物联网架构评估在智能城市道路安全

文摘

安全系统(SS)方法通过确保道路安全强调safety-by-design安全车辆,道路网、道路使用者。与世界卫生组织(世卫组织)的强烈动机,这种方法越来越多地采用。考虑在党卫军,然而,为中长期。这个工作很感兴趣是补的方法中短期内道路安全的动态评估。为此,我们引入一个小说,具有成本效益的物联网(物联网)架构,有助于实现一个健壮的和动态的计算核心评估道路网络的安全性及其元素。在这一过程中,我们引入一个新的、有意义的、可伸缩的指标评估道路安全。我们还展示了使用机器学习的设计指标计算核心通过小说中的应用隐马尔科夫模型(摘要)。最后,建议的体系结构的影响是通过应用程序演示了基于路线规划。

1。介绍

在道路安全全球现状报告,2015年,世界卫生组织(世卫组织)指出,全球道路交通死亡总数每年在125万已趋于平稳,与数以百万受伤或残疾1]。不同的举措,如联合国计划在2011 - 2020道路安全行动十年,导致改善道路安全政策和实施。然而,世界卫生组织指出,进展缓慢,一直呼吁采取紧急行动来减少这些数字(2]。

添加到损失在人类的生活和健康,相当大的货币损失发生的医疗费用,基础设施维修和生产停机时间。虽然全球数字已经趋于饱和,全球状态报告并显示更高的道路死亡和伤害在低收入国家。这样的差距,指出[3),信号一个barring-limitation在低收入国家改善道路安全采用的解决方案中实现高收入国家。

描述不同的措施,可以实现以最小的经济影响在其“拯救生命:道路安全技术方案”(4]。这些步骤是实现经济系统的基石”监测道路安全通过加强数据系统”。与此同时,一个关键的主题包是激励一个安全的系统方法的采用,这是一个全面的方法对道路安全部分从传统管理解决方案通过强调safety-by-design。

1.1。安全系统方法

交通网络安全系统(SS)方法起源于“安全道路运输系统”模型开发的瑞典运输机构。在其本质上,认为事故的方法迁移在很大程度上,并自动司机的错误观点,识别和评估事故的真正原因。通过安全的安全的分类三个要素(车辆、道路和道路使用者),党卫军最小化事故和伤害通过控制速度和促进提示应急响应。模型已经广泛采用自介绍,目前出于作为道路安全规划的基础,决策和执行。

说明提供的模型图1。中央重点是党卫军的速度的方法,因为它是最强大、最基本变量在死亡的结果。人体的脆弱性使得它不可能生存uncushioned影响超过30公里/小时的速度,速度较低导致死亡或严重伤害(3,4]。党卫军的目标方法的三个模型元素应设计和监控主动防止致命的速度和允许减少发生意外事件的应急响应时间。

党卫军的元素的方法如下。

(1)安全的车辆。强调车辆安全验证通过强制监管测试和评级,以及电子稳定控制等技术。除此之外,执行检查(例如,在许可证续签)结合的道路上报告工作检查车辆安全的状态。

(2)安全的道路。道路(或道路网络)安全评估的是多方面的。路检查可以明确和直接观察状态的道路和评估需要修理或修改。道路网的结构服从安全评价通过分区进入所谓的“流量分析区(小胡子)”(8]。此外,考虑事故数据和其他支持数据提供进一步洞察一般安全评估。

2011年,欧洲道路评估项目(EuroRAP)生成的欧洲欧盟国家道路安全阿特拉斯(9]。atlas表示道路的安全水平与基于特殊装备的星级汽车多媒体数据聚合(10]。EuroRAP努力继续实施一个党卫军方法整个欧盟,连同其他几个国家项目在国际说唱或iRAP,倡议11]。

(3)安全的道路使用者。道路使用者安全的有几个方面,包括措施教育和意识,旅行距离,曝光,许可,实施,和清醒的驾驶5]。需要等特征显著提高事故报告分析的结果在城市通常注意关键依赖司机的行为或司机意识(12]。在这些研究中一个伟大的需要进一步创新机制来灌输安全驾驶许可和身上的阶段。

1.2。贡献

图2说明了评估道路安全的元素。图中可以看出,考虑在党卫军方法的范围是中长期的,促进了设计、系统性行动,以确保公路网络的安全。虽然使用“数据监测系统”的动机(4),可以用于短期范围,一般的重点是在中长期维持反应周期。

这项工作很感兴趣是扩展学生中短期内通过利用最新进展的背景下,物联网(物联网)和智能交通系统(ITS) [13,14]。这符合智能城市的前景,强调自动化解决城市元素的增加动态特性(15]。

