基于RFID及多源數據的橋梁實時預警算法研究

徐韜 程龍春

摘要：針對傳統橋梁交通量動態監測成本高、精度低等現實問題，利用RFID實時動態數據，基于大數據挖掘處理技術，提出了基于RFID及多源數據的橋梁實時預警算法，并以重慶市曾家巖大橋為例進行了實例驗證，結果表明，基于RFID及多源數據的橋梁實時預警算法在山地城市具備良好的實用性，能滿足橋梁實時預警和動態監測需求。

關鍵詞：交通工程;山地城市;橋梁預警;RFID;

1 引言

山地城市組團式分布特征導致機動化出行距離較平原城市明顯增長，橋梁隧道成為了各組團聯系的紐帶，同時也是交通瓶頸節點，加大橋梁建設成為了各大城市緩解城市交通擁堵的必然選擇[1-5]。但長期以來重建設、輕管理在橋梁運營管理層面十分突出，近年來屢次發生的橋梁垮塌事件更是為橋梁監測敲響了警鐘，目前橋梁監測自動化水平能力較差，多以人力監測為主，難以實現精準化監測和動態預警。

2 算法模型

在實際運用過程中，車輛經過橋梁一體化集成龍門架RFID處理終端時，RFID處理終端將把車輛信息傳輸到中央處理模塊，獲取車輛車牌ID并計數進而計算出一小時車輛途徑總數即斷面交通量，并將車牌ID與存儲系統中數據中心的車輛信息匹配，進而獲取車輛車牌號碼，同時系統將收集橋梁遠端監測點各RFID處理終端信息，進而獲取橋梁遠端監測點斷面交通量及具體車輛車牌信息包括車輛車牌號碼等，通過以下算法實現橋梁交通量動態預警：

Step 1：將橋梁及遠端監測點車輛車牌號碼匹配，若同時出現在遠端分流點和橋梁，則計數，則經過遠端監測點的橋梁斷面交通量Q監測=M1+ M2+ M3+…+ Mn（n為遠端監測總數，Mn為第n個遠端監測點經過橋梁的交通量），可由橋梁上RFID處理終端計算出橋梁斷面歷史交通量Q歷史，Q歷史=A*Q監測，A為常數，通過計算歷史斷面交通量及歷史經過遠端監測點的橋梁斷面交通量Q監測，可確定歷史平均值常數A。

Step 2：記橋梁遠端監測點斷面交通量為Qi（i為遠端監測點編號），Mi=bi*Qi，bi為第i個遠端監測點常數，Mi為第i個遠端監測點經過橋梁的交通量，按Step 1可計算出每個遠端監測點的歷史平均值交通量系數bi，則Q監測= M1+ M2+ M3+…+ Mn=b1*Q1+ b2*Q2+…+ bn*Qn。

Step 3：記橋梁實時斷面交通量Q實時，Q實時可由橋梁上RFID處理終端統計得出，Q0為橋梁預警閾值交通量，為橋梁基本通行能力的80%，基本通行能力根據城市道路等級及設計車速計算，根據RFID預測的橋梁斷面交通量為Q預測= A*Q實時監測，Q實時監測可按Step 2中Q監測計算得出。

Step 4：若橋梁實時交通量Q實時> Q0，則向報警提示裝置、智能執法終端發出報警信號，Q預測>Q0，則向報警提示裝置、智能執法終端發出報警信號，反之則取消報警信號。

3 案例分析

曾家巖大橋開通后，將新增1條跨重慶市渝北、江北、渝中三區，對接南岸區的縱向快速通道，有效分流平行通道交通量，緩解跨嘉陵江通道擁堵。同時，由于區域路網交通重新分配，曾家巖大橋主線通道及接線沿線重要節點將產生不同程度的影響。曾家巖大橋高峰小時平均車速28.8km/h，較黃花園大橋（22.5km/h）、渝澳大橋（13.2km/h）、嘉華大橋（24.5km/h）通行效率高，比嘉陵江大橋（32.9km/h）通行效率低。

