基于多源監(jiān)測(cè)數(shù)據(jù)的道路交通狀態(tài)預(yù)測(cè)

張瑞

摘 要：文章根據(jù)模糊數(shù)學(xué)的概念、流體力學(xué)等知識(shí)，在篩選海量數(shù)據(jù)后得出其相互關(guān)系，建立了道路暢通模型、擁堵預(yù)測(cè)模型以及新增車輛預(yù)測(cè)模型，分析道路暢通程度及預(yù)測(cè)道路擁堵狀況，并進(jìn)行了新增車輛的擁堵預(yù)測(cè)，最后對(duì)模型的合理性進(jìn)行檢驗(yàn)。

關(guān)鍵詞：模糊數(shù)學(xué)；綠信比；擁堵閾值

中圖分類號(hào)：TP274 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2019）19-0063-02

Abstract： In this paper， according to the concept of fuzzy mathematics， fluid mechanics and other knowledge， after screening massive data， the relationship between them is obtained， and the road smoothing model， congestion prediction model and newly-added vehicle prediction model are established. The smooth degree of road and the prediction of road congestion are analyzed， and the congestion prediction of new vehicles is carried out. Finally， the rationality of the model is tested.

Keywords： fuzzy mathematics； green signal ratio； congestion threshold

1 研究背景

交通基礎(chǔ)設(shè)施是要素跨區(qū)域流動(dòng)的重要媒介，通過時(shí)空大數(shù)據(jù)的積累，以要素流動(dòng)所構(gòu)成的交通流網(wǎng)絡(luò)指示區(qū)域空間關(guān)系逐漸成為主流手段[1-2]。交通流網(wǎng)絡(luò)在時(shí)空尺度上不斷進(jìn)行著動(dòng)態(tài)演變，監(jiān)測(cè)的數(shù)據(jù)具有動(dòng)態(tài)性、多維性以及海量性。在城市道路交通管理中，通過對(duì)路面交通信息的采集、分析和應(yīng)用，交通部門能夠更好地掌握道路交通流現(xiàn)狀，對(duì)交通流進(jìn)行管理、調(diào)節(jié)和誘導(dǎo)，提高路網(wǎng)交通效率。本文基于2018年深圳杯D題，根據(jù)深圳市交通警察局提供的局部區(qū)域道路的交通卡口監(jiān)測(cè)數(shù)據(jù)、出租車為主的浮動(dòng)車數(shù)據(jù)以及互聯(lián)網(wǎng)導(dǎo)航平臺(tái)數(shù)據(jù)，對(duì)這些不同的道路交通監(jiān)測(cè)數(shù)據(jù)進(jìn)行融合分析。

2 道路暢通程度模型

2.1 道路暢通程度模型的建立

本文使用模糊數(shù)學(xué)的概念處理道路暢通度的問題，將暢通度分為“不暢通”、“不甚暢通”、“基本暢通”、“標(biāo)準(zhǔn)暢通”和“非常暢通”五類[3]。道路是否通暢可以通過當(dāng)前速度與暢行速度之比稱之為行駛速度比Vr以及當(dāng)前密度與阻塞密度Kj的比稱之為流量密度比Kr來(lái)衡量。本文用行駛速度比和流量密度比來(lái)描述道路的暢通程度。

2.2 道路暢通程度模型的分析

本節(jié)建立的道路暢通程度模型結(jié)合主成分分析方法，利用SPSS軟件，得出行駛速度比和流量密度比所占的權(quán)重，從而確定暢通程度與行駛速度比和流量密度比的線性關(guān)系為Cr=？琢（0.70×vr+0.28×kr），可計(jì)算得出修正系數(shù)？琢=1.02。基于已有數(shù)據(jù)隨機(jī)選取主干道、支路、環(huán)路，每個(gè)路段分別抽取25日、26日、27日數(shù)據(jù)作為樣本。結(jié)果如圖1所示，從圖中可以直觀地看出，環(huán)道暢通程度指數(shù)最大，其次為主干道，最后為支路。結(jié)合視頻數(shù)據(jù)，與該模型的結(jié)果相近，因此模型的合理性得到了驗(yàn)證。

