论文部分内容阅读
摘要：针对传统桥梁交通量动态监测成本高、精度低等现实问题，利用RFID实时动态数据，基于大数据挖掘处理技术，提出了基于RFID及多源数据的桥梁实时预警算法，并以重庆市曾家岩大桥为例进行了实例验证，结果表明，基于RFID及多源数据的桥梁实时预警算法在山地城市具备良好的实用性，能满足桥梁实时预警和动态监测需求。
关键词：交通工程;山地城市;桥梁预警;RFID;
1 引言
山地城市组团式分布特征导致机动化出行距离较平原城市明显增长，桥梁隧道成为了各组团联系的纽带，同时也是交通瓶颈节点，加大桥梁建设成为了各大城市缓解城市交通拥堵的必然选择[1-5]。但长期以来重建设、轻管理在桥梁运营管理层面十分突出，近年来屡次发生的桥梁垮塌事件更是为桥梁监测敲响了警钟，目前桥梁监测自动化水平能力较差，多以人力监测为主，难以实现精准化监测和动态预警。
2 算法模型
在实际运用过程中，车辆经过桥梁一体化集成龙门架RFID处理终端时，RFID处理终端将把车辆信息传输到中央处理模块，获取车辆车牌ID并计数进而计算出一小时车辆途径总数即断面交通量，并将车牌ID与存储系统中数据中心的车辆信息匹配，进而获取车辆车牌号码，同时系统将收集桥梁远端监测点各RFID处理终端信息，进而获取桥梁远端监测点断面交通量及具体车辆车牌信息包括车辆车牌号码等，通过以下算法实现桥梁交通量动态预警：
Step 1：將桥梁及远端监测点车辆车牌号码匹配，若同时出现在远端分流点和桥梁，则计数，则经过远端监测点的桥梁断面交通量Q监测=M1+ M2+ M3+…+ Mn（n为远端监测总数，Mn为第n个远端监测点经过桥梁的交通量），可由桥梁上RFID处理终端计算出桥梁断面历史交通量Q历史，Q历史=A*Q监测，A为常数，通过计算历史断面交通量及历史经过远端监测点的桥梁断面交通量Q监测，可确定历史平均值常数A。
Step 2：记桥梁远端监测点断面交通量为Qi（i为远端监测点编号），Mi=bi*Qi，bi为第i个远端监测点常数，Mi为第i个远端监测点经过桥梁的交通量，按Step 1可计算出每个远端监测点的历史平均值交通量系数bi，则Q监测= M1+ M2+ M3+…+ Mn=b1*Q1+ b2*Q2+…+ bn*Qn。
Step 3：记桥梁实时断面交通量Q实时，Q实时可由桥梁上RFID处理终端统计得出，Q0为桥梁预警阈值交通量，为桥梁基本通行能力的80%，基本通行能力根据城市道路等级及设计车速计算，根据RFID预测的桥梁断面交通量为Q预测= A*Q实时监测，Q实时监测可按Step 2中Q监测计算得出。
Step 4：若桥梁实时交通量Q实时> Q0，则向报警提示装置、智能执法终端发出报警信号，Q预测>Q0，则向报警提示装置、智能执法终端发出报警信号，反之则取消报警信号。
3 案例分析
曾家岩大桥开通后，将新增1条跨重庆市渝北、江北、渝中三区，对接南岸区的纵向快速通道，有效分流平行通道交通量，缓解跨嘉陵江通道拥堵。同时，由于区域路网交通重新分配，曾家岩大桥主线通道及接线沿线重要节点将产生不同程度的影响。曾家岩大桥高峰小时平均车速28.8km/h，较黄花园大桥（22.5km/h）、渝澳大桥（13.2km/h）、嘉华大桥（24.5km/h）通行效率高，比嘉陵江大桥（32.9km/h）通行效率低。
曾家岩大桥为双向六车道主干路，其通行能力为8400pcu/h，但由于部分匝道未开通，因此对通行能力进行了部分修正，修正后的通行能力为6500pcu/h，则Q0为5200pcu/h，在匝道全部开通后，则按未修正的通行能力计算。
曾家岩大桥各进出口均装有RFID监测设备，根据RFID历史监测数据，曾家岩大桥高峰小时平均交通量4519pcu/h，其中：南侧进口交通量为2166pcu/h，主要由三个方向汇流而成，分别为长滨路（192pcu/h）、菜袁路（351pcu/h）、菜园坝大桥（1623pcu/h），占比分别为8.9%、16.2%、74.9%;北侧进口交通量为2353pcu/h，由于北侧北城天街接线及黄观路A匝道接线暂未开通，交通量主要为兴盛大道组成。
项目组利用RFID监测设备，采集了2021年4月5日、4月6日、4月7日、4月8日、4月9日连续5天交通量数据，根据用RFID监测设备收集了曾家岩大桥实施数据Q实时，根据计算结果，4月5日8：00-4月5日9：00其Q预测为5315pcu/h，4月5日8：00-4月5日9：00Q实时为5260pcu/h，桥梁实时交通量Q实时> Q0，并向管理部门发出了报警信号，Q预测>Q0，并向管理部门发出了报警信号，其余4月6日、4月7日、4月8日、4月9日交通量数据均为Q预测<Q0、Q实时< Q0，均为正常值，表明了桥梁交通量处于合理、安全水平。