对这一点,我们的贡献在这工作如下:(我)这项工作提供了一个全面、IoT-based架构的客观评估交通道路网络的安全。(2)这样做,该架构是符合学生的方法。(3)它还补充了党卫军方法通过处理无效的中短期考虑的范围,使该方法进一步拟合智能城市的动态特性(注意范围见图2)。(iv)最后,提出建筑展示了一个经济的可行性道路通过物联网的发展及其安全监测,尤其是那些旨在实现智能城市。

建议的体系结构包括小说使用机器学习的道路安全评价的核心。这个应用程序有助于评估都是动态和鲁棒性。我们还展示应用程序的开发的核心旨在基于智能城市的路线规划。

1.3。论文组织

这项工作的其余部分组织如下。部分2评审相关工作并激励和立场的贡献。部分3介绍了动态道路安全评估,描述体系结构方面的考虑,而部分4阐述了动态评估的核心。部分5细节的一个应用评估核心路线规划的背景下开发的。部分6验证动态评估核心一起示威路线规划。最后,部分7总结这项工作。

2。相关工作和动机

本节介绍相关物联网及其的上下文中工作,和他们更一般的上下文内的集成智能城市。审查工程分类和提出了相关的元素采用SS的方法,即。,促进安全车辆,道路,和司机。

2.1。安全的车辆

如上所述,监管实施框架的实质性方面确保车辆穿越城市道路网络是安全的,可靠的。考虑中短期内,然而,需要更多的“实时”监控车辆的状态。远程信息处理允许监视在物联网/其上下文和促进几个选项。第一类包括专用传感器,加速度计等一氧化碳(CO)水平传感器,等等,安装在车辆收集和日志信息15]。这样的设置可以增强与通信模块,收集到的数据可以转移到当地的单位或者到云上。

另一个远程信息处理方法是访问一个车辆的控制器区域网络(可以),这是网络互联汽车的计算和传感功能(16]。这种访问是1996年批准通过一个北美标准,即第二代车载诊断或OBD-II。因为他们的介绍,OBD-II软件狗已经走了很长的路,与一些模型提供的连接包括蓝牙,无线网络,和细胞(例如,17])。通过OBD-II,各种实时和诊断信息可以访问,记录,和沟通,包括转速、速度、踏板位置,冷却液温度等。这使得TorquePro[等应用程序18),负责监控车辆的燃油效率,建议司机更省油的驾驶行为。更相关,另一个应用程序能识别当车辆需要维修19]。与此同时,OBD-II制造商,如MUNIC [17),提供基于云门户聚合、处理和可视化感知数据,可以访问用户进行进一步的处理。

上述设置的可行性提供了这项工作的关键推力,尤其当他们使立即评估车辆的安全。如下将证明,引入智能手机允许更容易车载监控可以功能不同程度,无论如何安装在车辆的电话。智能手机也被用于自己或结合车载传感单元包括专用传感器,OBD-II软件狗,或两者兼而有之。

许多这样的应用程序目标的评估道路状态或捕获驾驶行为,从而进一步阐述了在接下来的两个部分。

2.2。道路交通安全

正如上面提到的,特别是装备车辆在xRAP规划最优路在如何促进详尽的检查和评级。替代方法,然而,一直寻求使用各种有效的设置。

例如,在[20.)实现嵌入式设备支持各种传感技术在路面监控。与此同时,系统在21)提出了湿条件下基于图像的检测被摄像机安装在汽车的后视镜。具体来说,系统采用图像分析提取特征与水和雪在路上。等系统需要添加简单的硬件工具扩大检测范围的应用程序。例如,壶穴巡逻(22)取决于车辆的机上部署使用硬件加速计等检测路况通过监测振动。另一个例子提出了(23)是一个系统,通过分析超声波tire-to-road摩擦噪声检测道路上的冰检测传感器安装在前保险杠。

一些作品也采用智能手机和平板电脑的传感特性。例如,在[工作24旨在识别路面异常通过加速度计和GPS数据在平板电脑上,允许方便数据聚合和降低成本。

智能手机系统的注意Nericell利用智能手机加速计,麦克风,和GPS探测事件与道路的质量有关,例如,凹坑和碰撞25]。振动阈值被用来决定检测这样的路况,和检测活动与交通包括制动和车辆的噪音。减速阈值,持续使用一个预定义的时间间隔检测制动事件,而麦克风用于检测噪音。另一个基于阈值的推理实现提出了(26]。传感器测量,加速度计和光度计相比对一组经验阈值和异常然后发现当所有满足阈值在给定的道路。阈值选择是基于测量的值表明内真正的异常值的存在,而这些间隔外确保没有异常。

在[17)、贝叶斯推理和无味卡尔曼滤波器(UKF)用于确定报道的轮测量序列的概率在名义上的持续时间在相关位置对应于一个坑。贝叶斯推理也申请合作应用,如天气状态监测(27]。系统旨在检测多雾和冰的条件会增加交通事故的概率。尤其是鉴于雾的测量(从热成像照相机)或结冰条件(温度或汽车稳定性),一个信念函数计算出这两个条件。