3 擁堵預(yù)測(cè)模型

3.1 模型的建立

在交通流飽和的狀態(tài)下，由于受周期時(shí)長(zhǎng)的限制，交通需求大于信號(hào)交叉口的通行能力，信號(hào)交叉口會(huì)出現(xiàn)不同程度的擁擠堵塞現(xiàn)象，因此要根據(jù)信號(hào)交叉口綠信比預(yù)測(cè)道路擁堵變化[4]。利用流體力學(xué)的模型，結(jié)合萊特希爾和惠特漢[4]推導(dǎo)的車流波傳播公式vw=vf（1-2？濁），可得出停車產(chǎn)生的波為v1=-vf？濁1，發(fā)車產(chǎn)生的波為v2=-vf？濁2。因此可以求出紅燈時(shí)段內(nèi)累計(jì)的車輛數(shù)L1=Tr×（-vf？濁1）；同理可得，綠燈時(shí)段內(nèi)放行的車輛數(shù)L2=Tg×（-vf？濁2）；其中，Tr為紅燈持續(xù)時(shí)間（小時(shí)），Tg為綠燈持續(xù)時(shí)間（小時(shí)）。當(dāng)|L2|？叟|L1|時(shí)；即Tg|Vf|？叟Tr|Vf|？濁1，Tg？叟Tr×？濁1，。

3.2 模型的分析

依據(jù)格林希爾茲[4]提出的指數(shù)模型k1=（1-）kj，不同級(jí)別道路中暢行速度vf和阻塞密度kj不同，根據(jù)不同路段暢行速度與阻塞密度的不同，求出不同道路擁堵閾值，如圖2所示。結(jié)果表明，根據(jù)交叉路口信號(hào)的綠燈與紅燈的持續(xù)時(shí)間之比以及車輛行駛平均速度可以了解道路擁堵情況。依據(jù)實(shí)際情況，不同等級(jí)的道路擁堵閾值不同。在擁堵閾值以內(nèi)會(huì)發(fā)生擁堵，在閾值以外道路暢通。通常情況下，比值越大，速度越小，越容易造成道路擁堵。結(jié)合視頻數(shù)據(jù)，與該模型的結(jié)果近似，因此模型的合理性得到了檢驗(yàn)。

4 新增車輛擁堵預(yù)測(cè)

4.1 新增車輛單一影響

5 模型評(píng)價(jià)

本文從大量指標(biāo)中選取最基本的三個(gè)指標(biāo)衡量交通流的狀態(tài)，把復(fù)雜問題簡(jiǎn)單化；同時(shí)使用模糊數(shù)學(xué)的概念處理道路暢通度的問題，簡(jiǎn)化實(shí)際問題；根據(jù)不同道路級(jí)別的擁堵閾值與暢行速度的關(guān)系曲線圖得出擁堵閾值，能快速準(zhǔn)確地對(duì)實(shí)際道路暢通程度作出預(yù)測(cè)。但本文的模型僅考慮了道路正常運(yùn)轉(zhuǎn)時(shí)的交通情況，具有一定的局限性，還可以在特殊狀況導(dǎo)致道路擁堵的條件下對(duì)該問題進(jìn)行深入研究；其次，一些次要因素對(duì)實(shí)際結(jié)果的影響被忽略，使結(jié)果精度降低，導(dǎo)致最終結(jié)果存在一定誤差，與實(shí)際情況存在出入。最后經(jīng)過對(duì)缺點(diǎn)的詳細(xì)分析，得出改進(jìn)方式如下：應(yīng)對(duì)更多指標(biāo)進(jìn)行深層次分析，并在研究道路暢通程度時(shí)考慮多種因素，減少數(shù)據(jù)誤差，使結(jié)果與實(shí)際情況更加接近。

參考文獻(xiàn)：

[1]王海江，苗長(zhǎng)虹.中國(guó)中心城市鐵路客運(yùn)的空間聯(lián)系及其結(jié)構(gòu)圖譜[J].地理研究，2015，34（I）：157-168.

[2]羅震東，何鶴鳴，耿磊.基于客運(yùn)交通流的長(zhǎng)江三角洲功能多中心結(jié)構(gòu)研究[J].城市規(guī)劃學(xué)刊，2011（2）：16-23.

[3]劉元林，劉勇，李紅偉，等.道路暢通度模糊評(píng)價(jià)及其模型[J].武漢大學(xué)理工學(xué)報(bào)，2011，35（5）：892-895.

[4]李作敏.交通工程學(xué)（第2版）[M].人民交通出版社，2000.