多源交通信息融合技術(shù)在重慶市智能交通誘導(dǎo)系統(tǒng)中的應(yīng)用研究

宋 鴻，陳 寧，彭建國(guó)，蔣 程，劉玉印

（重慶市公安局交通管理局，重慶 400054）

0 引言

重慶市是典型的山地城市，主城區(qū)被三山兩江所分割，地形復(fù)雜，城市的發(fā)展呈現(xiàn)出沿江放射性組團(tuán)分布的格式格局，大部分組團(tuán)之間依靠橋梁和隧道鏈接。在直轄之前，由于歷史原因，重慶市道路交通基礎(chǔ)設(shè)施建設(shè)比較滯后，主干道路少且路網(wǎng)結(jié)構(gòu)不完善，通達(dá)性不強(qiáng)，交通瓶頸較多。在1997年重慶直轄之后，隨著國(guó)家西部大開(kāi)發(fā)戰(zhàn)略的推進(jìn)，胡錦濤總書(shū)記“314”總體部署的落實(shí)以及成渝綜合配套改革試驗(yàn)區(qū)的設(shè)立，重慶市的經(jīng)濟(jì)迎來(lái)了新一輪的發(fā)展高峰期，而城市道路交通設(shè)施建設(shè)滯后對(duì)經(jīng)濟(jì)發(fā)展的影響逐漸顯現(xiàn)出來(lái)，為此，重慶市委、市政府適時(shí)地在“十五”和“十一五”期間加大了對(duì)重慶市道路交通基礎(chǔ)設(shè)施建設(shè)的資金投入。

由于重慶市獨(dú)特的地理?xiàng)l件，修路、建橋不僅難度大、建設(shè)周期長(zhǎng)，而且建設(shè)費(fèi)用遠(yuǎn)高于其它城市。因此，加強(qiáng)交通管理硬件設(shè)施建設(shè)，提高交通管理的現(xiàn)代化水平，進(jìn)而提高交通基礎(chǔ)設(shè)施的利用率，緩解交通供需矛盾，成為重慶市解決交通問(wèn)題的首要選擇。由于重慶市地理環(huán)境復(fù)雜，道路交通呈現(xiàn)立體交通態(tài)勢(shì)，在智能交通誘導(dǎo)系統(tǒng)的建設(shè)過(guò)程中，需因地制宜，采用多種交通信息采集方式。為了有效利用目前已建成的多種道路交通信息采集設(shè)備，重慶市科委與重慶市交通管理局共同攜手實(shí)施了“重慶主城區(qū)交通誘導(dǎo)示范工程”項(xiàng)目，將多源交通信息數(shù)據(jù)融合技術(shù)作為項(xiàng)目研究的重點(diǎn)。

1 研究背景

目前，重慶市已經(jīng)建成的交通信息采集方式包括：感應(yīng)線圈監(jiān)測(cè)、微波測(cè)速、地磁監(jiān)測(cè)、浮動(dòng)車運(yùn)營(yíng)GPS監(jiān)測(cè)、電子警察卡口、RFID監(jiān)測(cè)、視頻監(jiān)控等。由于交通信息采集方式多樣，形成的信息數(shù)據(jù)格式和設(shè)備數(shù)據(jù)接口標(biāo)準(zhǔn)不盡相同，多源交通信息數(shù)據(jù)在具體應(yīng)用過(guò)程中遇到了多方面的困擾。在此背景下，重慶市科委和重慶市公安局交通管理局共同確定了重大科技攻關(guān)項(xiàng)目“重慶主城區(qū)交通誘導(dǎo)示范工程”，針對(duì)重慶市主城區(qū)的主干復(fù)雜路網(wǎng)，以多源道路交通信息數(shù)據(jù)融合技術(shù)為研究對(duì)象，確定在渝中區(qū)和江北區(qū)范圍內(nèi)，建設(shè)長(zhǎng)度為26km的主干道智能交通誘導(dǎo)示范線路，通過(guò)對(duì)重慶市已建成的多源交通信息數(shù)據(jù)進(jìn)行融合，實(shí)現(xiàn)對(duì)目標(biāo)路段的交通狀態(tài)參數(shù)的實(shí)時(shí)獲取，采用多源數(shù)據(jù)融合算法和基于知識(shí)庫(kù)的道路交通狀態(tài)判別算法，完成對(duì)道路交通狀態(tài)的科學(xué)判斷，并利用布置于路段VMS交通誘導(dǎo)情報(bào)板和LED誘導(dǎo)屏進(jìn)行實(shí)時(shí)的發(fā)布，通過(guò)對(duì)道路上交通出行者的誘導(dǎo)，促進(jìn)交通流在路網(wǎng)中的均衡分布。