有人建议,一般应注意依赖智能手机为传感可能会限制他们的一些特征遥感精度(28]。这些特征包括智能手机的定位,在车辆及其相对位置。智能手机可能会进一步被限制在能够直接获取车辆的外部环境,如天气和能见度。因此,其他来源可能需要验证或扩大智能手机的观点。

例如,众包的可行性为智能手机用户促进进一步的优势,特别是在验证。该系统在29日)解决了低精度的独家使用智能手机和基于众包应用和使用人数打击假阳性的存在。与此同时,作者在30.)考虑壶穴检测使用大型数据集收集通过隐含的众包,即。,众包没有重复的用户提示/输入。阈值用于手机的z轴加速度,与经验数据从速度断路器用于区分凹坑。

仔细考虑应该在评估聚合数据的质量。例如,在[工作31日)指出,介绍了各种错误当事故数据报告的执行或保险机构。同时,验证机制需要引入了基于共同的任何数据聚合的措施,即。、专用技术,如智能手机。

2.3。安全的道路使用者

司机的行为建模(DBM) [32,33)是一个区域的道路交通安全管理关注司机行为的特征。启用此特性通过分析各种输入从交通基础设施,例如,行车闭路电视摄像头、速度传感器;其他基础设施,如智能手机、报告服务,如Waze或谷歌地图,注册cellular-base站;或者一个车载传感设置。结合或分离,基线为“安全”或“负责任的”驾驶可以合成,对驾驶行为是可识别的。同时,考虑司机意识或警觉性也可以意识到扩展识别行为表现出疲劳驾车时,分心,或影响。

分享服务驱动活动识别系统提出了(34)与防止司机开车时发短信的目的。系统标识是否智能手机持有者(a)已经进入了一个车辆;(b)登上从左边或右边的车辆;(c)坐在前面或后座;,(d)是发短信。另一个系统让司机和乘客提供(35]。该系统在36)采用模糊逻辑,利用加速度,重力、磁力、和GPS传感器估计驾驶等方面混蛋,定位速度、速度变化和变化。融合模块是用来区分活动如硬/突然加速或超速开车而被罚款。

工作(37)利用智能手机摄像头监控驾驶员的警觉性通过识别头部位置和身体姿态。它还利用智能手机的相机司机的前馈过程。此外,系统帮助用户检测车辆司机的盲点和警告司机如果采取另一车道改变车辆占据了盲点。

智能手机感知也利用(38)使用加速度计和摄像头来识别不安全的停止行为在公交车。与此同时,中提供了一个分享服务系统(39)确定攻击性驾驶风格。

结合智能手机和OBD-II传感的应用提供了(40,41),使检测不同的驾驶风格,和分类风格是否安全或不安全。特别是在(41)发动机负荷,转速、速度和踏板位置与智能手机数据融合评估驾驶行为。

虽然大部分DBM一直专注于人类司机,本文提供的通用参数适用于人类和自主驾驶人员。(中合成的模型33),例如,认为人类开车,辅助驾驶和自动驾驶。合成的模型是基于自然驾驶研究在第二个战略公路研究项目(SHRP2-NDS)。大规模数据集依赖感觉到来自车载数据设置同步与信息穿越道路,利用车辆,交通状况和天气条件。通过这个综合模型,可以确定行为如“超过速度限制”、“滚动停止”、“昏昏欲睡”,“困”,“睡着了”,“疲惫”。模型还支持描述分心驾驶,以及干扰的性质,例如,“手机短信”,“手机,拿着”,“乘客座位交互——互动”。

2.4。动机

实现道路安全是一个多项和多方面的目标,和上面的讨论表明强烈的强调在党卫军方法在中长期,道路安全是通过设计。这项工作很感兴趣是补充党卫军道路安全的动态评估的框架。我们的目标是先适应城市交通的动态特性,特别是在案件的重大事件和/或危机。其次,它是展示一个经济的可行性有吸引力的替代使用无处不在的监控道路安全技术和物联网的发展。这变成了关键克服任何禁止的局限性,特别是对于低到中等收入国家。

3所示。物联网架构评估动态道路交通系统的安全

在回顾相关工作在前一节中,我们展示了如何使各种进步评估车辆的安全,道路,和司机。本节的目的是介绍一部小说和自适应物联网架构,实现安全的评价一个城市的道路网络。我们详细说明评估元素以及他们如何可以用来合成一个单一的、有意义的安全指标。我们还描述了体系结构组件及其相互关系,包括一个健壮的安全评估计算的核心。

3.1。评估元素

党卫军的方式方法包含三个元素安全车辆,安全的道路,和安全的司机便于分层安全评估方法,单个元素可以提供一个集体的安全指标的安全道路网络,如图3。反过来,这个指标可以从个别路段的评价连接,路线,道路网络。

