智能交通控制網(wǎng)絡的短時交通流預測研究

高明坤

摘 要：隨著交通壓力的逐步增加，對交通流實現(xiàn)短時的預測可以大大提高交通控制的工作效率。本文針對交通控制短時交通流預測的問題，以多維標度法進行短時交通流數(shù)據(jù)的采集和處理，詳細闡述了根據(jù)此方法進行短時交通流預測體系的建立和使用。此種預測方法的實現(xiàn)，改變了傳統(tǒng)交通流預測方法存在的弊端，提高了智能交通控制網(wǎng)絡的短時交通流預測的功能，減輕了交通控制部門的壓力，提高交通控制的工作效率。

關鍵詞：智能交通 交通流預測 多維標度 數(shù)據(jù)相關度

中圖分類號：U491.112 文獻標識碼：A 文章編號：1672-3791（2013）03（a）-0017-01

伴隨各地間經(jīng)濟交流的繁榮發(fā)展，車輛的增多致使交通壓力大大增加。雖然國家加大了公路拓寬等交通基礎設施的建設，但是依然沒有使交通壓力得到有效的緩解。針對此種問題，智能交通控制技術(shù)被應用于處理和解決交通問題。智能交通控制網(wǎng)絡應用之后，是交通事故的發(fā)生率明顯得到降低，交通流的網(wǎng)絡智能化預測，使車輛行駛得到了有效的控制和指揮，使交通壓力和交通事故得到明顯的降低。本文對智能交通控制網(wǎng)絡的短時交通流預測進行較為系統(tǒng)的研究分析。

1 短時交通流預測的基本流程和方法分析

1.1 短時交通流預測的流程

交通管理的智能化控制網(wǎng)絡的實現(xiàn)主要是通過將無線傳感器安裝于道路的交叉路口或者分支路口，路面情況的數(shù)據(jù)和信息通過安裝于各個地點的傳感器進行數(shù)據(jù)傳送并實現(xiàn)信息共享。對短時交通流進行科學有效的預測，能夠更加準確的掌握道路車輛交通流的實時信息，然后采取有效的措施控制交通車輛的運行。在智能交通控制網(wǎng)絡中，對于交流的預測，是以網(wǎng)絡信息中各個地點的傳感器采集到的交通信息為數(shù)據(jù)基礎，再根據(jù)交通數(shù)據(jù)中的相關性因素進行數(shù)據(jù)的分析和處理，以得到下一時段的交通流的預測信息，使交通控制系統(tǒng)能夠有效的指揮交通，保證交通的安全和順暢。

短時交通流預測的流程首先就是信息的采集。利用各個地點的傳感器對道路上的車輛信息，進行實時的數(shù)據(jù)采集和傳送。包括車速、密度等各個因素。然后根據(jù)傳感器得到的交通流信息計算交通流數(shù)據(jù)的相關性。如車速和車流密度的相關度及交通量和車流密度的相關度。根據(jù)計算相關度的結(jié)果進行交通流預測模型的建立，得出短時交通流預測的數(shù)據(jù)。

1.2實現(xiàn)短時交通流預測的方法分析

從實際的短時交通流預測的計算和分析發(fā)現(xiàn)，交通流數(shù)據(jù)間的相關性準確度越高，交通流預測的準確度越高，二者間有著直接的關系。在進行交通流預測的實際操作過程中發(fā)現(xiàn)，如果要達到對車流量進行及時有效的指揮控制，發(fā)揮智能化交通控制網(wǎng)絡的有效功能，提高交通控制效率，就要求最大限度的縮短傳感器對數(shù)據(jù)采集的時間。但是，短時間內(nèi)采集的交通流數(shù)據(jù)信息畢竟有限，對于相關度的顯示不夠明顯，準確度也很難保證。此種問題的存在，使交通流短時預測的結(jié)果準確度不夠高。針對此種弊端，本文提出在智能化交通流控制系統(tǒng)中采取多維標度法的方法，進行短時交通流的預測。將采集得到的短時交通流信息數(shù)據(jù)采用多維標度法進行分析處理得到潛在的相關性來建立交通流預測模型，經(jīng)過預測計算實現(xiàn)短時交通流的預測，提高預測的準確度。

2 智能交通控制網(wǎng)絡的短時交通流預測具體實現(xiàn)

