基于云計算的智能交通應用系統研究

周迪民

（湖南科技學院教師教育學院，永州425199）

0 引言

近年來，隨著社會經濟的發展，人均保有車輛數據呈爆炸性增長，給城市交通造成巨大壓力，導致交通擁堵、道路通行效率低下、交通事故頻發等交通問題日趨突出[1]，傳統的交通管理方法已不適應新時代的要求了。隨著計算機技術和網絡信息技術的發展，信息化已進入到城市交通的建設、管理、服務等各個領域，大規模流數據集成與服務廣泛出現在智能交通等各個應用領域[2]，城市交通已進入到“互聯網+”時代，智能交通也已進入到大規模開發和應用階段[3]。而云計算技術在大規模用戶群體、復雜業務類型、需求快速增長、數據容災備份、資源集約管理等智能交通應用場景具有明顯優勢[4]。本文提出一個基于云計算的智能交通應用系統，能有效地解決日益增長的交通擁塞問題。

1 云計算技術簡介

云計算的核心概念就是以互聯網為中心，在網站上提供快速且安全的云計算服務與數據存儲，讓每一個使用互聯網的人都可以使用網絡上的龐大計算資源與數據中心。云計算是繼互聯網、計算機后在信息時代有一種新的革新，云計算是信息時代的一個大飛躍。云計算具有很強的擴展性和需要性，可以為用戶提供一種全新的體驗，其核心是可以將很多的計算機資源協調在一起，使用戶通過網絡就可以獲取到無限的資源，同時獲取的資源不受時間和空間的限制。

云計算與傳統的網絡應用模式相比，具有虛擬化技術、動態可擴展、按需部署、靈活性高等特點[5]，虛擬化突破了時間、空間的界限，云計算高效的運算能力實現動態擴展虛擬化，根據用戶的需求快速配備計算能力及資源，可以兼容低配置機器、不同廠商的硬件產品，在對虛擬化資源進行動態擴展的情況下，同時能夠高效擴展應用，提高計算機云計算的操作水平。

2 系統概述

基于云計算的智能交通應用系統，由數據收集系統、數據通信系統和云計算平臺三大部分組成。數據收集系統是通過設置在車輛和各個路口紅綠燈中的定位模塊、提醒模塊進行數據采集；數據通信系統負責將數據同步傳輸至云計算控制系統的數據庫中；云計算控制系統調用數據，實時確定車輛位置和行駛的方向，通過綜合計算鎖定道路擁塞位置，及時控制紅綠燈，局勢反饋至交通管理部門及用戶的車載客戶端，實現對城市擁堵路段的疏通、引導、分流，確保交通安全與通行順暢。其系統流程如圖1所示。

圖1 系統流程圖

3 系統設計與實現

本系統由數據收集系統、數據通信系統和云計算平臺三大部分組成，包括設置在車輛中的定位模塊、提醒模塊、通信模塊，設置在各個路口紅綠燈中的定時模塊、定位模塊、通信模塊，以及設置在云服務器中的處理模塊、通信模塊、用于存儲數據的存儲模塊，所述車輛和紅綠燈均與云服務器通信連接，實時確定車輛的位置信息和行駛狀態，確定擁堵發生的位置，實時聯通交管部門，協助處理控制紅綠燈，較好控制擁堵的情況，有序高效地對擁堵的車輛進行引導疏散。

3.1 交通道路的函數化

云服務器根據存儲模塊中的地圖信息在每段道路的兩端路口和兩端路口之間設置N個采集點，獲取這些采集點的經緯度數據，相鄰采集點的間隔在5m-20m之間，如在一段道路總長500m，在兩端各設一個采集點，兩個端點之間設置24個采集點，則可描繪出該段路的路線，采集點的數量越多，路線描繪的越精確。并將兩端路口的經緯度數據作為岔口坐標P，以x表示經度，y表示緯度，北緯和東經為正，南緯和西經為負，通過轉換公式將經緯度數據與十進制數據相互轉化，如東經117°35′49.52″，可轉化為117.59709；-52.20可轉化為南緯52°12′0″，對采集點的經緯度數據轉化后的十進制數據進行擬合，得到任意道路的離散函數R（x，y），兩端的岔口坐標P為這段道路的起點和終點，這些采集點可看做一組離散數據點，通過對這些離散數據點進行擬合，使每段道路都能夠通過一個對應的離散函數R（x，y）進行描述。

3.2 車輛定位數據的采集

在行駛過程中，車輛中的定位模塊每隔2秒記錄一次該車輛的經緯度數據作為路線坐標A，并將存儲模塊中的車輛信息和路線坐標A上傳至云服務器中，將最新上傳的路線坐標A轉化為十進制數據，篩選出與之匹配的離散函數R（x，y），確定車輛行駛的道路；將路線坐標A的十進制數據帶入一個離散函數R（x，y）中并成立，則說明車輛位于離散函數R（x，y）對應的道路上。

