基于大數(shù)據(jù)分析的交通擁堵預(yù)測技術(shù)

林立春 劉華 洪東

摘要：文章利用大數(shù)據(jù)分析，挖掘潛在規(guī)則對交通擁堵進行預(yù)測，為提高預(yù)測的準確性并能適應(yīng)常發(fā)性擁堵和偶發(fā)性擁堵，運用了多模型融合技術(shù)，加以改進的兩級加權(quán)優(yōu)化ELM和自適應(yīng)權(quán)重，同時引入了擁堵傳導(dǎo)規(guī)則，進一步提升擁堵預(yù)測的精確性和關(guān)聯(lián)性。當預(yù)測或已發(fā)生交通擁堵時，在擁堵誘導(dǎo)上采取局部路網(wǎng)總成本最優(yōu)化，也可為相應(yīng)管理部門實現(xiàn)全局路網(wǎng)總成本最優(yōu)化，以提高道路整體通行能力。仿真實驗結(jié)果表明，多模型融合技術(shù)能有效提高并能在較長時限下維持擁堵預(yù)警準確度，可為未來規(guī)劃提供決策輔助，更為建設(shè)智慧交通城市助力。

關(guān)鍵詞：大數(shù)據(jù);預(yù)測;交通擁堵;加權(quán)優(yōu)化

0 引言

近年來，國家倡導(dǎo)發(fā)展“低碳社會”和“節(jié)約型社會”。而交通擁堵問題影響居民生活質(zhì)量、加重大氣污染、降低城市運行效率，已經(jīng)成為阻礙城市發(fā)展的“城市病”。在當今“互聯(lián)網(wǎng)+”和大數(shù)據(jù)發(fā)展的時代，利用大數(shù)據(jù)分析可以科學(xué)地預(yù)測路網(wǎng)的交通擁堵程度，不僅可為市民出行合理規(guī)劃路線，還可為交通管理部門提出合理疏導(dǎo)方案，提升次干道和支路的利用率，亦可為路網(wǎng)規(guī)劃部門給出合理的未來規(guī)劃建議，為建設(shè)智慧交通城市助力。

建設(shè)智慧交通城市應(yīng)以人文本，發(fā)揮主人翁意識，讓人人都是交通參與者，人人都是交通管理者。應(yīng)打造智慧交通全方位數(shù)據(jù)平臺，建立基于“互聯(lián)網(wǎng)+”、大數(shù)據(jù)的“眾治”理念，形成多邊、民主、透明的交通管理生態(tài)環(huán)境，完善智慧交通協(xié)同服務(wù)體系。

1 架構(gòu)的提出

從成因上來劃分，交通擁堵一般可歸納為常發(fā)性交通擁堵和偶發(fā)性交通擁堵。常發(fā)性交通擁堵具有一定規(guī)律可循，在大數(shù)據(jù)分析上具有明顯特征。偶發(fā)性交通擁堵隨機性大，規(guī)律不甚明顯。本文的側(cè)重點在于對交通擁堵的預(yù)測，創(chuàng)新點有：（1）對綜合常發(fā)性交通擁堵和偶發(fā)性交通擁堵通過自適應(yīng)權(quán)重進行預(yù)測，并提出兩級加權(quán)來優(yōu)化ELM;（2）在模糊C均值聚類上改進，實現(xiàn)可變系數(shù)加權(quán)聚類優(yōu)化方法;（3）應(yīng)用自學(xué)習(xí)模型和擁堵傳導(dǎo)模型，進一步提高擁堵的預(yù)測準確性;（4）利用路網(wǎng)總成本的局部最優(yōu)實現(xiàn)擁堵誘導(dǎo)，以提高城市的整體通行能力。

1.1 常發(fā)性交通擁堵

分析歷史大數(shù)據(jù)發(fā)現(xiàn)，同一路段的交通流雖然是變化的，但具有一定的周期性規(guī)律。例如圖1是南寧市廂竹大道某路段在2019年4月18～26日的擁堵指數(shù)變化規(guī)律呈現(xiàn)圖。圖的橫軸為時間，將縱軸分為5級的擁堵指數(shù)。從圖中可以看出工作日期間天與天之間具有很強的自相似性。類似的，周末與周末之間也具有較強的自相似性?？梢钥闯鰪妮^長統(tǒng)計周期的大數(shù)據(jù)中挖掘出自相似性上反映出來的變化規(guī)律，對交通進行相關(guān)指導(dǎo)，具有相當重要的現(xiàn)實意義。

