摘要：一般交通数据主要来源于路边基础设施和地面传感器，此类型的检测数据精准度往往无法保障。提出了一种基于5G 通信的车载传感器主动检测车辆数据的模式，以车辆作为一个大的智能传感器，检测车辆状态，以及周围环境信息，并将这种主动检测数据的方法应用在公交车辆上，在得到高精度的车辆检测数据后，针对公交车辆进行精准的信号优先控制。通过大量数据实验显示：新的数据检测模式对比传统的检测模式，路段的行程时间减少了 1.5~13.5min，交叉口的交通恢复时间减少了1.75~10.5min，平均优化性能分别提升了21.30%和 23.18%。
关键词：5G 通信；车辆状态；公交优先；行程时间；交通恢复
随着城市化的发展，城市交通拥挤问题已成为人们关注的焦点。城市公共交通系统具有投资低、运力大、收费低、线路灵活等特点，为缓解城市交通问题提供了一种有效的方式，然而，单纯的发展公共交通效果是非常有限的[1]。因此，快捷、准时、舒适和安全的公交优先服务显得尤为重要，利用新兴技术以新的方式来解决城市拥堵问题，从而实现高效的城市交通管理。为了达到这一目的，至少有 3 个关键问题需要解决。
（1）感知实时交通状况：大量的高精度的路侧感应器和车载传感器需要被部署，感知所有的实时交通状况，包括车辆速度、运行方向、实时位置、道路流量、天气条件、温度/湿度等。
（2）低延迟的通信和海量数据存储：传感器间歇地产生大量的原始数据，很容易达到千 T 字节大小的量级。鉴于数据类型的差异、维数和数据量巨大，通信网络的带宽、存储能力和数据处理速度比以往任何时候都更需要扩大。
（3）流量预测和实时公交优先响应：大量的交通数据有助于实时监控交通密度、交通量，交通控制系统应该有实时响应能力应对公交优先请求，基于流量预测算法即时做出决策引导公交车辆。设计一种环境感知的信号控制系统，从而减少公交车辆行程时间和对其他社会车辆的影响，提高道路路段的综合效益。
提出一种新的基于 5G 通信的交通数据分析预测系统，并结合公交优先策略，以优化现有道路的效率是重重之中[2]。
就目前来说，现有的数据采集系统、车载网络系统，以及传统的交通流预测模型远不足以解决上述问题[3]。5G 通信技术的实现，为公交优先的实施带来了新思路，以公交车辆车载网络为核心进行数据采集，新的车载网络系统能够提供灵活且可编程的高带宽通信服务，能够更加灵敏的感知交通环境[4]。同时，在移动车载网络中的移动边缘计算技术，在传输数据和执行关键策略时，具有实时或接近实时的响应速度[5]。在此网络框架的基础上，对通过交叉口的公交车辆给予信号优先权，通过绿灯延长、红灯早断和相位插入等主动优先控制策略，提高公交车辆的运行效率[6]。但 5G 通信技术在公交优先的应用上尚未成熟，特别是公交信号主动优先控制的理论体系和实施方法尚需完善，因此，本文针对道路环境复杂的公交车辆，基于 5G 通信技术，预测公交的背景交通流量，并结合信号优先控制策略，以缩短公交车辆行程时间为目标，实施主动公交信号优先控制方案，非常具有实际应用价值。
文献综述
如今，巨大的交通拥堵使得道路运行状况极度紧张。然而，各种新兴技术提供了一个潜在的机会，通过检测交通状况以改善交通拥堵和废气排放。将新技术运用到公交优先控制中，各种研究主要体现在 5G 通讯网络的构架和公交优先策略两方面。
在 5G 通讯网络的构架方面，Liu J 等人提出当人工智能与大数据相结合，基于对数据深度学习的需求，驱动着对新的数据计算模型的探索，除了数据的收集和交互，需要仔细考虑存储、访问和分析技术，提出了 5G 通信的新架构[7]。Hossain M S 等人提出类似物联网的应用技术，基于 5G 通信的数据采集是基础层面，对整个构架起着至关重要的作用[8]。Truong N B 等人提出车载自组织网络已被当做最有利的车辆网技术，但在不平衡交通流的情况下，交通数据的获取面临着巨大的挑战[9]。高世强提出 5G 通信技术相较于传统通信，性能提升了百倍，更能满足移动边缘计算量巨大的情况，并预测了 5G 通信技术于物联网技术相结合的未来发展趋势[10]。