3.3 車輛行駛方向的確定

云服務器根據該車輛上傳的所有路線坐標A和離散函數R（x，y），按上傳時間的從遠至近依次計算各個路線坐標A與岔口坐標P的距離，若距離先逐漸變小，后逐漸變大，則將該岔口坐標P對應的路口作為道路的進入端，若距離一直變小，則將該岔口坐標P對應的路口作為道路的駛離端，并將進入端運動至駛離端作為該車輛的行駛方向F；道路一般是雙向車道，而通常擁堵是其中一個車道擁堵，因此需要先判定車輛的行駛方向，進而確定擁堵的車道。

3.4 擁堵位置的確定

云服務器將相鄰上傳的兩個路線坐標A進行計算，根據Haversine公式可計算球面兩點之間的距離，進而得到車輛的位移量ΔL，當ΔL<5m時，開始記錄次數，若隨后連續有150個ΔL<5m，說明車輛一段時間內前進緩慢，但不確定是否造成擁堵，因此需要進一不判斷，則以車輛最新的路線坐標A為圓心，半徑為r的范圍內，所有行駛方向相同且ΔL<5m的其他車輛的總數n，以判斷周圍同向行駛的車輛是否也前進緩慢，若n>20，可判定發生了擁堵情況，將最新獲得的路線坐標A作為擁堵處坐標Pd，為道路擁堵點，并獲得對應的擁堵處坐標Pd所在道路的路線函數Rd（x，y），為發生擁堵的路段，并將路線函數Rd（x，y）對應的道路的標記又暢通改為擁堵，若n<20，則標記為暫不擁堵；云服務器在將路線函數Rd（x，y）對應的道路的標記改為擁堵后至路線函數Rd（x，y）對應的道路的標記重新改為暢通前，云服務器不再對位于路線函數Rd（x，y）上的車輛進行位移量ΔL的計算。在確定該路段發生擁堵后，停止該路段所有車輛行駛狀態的判定，進而防止云服務器重復判定此路段發生擁堵，云服務器在將路線函數Rd（x，y）對應的道路標記為擁堵后，云服務器發送包含擁堵處坐標Pd的待確認通知至距擁堵處坐標Pd最近的交通管理端控制子系統。在確定擁堵后，優先通知交管人員前往道路擁堵點進行實地確認。

3.5 紅綠燈的調節

交管部門通過的輸入輸出模塊查看待確認通知并確定現場實際情況后，將執行指令發回云服務器，云服務器在收到執行指令后通過通信模塊向進入端的岔口坐標P半徑為2km范圍內的其他車輛發送路線函數Rd（x，y）對應的道路信息和車輛的行駛方向F，同時發出提示信息“該路段行駛方向為F的車道正在擁堵”，云服務器根據進入端的岔口坐標P和紅綠燈的經緯度數據，將與岔口坐標P的距離不超過50m的所有紅綠燈標記為待調節，云服務器獲取待調節的紅綠燈中轉向路線函數Rd（x，y）對應道路的信號燈的實時亮燈情況，若信號燈為紅燈，則云服務器經通信模塊傳輸指令，并通過定時模塊將紅燈的剩余時間由預設值調整為+∞，若信號燈為綠燈或黃燈，則云服務器等變成紅燈后，再通過定時模塊將紅燈的剩余時間由預設值調整為+∞；在交警確認后，云服務器開始對對應的紅綠燈進行調節，讓通往擁堵路段的信號燈一直保持紅燈狀態，且其他車道不受影響，防止后方車輛進入擁堵路段，增加疏導難度，同時發送提示信息，方便駕駛員及時調整路線。

3.6 車輛的引導與疏散

在所有待調節的紅綠燈中轉向路線函數Rd（x，y）對應道路的信號燈均為紅燈后，云服務器篩選出位于路線函數Rd（x，y）上進入端的岔口坐標P至擁堵處坐標Pd之間且行駛方向相同的車輛作為待通知車輛，根據每個待通知車輛的經緯度數據計算每個待通知車輛與擁堵處坐標Pd的距離，并按照距離從遠至近將待通知車輛編號為1、2、3、……，按照編號順序給待通知車輛發送調頭并更改行駛道路的通知，發送通知后，等車輛駛離路線函數Rd（x，y）對應的道路后，再給下一個車輛繼續發送通知，所有待通知車輛均駛離路線函數Rd（x，y）對應的道路后，將路線函數Rd（x，y）對應的道路的標記重新改為暢通，并將紅燈的剩余時間由+∞調回預設值。在完成紅綠燈的調節后，通過發送引導通知對車輛引導疏散，先從距擁堵處坐標Pd最遠的車輛進行調頭引導，直至駛離擁堵路段后，再進行下一輛車的引導。

4 結語

在云計算環境中搭建的分布式計算平臺中，所有運算集中在云服務器中，有效利用云計算的快速計算能力、節約硬件成本，車輛無需進行任何計算，擴大適用車輛的范圍。能對車輛進行實時的位置監控和路線監控，可及時的掌握車輛的運行情況。能夠準確地判斷擁堵的位置和路段，并及時聯動交管部門。通過控制紅綠燈及時控制擁堵的局勢，防止惡化，并在完全控制局勢后，對車輛進行有序準確的引導疏散。實現交通信息資源公開，通過整合交通行業數據，結合云計算平臺在城市交通智慧管理方面開展了有效嘗試。