城市汽車保有量的迅猛增加，帶來的交通擁堵問題日益突出。為此需采取有效手段對交通流量進行預(yù)測，幫助出行人提高出行效率?；诖嗽O(shè)計了一個基于.NET框架的交通預(yù)測監(jiān)控系統(tǒng)，該系統(tǒng)利用超聲波傳感器實時采集路段車速數(shù)據(jù)，通過串口通信實現(xiàn)交通現(xiàn)場與上位機的數(shù)據(jù)傳輸，并利用神經(jīng)網(wǎng)絡(luò)模型對交通數(shù)據(jù)做出預(yù)測。實際運行證明該系統(tǒng)可以準確預(yù)測交通狀況，幫助行人合理規(guī)劃出行路線。

【關(guān)鍵詞】交通系統(tǒng) 上位機 神經(jīng)網(wǎng)絡(luò) 串口通信

高德地圖發(fā)布的2017年第一季度中國主要城市交通分析報告中稱，同比高德地圖交通大數(shù)據(jù)去年第一季度檢測的60個城市中，超半數(shù)城市的擁堵指數(shù)依然很高。嚴重的城市交通擁堵不僅影響了居民的正常出行，而且加劇了環(huán)境污染。

為了幫助行人了解出行路段的交通情況，必須對路段交通進行實時分析和預(yù)測。系統(tǒng)利用.NET框架平臺設(shè)計上位機，實時顯示交通當前運行情況以及預(yù)測情況。

1 交通數(shù)據(jù)采集發(fā)送原理

1.1 超聲波檢測原理

系統(tǒng)以STC15F2K60S2單片機為控制核心，主要完成的工作有與超聲波通訊、定時器計時、交通數(shù)據(jù)的運算、存儲和與上位機進行串口通訊等。交通數(shù)據(jù)采集部分采用一對40KHz分體式超聲波傳感器T40-16、R40-16作為檢測器。

當單片機產(chǎn)生40KHz的方波脈沖信號后，經(jīng)超聲波發(fā)射端T40-16發(fā)射脈沖信號，發(fā)射的脈沖信號如果遇到障礙物將會反彈過來，由超聲波接收端R40-16接受脈沖信號。在程序設(shè)計中，可以利用單片機中定時器確定發(fā)射脈沖和接受脈沖的時間差，從而計算出障礙物與超聲波探頭之間的距離，再利用時差法測速。

為了消除時差測速法導(dǎo)致的測量誤差，系統(tǒng)將5min之內(nèi)通過路段的平均速度作為一個數(shù)據(jù)單位，由單片機計算出具體值并及時存儲，發(fā)送至上位機。

1.2 數(shù)據(jù)傳輸原理

串行通信具有遠距離傳輸成本低的優(yōu)點。STC15F2K60S2單片機內(nèi)部有兩個可編程全雙工串行通信接口。系統(tǒng)中單片機利用串口1完成數(shù)據(jù)幀的發(fā)送，數(shù)據(jù)采集端與上位機接收端通過規(guī)定好的串口通信協(xié)議進行通信，上位機采用自動獲取串口方式，波特率為9600bps，8位數(shù)據(jù)構(gòu)成一幀，在差錯檢驗中數(shù)據(jù)幀采用CRC16循環(huán)冗余校驗法，選取的生成多項式為0XA001，前六位為數(shù)據(jù)位，后兩位為校驗位，確保數(shù)據(jù)正確傳輸。

2 交通流量預(yù)測

2.1 BP神經(jīng)網(wǎng)絡(luò)在交通預(yù)測系統(tǒng)中的實現(xiàn)

為了實現(xiàn)交通流量的準確預(yù)測，系統(tǒng)采用BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)建立數(shù)學模型。為了提高預(yù)測精度，系統(tǒng)選用某5天的數(shù)據(jù)為輸入變量，第6天的數(shù)據(jù)為輸出變量，第7天的數(shù)據(jù)用于驗證網(wǎng)絡(luò)預(yù)測精度。

這樣輸入層神經(jīng)元個數(shù)為5，輸出層神經(jīng)元個數(shù)為1，通常隱含層節(jié)點數(shù)的選取采用經(jīng)驗公式得為4～13。隱含層神經(jīng)元個數(shù)的最終確定，可通過MATLAB中神經(jīng)網(wǎng)絡(luò)函數(shù)進行仿真確定。

