交通狀態(tài)判別與預(yù)測技術(shù)探討

雷財(cái)林 譚宇婷

(重慶交通大學(xué)交通運(yùn)輸學(xué)院 重慶 400074)

交通狀態(tài)判別與預(yù)測技術(shù)探討

雷財(cái)林 譚宇婷

(重慶交通大學(xué)交通運(yùn)輸學(xué)院 重慶 400074)

交通狀態(tài)，交通事件是道路交通的重要參數(shù)，對(duì)于判別道路交通的安全與道路交通效率有具有極其重要的作用。隨著我國經(jīng)濟(jì)技術(shù)的發(fā)展，汽車產(chǎn)業(yè)作為一個(gè)朝陽產(chǎn)業(yè)，蒸蒸日上，我國機(jī)動(dòng)車保有量大幅度增加，道路負(fù)荷度加大，交通狀態(tài)預(yù)測越來越受到關(guān)注。隨著交通技術(shù)的不斷發(fā)展，大數(shù)據(jù)時(shí)代的來臨，交通數(shù)據(jù)如雨后春筍涌現(xiàn)出來。但是由于數(shù)據(jù)處理技術(shù)的限制，對(duì)于交通狀態(tài)的判別還有很大的提升空間。本文對(duì)交通數(shù)據(jù)的處理技術(shù)進(jìn)行檢索、整理、篩選、歸納，總結(jié)出在大數(shù)據(jù)時(shí)代下如何利用大數(shù)據(jù)進(jìn)行交通狀態(tài)的監(jiān)測以及預(yù)測方法。

交通參數(shù)；狀態(tài)判別；預(yù)測

引言

實(shí)現(xiàn)交通狀態(tài)監(jiān)測與預(yù)測必須以交通數(shù)據(jù)為基礎(chǔ)，交通狀態(tài)監(jiān)測與預(yù)測的效果也由其交通數(shù)據(jù)的實(shí)時(shí)性、準(zhǔn)確性和全面性直接決定。以下對(duì)交通數(shù)據(jù)處理方法的研究歷史與現(xiàn)狀進(jìn)行闡述評(píng)價(jià)。

2002年，Smith利用感應(yīng)線圈獲取的流量、速度、道路占有率數(shù)據(jù)進(jìn)行分析，分別提出了運(yùn)用歷史趨勢法和指數(shù)平滑法對(duì)故障數(shù)據(jù)進(jìn)行修復(fù)的思想。

2003年，裴玉龍等人利用滬寧高速公路的感應(yīng)線圈獲取的道路流量、速度、占有率數(shù)據(jù)，提出以下四種方法進(jìn)行交通數(shù)據(jù)處理，包括最大占有率固定閾值法、最大交通流量固定閾值法、具有零占有率的最大交通流量固定閾值法和平均有效車輛長度法，其中最大占有率固定閾值法、最大交通流量固定閾值法對(duì)于交通數(shù)據(jù)的錯(cuò)誤識(shí)別具有很好的效果，具有零占有率的最大交通流量固定閾值法和平均有效車輛長度法對(duì)于交通參數(shù)的錯(cuò)誤識(shí)別具有良好效果。

2006年，董均宇在路段行程時(shí)間估計(jì)效果方面將速度積分模型和位置插值模型進(jìn)行比較分析，得出結(jié)論，兩種模型路段行程時(shí)間的估計(jì)效果受到GPS采樣時(shí)間間隔的大小的影響。

2009年，常安德對(duì)速度積分模型和位置插值模型進(jìn)行進(jìn)一步的分析比較，得出結(jié)論，當(dāng)GPS采樣時(shí)間間隔在7s以內(nèi)時(shí)，兩種模型的效果相當(dāng)，但是當(dāng)GPS采樣時(shí)間間隔大于7s時(shí)，位置插值模型效果要明顯優(yōu)于速度積分模型。

2011年，姜桂艷等人，利用感應(yīng)線圈采集的快速路的流量、速度以及占有率數(shù)據(jù)，進(jìn)步分析處理，首次提出將采取的異常數(shù)據(jù)劃分為三個(gè)部分：丟失數(shù)據(jù)、異常交通狀況數(shù)據(jù)和錯(cuò)誤數(shù)據(jù)，基于增益放大原理對(duì)異常交通狀況數(shù)據(jù)評(píng)價(jià)方法進(jìn)行出現(xiàn)設(shè)計(jì)。應(yīng)用統(tǒng)計(jì)數(shù)的知識(shí)建立了動(dòng)態(tài)閾值評(píng)價(jià)方法。