2 多源數(shù)據(jù)融合及道路狀態(tài)判別技術(shù)

2.1 多源交通信息數(shù)據(jù)融合處理流程

多源交通信息數(shù)據(jù)融合處理流程如圖1所示。

圖1 多源數(shù)據(jù)融合處理流程圖

從圖1可以看出，交通誘導(dǎo)系統(tǒng)采用傳統(tǒng)的信息采集及處理、數(shù)據(jù)融合及判別和信息發(fā)布三部分，通過(guò)線圈、微波、電子標(biāo)簽、地磁檢測(cè)以及視頻等采集設(shè)備采集車流量等相關(guān)信息；信息處理部分由指揮中心交通誘導(dǎo)控制系統(tǒng)完成；信息發(fā)布部分的主要信息發(fā)布載體為L(zhǎng)ED誘導(dǎo)屏和VMS復(fù)合誘導(dǎo)屏。

2.1.1 數(shù)據(jù)采集及預(yù)處理

收集到準(zhǔn)確、及時(shí)、高質(zhì)量的路網(wǎng)實(shí)時(shí)交通數(shù)據(jù)是有效實(shí)施城市交通誘導(dǎo)，提供高品質(zhì)出行者信息服務(wù)的前提條件和關(guān)鍵。

數(shù)據(jù)采集子系統(tǒng)主要包含動(dòng)態(tài)交通信息采集建設(shè)、靜態(tài)交通信息采集建設(shè)、信息處理與傳輸軟、硬件環(huán)境建設(shè)三項(xiàng)主要功能。通過(guò)動(dòng)態(tài)數(shù)據(jù)采集接口層與各子系統(tǒng)建立連接并進(jìn)行數(shù)據(jù)采集，采集到的數(shù)據(jù)按照事先制定好的標(biāo)準(zhǔn)數(shù)據(jù)格式統(tǒng)一存儲(chǔ)，海量數(shù)據(jù)存儲(chǔ)采用數(shù)據(jù)倉(cāng)庫(kù)形式。主要完成對(duì)多源數(shù)據(jù)的預(yù)處理功能，包括對(duì)速度異常數(shù)據(jù)、超出地圖匹范圍數(shù)據(jù)、狀態(tài)異常設(shè)備的上傳數(shù)據(jù)等的分析和剔除處理。

2.1.2 二級(jí)數(shù)據(jù)融合與判別

核心模型和算法是該項(xiàng)目的核心內(nèi)容，通過(guò)核心模型與算法，對(duì)信息進(jìn)行處理分析，生成高效的交通誘導(dǎo)預(yù)案與道路信息，同時(shí)根據(jù)視頻監(jiān)控和人工反饋信息，實(shí)現(xiàn)對(duì)部分路段的道路交通狀態(tài)的二次數(shù)據(jù)融合。該部分主要由兩部分組成，即“交通擁堵等級(jí)評(píng)判算法”和“交通事件識(shí)別算法”。

“交通擁堵等級(jí)評(píng)判算法”就是根據(jù)當(dāng)前的交通流特征信息，結(jié)合交通知識(shí)將交通擁擠程度進(jìn)行等級(jí)劃分，以量的形式告訴人們目前的交通擁擠情況。交通擁擠程度是一個(gè)模糊的概念，形容一個(gè)交通狀態(tài)是否擁擠并沒(méi)有很確切的數(shù)據(jù)，因此通常采用模糊推理的方式來(lái)評(píng)判交通擁堵?tīng)顟B(tài)。模糊推理法原理是根據(jù)交通流量、占有率和交通擁擠狀態(tài)之間的關(guān)系組成模糊規(guī)則矩陣，然后利用交通流量、占有率的實(shí)測(cè)數(shù)據(jù)作為輸入，通過(guò)一系列的模糊運(yùn)算推斷出交通擁堵?tīng)顟B(tài)。

