Proceedings of the 35th Chinese Control Conference July 27-29, 2016, Chengdu, China
Real-time bus passenger flow statistics scheme based on light-sensitive wireless sensor network
CHEN Peiji1, CHEN Haojie1, ZHANG Chunrong2 and TANG Zhenzhou1*
- College of Physics and Electronic Information Engineering, Wenzhou University, Wenzhou, Zhejiang 325035, China E-mail: mr.tangzz@gmail.com
- Department of Computer Chengdu Aeronautic Polytechnic, Chengdu, Sichuan, 610100, China
Abstract: The real-time passenger flow of buses is a very important statistics for intelligent public traffic system. This paper proposes a real-time bus passenger flow statistics scheme based on light-sensitive wireless sensor network. We deploy five light- sensitive wireless sensor nodes at specific locations near the front and the rear doors. By utilizing the fact that the outputs of light-sensitive sensors are evidently correlative with the passengers passing through, a low complexity algorithm is designed to count the number of passengers up and down. The most remarkable superiority of the proposed scheme is the capability of accurately detecting the case of two passengers getting off the bus abreast. Moreover, the scheme costs low and there is no need to modify the internal circuit of the bus. The proposed real-time bus passenger flow statistics scheme has greatly extensive applications.
Key Words: Bus passenger flow statistics; wireless sensor networks; light sensors; algorithm of detecting abreast passing through
Introduction
Along with the rapid development of urbanization, efficiency and the QoS (quality of service) of public transportation have drawn more and more attention. Bus, a vital public trip transportation, is a dominant choice for residents which has many characteristics, such as convenient, flexible and inexpensive. Currently, intelligent bus system has been developing rapidly. And the statistics of passenger capacity is of great importance to the intelligent decision for the intelligent bus system. Furthermore, the information consists of the statistics of passenger capacity and bus location[1] can be pushed to mobile terminal devices so that passengers could make an appropriate decision to choose how to take buses timely. Simultaneously, the information could provide a reference for bus dispatch system[2] to send extra buses during the rush hour, in order to alleviate traffic pressure and provide comfortable riding environment. Meanwhile, intelligent bus will be considerable part of smart urbanism[3] in ahead, which is perceptiveness.
Existing mainstream real-time bus passenger flow
statistics schemes can be concluded to five categories, which are IC Card Information Extraction System (ICIES)[4][5], Pressure-Sensitive Pedal System (PSPS)[6], Active Infrared Detection System (AIDS)[7], Passive Infrared Detection System (PIDS)[8] and Video Image Analysis System (VIAS)[9][10], respectively. ICIES is easy to implement with low costs, however, it aims at the passengers who have IC cards so that it cannot count the number of passengers without IC cards. PSPS is a feasible system, but its maintenance cost is considerably high for the pressure- sensitive component is vulnerable. Whats more, AIDS and PIDSs misdetection rate is high. VIAS can accurately count the number of passengers theoretically, but the complexity of the algorithm is very high. And the independence camera
and high-performance DSP are so expensive that leads to high deployment costs.
This paper introduces a real-time bus passenger flow statistics scheme based on light-sensitive wireless sensor network. In our proposed scheme, some light-sensitive sensor nodes are specifically deployed near the bus doors. Based on the regular changes of the sensor outputs caused by passengers getting on or off the bus, the eigenvalue for counting can be accurately captured, and hence, the number of passengers in the bus can be calculated. The experimental results show that this scheme can accurately get the real-time passenger flow. Besides, the scheme can achieve less data quantity and cost low in the both phases of deployment and maintenance.
System Design
The light-sensitive sensor is employed in our scheme. Once someone goes through the sensor, an obvious trough appears in the light intensity curve, as shown in Fig. 1.