在公交优先控制策略方面，杨晓光等人为了进一步推行实施公交优先政策，研究了公交信号优先策略的确定方法，提出了一种基于系统最优的线性规划模型[11]。马万经等人总结分析了公交优先控制领域的多年经验，提出实时、全面、协调是未来信号优先的重中之重[12]。张存保等人提出了基于车路协同系统的动态到达时间预测，并结合车速引导策略，大大提高了公交运行效率[13]。朱晓宁等人为了减少公交优先对交叉口社会车辆的延误，提出了一种基于公交站台乘客延误和交叉口综合延误的双层规划模型，使得公交优先控制更加的协调[14]。张娇等人针对高峰时的优先冲突情况，提出了一种多申请协调优先策略，将基于优先度的条件优先进行了深度应用[15]。王永胜等人借助车辆网系统，对道路状态进行深度挖掘和开发，提出了一种公交自适应优先控制方法，提高了路口的通行能力[16]。Zhou L 等人基于车路协同系统，对车辆到达时间进行进行预测，减少了车辆延误，提高了运行速度[17]。
通过上述文献可以看出，针对车路协同系统结合公交优先控制的研究较多，然而这类车联网方法往往以传统路侧检测器为核心，使得数据维度和数据量受到限制，尚未达到高精准度公交优先的要求，同时传统数据传输技术延时较高，很难达到实时精准控制的要求，使得公交优先策略带来的效益有很大折减。所以借助 5G 通信的传输优势，以及应用技术的逐步成熟，为实现实时、全面、协调的公交优先控制提供了保障。
2基于公交优先的5G通信网络架构为了打破车辆信息采集和数据传输的瓶颈，考虑使用两种新兴的网络模式：5G网络和软件定义网络 （SDN），5G网络采用多输入多输出（MIMO）和无线感知技术，实现对高速行驶的车辆，以1.2Gb/s 通信速度在移动环境中的进行数据传输，除了更加灵活和直接信息交换，还能提供设备到设备（D2D）技术的定位服务（如图1）。SDN架构是在网络中的一个新的革命性的理念，将网络控制（控制平面）和转发功能（数据平面）分离开，使网络更加容易编程控制，底层基础设施可以从应用程序和网络服务中抽象出来。
基于SDN的网络提供了灵活性，可扩展性，可编程性和对网络的全面感知性。
基于SDN的异构网络提供了各种优势。首先，由于控制和数据平面的分离，可以设计一个转发策略，使更明智的优先请求可以提供给下游交叉口的信号灯组，并通过网络的高度可编程性，提供更灵活的信号优先策略。第二，频道或频率选择变得更加灵活。公交车辆往往配备了几个无线模块，以支持不同的通信模式，根据无线感知和信道分配策略，基于SDN的通信层提供一个选择策略，从而实现低延迟和高带宽的通信，使得在通信层的信息交换变得更容易、更灵活。MEC （移动边缘计算），最初由 IBM （国际商业机器公司） 推出，旨在优化现有的移动基础设施服务，并尽量减少在网络数据下行传输中的平均延迟。由于它的低延迟，易部署，和定位准确等特点，MEC 被引入到所提出的架构，以提高信号控制效率和公交优先请求响应速度。MEC 服务器部署在 5G 基站上，是靠近移动车辆网络边缘的终端用户的，每个应用程序都在上面运行。