2.1 采用多維標度法進行交通流數(shù)據(jù)相關度的提取

要對交通流進行科學準確的預測，就必須考慮交通流各數(shù)據(jù)參數(shù)的相互關系，將這些數(shù)據(jù)的相關度進行科學準確的提取是有效進行交通流預測的關鍵所在。通常在進行交通流預測的實際操作中，為保證工作效率，常以傳感器中的短時交通流數(shù)據(jù)作為主要參考參數(shù)。但是因為其數(shù)據(jù)間的相關度不夠明顯使預測的準確度也受到了直接的影響。以多維標度法進行短時交通流數(shù)據(jù)間相關度的運算，有效的改變了此種弊端的影響，是數(shù)據(jù)間的相關度更加直觀的表現(xiàn)了出來，實現(xiàn)了數(shù)據(jù)相關度的有效提取。

2.2 短時交通流數(shù)據(jù)相關度的提取步驟

以多維標度法計算交通流數(shù)據(jù)相關度的步驟如下。

（1）將由傳感器采集到的多個短時交通流數(shù)據(jù)信息，可運用統(tǒng)計學的計算方法對數(shù)據(jù)間的相關系數(shù)進行計算，得到數(shù)據(jù)間的相關性距離的個數(shù)進行相關性距離的矩陣，相關性距離進行由小及大的排列。

（2）在一個設定的e維空間中進行各個數(shù)據(jù)點的相關度距離的計算。以A1……An來表示。Ai的坐標可設定為Ai=（A……A），根據(jù)下面公式：

t=（1）

計算出數(shù)據(jù)相關度距離t，并在此結(jié)果基礎上進一步計算得出短時交通數(shù)據(jù)的相關度的值S和實際數(shù)據(jù)偏差度的值S。

（3）根據(jù)S和S的值，將e維空間中的多個數(shù)據(jù)的結(jié)構(gòu)位置進行調(diào)整，將原來存在的數(shù)據(jù)相關性結(jié)果不明顯的進行改進，在此基礎上進行交通流數(shù)據(jù)的相關性距離的重新計算。通過這樣的反復改進，反復計算，最終得到更加科學準確的短時交通數(shù)據(jù)相關性的結(jié)果。

（4）將短時交通流數(shù)據(jù)運用多維標度的方法進行計算分析處理，將相關性不明顯的弊端進行克服，最終得到更加準確的短時交通流數(shù)據(jù)的相關度結(jié)果。

這種多維標度計算相關度的方法，用相關度距離的變換和維度空間的調(diào)整使交通流數(shù)據(jù)間潛在的關系得以找出，將不明顯的相關性進行處理，得到準確度更高的交通流數(shù)據(jù)相關性，為實現(xiàn)準確的短時交通流預測打下了良好的基礎。

2.3 短時交通流的預測

以多維標度法提取出更加準確的交通流數(shù)據(jù)相關度，以此為基礎進行交通流預測模型的構(gòu)建。在預測模型中根據(jù)數(shù)據(jù)相關度進入到預測模型的預測模塊中運用預測公司進行最終預測結(jié)果Y的計算。預測公式為：

Y= （2）

在智能交通控制網(wǎng)絡體系中可根據(jù)此預測模型得出的短時交通流的預測結(jié)果采取具體的措施對交通流進行控制，以減少交通事故和維護道路的暢通，大大提高了交通流控制的工作效率。

3 結(jié)語

本文利潤多維標度法進行短時交通流預測模型的建立，彌補了傳統(tǒng)方法交通流數(shù)據(jù)相關性不明顯的弊端，得到了更加準確的數(shù)據(jù)相關性，以此為基礎建立的交通流預測模型實現(xiàn)了短時交通流更加準確的預測。根據(jù)預測結(jié)果提前采取有效的交通控制和指揮措施，大大提高了智能交通控制網(wǎng)絡的工作性能和工作效率。

參考文獻

[1] C H Wu， J M Ho， D T Lee. Travel time prediction with support vector regression[J]. IEEE Transaction on Intelligent Transportation Systems， 2010，5（4）：276-281.

[2] 王進，史其信.基于非線性理論的短期交通流預測研究[J].西安建筑科技大學學報（自然科學版），2011，38（2）：184-188.

[3] 崔艷，程躍華.小波支持向量機在交通流量預測中的應用[J].計算機仿真，2011，28（7）：353-356.