Fig. 1: Sensing value view when passengers passing through
Therefore, we deploy several wireless sensor nodes with light-sensitive module in the front and the rear door of bus. All the data sensed are converged to the sink node and
This work is supported by the National Natural Science Foundation of China (61303210) and Zhejiang Xinmiao Talents Program (2015R426025). Corresponding author: Zhenzhou Tang.
further sent to the remote servers with wireless WAN (such as 4G, 3G or EDGE). Servers receive and store the data, and figure out how many people get on the bus (Nu) and how many get off (Nd) periodically with the proposed algorithm. So, for one bus stop, the number of change in bus is N = Nu — Nd , positive N for increase, while negative N for decrease. Finally, system returns the results to the bus dispatching center and user mobile terminal devices, as shown in Fig. 2.
Fig. 2: Bus passenger flow statistics figure
Bus Passenger Flow Statistics
CrossBow Telosb wireless sensors are employed in the proposed scheme. These sensor nodes follow IEEE 802.15.4 standards and specifications, and are equipped with the Hamamatsu S1087 light-sensor components[11]. The sensor nodes possess the advantages of low power consumption, low operation cost and small volume. They are easy to be deplo
剩余内容已隐藏，支付完成后下载完整资料
基于光敏无线传感器网络的实时公交客流统计方案
陈peiji1，陈haojie1，张chunrong2唐zhenzhou1 *
1。师范大学物理与电子信息工程，温州大学，温州，浙江325035，中国mr.tangzz@gmail.com电子邮件：
- 成都航空学院计算机系，成都，四川，610100，中国
摘要：公交实时客流是智能公交系统的重要统计数据。提出了一种基于光敏无线传感器网络的实时公交客流统计方案。我们在前方和后门附近的特定位置部署五个光敏感无线传感器节点。利用光敏传感器输出与乘客通过的明显相关性，设计了一种低复杂度的上下乘客数算法。该方案最显著的优点是能够准确地检测出两名乘客并排下车的情况。此外，该方案成本低，无需修改总线内部电路。所提出的实时公交客流统计方案具有广泛的应用前景。
关键词：公交客流统计；无线传感器网络；光传感器；行人通过检测算法
- 导论
随着城市化的快速发展，公共交通的效率和服务质量越来越受到人们的重视。公交是重要的公共交通出行方式，是居民出行的主要选择，具有便捷、灵活、价格低廉等特点。目前，智能总线系统得到了迅速的发展。而乘客容量统计对智能公交系统的智能决策具有重要意义。此外，该信息由乘客的统计信息和总线位置（1）推到移动终端设备，使乘客可以作出适当的决定，选择如何及时乘坐公共汽车。同时，该信息可为公交调度系统（2）在高峰时段增开公交车提供参考，缓解交通压力，提供舒适的乘车环境。同时，智能公交将智能化在未来相当大的一部分，这是洞察力。