对于车辆来说,评估核心将依赖于车辆的车辆识别号码的推论(VIN)(因此建立汽车制造、制造业和基础安全评级);监管机构的信息(例如,去年监管检查的结果);从一个OBD-II单元和更新信息。

用于道路、依赖历史和新感觉的数据都可以方便的了解道路背景下,道路网络图,并建立的严重性,肩膀,和这条路是否在山坡上。确定车辆的位置通过车载GPS(专用或通过智能手机)是否会从而提供第一级别的这种理解。同时,可以利用车载传感报告道路异常(例如,凹坑)。基于OBD-II传感界面还可以帮助确定滑移的实例,进而可以与天气或报告。天气,一起的时间(ToD)和可用性报告和/或路灯的状态,可以组合确定可见性。此外,基本的交通信息可以表明拥堵水平,以及道路/临界段,即。、重复选择路线计划在短时间内生成。

至于司机,DBM的日益成熟将促进识别不安全的或分心驾驶行为。它也会使局部驾驶行为异常的识别,便于识别新兴的事件,例如,一些快速车道变化以避免新的障碍在路上由于下降的树干或其他道路的碎片。

可以考虑一个有意义的安全度量基于现场(或实时)地位的道路。例如,一定的安全水平段/道路取决于车辆的总安全目前穿越它,加上凹坑的数量和/或潮湿或湿滑的道路,除了安全/警觉性的司机在路上。

在设计架构,我们利用三个重要的依赖关系。首先是党卫军元素之间,例如,汽车可以处理一定的道路有多好,或者有一些司机展览更安全的行为实例更高的可见性。第二个依赖是在连续段/道路,尤其是穿越车辆和司机。第三的依赖就像第二但成立于时间。突然变化的安全水平可以被视为异常(异常)或推断指标大幅改变在路上上下文。

3.2。结构注意事项

架构提供了考虑图的插图4。该建议的体系结构的核心是一个计算的核心,在两层操作。首先是关心在党卫军动态评估各个方面的安全。第二个利用这三个评估的结果来生成一个评级。

单独的评估依赖于一个广泛的来源,通常分为两类。首先是通过车载传感,而第二个通过来源,建立一般的上下文。这些包括交通问题、监管检查,事故报告、处理的新闻和社会媒体,天气更新,和每天的时间。

正如上面提到的,三个元素的推断和评估每个学生可以利用相同的来源。这激发了数据融合的位置和相关元素的架构,如图5。在数据融合,资源产量相同的知识合成相结合来提高其可靠性,相关性是关心cotiming和主机托管的感知数据,以及交叉验证的输入知识流。

基于三个评估模块的输出,一段安全的生活表示遍历。下面我们详细说明生成的模型表示。一旦聚合安全评估已经生成,值可以提供一些服务,包括驾驶员辅助模块和生成道路维修或应急响应的要求。

在下一节中我们将演示如何利用这一评估的核心基于路线规划应用程序。

3.3。车载传感

可能设置车载传感包括三个要素:一个OBD-II电子狗,专用传感器和智能手机。我们评估两个OBD-II接口的替代品:munic。盒子Munic3 4 g-cat4-wbt电子狗和ScanTool OBDLink MX蓝牙。根据需要执行的测试车辆。专用传感器是Aaronia GPS记录器,它结合了传感器对GPS本地化、指南针、加速度计、陀螺仪和高度计和压力传感器。记录器没有无线通信功能,但可以通过USB连接到电脑。与此同时,最近的iOS和android手机是用于通信和传感caspabilities。

而客观的工作是实现一个具有成本效益的解决方案进行动态评估,上述设置的目的是设计用于探索性和验证的目的。在传感元素能够直接连接到云存储库,例如,如munic的情况下。箱电子狗,或者智能手机,被允许的连接。否则,一个连接间接通过成立另一个设备,例如,通过电脑笔记本电脑或ScanTool记录器的电子狗通过智能手机。

后端,感觉到数据和传输和存储在一个PostgreSQL 9.6建立在Red Hat Enterprise Linux开发人员的操作系统。这个设置允许Apache web门户访问,促进快速原型和易于同时报告来自多个数据源的数据。

3.4。评估核心

公路网络组成一个复杂、生活结构,因此需要在建模方面的护理。这种情况尤其在城市和高密度城市区域交通动力学成为进一步参与和城市活动的进一步与其他飞机。

在评论上面的依赖性,我们注意到一个合理的模型来评估道路网络的安全应该介意党卫军的元件间的依赖关系,以及在空间和时间的依赖关系。它还应该促进这些相互依赖关系的量化,没有实质性的开销。

这种评估的设计核心是在下一节中阐述。

4所示。设计一个动态评估的核心

最近的推力为机器学习及其不同的变体(监督、非监督和reinforcement-based)使得在解决各种问题可能解决高加工要求。突出显示的操作需求3.4以上职位目标评估核心作为一个典型的候选人机器学习方面的考虑。接下来,我们展示一个例子的道路网络建模可以促进一个健壮的和动态处理。

