基于多源實時交通數(shù)據(jù)的城市道路交通狀態(tài)預(yù)測技術(shù)研究

高明坤

摘 要：交通事件和交通擁擠對道路交通的安全與效率具有重要影響，及時、準(zhǔn)確發(fā)現(xiàn)道路上存在的交通事件和交通擁擠一直是交通狀態(tài)監(jiān)測領(lǐng)域研究的焦點和難點，且隨著交通負(fù)荷的增加，交通擁擠預(yù)測已成為動態(tài)交通管理研究領(lǐng)域的熱點之一，涌現(xiàn)了大量的成果。然而，受交通數(shù)據(jù)獲取與處理方法的限制，交通狀態(tài)監(jiān)測與預(yù)測研究成果在效率、效果以及經(jīng)濟(jì)性方面還存在較大的提升空間。

關(guān)鍵詞：多源實時；交通數(shù)據(jù)；自動檢測

基于多源數(shù)據(jù)的交通狀態(tài)監(jiān)測與預(yù)測系統(tǒng)針對交通管理者和交通出行者的決策需求，利用專用車輛檢測器數(shù)據(jù)和各相關(guān)業(yè)務(wù)系統(tǒng)的共享數(shù)據(jù)，對道路交通狀態(tài)進(jìn)行監(jiān)測和預(yù)測，并通過各種交通信息發(fā)布方式對外發(fā)布。系統(tǒng)框架設(shè)計是確定和描述系統(tǒng)基本功能、系統(tǒng)構(gòu)成要素與外部環(huán)境之間關(guān)系和連接形式的一種有效手段，可使得系統(tǒng)的實施更為方便、簡單和有效。系統(tǒng)框架設(shè)計主要包括系統(tǒng)功能定位、系統(tǒng)邏輯框架設(shè)計以及系統(tǒng)物理框架設(shè)計等內(nèi)容。其中，系統(tǒng)功能定位應(yīng)結(jié)合系統(tǒng)用戶需求進(jìn)行分析；系統(tǒng)邏輯框架用于描述滿足預(yù)定功能要求的處理流程和信息流；物理框架用于將邏輯框架所定義的過程分配到各物理子系統(tǒng)中。

一、系統(tǒng)需求分析

基于多源數(shù)據(jù)的交通狀態(tài)監(jiān)測與預(yù)測系統(tǒng)的主要服務(wù)對象為交通管理者和交通參與者，下面分別對這兩類用戶的需求進(jìn)行分析。交通管理者需要盡早、準(zhǔn)確掌握道路上已經(jīng)存在的交通事件、道路上已經(jīng)存在的和即將發(fā)生的交通擁擠，以便制定有效的應(yīng)急救援方案和交通流疏導(dǎo)方案，提高道路交通的運行效率和安全性。交通參與者需要盡早、準(zhǔn)確知道道路上已經(jīng)存在的交通事件、道路上已經(jīng)存在的和即將發(fā)生的交通擁擠，以便有效地制定和調(diào)整出行方案，減少出行過程的延誤和不確定性。交通參數(shù)數(shù)據(jù)的獲取，不僅能夠自動獲取專用車輛檢測器數(shù)據(jù)，而且能夠共享各相關(guān)業(yè)務(wù)系統(tǒng)的基礎(chǔ)數(shù)據(jù)，包括感應(yīng)式交通控制系統(tǒng)、高速公路收費系統(tǒng)、車輛跟蹤調(diào)度系統(tǒng)等，實現(xiàn)以最低的成本對最大范圍的道路網(wǎng)絡(luò)進(jìn)行監(jiān)控；能夠基于各種數(shù)據(jù)源挖掘交通參數(shù)數(shù)據(jù)，并對其進(jìn)行必要的預(yù)處理，為交通狀態(tài)的監(jiān)測與預(yù)測提供良好的輸入數(shù)據(jù)基礎(chǔ)。交通事件狀態(tài)的監(jiān)測，針對從各種數(shù)據(jù)源獲取的交通數(shù)據(jù)的特點以及交通事件條件下這些交通數(shù)據(jù)的變化趨勢，開發(fā)適用于每種單一數(shù)據(jù)源的 AID 算法，實現(xiàn)對交通事件狀態(tài)的快速、準(zhǔn)確監(jiān)測；結(jié)合不同數(shù)據(jù)源體現(xiàn)交通事件狀態(tài)的能力，開發(fā)基于多源數(shù)據(jù)的交通事件自動檢測融合方法，進(jìn)一步提高交通事件狀態(tài)監(jiān)測的效率與效果。交通擁擠狀態(tài)的監(jiān)測與預(yù)測，針對各種單一數(shù)據(jù)源獲取的交通參數(shù)數(shù)據(jù)的特點以及交通擁擠程度變化時這些交通數(shù)據(jù)的變化趨勢，設(shè)計適用于每種數(shù)據(jù)源的 ACD 算法，實現(xiàn)對交通擁擠狀態(tài)的快速、準(zhǔn)確監(jiān)測，并能夠估計其未來可能的持續(xù)時間與空間擴(kuò)散演化趨勢；結(jié)合不同數(shù)據(jù)源體現(xiàn)交通擁擠狀態(tài)的能力，開發(fā)基于多源數(shù)據(jù)的交通擁擠自動檢測融合方法，實現(xiàn)對交通擁擠狀態(tài)的快速、準(zhǔn)確監(jiān)測，進(jìn)一步改善交通擁擠持續(xù)時間與空間擴(kuò)散演化趨勢的估計效果。