现有主流实时公交客流统计方案可以归纳为五类，即IC卡信息提取系统（新）、压敏踏板系统（PSP），主动红外探测系统（艾滋病），被动红外探测系统（PIDS）和视频图像分析系统（通孔），分别。新易成本低，然而实现，旨在有IC卡，所以无法计数的乘客数量没有IC卡的乘客。PSP是一个可行的系统，但其维护成本相当高的压力敏感元件是脆弱的。更重要的是，艾滋病和PID的漏检率高。过孔可以从理论上准确计算乘客数，但算法复杂度很高。独立摄像机和高性能DSP是如此昂贵，导致高昂的部署成本。
介绍了一种基于光敏无线传感器网络的实时公交客流统计方案。在我们提出的方案中，一些光敏传感器节点被专门部署在公共汽车门附近。根据乘客上下车的传感器输出的规律性变化，可以准确地捕捉到计数的特征值，从而可以计算出客车中乘客的数量。实验结果表明，该方案能够准确地获取实时客流。此外，该方案在部署和维护两个阶段都能实现数据量少、成本低。
2系统设计
在我们的方案中采用了光敏传感器。一旦有人通过传感器，在光强度曲线中出现明显的槽，如图1所示。
图1：乘客通过时的感知图像
因此，我们在公交车前后门上配置了几个具有光敏模块的无线传感器节点。检测到的所有数据都汇聚到汇聚节点，并通过无线广域网（如4G、3G或EDGE）发送到远程服务器。服务器接收和存储数据，并计算出有多少人上巴士（NU）和多少下车（ND）定期与所提出的算法。因此，对于一个公交站点，公交车的换乘次数为N＝NU-ND，正N增加，负N减少。最后，系统将结果返回到总线调度中心和用户移动终端设备，如图2所示。
图2：公交客流统计图
3 公交车客流统计
所提出的方案采用TeloSB无线传感器。这些传感器节点遵循IEEE 802.15.4标准和规范，并配备有滨松S1077光传感器组件。传感器节点具有功耗低、运行成本低、体积小等优点。它们易于部署以收集数据。以星形拓扑结构的方式在总线上部署了五个无线传感器节点，其中，后门中的三个节点、前门中的一个节点和接收数据的汇聚节点。
3.1乘车人数
当我们观察到乘客的行为时，由于狭窄的前门，乘客总是一个接一个地进入公共汽车，并且一个接一个地买票。为此，我们在前门放置了一个光敏无线传感器节点。为了增强乘客通过时的光强槽的深度，我们还在传感器节点的对面安装了方向性光。这使得节点只能直射前方的光。如图3所示，当乘客登上公共汽车时，乘客会阻断光源B的光路。此时，传感器节点A的光强度L*输出急剧下降，并下降到低于预期阈值的水平（因为传感器节点配备了罩，阈值是常数）。一旦乘客完全通过前门，B的光回到覆盖传感器节点A，使L升到阈值以上的水平重新。在整个过程中， Nu = Nu 1。
3.2下车乘客人数
通过现场调查，发现客车后门相对较宽。因此，有两名乘客肩并肩穿过后门的情况。前门使用的简单方案将无法区分这一情况并导致很大的误差。然而，我们还发现，当他们穿过走廊下车时，光强度与乘客的位置表现出强的规则相关性。基于这一规律，我们研究了光强度与乘客通过的具体关系。在多个无线传感器节点的基础上设计了一种新的算法来检测两名乘客并排下车的情况。
图4：后门垂直视图
如图4所示，三个无线光传感器节点A、B、C部署在总线的后门上。A和B感测环境光强度（它们不受定向光D的影响）。传感器节点C配备了机罩，因此只能感知前方的光线。这三个传感器节点由FTSP（13）同步。旅客上下人数统计的详细程序如下：
1）当没有人通过时，传感器节点A和B所获得的环境光强度分别为LN和LNB。LN和LNB是相对稳定的。如果乘客想下车，首先需要通过传感器节点A和B。此时A和B所检测到的光强度分别为L和LB。
2）感测节点C的详细工作过程与我们在第3.1节中介绍的相同。C的作用是判断是否有乘客通过（可能是一个人，或者两个人）。此外，由于所有三个节点已经被同步并且它们具有相同的采样周期，所以L和LB的特征值可以根据C光强度的槽精确定位。
3）乘客和节点A或节点B之间的距离水平（10cm或30cm）可以通过搜索映射表获得，如表1所示，其中给出了给定环境光强度LN或LNB的LL或LB特征值与距离水平之间的关系。
4）检查A和B的距离级别。如果两者都是10cm，Nd＝Nd＋2，否则Nd＝Nd＋1。
3.3光强距离映射关系
如上所述，对于给定的环境光强度，存在L L或LB的特征值和距离水平之间的映射，其可用于估计乘客和传感器节点之间的距离，在此情况下，进一步识别两个乘客通过的情况。通过后门并排前进。值得注意的是，这种映射关系是一种客观现象，因此可以通过实验找到。
在我们的实验中，实验者径直穿过走廊，同时保持从传感器节点的垂直距离分别为10cm和30cm。记录了由相应传感器采集的最小光强和环境光强度。我们选择10cm和30cm作为距离级别的原因如下。后门的宽度一般在80cm和100cm之间。如果一名乘客通过，乘客与传感器节点之间的典型距离约为30cm。当两名乘客并肩行驶时，乘客与同一侧的传感器节点之间的典型距离约为10cm。