1.2 偶發(fā)性交通擁堵

除了分析歷史大數(shù)據(jù)，根據(jù)交管部門多年的實測數(shù)據(jù)表明，諸如交通事故、交通違法、道路施工、大型活動、極端天氣和其他特殊狀況等因素是導(dǎo)致交通擁堵的直接誘因，本文因其是動態(tài)發(fā)生的，稱其為動態(tài)影響因素。以長沙市為例，百度大數(shù)據(jù)統(tǒng)計動態(tài)影響交通擁堵的因素占比如表1所示。將這些因素充分考慮進來，在歷史大數(shù)據(jù)挖掘的基礎(chǔ)上，結(jié)合實時的交通數(shù)據(jù)（交通流量、平均速度、浮動車數(shù)據(jù)等），可以提高各類擁堵情況的預(yù)測精度。

1.3 提出架構(gòu)

基于大數(shù)據(jù)分析的交通擁堵預(yù)警平臺架構(gòu)簡圖如圖2所示。架構(gòu)的核心是構(gòu)建規(guī)則庫，該規(guī)則庫不僅含有常發(fā)性交通擁堵的規(guī)則，也含有偶發(fā)性交通擁堵的規(guī)則，其優(yōu)劣直接關(guān)系到預(yù)測精度。在給出未來時刻的預(yù)測后，通過時間序列的實時數(shù)據(jù)驗證進行自學(xué)習(xí)，以期收斂和準確。

2 關(guān)鍵技術(shù)

2.1 可變系數(shù)加權(quán)聚類優(yōu)化

K均值聚類（K-means）是基礎(chǔ)的聚類算法，進行固定數(shù)目的樣本劃分，是一種硬性劃分。模糊C均值聚類（FCM）相對來說是一種柔性的劃分方法，其劃分結(jié)果是各個樣本的隸屬程度，而不是屬于某類，是K-means的改進。

基于路段本質(zhì)特征有車道數(shù)量、人行橫道數(shù)量、紅綠燈數(shù)量等都是不同的，加之工作日、周末和節(jié)假日的數(shù)據(jù)特征也有很大差異，顯然需要對不同維度上的特征加以不同的側(cè)重。故此提出了一種可變系數(shù)加權(quán)聚類優(yōu)化方法。

最后一條約束表示多條路徑都流經(jīng)?。ㄟ叄゛KL，則流經(jīng)重疊弧aKL的交通量總和∑XKL不超過其通行能力。該模型同樣適用于計算整體路網(wǎng)總成本最優(yōu)，為相應(yīng)管理部門疏導(dǎo)交通或?qū)ξ磥斫煌ㄒ?guī)劃輔助決策。

2.4 擁堵傳導(dǎo)規(guī)則的挖掘

如果路段R1在時刻t0出現(xiàn)交通擁堵，R1的相鄰路段（臨邊）R2在σt個單位時間之后也出現(xiàn)了交通擁堵，這樣的時間序列關(guān)聯(lián)規(guī)則即為擁堵傳導(dǎo)規(guī)則。類似于自適應(yīng)學(xué)習(xí)算法，σt在閾值T1、T2之內(nèi)進行自學(xué)習(xí)收斂，以期在實際應(yīng)用中給出高時效性的擁堵預(yù)測。T1、T2的選取由經(jīng)驗獲得，本平臺設(shè)為可配置的初始值[5，30]。此外，為降低時空復(fù)雜度，本平臺擁堵傳導(dǎo)規(guī)則僅計算臨邊，但整個路網(wǎng)的連通性已能反映出間接擁堵傳導(dǎo)。

