Skip to main content
SpringerLink
Log in

Speed and density measurement for road traffic using mobile technology in cars

Medida eficaz de la velocidad y densidad del tráfico utilizando la tecnología móvil de los vehículos

  • Published:
Securitas Vialis

Abstract

Given the benefits of an information system about the traffic intensity and about the usage of vehicles, in this paper, a new low-cost information system to monitor the traffic in real-time is proposed. Current information systems used for data collection and to generate information on the state of the roads have two drawbacks: the first is that they have no ability to identify and target the vehicles detected. The second is their high cost, which makes them expensive to cover the secondary road network, so they are usually located just on main routes. In this paper we propose a system based on scanning bluetooth devices that are near the detection node. This is an unique identifier that allows to know the manufacturer and even distinguish what type of device it is (PC, mobile phone, handsfree, etc). We intend to collect large amounts of data from passes of bluetooth devices by different nodes (movements or displacements). Thus we could determine the frequency of appearance, calculate speeds between nodes, or calculate the number of devices that pass certain site each day (on both working or non-working days). Statistics will be obtained and thus several indicators relating to the use of vehicles by the population of the monitored area will be studied.

Resumen

Dados los beneficios de un sistema de información sobre el estado del tráfico y del uso de la red viaria por parte de los vehículos, se plantea el desarrollo de un sistema de información de bajo coste para monitorizar el tráfico y conocer el estado de las carreteras en tiempo real. Los sistemas de información utilizados actualmente para la recopilación de datos y generación de información sobre el estado de las carreteras presentan dos inconvenientes: la primera es que no tienen capacidad para identificar e individualizar los vehículos que detectan. La segunda es su elevado coste, lo cual los hace caros para cubrir la red de carreteras secundarias, por lo que se suelen ubicar en vías principales y en salidas de grandes núcleos de población. En este trabajo proponemos un sistema basado en el escaneo de los identificadores de dispositivos bluetooth que hay en el entorno. Se trata de un identificador único que permite saber el fabricante e incluso distinguir de qué tipo de dispositivo se trata (PC, teléfono móvil, equipo manos libres, etc). Durante el desarrollo del trabajo hemos recopilado gran cantidad de datos del paso de dispositivos bluetooth para buscar apariciones (movimientos o desplazamientos) de un dispositivo en los diferentes puntos de captación que denominaremos nodos de aquí en adelante, determinar la frecuencia de aparición de los dispositivos en un mismo nodo, calcular velocidades de movimiento entre nodos o calcular el número de dispositivos que pasan por cierto sitio cada día (ya sea festivo o laborable). También se han obtenido numerosas estadísticas con las que hemos estudiado diversos indicadores relativos al uso de vehículos por parte de la población del área monitorizada.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Figura 1
Figura 2
Figura 3
Figura 4

Similar content being viewed by others

Referencias

  1. Arenas, M.G., Castillo, P.A., Romero, G., Rateb, F., & Merelo, J. J. (2005). Coevolving multilayer perceptrons along training sets. In Advances in Soft Computing: 8th Fuzzy Days Proceedings, pages 503–513.

  2. Bitcarrier. (2014). Recuperado el 4 de marzo de 2014, de http://www.bitcarrier.com.

  3. Castillo, P.A., Arenas, M.G., Castellano, J.G., Cillero, M., Merelo, J.J., Prieto, A., Rivas, V., & Romero, G. (2001). Function approximation with evolved multilayer perceptrons. In N. E. Mastorakis (Ed.), Advances in Neural Networks and Applications (pp.195–200). Artificial Intelligence Series. ISBN:960-8052-26-2, Published by World Scientific and Engineering Society Press.

  4. Castillo, P. A., García-Arenas, M., García Sánchez, P., Merelo, J. J., & Luís Bernier, J. (2012). Distributed evolutionary computation using SOAP and REST web services. In Kolodziej, J., & Khan, S. U., Burczynski, T. (Eds.), Advances in intelligent modelling and simulation. Artificial intelligence-based models and techniques in scalable computing (pp. 89–112). Series: Studies in Computational Intelligence, Vol. 422. ISBN 978–3–642-30,154-4.