“交通事件識(shí)別算法”就是利用交通事件發(fā)生時(shí)的特征和采集到的交通流參數(shù)，如車道占有率、平均速度、流量等交通參數(shù)，通過(guò)一定的檢測(cè)規(guī)則和算法，推斷出是否發(fā)生交通事件的過(guò)程。

2.1.3 信息發(fā)布

完成對(duì)道路交通狀態(tài)數(shù)據(jù)的發(fā)布功能，發(fā)布途徑主要有GIS地圖的發(fā)布路段渲染、VMS屏的道路狀態(tài)發(fā)布等。

2.2 二級(jí)數(shù)據(jù)融合模型

二級(jí)數(shù)據(jù)融合模型是根據(jù)系統(tǒng)在實(shí)際的實(shí)施中，自動(dòng)融合不能夠滿足有效反映部分路段的交通狀態(tài)，即某些特殊路段的交通狀態(tài)通過(guò)檢測(cè)器獲取的數(shù)據(jù)不能有效反映，需要人工輔助來(lái)彌補(bǔ)其不足。

2.2.1 第一級(jí)——多源數(shù)據(jù)的自動(dòng)融合

自動(dòng)融合模型是通過(guò)在系統(tǒng)中的算法和數(shù)據(jù)處理程序，完成對(duì)斷面線圈數(shù)據(jù)（流量、速度、車道占有率）、微波數(shù)據(jù)（流量、速度、車道占有率）、RFID數(shù)據(jù)（行程速度、行程時(shí)間）、地磁（流量、速度、占有率等）、卡口（流量、占有率等）、浮動(dòng)車數(shù)據(jù)（流量、速度、占有率等）等的初步分析和道路狀態(tài)的數(shù)據(jù)融合判定，并由誘導(dǎo)系統(tǒng)的VMS發(fā)布程序完成道路交通狀態(tài)的發(fā)布功能。

2.2.2 第二級(jí)——自動(dòng)融合和人工管控互補(bǔ)性融合

自動(dòng)融合在某些特定路段有一定的局限性，不能夠很好的反映路段由于地理位置、道路坡度等造成的交通特點(diǎn)，需要人工管控來(lái)輔助，實(shí)現(xiàn)對(duì)根據(jù)道路監(jiān)測(cè)和人工監(jiān)控結(jié)合的判定模式，這種情況的路段比較少，不會(huì)增加太多的人力資源。

2.3 基于知識(shí)庫(kù)的道路狀態(tài)判別修正機(jī)制

系統(tǒng)建立了基于歷史知識(shí)庫(kù)的道路狀態(tài)判別修正機(jī)制，即實(shí)時(shí)判別結(jié)果與歷史數(shù)據(jù)有個(gè)比對(duì)修正的機(jī)制，系統(tǒng)要正常運(yùn)行一段時(shí)間后，積累了大量的歷史道路狀態(tài)判別數(shù)據(jù)作為知識(shí)的積累，發(fā)布結(jié)果會(huì)越來(lái)越精確，從而滿足城市交通的需求。

2.4 動(dòng)態(tài)權(quán)值調(diào)整機(jī)制

多源數(shù)據(jù)融合通過(guò)權(quán)值分配機(jī)制實(shí)現(xiàn)對(duì)道路路段交通狀態(tài)的實(shí)時(shí)判別，將多源數(shù)據(jù)輸入道路狀態(tài)判別模型，依據(jù)上一時(shí)段的道路狀態(tài)數(shù)據(jù)進(jìn)行權(quán)值的動(dòng)態(tài)分配，并進(jìn)行數(shù)據(jù)融合處理和道路交通狀態(tài)的判別，通過(guò)人工反饋和與歷史數(shù)據(jù)庫(kù)的比對(duì)，對(duì)道路狀態(tài)異常數(shù)據(jù)回饋到道路狀態(tài)判別模型，進(jìn)行權(quán)值的動(dòng)態(tài)分配，從而保證道路狀態(tài)發(fā)布的準(zhǔn)確性。