曾家巖大橋為雙向六車道主干路，其通行能力為8400pcu/h，但由于部分匝道未開通，因此對通行能力進行了部分修正，修正后的通行能力為6500pcu/h，則Q0為5200pcu/h，在匝道全部開通后，則按未修正的通行能力計算。

曾家巖大橋各進出口均裝有RFID監測設備，根據RFID歷史監測數據，曾家巖大橋高峰小時平均交通量4519pcu/h，其中：南側進口交通量為2166pcu/h，主要由三個方向匯流而成，分別為長濱路（192pcu/h）、菜袁路（351pcu/h）、菜園壩大橋（1623pcu/h），占比分別為8.9%、16.2%、74.9%;北側進口交通量為2353pcu/h，由于北側北城天街接線及黃觀路A匝道接線暫未開通，交通量主要為興盛大道組成。

項目組利用RFID監測設備，采集了2021年4月5日、4月6日、4月7日、4月8日、4月9日連續5天交通量數據，根據用RFID監測設備收集了曾家巖大橋實施數據Q實時，根據計算結果，4月5日8：00-4月5日9：00其Q預測為5315pcu/h，4月5日8：00-4月5日9：00Q實時為5260pcu/h，橋梁實時交通量Q實時> Q0，并向管理部門發出了報警信號，Q預測>Q0，并向管理部門發出了報警信號，其余4月6日、4月7日、4月8日、4月9日交通量數據均為Q預測<Q0、Q實時< Q0，均為正常值，表明了橋梁交通量處于合理、安全水平。

2021年4月5日，根據交流量預測數據，向管理部門發出交通量預警信號，表明了基于RFID及多源數據的橋梁實時預警算法預測精度較高，能適應山地城市交通量分布特征，同時也表明了基于RFID及多源數據的橋梁實時預警算法的實用性。

4 結論

本文結合重慶市橋梁交通量分布特征，利用RFID動態交通大數據，基于大數據處理和挖掘智能算法，提出了基于RFID及多源數據的橋梁實時預警算法，并以重慶市曾家巖大橋為例進行了實例驗證，可為其余城市橋梁動態實時監測和交通量預警提供重要參考，為進一步提升算法的適應性，更好了滿足管理部門動態管理需求，建議如下：

1）算法的精準度與RFID監測點位分布由顯著正關系，點位覆蓋越廣，算法精準度越高，對橋梁動態監測和預警能力更強，因此應加大橋梁主線及匝道RFID建設力度，在成本控制的情況下，盡量增大覆蓋范圍;

2）RFID監測設備不能較好的識別外地車輛，因此應將RFID和卡口數據結合，優化本算法，進一步提升算法的精準度;

3）基于RFID及多源數據的橋梁實時預警算法在重慶得到了良好的應用，但在其余城市推廣不足，因成立由交通管理部門牽頭的全息感知體系監督小組，加大RFID設備推廣和應用力度，更好的服務于城市橋梁管理和監測預警。

參考文獻

[1] 林海，李超，陳海力. RFID技術在長江航道的應用[J]. 世界海運，2013，36（7）：25-27.

[2] 魏鑫，吳學偉，程培嵩. 基于組件式GIS的橋梁健康監測數據集成及預警研究[J]. 公路工程， 2020，45（6）： 79-85.

[3] 王軍凱. 遠距離橋梁健康監測與預警系統的設計與實現[J]. 軟件， 2020，41（5）： 143-145.

[4] 李西芝，章世祥. 時間序列分析在橋梁應力監測數據預警中的應用[J]. 湖南交通科技， 2019，45（4）： 82-86.

[5] 王敏，汪依帆，高海霞，徐世秋，譚皓玥. 基于大數據的橋梁安全監測綜合預警平臺[J]. 中國新通信， 2019，21（7）： 89-90.

重慶市市政設計研究院有限公司 重慶 400020