3 仿真實驗

實驗在MATLAB平臺上進行，軟件版本為MATLAB 2014 b（64位）。實驗機器配置為Intel Core i7-4770處理器，內(nèi)存為16 G。樣本數(shù)據(jù)采用廣西交通運輸云數(shù)據(jù)中心部分樣本數(shù)據(jù)，模擬環(huán)境為南寧市中心城區(qū)多條易擁堵路線，在8：00、12：00和18：00 3個早中晚上下班高峰時段進行30 min內(nèi)的連續(xù)預(yù)測和驗證。仿真結(jié)果如圖3所示，橫軸為預(yù)測時長，縱軸為預(yù)測準確率。在純時序大數(shù)據(jù)集下，隨著預(yù)測時刻越遠，預(yù)測準確度下降越大。在本平臺綜合多種數(shù)據(jù)集及相應(yīng)技術(shù)的情況下，隨著預(yù)測時刻的延長，預(yù)測準確度趨于平滑。

4 結(jié)語

本文在集成學(xué)習(xí)思想的基礎(chǔ)上，融合常發(fā)性和偶發(fā)性交通擁堵，提出擁堵預(yù)警平臺框架，引入了可變系數(shù)加權(quán)聚類優(yōu)化方法，運用多模型融合技術(shù)、兩級加權(quán)優(yōu)化ELM和自適應(yīng)權(quán)重模型對交通擁堵的趨勢變化、周期性變化和隨機性變化進行預(yù)測。同時引入了擁堵傳導(dǎo)規(guī)則，進一步提升擁堵預(yù)測的精確性和關(guān)聯(lián)性。在擁堵誘導(dǎo)上采取局部最優(yōu)化，以提高道路的整體通行能力。實驗結(jié)果表明，平臺的預(yù)警精確度較高，均在80%以上，且隨著預(yù)測時間的延長，預(yù)測精度在下降過程中趨于平滑。

擁堵預(yù)警的作用和意義重大，除了引言提到的作用，還可為交通運輸行業(yè)（例如物流）以及其他行業(yè)提供有價值的規(guī)律，優(yōu)化其運行方案，為經(jīng)濟發(fā)展助力。對于未來的展望，擁堵預(yù)警亦可服務(wù)于面向車路協(xié)同以及無人駕駛的應(yīng)用上。此外借助于仿真，還可以對未來的路網(wǎng)改造、交通規(guī)劃方案等提供決策輔助。

這一技術(shù)存在的問題有歷史原因以及受信息安全和保密管理等相關(guān)規(guī)定的影響。公安網(wǎng)絡(luò)歷來與互聯(lián)網(wǎng)等網(wǎng)絡(luò)都是物理隔離的，公安交通管理部門掌握的數(shù)據(jù)和資料對外共享較困難，一些數(shù)據(jù)交流常采用定期開放的方式，實時性不強。建議將系統(tǒng)數(shù)據(jù)做部分映射，將不涉及隱私和信息安全且又有必要公開的交通數(shù)據(jù)進行實時共享。對訪問的各類用戶可以進行資格審查并簽署協(xié)議，投入商用要適當收取費用。同時，智能交通管理系統(tǒng)所需的外單位數(shù)據(jù)要盡早形成信息共享，尚需有政策層面的配套保障機制，推動交通大數(shù)據(jù)技術(shù)的發(fā)展與應(yīng)用。

總之，完善智慧交通管理機制體制，打造智慧交通全方位數(shù)據(jù)平臺，建立智慧交通協(xié)同服務(wù)體系是未來發(fā)展的必然趨勢。

參考文獻：

[1]沈 晴.面向交通擁堵預(yù)測大數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)群組快速學(xué)習(xí)[D].北京：北京科技大學(xué)，2017.

[2]周輝宇.基于大數(shù)據(jù)規(guī)則挖掘的交通擁堵治理研究[J].統(tǒng)計與信息論壇，2017，32（5）：96-101.

[3]鄧萬宇，鄭慶華，陳 琳，等.神經(jīng)網(wǎng)絡(luò)極速學(xué)習(xí)方法研究[J].計算機學(xué)報，2010，33（2）：279-287.

[4]舒 忠.基于大數(shù)據(jù)的交通擁堵現(xiàn)狀與治堵策略研究——以長沙市為例[J].河南科技，2019（22）：114-116.

[5]Lichun Lin，Shi Tong.Automatic Spatial Annotation of Image Based on Object Recognition[J].Journal of Information & Computational Science，2013，10（18）：5 829-5 847.

[6]薛倚明，饒 涓.整體優(yōu)化路網(wǎng)交通量分配的系統(tǒng)思想[J].運籌與管理，2000，9（2）：79-83.

收稿日期：2020-05-27