于车辆的位置、车辆的导航轨迹和车载各模块的完整性；选择过程包括：S401云平台对感知节点进行预选择；云平台把所有的感知模块显示状态为1的车辆从V0中选出，得到集合V1，V1代表愿意参加感知任务且具备正常感知能力的车辆的集合；S402云平台根据车辆的属性和关键路段的属性的匹配度对感知节点进行深度选择；首先，将车辆的经纬度与关键路段的地理位置进行匹配，选择位于关键路段上的车辆，这些车辆的集合为V2；按照关键路段的编号，对V1中的车辆进行分类，得到集合Vi，其中i＝路段编号；Vi∩V2＝0，代表编号为i的路段上没有符合条件的车辆；然后，对于Vi∩V2＝0的关键路段，利用K-means聚类和距离分析法从集合V3中选择合适的感知车辆，其中V3＝V1-V2；根据车辆的经纬度坐标利用K-means聚类算法对V3集合中的车辆进行分类，同时记录每一个聚群...

【专利技术属性】
技术研发人员：于海洋，刘晨阳，任毅龙，季楠，张路，刘帅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11