2021年4月5日，根据交流量预测数据，向管理部门发出交通量预警信号，表明了基于RFID及多源数据的桥梁实时预警算法预测精度较高，能适应山地城市交通量分布特征，同时也表明了基于RFID及多源数据的桥梁实时预警算法的实用性。
4 结论
本文结合重庆市桥梁交通量分布特征，利用RFID动态交通大数据，基于大数据处理和挖掘智能算法，提出了基于RFID及多源数据的桥梁实时预警算法，并以重庆市曾家岩大桥为例进行了实例验证，可为其余城市桥梁动态实时监测和交通量预警提供重要参考，为进一步提升算法的适应性，更好了满足管理部门动态管理需求，建议如下：
1）算法的精准度与RFID监测点位分布由显著正关系，点位覆盖越广，算法精准度越高，对桥梁动态监测和预警能力更强，因此应加大桥梁主线及匝道RFID建设力度，在成本控制的情况下，尽量增大覆盖范围;
2）RFID监测设备不能较好的识别外地车辆，因此应将RFID和卡口数据结合，优化本算法，进一步提升算法的精准度;
3）基于RFID及多源数据的桥梁实时预警算法在重庆得到了良好的应用，但在其余城市推广不足，因成立由交通管理部门牵头的全息感知体系监督小组，加大RFID设备推广和应用力度，更好的服务于城市桥梁管理和监测预警。
参考文献
[1] 林海，李超，陈海力. RFID技术在长江航道的应用[J]. 世界海运，2013，36（7）：25-27.
[2] 魏鑫，吴学伟，程培嵩. 基于组件式GIS的桥梁健康监测数据集成及预警研究[J]. 公路工程， 2020，45（6）： 79-85.
[3] 王军凯. 远距离桥梁健康监测与预警系统的设计与实现[J]. 软件， 2020，41（5）： 143-145.
[4] 李西芝，章世祥. 时间序列分析在桥梁应力监测数据预警中的应用[J]. 湖南交通科技， 2019，45（4）： 82-86.
[5] 王敏，汪依帆，高海霞，徐世秋，谭皓玥. 基于大数据的桥梁安全监测综合预警平台[J]. 中国新通信， 2019，21（7）： 89-90.
重庆市市政设计研究院有限公司 重庆 400020
关键词：交通工程;山地城市;桥梁预警;RFID;
1 引言
山地城市组团式分布特征导致机动化出行距离较平原城市明显增长，桥梁隧道成为了各组团联系的纽带，同时也是交通瓶颈节点，加大桥梁建设成为了各大城市缓解城市交通拥堵的必然选择[1-5]。但长期以来重建设、轻管理在桥梁运营管理层面十分突出，近年来屡次发生的桥梁垮塌事件更是为桥梁监测敲响了警钟，目前桥梁监测自动化水平能力较差，多以人力监测为主，难以实现精准化监测和动态预警。
2 算法模型
在实际运用过程中，车辆经过桥梁一体化集成龙门架RFID处理终端时，RFID处理终端将把车辆信息传输到中央处理模块，获取车辆车牌ID并计数进而计算出一小时车辆途径总数即断面交通量，并将车牌ID与存储系统中数据中心的车辆信息匹配，进而获取车辆车牌号码，同时系统将收集桥梁远端监测点各RFID处理终端信息，进而获取桥梁远端监测点断面交通量及具体车辆车牌信息包括车辆车牌号码等，通过以下算法实现桥梁交通量动态预警：
Step 1：將桥梁及远端监测点车辆车牌号码匹配，若同时出现在远端分流点和桥梁，则计数，则经过远端监测点的桥梁断面交通量Q监测=M1+ M2+ M3+…+ Mn（n为远端监测总数，Mn为第n个远端监测点经过桥梁的交通量），可由桥梁上RFID处理终端计算出桥梁断面历史交通量Q历史，Q历史=A*Q监测，A为常数，通过计算历史断面交通量及历史经过远端监测点的桥梁断面交通量Q监测，可确定历史平均值常数A。
Step 2：记桥梁远端监测点断面交通量为Qi（i为远端监测点编号），Mi=bi*Qi，bi为第i个远端监测点常数，Mi为第i个远端监测点经过桥梁的交通量，按Step 1可计算出每个远端监测点的历史平均值交通量系数bi，则Q监测= M1+ M2+ M3+…+ Mn=b1*Q1+ b2*Q2+…+ bn*Qn。