车辆定位服务是部署在 MEC 服务器上的，旨在在复杂的城市环境中提供可靠的定位服务。由于卫星信号会被摩天大楼阻断，这项服务在 5G 通信或 D2D 通信基础上，采用到达方向 （DOA）、到达时间 （TOA） 来实现 GPS 定位的。同时部署在 MEC服务器上的还有交通预测服务和交通信号控制策略，通过大量的交通数据，对短时交通流进行预测，以此为基础对交叉口实施实时动态的交通管理，提高交叉口的通行能力。最后是远程核心云端服务器，云端服务器可以存储更多的数据资源和拥有更强的计算能力，可以弥补 MEC 服务器资数据源处理有限的缺点。MEC 服务器专注于关键任务的实时响应性，而云端服务器主要集中在大数据存储和分析上。因此，所有的交通数据，最终收敛到云端服务器并永久存储，而交通预测服务就可以采用深度学习算法，基于存储的海量交通数据，对短时交通流进行准确预测
3 实验分析与验证根据前文所述的 5G 通信网络架构，结合绿灯延长和红灯早断两种信号优先策略，以上海市某一信号交叉口为仿真背景，借助交通仿真软件进行模拟实验，为了保证适用性，在公交进口道流量为 200pcu/h、450pcu/h、750pcu/h、1 150pcu/h4 种条件下，进行公交优先控制的结果验证，其他进口道默认流量 450pcu/h。通过仿真得出公交车辆通过该交叉口辐射区域的行程时间，以及交叉口的交通恢复时间，从而判断公交优先效率和对社会车辆的影响。具体仿真结果参见图 2 至图4。
图2显示了所提出的方案在4种交通环境下的行程时间。对比传统的数据采集下的行程时间，可以发现总体上新方案都是优于传统方案的，在不同的交通环境下，行程时间都有明显减少，平均缩减了5.9min。具体地，在流量处于450pcu/h时，行程时间下降的较少，但下降量也达到了1.5min；在中等流量下，行程时间缩减没有前后交通环境下明显，但也呈现出了下降的趋势；当流量上涨到1 150pcu/h 时，新方案的行程时间缩减的最多，到达了13.5min。图3显示了实施公交优先控制后，4种交通环境下的交叉口交通恢复时间。
对比传统的数据采集下的交通恢复时间，可以发现，在不同的交通环境下，新方案的交通恢复时间有明显减少，恢复时间平均加快了 7.2min。结合图 4，当交通流量较小或者是较大的时候，行程时间和交通恢复时间的缩减性能是非常优越的，最高达到了 35%；当交通流较为稳定时缩减性能也能平稳提升，提升幅度在 9%~17%之间，也是令人满意的。综上所述，在各种交通环境条件下，基于 5G 通信网路的公交优先控制是有效的。相较于传统方案，公交在路段的行程时间平均减少了 21.30%，而且对其他未优先的社会车辆影响也平均减少23.18%。
结束
语本文研究了在 5G 通讯网路的框架下，对公交实时信号优先控制，考虑到减少公交行程时间和交通恢复时间，通过对实时车辆状态和交通环境数据进行学习分析，选择合适的信号优先控制策略。通过仿真软件结果分析，证明了新的方案在提升公交运行效率的同时，也保证了交叉口其他社会车辆运行效率。本文研究的不足之处在于，仅对单个交叉口的公交优先控制进行探索，并未实施对周边及沿线交叉口进行联动控制，这也将会是未来展开研究探索的重点。
参考文献：
[1]韩展宏．5G 无线通信技术概念及相关应用的思考[J]. 计算机产品与流通，2017（12）：62.
[2]孔伟 .探讨 5G 无线通信技术的应用前景 [J]. 中国新通信，2017，19（23）：105.
[3]徐鹏，对新时期 5G 无线通信技术发展跟踪与应用分析 [J]. 通讯世界，2017（9）：58-59.
[4]郑丹 . 论 5G 无线通信技术发展跟踪相关应用[J]. 建材与装饰，2016（30）：124-125.
论文作者:陈沃筠
论文发表刊物:《基层建设》2019年第3期
论文发表时间:2019/4/26
标签：公交论文; 交通论文; 车辆论文; 数据论文; 时间论文; 交叉口论文; 通信论文; 《基层建设》2019年第3期论文;