  5. Castillo, P.A., García-Sánchez, P., Arenas, M.G., Mora, A.M., Romero, G., Merelo, J.J. (2013). Using SOAP and REST web services as communication protocol for distributed evolutionary computation. International Journal of Computers & Technology, Vol 10, No 6, ISSN 22773061, pp. 1659–1677.

  6. Falcato M. M. (2011). System and method for monitoring people and/or vehicles in urban environments. US Patent Application No: 2011/0128,127. Serial no 13/56,068. http://www.google.com/patents/US20110128127.

  7. Garcia-Sanchez, P., Merelo, J. J., Sevilla, J. P., Castillo, P. A., Martin, M., & Lopez, M. (2007). Plataforma de integración de servicios para la administración basada en BPEL y SOA. In E. B. Lopez de Roda et al. (Eds.), ACTAS DE LAS III JORNADAS EN SERVICIOS WEB Y SOA (JSWEB 2007) (pp. 111–118). Spain: Thomsom Editores.

    Google Scholar 

  8. Han, J., & Kamber, M. (2006). Data mining: concepts and techniques, 2nd edition, Morgan Kaufmann, ISBN 1558609016.

  9. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: data mining, in-ference, and prediction. Springer Series in Statistics. Secon Edition. Springer.

  10. Papazoglou, M. P., & Van Den Heuvel, W. (2007). Service oriented architectures: approaches, technologies and research issues. VLDB Journal, 16(3), 389–415.

    Article  Google Scholar 

  11. Savari. 2014. Recuperado el 4 de marzo de 2014, de http://www.savarinetworks.com/index.html.

  12. Traffax. (2014). Recuperado el 4 de marzo de 2014, de “http://www.traffaxinc.com.

  13. TrafficCast. (2014). Recuperado el 4 de marzo de 2014 de http://trafficcast.com/products.

  14. Trafficnow. (2014). Recuperado el 4 de marzo de 2014, de “http://www.trafficnow.eu/es.

  15. Yang, X. S. (2010). Nature-Inspired Metaheuristic Algorithms (2nd ed.). Bristol: Luniver Press.

    Google Scholar 

Download references

Agradecimientos

figure a

La preparación de este trabajo fue apoyada por el proyecto “Sistema de Información de bajo coste para conocer el estado de las carreteras en tiempo real (Expediente de contratación 0100DGT21285) de la Dirección General de Tráfico.

figure b

Este trabajo se está desarrollando gracias a la financiación del proyecto FEDER de la Unión Europea con título “Sistema de Información y Predicción de bajo coste y autónomo para conocer el Estado de las Carreteras en tiempo real mediante dispositivos distribuidos” (SIPEsCa) del Programa Operativo FEDER de Andalucía 2007–2013.

Asimismo, queremos mostrar nuestro agradecimiento al personal e investigadores de la Agencia de Obra Pública de la Junta de Andalucía, Consejería de Fomento y Vivienda, por su dedicación y profesionalidad.

Author information

Authors and Affiliations

  1. Departamento de Electrónica y Tecnología de Computadores, Facultad De Ciencias, Universidad de Granada, Campus de Fuentenueva, s/n, 18071, Granada, Spain

    Pedro García-Fernández

  2. Departamento de Arquitectura y Tecnología de Computadores, CITIC, Universidad de Granada, Granada, Spain

    Pedro Á. Castillo, Pablo García-Sánchez, Maribel G. Arenas, Antonio M. Mora, Gustavo Romero & Juan J. Merelo

  3. Departamento de Informática, Universidad de Jaén, Jaén, Spain

    Victor M. Rivas

Authors
  1. Pedro García-Fernández
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Pedro Á. Castillo
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Pablo García-Sánchez
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Maribel G. Arenas
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. Antonio M. Mora
    View author publications

    You can also search for this author in PubMed Google Scholar

  6. Gustavo Romero
    View author publications

    You can also search for this author in PubMed Google Scholar

  7. Juan J. Merelo
    View author publications

    You can also search for this author in PubMed Google Scholar

  8. Victor M. Rivas
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Pedro García-Fernández.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

García-Fernández, P., Castillo, P.Á., García-Sánchez, P. et al. Speed and density measurement for road traffic using mobile technology in cars. Securitas Vialis 8, 61–69 (2016). https://doi.org/10.1007/s12615-016-9087-9

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s12615-016-9087-9

Keywords

Palabras clave

Search

Navigation