2.5 數(shù)據(jù)融合及交通狀態(tài)判別算法模型

2.5.1 融合算法模型介紹

利用每個(gè)發(fā)布路段上每5min累積的車輛點(diǎn)速度，經(jīng)過(guò)數(shù)據(jù)預(yù)處理，計(jì)算平均車速，通過(guò)設(shè)計(jì)規(guī)則來(lái)反應(yīng)路段的交通狀況。對(duì)于樣本不足的路段，利用歷史數(shù)據(jù)或鄰近時(shí)間段的交通狀況的統(tǒng)計(jì)規(guī)律，彌補(bǔ)樣本覆蓋的不足。

2.5.1.1 交通狀態(tài)參數(shù)估計(jì)

對(duì)表征交通狀態(tài)的參數(shù)，如平均行程車速等進(jìn)行估計(jì)。

◆輸入：

路段檢測(cè)器數(shù)據(jù)（流量、點(diǎn)速度、占有率等）；

FCD數(shù)據(jù)（浮動(dòng)車的經(jīng)緯度、方向角、速度等）；

RFID（OD數(shù)據(jù)）；

微波（流量、速度、占有率等）；

地磁（流量、速度、占有率等）

卡口（流量、占有率等）

上一時(shí)段交通參數(shù)（樣本量不足時(shí)）

歷史數(shù)據(jù)（樣本量不足時(shí)）

◆輸出：

路段平均行程速度、路段2min流量統(tǒng)計(jì)、路段占有率統(tǒng)計(jì)；

2.5.1.2 交通狀態(tài)判別：根據(jù)交通狀態(tài)參數(shù)估計(jì)值，以及道路交通狀態(tài)分類分級(jí)的標(biāo)準(zhǔn)，對(duì)道路交通狀態(tài)作出判別。

◆輸入：

融合交通參數(shù)（平均行程速度）、流量數(shù)據(jù)、占有率數(shù)據(jù)

◆輸出：

VMS屏各發(fā)布路段的道路交通狀態(tài)值

2.5.1.3 多源數(shù)據(jù)融合算法模型

針對(duì)多源道路監(jiān)測(cè)數(shù)據(jù)的融合處理，這里以兩種以上的檢測(cè)器的速度數(shù)據(jù)的融合處理方式為例：

式中：v（t）——t時(shí)段內(nèi)融合后的速度數(shù)據(jù)，t取2min作為統(tǒng)計(jì)時(shí)段；

ωi（t）——采用第i種數(shù)據(jù)采集方式的權(quán)重值；

vi（t）——采用第i種數(shù)據(jù)采集方式獲得的行程速度數(shù)據(jù)。

同時(shí)引入動(dòng)態(tài)誤差反比例方法作為反饋控制信號(hào)，來(lái)實(shí)現(xiàn)多源數(shù)據(jù)權(quán)值的動(dòng)態(tài)調(diào)整和分配功能，

并對(duì)上式進(jìn)行歸一化處理，如下式：

2.5.2 道路交通狀態(tài)判別技術(shù)

2.5.2.1 道路交通狀態(tài)根據(jù)實(shí)際道路的等級(jí)，采用了三級(jí)判斷標(biāo)準(zhǔn)（如表1所示），采用計(jì)算的融合區(qū)間行程車速作為判別計(jì)算依據(jù)[1]：

表1 道路交通狀態(tài)判斷標(biāo)準(zhǔn)

2.5.2.2 引入路段流量來(lái)判定道路狀態(tài)，根據(jù)各道路通行狀況確定路段的流量判定閥值，進(jìn)行判定，依照判定邏輯進(jìn)行綜合的判定，確保狀態(tài)數(shù)據(jù)判別的可靠性。