2.2 搭建BP神經(jīng)網(wǎng)絡(luò)數(shù)學模型

在BP神經(jīng)網(wǎng)絡(luò)數(shù)學模型中輸入神經(jīng)元Xm通過與權(quán)值ωmi的累加乘積完成對隱含層神經(jīng)元的刺激，由于輸出值不包含負值，隱含層的激活函數(shù)可采用Log-Sigmoid函數(shù)作為傳遞函數(shù)。隱含層Ki通過與權(quán)值ωin的累加乘積完成對輸出層的刺激，輸出層神經(jīng)元的輸出函數(shù)Yn通常采用線性函數(shù)。

下面利用MATLAB軟件確定其隱含層個數(shù)，以及訓練函數(shù)。

2.3 MATLAB軟件仿真

對于如何將誤差信號反向傳播，不斷修正權(quán)值，MATLAB提供了很多訓練函數(shù)。為了建立有效的預(yù)測模型，假定系統(tǒng)訓練次數(shù)為10000次，收斂誤差為0.01，學習率為0.3。

先采用訓練函數(shù)traingd、traingdx由仿真結(jié)果可知當訓練次數(shù)達到最大值10000時誤差均不滿足訓練要求。最后采用trainlm算法，對系統(tǒng)進行仿真分析，當隱含層數(shù)為12時，訓練誤差僅為0.00960，訓練次數(shù)為79次，訓練時長1s，此時訓練速度較快，系統(tǒng)誤差滿足設(shè)計要求。這樣系統(tǒng)訓練函數(shù)采用trainlm函數(shù)，隱含層設(shè)置12個。

3 上位機設(shè)計

為了向出行人提供一種簡潔、直觀的人機交互界面，系統(tǒng)利用微軟用戶界面框架技術(shù)（Windows Presentation Foundation，WPF）技術(shù)設(shè)計出用戶界面。

當單擊即將通過的路段坐標時可進入具體交通數(shù)據(jù)監(jiān)測畫面，如圖1所示。該界面可以實時顯示道路當前的平均車速，和前一個星期的交通數(shù)據(jù)。系統(tǒng)根據(jù)平均車速的大小和交通擁堵指數(shù)定義將當前道路運行狀態(tài)進行分類，在出行建議中，告知出行者當前交通狀況，并利用C#語言實現(xiàn)MATLAB仿真中確定的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型，預(yù)測出5min后通過此路段的平均車速。出行者也可參考歷史交通數(shù)據(jù)，做出出行選擇。

4 結(jié)語

本系統(tǒng)根據(jù)出行者對交通認知的需求出發(fā)，將傳感器技術(shù)、串口通信、神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，通過上位機平臺實時顯示采集到的大量交通數(shù)據(jù)，可有效監(jiān)測當前交通狀況并預(yù)測未來交通狀況，系統(tǒng)架構(gòu)完整，應(yīng)用型強。但系統(tǒng)功能較為單一，未能充分利用傳感器技術(shù)和上位機平臺，為出行者提供更多交通信息，這為進一步豐富系統(tǒng)功能，指明了方向。

參考文獻

[1]蘭羽.基于AT89C51的超聲波測速系統(tǒng)設(shè)計[J].電子設(shè)計工程，2013（07）：137-139.

[2]曹虹.基于BP神經(jīng)網(wǎng)絡(luò)的交通流量預(yù)測[D].長安大學，2012.

[3]王剛.基于.net的串口示波器開發(fā)[J].電子測試，2016（13）：82-83+77.

[4]趙朝鳳.淺析BP神經(jīng)網(wǎng)絡(luò)基本模型的C語言實現(xiàn)[J].通信技術(shù)，2013（01）：89-91+94.

作者簡介

景鵬（1995-），男，江蘇省鹽城市人。大學本科學歷。研究方向為嵌入式開發(fā)。

徐海彬（1995-），男，江蘇省鹽城市人。大學本科學歷。研究方向為機電一體化。

杜年茂（1994-），男，江蘇省徐州市人。大學本科學歷。研究方向為.NET平臺開發(fā)。

朱鵬（1995-），男，江蘇省鎮(zhèn)江市人。大學本科學歷。研究方向為計算機技術(shù)。

作者單位

江蘇科技大學 江蘇省張家港市 215600endprint