隐马尔科夫模型(HMM)是一个强大的统计工具对模型时间序列系统,可以代表概率分布特征的观察序列。工具因此可以很容易地将其数据采集的本质在物联网和智能城市发现的应用程序。进一步是一个潜在的基本模型几个机器学习方法,包括贝叶斯推论或混合密度网络。

我们的兴趣在此小说应用摘要我们的问题。具体地说,一阶、time-homogeneous和离散HMM用来确认程度穿越某路链接是安全的,从而实现安全指标。

嗯手头可以five-tuple正式定义 ,在哪里是一个数组的链接的状态;是发射符号特征的观察每个状态;是状态的转移概率;δ发射(或输出)概率矩阵;和π是初始状态分布数组。我们假设链路状态的道路安全,表示 ,隐藏的观察者。我们还假设当前隐藏状态的道路连接只取决于前面的状态相同的道路,即。马尔可夫性质是满意。

接下来我们详细说明元组元素。

州,年代:路的隐状态链接状态,它描述道路的安全链接。例如,不失一般性,可以利用两种状态,是否安全。进一步可以添加中间状态。

发射符号, :的观察可以推导出隐状态。的例子可能观察路链路拥塞率;道路条件指标;道路基础设施类型,例如,道路连接通道,类型或高速公路链接;或道路基础设施的特点;如道路能见度等。一个度量利用的组合两个或两个以上的这些和其他的观察也可以合成。

为了进行说明,可以捕获路链路拥塞, ,代表水平的拥堵。如果 ,交通拥堵可以数字化水平 , , ,相对于所有链接的最大容量。如果我们定义随机变量拥挤的道路段,在一次, ,然后, ,作为道路段拥堵,函数可以定义如下。

但至关重要的是要注意,这些需要规范化水平的限制,有效地反映实际链接拥堵水平。

跃迁概率, ,的概率是过渡中两个州的嗯。

发射的可能性, (或输出概率),等于 和 鉴于当前状态(安全)或(不安全)路链接,分别。将上面的例子中,可以计算出如果我们知道的概率分布 ,感官的经验分布插值数据。经验分布可以近似为最好的标准分布,如果可能的话,考虑准确性和复杂性之间的权衡。

初始状态分布,π指定的初始概率分布状态。虽然通常使用均匀分布的初始化赋值,但通常不需要假设关于先验分布。

三个传统算法可以用来有效地计算一个嗯,也就是说,维特比算法,Forward-Backward算法,采用算法(42]。这是特别有利的计算链接安全对于我们的目的。此外,一旦确定HMM,链接的状态(地区)的状态可以使用各种服务识别和利用,包括路线规划,将在下一节中讨论。

5。基于路线规划

路线规划已经成为广泛应用于个人和商业使用,导致越来越依赖其可靠性。各种应用程序采用效率更高的路线规划算法(43]。旅行时间和成本,例如,通行费,路线规划应用程序的典型指标,但其他指标,然而,已经被使用,例如,燃料排放/消费和能源需求的电动汽车。

使用上面的动态安全评估提出,现在可以根据安全线路车辆穿过城市。通过这种方式,司机可以通过路线指示,减少遍历道路网络的整体风险。同时,执法车辆可以分配在不同的路径分配网络的风险和避免极度不安全的链接或航线网络。而且可以通过网络辅助安全控制机制通过控制目标和重定向流量基于用户驾驶行为或反应偶然的道路网络的变化。

优势评估的核心上面提出的路由算法可以直接操作生成的值。在下面我们描述直接申请航线假定为遍历路线已经计算后不久,这需要遍历时间足够嗯不到过渡时间。这些假设没有损失通用性,可以轻松简单的修改下面路线规划制定。

考虑一个图 ,与组成 节点(顶点),组成的边缘图。节点代表开始,结束,中途停止的车辆,和我们的兴趣在于路由车辆从源节点( )目标节点( )。顶点进一步通过数字识别,识别源节点和顶点0 识别可能的目标目的地。Nonsource节点集 。

边的集合 代表的集合 之间的联系 节点。每条边都有一个关联的遍历成本 ,它可以是对称的( 或不对称( )。在此,这个成本可以链接成反比的安全评估。

考虑到上面,可以提出配方如表所示1。制定减少消耗成本。前四个约束满足一般(uncapacitated)最短路径问题。第一个约束规定,停止选择沿途只访问一次。第二个约束指定,除了源和目的地,每个站都有尽可能多的迁入传出的遍历。第三和第四约束授权单离开源和一个到达目的地。

上面的配方是一个整数规划实例,使基本路线规划np难问题。同时,参与计算的核心时,按照上面的公式中,核心是提供更新后的“成本”和“能力”的边缘。这更新,而促进更相关的解决方案,结果充其量是极其稳定的解决方案。处理概率系数或约束时扩展成了不可避免的考虑更现实的模型。这些系数和极限,然而,只有增加了问题的复杂性。