2.5.2.3 通過(guò)對(duì)路段的占有率數(shù)據(jù)進(jìn)行分析，制定判定邏輯，實(shí)現(xiàn)對(duì)道路交通狀態(tài)的判別，并根據(jù)知識(shí)庫(kù)歷史數(shù)據(jù)進(jìn)行動(dòng)態(tài)修正。

說(shuō)明：在道路交通狀態(tài)判別并發(fā)布時(shí)，需要引入阻抗參數(shù)概念，即發(fā)布狀態(tài)時(shí)，交通狀態(tài)由堵塞變?yōu)闀惩〞r(shí)無(wú)需進(jìn)行額外判別；但當(dāng)交通狀態(tài)由暢通變?yōu)樽枞?，則需對(duì)前一時(shí)段狀態(tài)進(jìn)行判定。

記上一時(shí)段路段狀態(tài)值為S0，本時(shí)段路段計(jì)算狀態(tài)為，則：

3 系統(tǒng)實(shí)證性分析及功能實(shí)現(xiàn)

3.1 實(shí)證方式及分析

為了對(duì)系統(tǒng)的實(shí)施效果進(jìn)行評(píng)判，本系統(tǒng)采取人工判別的方法獲取真實(shí)的道路交通狀態(tài)信息，并與系統(tǒng)的評(píng)判結(jié)果進(jìn)行比對(duì)分析。根據(jù)人工判別所基于的設(shè)施設(shè)備不同，又可以分為視頻判別與現(xiàn)場(chǎng)判別兩種：

a）視頻判別 在視頻監(jiān)控室，根據(jù)不同監(jiān)控?cái)z像頭中顯示的道路車輛集散情況，由交警憑借實(shí)際經(jīng)驗(yàn)，判別對(duì)應(yīng)道路的交通狀態(tài)；

b）現(xiàn)場(chǎng)判別 在道路設(shè)定的監(jiān)測(cè)點(diǎn)觀察一段時(shí)間形成路段狀態(tài)的調(diào)研記錄，根據(jù)車流通行情況，判別所駛過(guò)道路的交通狀態(tài)。

為了調(diào)研系統(tǒng)發(fā)布的路況信息在不同的日期與時(shí)段的精度穩(wěn)定性，實(shí)證選取了周四、周五、周六三天的早、晚、平峰，抽樣20條發(fā)布路段，共計(jì)10080條交通狀態(tài)信息，進(jìn)行實(shí)證對(duì)比分析，結(jié)果如圖2和圖3所示。

經(jīng)過(guò)以上對(duì)系統(tǒng)發(fā)布狀態(tài)信息的準(zhǔn)確性及其影響因素的實(shí)地調(diào)研實(shí)證分析，得到以下結(jié)論：

圖2 現(xiàn)場(chǎng)判別與發(fā)布路況符合次數(shù)

圖3 視頻判別與發(fā)布路況符合次數(shù)

a）系統(tǒng)發(fā)布的路況信息總體準(zhǔn)確性較高，系統(tǒng)發(fā)布路段信息通過(guò)與現(xiàn)場(chǎng)觀測(cè)和視頻判別狀態(tài)比對(duì)達(dá)到95%以上，其中現(xiàn)場(chǎng)交通狀況判別結(jié)果與系統(tǒng)判別結(jié)果吻合度達(dá)到95.63%，視頻交通狀況判別結(jié)果與系統(tǒng)判別結(jié)果達(dá)到96.25%；

b）交通誘導(dǎo)系統(tǒng)發(fā)布的部分路段狀態(tài)異常，是部分監(jiān)測(cè)點(diǎn)數(shù)據(jù)樣本量不足導(dǎo)致實(shí)際的現(xiàn)場(chǎng)觀測(cè)和視頻判別狀態(tài)出現(xiàn)差異，通過(guò)對(duì)路段和檢測(cè)器進(jìn)行調(diào)整和部署，路段狀態(tài)發(fā)布可以恢復(fù)正常。