Step 3：记桥梁实时断面交通量Q实时，Q实时可由桥梁上RFID处理终端统计得出，Q0为桥梁预警阈值交通量，为桥梁基本通行能力的80%，基本通行能力根据城市道路等级及设计车速计算，根据RFID预测的桥梁断面交通量为Q预测= A*Q实时监测，Q实时监测可按Step 2中Q监测计算得出。
Step 4：若桥梁实时交通量Q实时> Q0，则向报警提示装置、智能执法终端发出报警信号，Q预测>Q0，则向报警提示装置、智能执法终端发出报警信号，反之则取消报警信号。
3 案例分析
曾家岩大桥开通后，将新增1条跨重庆市渝北、江北、渝中三区，对接南岸区的纵向快速通道，有效分流平行通道交通量，缓解跨嘉陵江通道拥堵。同时，由于区域路网交通重新分配，曾家岩大桥主线通道及接线沿线重要节点将产生不同程度的影响。曾家岩大桥高峰小时平均车速28.8km/h，较黄花园大桥（22.5km/h）、渝澳大桥（13.2km/h）、嘉华大桥（24.5km/h）通行效率高，比嘉陵江大桥（32.9km/h）通行效率低。
曾家岩大桥为双向六车道主干路，其通行能力为8400pcu/h，但由于部分匝道未开通，因此对通行能力进行了部分修正，修正后的通行能力为6500pcu/h，则Q0为5200pcu/h，在匝道全部开通后，则按未修正的通行能力计算。
曾家岩大桥各进出口均装有RFID监测设备，根据RFID历史监测数据，曾家岩大桥高峰小时平均交通量4519pcu/h，其中：南侧进口交通量为2166pcu/h，主要由三个方向汇流而成，分别为长滨路（192pcu/h）、菜袁路（351pcu/h）、菜园坝大桥（1623pcu/h），占比分别为8.9%、16.2%、74.9%;北侧进口交通量为2353pcu/h，由于北侧北城天街接线及黄观路A匝道接线暂未开通，交通量主要为兴盛大道组成。
项目组利用RFID监测设备，采集了2021年4月5日、4月6日、4月7日、4月8日、4月9日连续5天交通量数据，根据用RFID监测设备收集了曾家岩大桥实施数据Q实时，根据计算结果，4月5日8：00-4月5日9：00其Q预测为5315pcu/h，4月5日8：00-4月5日9：00Q实时为5260pcu/h，桥梁实时交通量Q实时> Q0，并向管理部门发出了报警信号，Q预测>Q0，并向管理部门发出了报警信号，其余4月6日、4月7日、4月8日、4月9日交通量数据均为Q预测<Q0、Q实时< Q0，均为正常值，表明了桥梁交通量处于合理、安全水平。
2021年4月5日，根据交流量预测数据，向管理部门发出交通量预警信号，表明了基于RFID及多源数据的桥梁实时预警算法预测精度较高，能适应山地城市交通量分布特征，同时也表明了基于RFID及多源数据的桥梁实时预警算法的实用性。
4 结论
本文结合重庆市桥梁交通量分布特征，利用RFID动态交通大数据，基于大数据处理和挖掘智能算法，提出了基于RFID及多源数据的桥梁实时预警算法，并以重庆市曾家岩大桥为例进行了实例验证，可为其余城市桥梁动态实时监测和交通量预警提供重要参考，为进一步提升算法的适应性，更好了满足管理部门动态管理需求，建议如下：
1）算法的精准度与RFID监测点位分布由显著正关系，点位覆盖越广，算法精准度越高，对桥梁动态监测和预警能力更强，因此应加大桥梁主线及匝道RFID建设力度，在成本控制的情况下，尽量增大覆盖范围;
2）RFID监测设备不能较好的识别外地车辆，因此应将RFID和卡口数据结合，优化本算法，进一步提升算法的精准度;
3）基于RFID及多源数据的桥梁实时预警算法在重庆得到了良好的应用，但在其余城市推广不足，因成立由交通管理部门牵头的全息感知体系监督小组，加大RFID设备推广和应用力度，更好的服务于城市桥梁管理和监测预警。
参考文献
[1] 林海，李超，陈海力. RFID技术在长江航道的应用[J]. 世界海运，2013，36（7）：25-27.
[2] 魏鑫，吴学伟，程培嵩. 基于组件式GIS的桥梁健康监测数据集成及预警研究[J]. 公路工程， 2020，45（6）： 79-85.
[3] 王军凯. 远距离桥梁健康监测与预警系统的设计与实现[J]. 软件， 2020，41（5）： 143-145.
[4] 李西芝，章世祥. 时间序列分析在桥梁应力监测数据预警中的应用[J]. 湖南交通科技， 2019，45（4）： 82-86.
[5] 王敏，汪依帆，高海霞，徐世秋，谭皓玥. 基于大数据的桥梁安全监测综合预警平台[J]. 中国新通信， 2019，21（7）： 89-90.
重庆市市政设计研究院有限公司 重庆 400020