二、關(guān)鍵技術(shù)分析

（一）交通數(shù)據(jù)獲取及其預(yù)處理方法

交通數(shù)據(jù)是實現(xiàn)交通狀態(tài)監(jiān)測與預(yù)測的前提，已有研究多依賴于專用車輛檢測器數(shù)據(jù)，但由于受成本的限制，專用車輛檢測器的布設(shè)數(shù)量還十分有限，嚴(yán)重影響了交通狀態(tài)監(jiān)測與預(yù)測的經(jīng)濟(jì)性和空間覆蓋范圍。而感應(yīng)式交通控制系統(tǒng)、車輛跟蹤定位系統(tǒng)和道路收費系統(tǒng)等多種相關(guān)業(yè)務(wù)系統(tǒng)積累了并將繼續(xù)積累大量數(shù)據(jù)，零成本獲取或低成本增強這些數(shù)據(jù)源，對于擴(kuò)大路網(wǎng)監(jiān)視范圍、改善交通狀態(tài)監(jiān)測與預(yù)測效果具有十分重要的現(xiàn)實意義。因此，以專用車輛檢測器和多種相關(guān)業(yè)務(wù)系統(tǒng)為切入點，研究交通數(shù)據(jù)的獲取和預(yù)處理新方法，為交通狀態(tài)監(jiān)測與預(yù)測提供更為經(jīng)濟(jì)和廣泛的數(shù)據(jù)基礎(chǔ)是十分必要的。

（二）基于多源數(shù)據(jù)的交通事件自動檢測方法

準(zhǔn)確、及時的交通事件檢測一直是道路交通領(lǐng)域的研究熱點。盡管目前學(xué)者們已經(jīng)提出了多種 AID 算法，但已有研究表明，目前尚沒有一種算法可以在所有的道路及交通條件下均具有良好的檢測效果，如何利用每種 AID 算法在不同交通條件下的性能優(yōu)勢，得到更為可靠、快速的檢測結(jié)果成為亟待解決的問題。此外，這些 AID 算法基本都是以專用車輛檢測器數(shù)據(jù)為基礎(chǔ)的，而基于相關(guān)業(yè)務(wù)系統(tǒng)所獲取的交通數(shù)據(jù)具有一定的特殊性，已有 AID 算法難以得到較好的檢測效果或者根本無法使用。

（三）基于多源數(shù)據(jù)的交通擁擠自動檢測方法

已經(jīng)發(fā)生的交通擁擠是道路交通管理和控制的重點。但已有研究表明，過高的誤檢率一直是 ACD 算法在實際工程應(yīng)用中的最大缺陷，如何在確保較高檢測率的前提下減少其誤檢次數(shù)成為亟待解決的問題。此外，已有研究結(jié)果多以專用車輛檢測器數(shù)據(jù)為基礎(chǔ)，如果直接應(yīng)用于各相關(guān)業(yè)務(wù)系統(tǒng)，將會導(dǎo)致其難以得到較好的檢測效果或者根本無法使用。因此，針對專用車輛檢測器數(shù)據(jù)研究更有效的 ACD 算法，并針對基于各種相關(guān)業(yè)務(wù)系統(tǒng)獲取的交通數(shù)據(jù)設(shè)計具有針對性的 ACD 新算法，對于提高交通擁擠狀態(tài)的監(jiān)測效果具有重要的學(xué)術(shù)意義和實用價值。

（四）交通擁擠預(yù)測方法

交通擁擠預(yù)測的核心是對時間尺度小于 15min的短時交通參數(shù)進(jìn)行多步預(yù)測，但目前短時交通參數(shù)多步預(yù)測方法大多采用固定的預(yù)測步數(shù)，在一定程度上影響了多步預(yù)測的效果。有學(xué)者提出的交通數(shù)據(jù)動態(tài)可預(yù)測性估計方法，可實現(xiàn)對交通數(shù)據(jù)序列的可預(yù)測程度進(jìn)行在線分析，但該方法通過設(shè)計關(guān)聯(lián)數(shù)據(jù)特征指標(biāo)建立可預(yù)測步數(shù)估計模型，而關(guān)聯(lián)數(shù)據(jù)特征指標(biāo)的使用在一定程度上會導(dǎo)致交通參數(shù)時間序列特征信息的損失。

三、結(jié)束語

本文界定了基于多源數(shù)據(jù)的交通狀態(tài)監(jiān)測與預(yù)測系統(tǒng)的用戶需求，據(jù)此對系統(tǒng)的基本功能進(jìn)行了定位，然后重點就多源實時交通數(shù)據(jù)的城市道路交通狀態(tài)預(yù)測技術(shù)進(jìn)行了分析和闡述，為下一步設(shè)計系統(tǒng)的結(jié)構(gòu)框架，包括系統(tǒng)邏輯框架和物理框架，打下了良好的基礎(chǔ)。

參考文獻(xiàn)：

[1]裴玉龍，馬驥.實時交通數(shù)據(jù)的篩選與恢復(fù)研究[J].土木工程學(xué)報，2015.

[2]冮龍暉.城市交通參數(shù)多步預(yù)測方法研究[J].吉林大學(xué)學(xué)報，2014.