2012年，譚政針對(duì)城市主干道車輛檢測器獲取的5min固定采樣間隔的交通流量數(shù)據(jù)，將故障數(shù)據(jù)劃分為丟失數(shù)據(jù)和錯(cuò)誤數(shù)據(jù)，如果某一采樣間隔內(nèi)的交通流量明顯小于歷史趨勢值將其視為丟失數(shù)據(jù)，采用基于交通流理論的組合參數(shù)方法識(shí)別錯(cuò)誤數(shù)據(jù)，并提出利用灰色理論對(duì)故障數(shù)據(jù)進(jìn)行修復(fù)。

一、交通數(shù)據(jù)獲取及其預(yù)處理方法

交通狀態(tài)參數(shù)分為地點(diǎn)交通狀態(tài)參數(shù)、區(qū)間交通狀態(tài)參數(shù)。地點(diǎn)交通狀態(tài)參數(shù)是指能夠反應(yīng)出地點(diǎn)的交通狀態(tài)的參數(shù)。例如，流量、瞬時(shí)速度以及時(shí)間占有率。區(qū)間參數(shù)是指能夠反應(yīng)區(qū)間交通狀態(tài)的參數(shù)。例如，區(qū)間速度、行程時(shí)間、排隊(duì)長度等。

二、交通狀態(tài)判別與預(yù)測

(一)線性判別函數(shù)法交通狀態(tài)分析。當(dāng)?shù)缆返牧髁窟_(dá)到道路通行能力時(shí)，此時(shí)即為道路交通的理想狀態(tài)，根據(jù)經(jīng)典的格林希爾模型可以看出，流量-速度曲線為拋物線形式，最佳速度即為最大速度的一半。

根據(jù)格林希爾模型可以得出，最佳速度將作為區(qū)分道路交通狀態(tài)暢通、擁擠兩種狀態(tài)的臨界點(diǎn)。因此，可以考慮采用線性判別函數(shù)法，將實(shí)際檢測器采集到的交通狀態(tài)分為暢通和擁堵兩種類型。

(二)基于聚類分析的交叉口交通狀態(tài)分析。判斷交叉口的狀態(tài)的參數(shù)有很多，例如，交叉口延誤、交叉口通行能力、服務(wù)水平、飽和度以及排隊(duì)長度都是衡量交叉口交通狀態(tài)的指標(biāo)。道路通行能力手冊(HCM2000)中采用平均每車延誤來進(jìn)行服務(wù)水平的選擇；但是延誤、排隊(duì)長度和通行能力等指標(biāo)都需要依賴于交叉口的信號(hào)配時(shí)，不同的信號(hào)配時(shí)條件下，交叉口的各項(xiàng)指標(biāo)也不相同。所以實(shí)際中情況中，對(duì)于交叉口的信號(hào)配時(shí)，往往依據(jù)人工經(jīng)驗(yàn)，就會(huì)有很大的隨機(jī)性存在。得到的交叉口的交通運(yùn)行狀態(tài)也無法完全刻畫交叉口交通運(yùn)行狀態(tài)的真實(shí)性。因此，在進(jìn)行交叉口狀態(tài)判別的時(shí)候，盡量避免選擇與交叉口信號(hào)配時(shí)有關(guān)的參數(shù)，以減少交叉口交通狀態(tài)判別的誤差以及隨機(jī)性。交叉口的總流量基本不受到交叉口信號(hào)配時(shí)的影響，因此可用交叉口的流量比來表征交叉口的交通運(yùn)行狀態(tài)。而交叉口的總流量比是該交叉口各個(gè)相位流量比之和。

(三)交通參數(shù)預(yù)測。理論上，利用特定的交通參數(shù)多步預(yù)測方法可實(shí)現(xiàn)對(duì)未來無限多步交通參數(shù)的預(yù)測。但大量的實(shí)證分析已經(jīng)表明，隨著預(yù)測步數(shù)的增加，交通參數(shù)多步預(yù)測結(jié)果的預(yù)測誤差也會(huì)增大。當(dāng)對(duì)未來很長一段時(shí)間進(jìn)行交通參數(shù)預(yù)測時(shí)，其預(yù)測結(jié)果的誤差將會(huì)很大，導(dǎo)致無法支持交通管理者做出正確的決策。