应用程序中引入的道路安全评价的核心部分4克服了以上这种复杂性方面通过简化处理的概率。枚举。具体来说,配方可以修改应用嗯抽象的道路网络,允许基于安全的端到端路径选择。

6。结果和验证

我们通过一个案例研究验证工作基于数据用于纽约县,纽约,美国。地图和shapefile都来自公开街道地图(OSM) [6),美国人口普查局(7),大卫Gleich我们的道路提取(44]。我们利用碰撞数据来自纽约(纽约)OpenData门户45]。尽管,模型适用性延伸到所有本地化数据。核心处理进行了Matlab (46),一些预处理在Geomatica 17 (47]。

图6(一)地图显示了目标区域的分析,而图6 (b)显示了从OSM shapefile提取道路网。我们注意到在图的经度和纬度限制6 (b)当他们决定我们的专注的结果。

纽约OpenData碰撞数据集,详细(45碰撞)指定日期、时间、经度、纬度、和地址(街道和/或交叉)。数据集也有资格碰撞基于死亡和伤害的司机,行人和骑自行车的人,以及其他因素和车辆类型。数据日期为12月2日开始,2013年,填充到下载的日期。路上碰撞覆盖网络的一个例子是图所示7,红点表示碰撞位置。提取图7是地图部分日期6月23日06:00时2018小时07:30时。

仔细分析数据的细节进一步表征碰撞时间和空间分布的。在这里,我们孤立的数据为2018(2018年1月1日开始)和回顾了他们的时间和空间特征。

图8显示了一个覆盖位置聚合与县之间的街道网络。这展示了更多的碰撞区域映射到县的主要入口/出口点(即。,the Lincoln Tunnel, Manhattan Bridge, etc.), while the remainder of County area have on average near-equal collision numbers.

第二个观点是利用通过回顾碰撞时间分布,如图所示9。直方图显示下降期间每日平均碰撞时间00:00(即。,midnight) to 06:00, with a substantial but piecewise rise in collision counts during the hours 06:00 to 18:00.

基于上述,我们继续喂道路网络的嗯。这样做,我们映射网络的边缘嗯的节点。我们还考虑四个六小时的时间窗口,即时间00:00 06:00时;06:00时12点;12点到18:00;和18:00放送。然而,我们注意到,近距离碰撞后可能需要分类隔离从周末工作日。尽管,窗户的选择不会导致损失结果的普遍性。

安全级别分为四个水平。发射是标准化跨县地区的方式像描述部分4。嗯是初始化和均匀分布。

我们实现了HMM使用Matlab作为每节中提供的描述4。在这一过程中,我们安全的状态映射到边郡道路网络。图10展示了两个点之间的路线规划道路网,用红色突出显示的最短路径距离的基础上,基于安全的和绿色的。后的最短路径算法描述中提供的部分5。

7所示。结论

这项工作说明了经济的可行性道路安全监测和评估解决方案通过利用先进的物联网智能城市的上下文中(物联网)。介绍了架构促进强劲和动态道路安全评估的补充安全系统方法出于世界卫生组织(世卫组织)在世界范围内被越来越多地采用。应用程序的动态评估框架,路线规划也证明。

未来的工作包括探索进一步的应用,特别是在提高司机的上下文感知的道路安全状况在他们旅行。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