3.2 誘導(dǎo)系統(tǒng)實(shí)現(xiàn)效果

誘導(dǎo)系統(tǒng)實(shí)現(xiàn)效果如圖4所示。

圖4 誘導(dǎo)系統(tǒng)效果圖

本系統(tǒng)包括信息采集功能、誘導(dǎo)處理功能、實(shí)時(shí)誘導(dǎo)功能、信息發(fā)布功能。通過(guò)對(duì)道路上交通流信息的實(shí)時(shí)采集，獲得路網(wǎng)的車流量、占有率、車流平均速度、長(zhǎng)車流量等交通狀況信息。通過(guò)核心模型與算法，對(duì)信息進(jìn)行處理分析，生成高效的交通誘導(dǎo)預(yù)案與道路信息。由信息發(fā)布系統(tǒng)對(duì)外發(fā)布，為出行者提供道路信息。系統(tǒng)軟件展示應(yīng)用層具有如下功能：

a）VMS誘導(dǎo)發(fā)布控制 生成VMS實(shí)時(shí)動(dòng)態(tài)誘導(dǎo)信息，進(jìn)行交通誘導(dǎo)服務(wù)；

b）中心大屏控制功能 實(shí)時(shí)道路交通狀態(tài)監(jiān)控，實(shí)現(xiàn)狀態(tài)監(jiān)控；

c）WEB發(fā)布功能 公眾出行信息服務(wù)，信息發(fā)布功能；

d）系統(tǒng)管理功能 設(shè)備管理與數(shù)據(jù)信息分析。

4 結(jié)語(yǔ)

由于重慶市特殊的地理?xiàng)l件和道路交通環(huán)境的影響，建設(shè)智能交通系統(tǒng)，提高交通管理的現(xiàn)代化水平，促進(jìn)交通流在道路交通網(wǎng)絡(luò)上的均衡分布，進(jìn)而提高交通基礎(chǔ)設(shè)施的利用率，緩解交通供需矛盾，成為重慶市解決交通問(wèn)題的首要選擇，而多源交通信息數(shù)據(jù)融合技術(shù)是重慶市智能交通系統(tǒng)建設(shè)的基礎(chǔ)。

系統(tǒng)發(fā)布的路況信息總體準(zhǔn)確性較高，系統(tǒng)發(fā)布路段信息通過(guò)與現(xiàn)場(chǎng)觀測(cè)和視頻判別狀態(tài)比對(duì)達(dá)到95%以上，其中現(xiàn)場(chǎng)交通狀況判別結(jié)果與系統(tǒng)判別結(jié)果吻合度達(dá)到95.63%，視頻交通狀況判別結(jié)果與系統(tǒng)判別結(jié)果達(dá)到96.25%。通過(guò)項(xiàng)目建成后的運(yùn)行驗(yàn)證，應(yīng)用多源道路交通信息數(shù)據(jù)融合技術(shù)可以充分利用重慶市已建成的交通信息采集設(shè)備，較好的處理不同采集設(shè)備獲得的交通信息數(shù)據(jù)，為誘導(dǎo)系統(tǒng)的建設(shè)提供良好的基礎(chǔ)。

[1]GA/T 994—2012，道路交通準(zhǔn)確狀態(tài)信息發(fā)布規(guī)范[S].

[2]楊兆升，姜桂艷.城市交通流誘導(dǎo)系統(tǒng)結(jié)構(gòu)框架研究[J].公路交通科技，1997，14（3）：6-10.

[3]賀國(guó)光，馬壽峰.交通誘導(dǎo)系統(tǒng)智能化方案及其仿真研究[J].系統(tǒng)工程學(xué)報(bào)，2002，17（4）：323-310.

[4]石建軍，秦夢(mèng)陽(yáng).交通全信息情境領(lǐng)導(dǎo)在交通誘導(dǎo)控制中的應(yīng)用[J].公路交通科技，2011，（s1）：9-14.

[5]孔樺樺.交通仿真技術(shù)在城市交通誘導(dǎo)評(píng)價(jià)中的應(yīng)用研究[J].交通標(biāo)準(zhǔn)化，2011，（1）：7-11.

[6]田弼臣，胡正平，賀秀良，楊嘉.城市智能交通誘導(dǎo)系統(tǒng)研究[J].交通標(biāo)準(zhǔn)化，2011，（16）：151-155.