基于WSN的分布式自適應(yīng)交通監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)研究.pdf

1、汽車為人類的出行帶來了極大便利，但隨著汽車數(shù)量的快速增加，交通擁堵問題越來越嚴重。雖然政府不斷地修建高速公路、城市快速路，但是道路地增長速度遠低于汽車數(shù)量地增長。為了解決這個問題，政府近年來投入越來越多的資金和精力用于開發(fā)智能交通系統(tǒng)，希望通過提高信息化水平和管理水平來提高道路的通行效率，緩解交通擁堵。
　　智能交通系統(tǒng)的首要任務(wù)就是對道路道路交通情況進行實時地監(jiān)控和數(shù)據(jù)采集，然后在收集到的數(shù)據(jù)信息基礎(chǔ)上，及時作出高效、合理的控制

2、決策。目前常用的交通監(jiān)測技術(shù)主要包括電磁感應(yīng)線圈回路檢測、雷達檢測和圖像處理技術(shù)等，但這些技術(shù)均因受其本身或特定環(huán)境因素的限制，存在著一些不足。這些缺點主要包括:構(gòu)建成本高昂、惡劣天氣識別度低、組網(wǎng)結(jié)構(gòu)復(fù)雜等缺點。而無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)作為一種全新的信息獲取和處理技術(shù)，能較好解決上述問題。
　　WSN結(jié)合了傳感器、微機電系統(tǒng)(Micro-Electro-Mechanical S

3、ystem，MEMS)和網(wǎng)絡(luò)通信等技術(shù)，具有網(wǎng)絡(luò)自組織、自適應(yīng)性等特點。WSN由大量傳感器節(jié)點組成，每個節(jié)點都可以收發(fā)無線電信號信息，并將這些信息在網(wǎng)絡(luò)中進行傳輸，最后將信息交給數(shù)據(jù)處理能力強的一些節(jié)點處理。由于無線傳感器網(wǎng)絡(luò)中的傳感器個體結(jié)構(gòu)簡單、成本低廉，網(wǎng)絡(luò)具有自組織性等顯著優(yōu)點?？紤]將WSN技術(shù)作為新一代智能交通監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)，構(gòu)建基于WSN的分布式自適應(yīng)交通監(jiān)控系統(tǒng)，但要將無線傳感器網(wǎng)絡(luò)應(yīng)用于交通監(jiān)控系統(tǒng)必須解決一系列技術(shù)

4、問題。
　　本論文反映的研究工作以基于WSN的分布式自適應(yīng)交通監(jiān)控系統(tǒng)為對象，重點研究了傳感器網(wǎng)絡(luò)能量管理，底層結(jié)構(gòu)布局及密度優(yōu)化，節(jié)點定位等問題。本論文的主要貢獻如下:
　　(1)本文結(jié)合高速公路自身交通流量及物理上的特性，再充分對WSN路由協(xié)議及傳感器節(jié)點兩方面進行改進，提出一種針對高速公路監(jiān)控系統(tǒng)的能量管理策略——基于TTL(Timeout Threshold LEACH)的交通監(jiān)控系統(tǒng)最小能耗模型。該模型基于低功耗自

5、適應(yīng)分層路由協(xié)議(Low Energy Adaptive Clustering Hierarchy, LEACH)，可以從整體上提升網(wǎng)絡(luò)的生命周期。在此基礎(chǔ)上，進一步對每一個傳感器節(jié)點的超時閾值(Timeout Threshold，TT)進行計算，并動態(tài)設(shè)置節(jié)點的功率可管理部件(PowerManageable Component，PMC)，將空閑時間的累計值與超時閾值比較而進入到不同深度的休眠狀態(tài)，達到進一步降低傳感器節(jié)點能耗的目的。上

6、述方式中，一個是降低網(wǎng)絡(luò)整體的能量消耗，一個是降低網(wǎng)絡(luò)中單個節(jié)點的能量消耗，通過以上點面結(jié)合的方式，爭取最大程度降低高速公路交通監(jiān)控系統(tǒng)的能量消耗，提升網(wǎng)絡(luò)的生命周期。
　　(2)通過優(yōu)化無線傳感器網(wǎng)絡(luò)中各傳感器節(jié)點的位置使得由節(jié)點組成的網(wǎng)絡(luò)的覆蓋和連通性能達到最優(yōu)。根據(jù)高速公路的物理特性，并考慮高速公路中傳感器節(jié)點(Sensor Node)的感知覆蓋和通信能力對信號采集的影響，建立面向交通信息采集的多目標約束優(yōu)化問題模型，使用幾

7、何加權(quán)法將其轉(zhuǎn)化為單一約束優(yōu)化問題。最后采用化學反應(yīng)優(yōu)化算法(Chemical Reaction Optimization，CRO)求解該問題。無線傳感器網(wǎng)絡(luò)節(jié)點合理布局使得系統(tǒng)的信號采集，后期維護擴展以及成本節(jié)省等都有較大提高。
　　(3)在基于WSN的分布式自適應(yīng)監(jiān)控系統(tǒng)中，常用DV-Hop算法來對網(wǎng)絡(luò)中的未知節(jié)點進行定位，但定位出來的未知節(jié)點精度較低，誤差較大，因此我們在原有的定位模型上，提出了一種采用粒子群優(yōu)化(Parti

8、cle Swarm Optimization，PSO)和模擬退火(Simulated Annealing，SA)對DV-Hop進行改進的混合智能算法，實現(xiàn)更高的定位精度，并能大大降低未知節(jié)點的定位誤差。該算法更加適用于高速公路監(jiān)控系統(tǒng)的定位操作。
　　(4)該文提出了基于WSN的分布式自適應(yīng)高速公路交通監(jiān)控系統(tǒng)的設(shè)計方案，并結(jié)合路面能見度、交通流量等具體數(shù)據(jù)構(gòu)建了車間間距監(jiān)控模型。該模型能夠利用WSN的優(yōu)勢，實時將天氣、車流量等參