本文包含一个研究项目的结果和调查结果,由阿卜杜勒阿齐兹国王科技城(KACST)批准号GDRG - 37 - 278。

引用

1. 世界卫生组织,2015年道路安全全球现状报告,“https://www.who.int/violence_injury_prevention/road_safety_status/2015/en/。视图:谷歌学术搜索
2. 世界卫生组织,“道路安全行动十年2011 - 2020年试图拯救数百万人的生命,”http://www.who.int/roadsafety/decade_of_action/en/。视图:出版商的网站|谷歌学术搜索
3. f·维根曼,“道路安全的未来:全球的角度来看,“IATSS研究,40卷,不。2、66 - 71年,2017页。视图:出版商的网站|谷歌学术搜索
4. 世界卫生组织,“拯救生命——道路安全技术方案,”2017年。视图:谷歌学术搜索
5. w·e·马歇尔“理解国际道路安全差异:为什么是澳大利亚比美国更安全?”事故分析和预防卷,111年,第265 - 251页,2018年。视图:出版商的网站|谷歌学术搜索
6. “公开街道地图,与纽约县highlighte,”https://www.openstreetmap.org/relation/2552485。视图:谷歌学术搜索
7. 美国人口普查局,“老虎/®shapefile行:道路,”https://www.census.gov/cgi-bin/geo/shapefiles/index.php?year=2018& layergroup =道路。视图:谷歌学术搜索
8. 吴x, x, m . Abdel-Aty和p . j .蒙特”调查道路网络功能和安全性能,”事故分析和预防卷,56 22-31,2013页。视图:出版商的网站|谷歌学术搜索
9. 欧洲道路评估计划(EuroRAP),“欧洲道路安全阿特拉斯”http://atlas.eurorap.org/。视图:谷歌学术搜索
10. 欧洲道路评估项目(EuroRAP),“星评级。”http://www.eurorap.org/protocols/star-ratings/。视图:谷歌学术搜索
11. 国际道路评估项目(iRAP),“iRAP。”https://www.irap.org/。视图:谷歌学术搜索
12. h . m .哈桑和h . Al-Faleh”,探索相关的风险因素的大小和严重程度巷道崩溃在利雅得,”《安全研究47卷,第74 - 67页,2013年。视图:出版商的网站|谷歌学术搜索
13. e·艾哈迈德Yaqoob, a . Gani m·伊姆兰和m . Guizani”Internet-of-things-based智能环境:国家的艺术,分类,和开放的研究挑战,”IEEE无线通讯杂志,23卷,不。5,10到16,2016页。视图:出版商的网站|谷歌学术搜索
14. f·艾哈迈德,y Mehmood Yaqoob, a . Adnane m·伊姆兰和s . Guizani”Internet-of-Things-Based智能城市:最新进展和挑战,”IEEE通讯杂志,55卷,不。9日- 24,2017页。视图:出版商的网站|谷歌学术搜索
15. AARONIA”GPS记录器包括陀螺/倾斜/指南针&加速度计”https://www.aaronia.com/products/spectrum-analyzers/gps-logger/。视图:谷歌学术搜索
16. m .波斯语k·拉特克利夫称,m·巴博萨”控制器区域网络的概述,计算和控制工程杂志,10卷,不。3、113 - 120年,1999页。视图:出版商的网站|谷歌学术搜索
17. MUNIC(公司网站)https://www.munic.io/。
18. 转矩Pro (OBD 2 &汽车),“转矩Pro (OBD2 &汽车)谷歌播放页面,“http://goo.gl/CWD5VT。视图:谷歌学术搜索
19. js。Jhou工程学系。陈,W.-D。-蔡,M.-C。赖,”OBD-II汽车诊断系统的实现与云计算技术集成,”学报2013年的第二次国际会议上机器人,视觉和信号处理,RVSP 20132013年12月,页9 - 12、日本。视图:谷歌学术搜索
20. a . Mednis a Elsts, l . Selavo“嵌入式解决方案道路使用车载传感器网络状态监测,”学报2012年6日国际会议信息和通信技术的应用,AICT 20122012年10月,格鲁吉亚,。视图:谷歌学术搜索
21. k . m . Yamada建筑师、i Horiba和n . Sugie”歧视的道路条件对汽车驾驶环境的理解,“IEEE智能交通系统,卷2,不。1,26-31,2001页。视图:出版商的网站|谷歌学术搜索
22. j·埃里克森,l·吉伦特船体,r·牛顿s Madden和h·,“壶穴巡逻:使用移动传感器网络路面监控,”学报第六届国际会议在移动系统中,应用程序和服务(MobiSys ' 08)美国科罗拉多州,页29-39出台,,2008年6月。视图:出版商的网站|谷歌学术搜索
23. m·华伦天奴、c . Quiligotti和l•卡”鳃裂囊肿”,《超声,16卷,不。1,17 - 20,2013页。视图:出版商的网站|谷歌学术搜索
24. a . s . El-Wakeel j·李·m·t·拉赫曼a . Noureldin和h . s .,“监测实现动态道路路面异常映射未来智能城市”《2017年IEEE全球信号与信息处理(GlobalSIP)会议蒙特利尔,页828 - 832年,QC,加拿大,2017年11月。视图:出版商的网站|谷歌学术搜索
25. p .汉、v . n . Padmanabhan和r . Ramjee”Nericell:丰富的道路和交通状况监测使用移动智能手机,”学报第六届ACM会议嵌入式网络化传感器系统(SenSys ' 08)2008年11月,页323 - 336。视图:出版商的网站|谷歌学术搜索