針對(duì)上述問題，提出了交通參數(shù)動(dòng)態(tài)可預(yù)測性的概念，并設(shè)計(jì)了相應(yīng)的在線估計(jì)方法。其基本思想包括以下步驟。

(1)通過分析與特定時(shí)點(diǎn)關(guān)聯(lián)交通參數(shù)數(shù)據(jù)序列的動(dòng)態(tài)特性，設(shè)計(jì)了相應(yīng)的特征指標(biāo)對(duì)其進(jìn)行量化，在此基礎(chǔ)上提取每個(gè)時(shí)點(diǎn)處的關(guān)聯(lián)交通參數(shù)數(shù)據(jù)序列的特征指標(biāo)向量值。

(2)設(shè)定一個(gè)能夠接受的預(yù)測誤差值，運(yùn)行交通參數(shù)多步預(yù)測方法，在此基礎(chǔ)上提取每個(gè)時(shí)點(diǎn)預(yù)測結(jié)果低于該值的預(yù)測步數(shù)，并將其稱為可預(yù)測步數(shù)。利用BP神經(jīng)網(wǎng)絡(luò)模擬上述兩個(gè)變量之間的非線性關(guān)系。

(3)在線運(yùn)行時(shí)，首先對(duì)每個(gè)時(shí)點(diǎn)處的關(guān)聯(lián)交通參數(shù)數(shù)據(jù)序列的特征指標(biāo)向量值進(jìn)行計(jì)算，然后運(yùn)行BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)對(duì)可預(yù)測步數(shù)的估計(jì)。

三、結(jié)語

城市道路路網(wǎng)包括快速路、主干路、次干路、支路構(gòu)成，對(duì)于城市道路的監(jiān)控，主要是針對(duì)于主干路、快速路以及次干路。顯然，這些成是道路都是由很多的路段和交叉口所構(gòu)成。也就是說，對(duì)城市道路路網(wǎng)的交通狀態(tài)進(jìn)行判斷就是對(duì)于交叉口、路段交通狀態(tài)判斷的一個(gè)集合。因此對(duì)于交叉口的交通狀態(tài)判別就上升到的對(duì)于一個(gè)區(qū)域路網(wǎng)的交通狀態(tài)判別，甚至?xí)仙降膶?duì)于整個(gè)路網(wǎng)的交通狀態(tài)進(jìn)行判斷。故此，對(duì)于城市某區(qū)域中距離相近、配時(shí)和尺寸相似、交會(huì)的兩路等級(jí)相同、交通流量差異不大、相關(guān)性強(qiáng)的這一類交叉口，可以根據(jù)其中一些交叉口的交通狀態(tài)利用聚類或其他相關(guān)方法得到其他交叉口的交通狀態(tài)。據(jù)此，城市交通管理者可以得到整個(gè)城市和不同區(qū)域的交通狀態(tài)，并實(shí)施相應(yīng)的實(shí)時(shí)的交通管理和組織。

[1]趙慧.城市車載網(wǎng)絡(luò)中基于停放車輛輔助的數(shù)據(jù)分發(fā)[J].軟件學(xué)報(bào),2014，6(26)：1499-1515.

[2]周劍峰.城市交通共用信息平臺(tái)數(shù)據(jù)處理技術(shù)研究[D].吉林：吉林大學(xué)，2005.

[3]王超.城市智能交通數(shù)據(jù)處理優(yōu)化設(shè)計(jì)[D].河南：河南科技大學(xué)，2014.

[4]方昕.大數(shù)據(jù)下的智能交通數(shù)據(jù)共享與處理模型[J].信息技術(shù)，2(12)：94-97.

[5]張林杰.多源交通數(shù)據(jù)自動(dòng)化采集與處理系統(tǒng)研發(fā)[D].西安：長安大學(xué)，2015.

[6]李勇伶.服務(wù)于城市交通控制系統(tǒng)的交通數(shù)據(jù)處理技術(shù)研究[D].西安：長安大學(xué)，2008.

[7]秦岸..基于CDMA網(wǎng)絡(luò)的城市交通數(shù)據(jù)采集與處理技術(shù)[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,2(29):276-279.

[8]黃科軍.基于車牌自動(dòng)識(shí)別數(shù)據(jù)的車輛行為[D].湖南：湖南大學(xué)，2013.

雷財(cái)林(1992.09-)，男，漢族，重慶交通大學(xué)，碩士研究生，研究方向：交通運(yùn)輸規(guī)劃與管理。