例如，图5示出当实验者通过10cm或30cm的走廊时，由节点A输出的最小光强分布。环境光照强度在2400～2500之间。
从图中可以清楚地看到，几乎所有的最小光强值都在1600以下。
实验者距离传感器节点10厘米。而在30cm的情况下，最小光强值大于1600。因此，假设环境光强度在2400～2500之间，则如果检测到低于1600的槽，则认为通过的乘客离传感器节点10cm是合理的。大量实验结果表明，当环境光照强度大于1000时，映射关系相当强，具有很高的分辨度。表1示出了光强度与距离之间的映射。
|
Range of ambient light intensity |
Maximum light intensity of distancelt; 10cm |
Maximum light intensity of 10cmlt;distancelt; 30cm |
|
1000-1100 |
lt;300 |
lt;650 |
|
1100-1200 |
lt;350 |
lt;750 |
|
1200-1300 |
lt;350 |
lt;800 |
|
1300-1400 |
lt;350 |
lt;800 |
|
1400-1500 |
lt;400 |
lt;800 |
|
1500-1600 |
lt;450 |
lt;800 |
|
1600-1700 |
lt;500 |
lt;850 |
|
1700-1800 |
lt;600 |
lt;1100 |
|
1800-1900 |
lt;800 |
lt;1400 |
|
1900-2000 |
lt;950 |
lt;1500 |
|
2000-2100 |
lt;1000 |
lt;1700 |
|
2100-2200 |
lt;1100 |
lt;1900 |
|
2200-2300 |
lt;1200 |
lt;2000 |
|
2300-2400 |
lt;1400 |
lt;2100 |
|
2400-2500 |
lt;1600 |
lt;2200 |
|
2500-2600 |
lt;1900 |
lt;2300 |
表1：光强度与距离的映射
3.4举个例子
在这个例子中，如图4所示，节点A、B和C部署在第3.2节中。在实验中对实际的客车灯光环境进行了仿真，共有四名乘客通过。
1.利用传感器A、B获取环境光照强度（用矩形标注）。
2.检测列C中的第一特征值27（用箭头标记，暗示至少有一个乘客经过）。将A和B的最接近的两个光强数据分别标记为A、A、B和B，并求出每个传感器节点的最小值。在这个例子中，Li min＝A＝900，LBmin＝B＝963。对于环境光强度，LN和LNB的水平为2400～2500，
3.ANDLBMIN＝900欧元1600，LBmin＝963欧元1600，可以得出结论，从节点A或B到其最近乘客的距离小于10cm。这意味着两名乘客正在通过走廊一边下车，然后，a，a，b，b标记为指示这些数据不应该被重新使用。由于节点C的输出在下一个记录中返回到正常电平，因此对通过事件进行检测。
通过从下一个记录继续（如果节点C的下一个输出继续低于阈值，则检测过程稍后继续两个记录）。再次，检测低于阈值的下一个光强度。值为51，并用箭头标记。标记最近的两个光强数据A和B，表示为A，A，B，B，我们可以得到最小值L* min＝A＝1887，LBmin＝B＝1989。因此，根据表1，节点A的距离B和他们最近的乘客在30cm的水平，这意味着只有一名乘客通过。之后，A、A、B、B都是标记并不能重复使用。
- 重复步骤3，分析一个对应于由下面指向的低于阈值事件的第三箭。利用光强距离映射关系可以得出，乘客距离传感器A 30厘米，离传感器B 10厘米，因此可以判断一个人通过，他/她接近传感器B。
4实验结果
在实验中，我们模拟了五名乘客下车的实际情景。在每一个实验中，分别考虑了三个通过的乘客的各种线形，它们分别是并列形成、串联形成和蛇形形成，如图6所示。实验分为四组。
对应四个环境光段：1600—1700，1900—2000，2200—2300和2500—2700。每组进行二十四次实验。
结果表明，对于蛇形构造，三十个实验中有四个是错误的，其中两个出现在1600—1700段，另外两个在1900—2000段。对于并列的地层，只有十五个实验中得到一个错误的结果。在这个实验中，乘客的线路不够整齐，因此
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[22520]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