26. d . Al-Yaseen“CrowdNav:交通信息传播系统增强,“技术代表、学校的计算,金斯顿皇后大学,加拿大,2012。视图:谷歌学术搜索
27. s . El-Tawab m . Abuelela g .严,“实时天气通知系统使用智能汽车和智能传感器,”学报2009年IEEE 6日国际会议上移动Adhoc网络和传感器系统,大规模的09年10月,页627 - 632,中国,2009。视图:谷歌学术搜索
28. j . Paefgen阅读卡埃尔f、y翟和f . Michahelles”驾驶行为分析与智能手机:从控制领域的一项研究中,”学报》第11届国际会议上移动和无处不在的多媒体(妈妈的12)2012年12月,36页,ACM,。视图:出版商的网站|谷歌学术搜索
29. a . Ghose用p Biswas c . Bhaumik m·夏尔马朋友,和a . Jha”道路状态监测和预警应用程序:使用车载智能手机联网传感器”学报2012年IEEE国际会议上普适计算和通信车间,PERCOM车间2012瑞士,页489 - 491,2012年3月。视图:谷歌学术搜索
30. a s . Raj Jain, r . Misra”海报:智能手机感知对于大型数据集收集的凹坑,”《第11届国际会议在移动系统中,应用程序和服务,经验2013台湾,页517 - 518年,2013年6月。视图:谷歌学术搜索
31. m . Imprialou和m . Quddus”道路安全事故数据质量研究:当前状态和未来的发展方向,”事故分析和预防,2016年。视图:出版商的网站|谷歌学术搜索
32. n驻香港和h . Abou-Zeid司机行为建模:发展和未来的发展方向车辆技术的国际期刊卷,2016篇文章ID 6952791, 2016。视图:出版商的网站|谷歌学术搜索
33. n Arbabzadeh和m .贾法里”,推动安全风险预测的数据驱动的方法使用驱动程序行为和道路信息数据,”IEEE智能交通系统,19卷,不。2、446 - 460年,2018页。视图:出版商的网站|谷歌学术搜索
34. c . Bo X.-Y x剑。毛,x, y,和f·李,“你开车发短信:检测司机使用个人利用惯性传感器,智能手机”诉讼19年的移动计算和网络国际会议上,MobiCom 2013美国,页199 - 201,2013年10月。视图:谷歌学术搜索
35. h·l·楚诉拉曼,j .沈r·罗伊·乔亨瑞a . Kansal诉巴尔,“海报:你开车吗?在以后再谈。学报》第九届国际会议在移动系统中,应用程序和服务,经验的11和共存研讨会2011年7月,p。397年,美国。视图:谷歌学术搜索
36. g . Castignani t . Derrmann r·弗兰克·t·恩格尔,”司机使用手机行为分析:低成本平台驱动程序监控,“IEEE智能交通系统杂志,7卷,不。1,第102 - 91页,2015。视图:出版商的网站|谷歌学术搜索
37. 辛格,s . Nelakuditi r·罗伊·乔亨瑞y通,“你的智能手机可以看到路上和你:移动助理粗心的司机,”学报13 ACM国际研讨会上移动Ad Hoc网络和计算,MobiHoc”12美国,页261 - 262年,2012年6月。视图:谷歌学术搜索
38. r .班达里r . Bhaskaran, n . Venkata”FullStop:跟踪安全停止公共汽车的行为,”《通信系统网络会议,第72 - 65页,2018年。视图:谷歌学术搜索
39. d·a·约翰逊和m . m . Trivedi”驾驶风格识别使用智能手机作为传感器平台”14 IEEE国际智能交通系统研讨会论文集(ITSC 11),页1609 - 1615,华盛顿特区,2011年10月美国。视图:出版商的网站|谷歌学术搜索
40. j . e . Meseguer c·t·卡拉j·c·卡诺和p•曼卓尼”DrivingStyles:智能手机应用程序来评估司机的行为,”18 IEEE学报》研讨会上计算机和通信,ISCC 2013克罗地亚,页535 - 540年,2013年7月。视图:谷歌学术搜索
41. 工程学系。陈,js。锅,k . Lu”驾驶行为分析基于车辆OBD信息和学习演算法,”学报的国际MultiConference工程师和计算机科学家,1卷,2015年。视图:谷歌学术搜索
42. p·史密斯,d . Heckerman和乔丹,“隐马尔科夫概率模型概率独立网络,”神经计算,9卷,不。2、227 - 269年,1997页。视图:出版商的网站|谷歌学术搜索
43. s . Djahel r . Doolan G.-M。统治和j·墨菲Communications-Oriented角度在城市智能交通管理系统:挑战和创新的方法,”IEEE通信调查和教程,17卷,不。1,第151 - 125页,2015。视图:出版商的网站|谷歌学术搜索
44. d·j·罗斯和r·a·威洛比,”佛罗里达大学(UF)大卫Gleich稀疏矩阵的页面,“https://www.cise.ufl.edu/research/sparse/matrices/Gleich/。视图:出版商的网站|谷歌学术搜索
45. “纽约OpenData门户,纽约警察局机动车辆碰撞、”https://data.cityofnewyork.us/Public-Safety/NYPD-Motor-Vehicle-Collisions/h9gi-nx95。视图:谷歌学术搜索
46. “从Mathworks Matlab(软件),“https://www.mathworks.com/products/matlab.html。视图:谷歌学术搜索
47. PCI测绘学(软件),“PCI测绘学(软件),“http://www.pcigeomatics.com/software/geomatica/professional。视图:谷歌学术搜索

版权

版权©2018 Abd-Elhamid m .塔哈。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。