基于遺傳算法的高速公路施工區(qū)交通仿真研究

孫佳豪 胡江濤 朱嘉鈺 由冰玉 黃子路

摘? 要：若要科學(xué)、有效地開展高速公路施工區(qū)交通仿真分析，需要對(duì)仿真模型的參數(shù)進(jìn)行標(biāo)定，標(biāo)定工作必須符合實(shí)際交通規(guī)律，且具有可復(fù)用性。文章采用無(wú)人機(jī)視頻錄制法進(jìn)行交通流數(shù)據(jù)采集，基于遺傳算法進(jìn)行了仿真模型的自動(dòng)化標(biāo)定程序設(shè)計(jì)，完成了封閉超車道施工區(qū)仿真模型參數(shù)的標(biāo)定工作，并證明了參數(shù)標(biāo)定的有效性，最終運(yùn)用標(biāo)定好的仿真模型，進(jìn)行了施工區(qū)交通運(yùn)行狀態(tài)建模仿真及交通影響分析。

關(guān)鍵詞：高速公路;交通仿真;參數(shù)標(biāo)定;交通影響分析

中圖分類號(hào)：TP391.9? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）19-0076-06

Research on Traffic Simulation of Expressway Construction Section Based on Genetic Algorithm

SUN Jiahao， HU Jiangtao， ZHU Jiayu， YOU Bingyu， HUANG Zilu

（North China Municipal Engineering Design & Research Institute Co.， Ltd.， Tianjin? 300381， China）

Abstract： In order to carry out the traffic simulation analysis of expressway construction section scientifically and effectively， it is necessary to calibrate the parameters of the simulation model. The calibration work must conform to the actual traffic laws and be reusable. In this paper， the UAV video recording method is used for traffic flow data collection， the automatic calibration program of the simulation model is designed based on the genetic algorithm， the parameter calibration of the simulation model in the construction section of the closed overtaking lane is completed， and the effectiveness of the parameter calibration is proved. Finally， modeling and simulation of traffic running state and traffic impact sanalysis in the construction section are carried out by using the calibrated simulation model.

Keywords： expressway; traffic simulation; parameter calibration; traffic impact analysis

0? 引? 言

截至2020年底，我國(guó)公路里程達(dá)519.81萬(wàn)公里，其中高速公路里程達(dá)16.1萬(wàn)公里，公路運(yùn)輸系統(tǒng)對(duì)經(jīng)濟(jì)社會(huì)發(fā)展的支撐作用顯著提升。然而，現(xiàn)存的高速公路修建時(shí)期不一，為適應(yīng)新的交通運(yùn)輸服務(wù)需求，需要對(duì)一些不滿足服務(wù)需求的高速公路路段進(jìn)行改擴(kuò)建施工，另外還需要對(duì)一些達(dá)不到交通安全要求的路段進(jìn)行養(yǎng)護(hù)維護(hù)施工，因此高速公路施工區(qū)已成為高速公路網(wǎng)的重要組成部分。

我國(guó)高速公路施工區(qū)的布置及管理通常參照《公路養(yǎng)護(hù)安全作業(yè)規(guī)程》中的典型養(yǎng)護(hù)作業(yè)控制區(qū)布置要求，其布置條件及分類相對(duì)單一，難以適應(yīng)各種交通工況。若要優(yōu)化施工區(qū)布置，需要進(jìn)行實(shí)地調(diào)查及實(shí)驗(yàn)，這樣將會(huì)耗費(fèi)大量的人力和物力，借助計(jì)算機(jī)仿真技術(shù)可有效解決這一問(wèn)題。目前市面上的交通仿真軟件數(shù)不勝數(shù)，但這些軟件的默認(rèn)配置參數(shù)難以符合特定區(qū)域的交通運(yùn)行規(guī)律，因此需要對(duì)其參數(shù)進(jìn)行標(biāo)定。

近年來(lái)，國(guó)內(nèi)外多位學(xué)者基于特定區(qū)域的交通調(diào)查數(shù)據(jù)，利用遺傳算法（GA）、模擬退火算法（SA）、禁忌搜索（TS）等多種算法進(jìn)行了微觀仿真模型的標(biāo)定工作，并利用標(biāo)定好的模型進(jìn)行了交通影響評(píng)估及施工方案評(píng)定[1-4]。21世紀(jì)以來(lái)，隨著國(guó)內(nèi)交通運(yùn)輸規(guī)劃及管理的加強(qiáng)，基于計(jì)算機(jī)輔助的模型標(biāo)定、優(yōu)化方法越來(lái)越多地應(yīng)用于交通問(wèn)題的解決當(dāng)中，國(guó)內(nèi)多位學(xué)者針對(duì)不同的交通問(wèn)題，采用多種模型評(píng)價(jià)指標(biāo)及數(shù)學(xué)算法，完成了對(duì)交通仿真模型的標(biāo)定、優(yōu)化及求解[5-12]。

本文以雙向四車道高速公路封閉超車道施工區(qū)為例，建立VISSIM仿真模型，基于遺傳算法原理對(duì)待標(biāo)定參數(shù)進(jìn)行編碼，設(shè)計(jì)適用于特定交通場(chǎng)景的適應(yīng)度函數(shù)，通過(guò)遺傳算子模擬遺傳過(guò)程，并實(shí)現(xiàn)仿真模型的自動(dòng)化標(biāo)定，從而為施工區(qū)仿真模型參數(shù)標(biāo)定提供可靠、高效的方法，為高速公路施工區(qū)布置的優(yōu)化工作提供支撐。

1? 施工區(qū)交通特性分析

為達(dá)到較高的仿真真實(shí)度，必須以一定量的實(shí)際交通運(yùn)行數(shù)據(jù)為基礎(chǔ)，建立模型并進(jìn)行相應(yīng)的可靠度檢驗(yàn)，因此需要對(duì)實(shí)際高速公路施工區(qū)路段進(jìn)行交通調(diào)查。

1.1? 交通調(diào)查

采用無(wú)人機(jī)錄像法，對(duì)某高速公路施工區(qū)路段進(jìn)行視頻錄制，共錄制長(zhǎng)達(dá)4小時(shí)的交通運(yùn)行視頻，用于提取交通量、交通組成、車頭時(shí)距、車速分布、換道特性等交通流參數(shù)。調(diào)查地點(diǎn)施工區(qū)布置如圖1所示。

1.2? 統(tǒng)計(jì)結(jié)果分析

1.2.1? 交通量與交通組成

調(diào)查數(shù)據(jù)共涉及1 498輛小型車和827輛大型車，高峰小時(shí)交通量為614 veh/h，分時(shí)段交通量統(tǒng)計(jì)如圖2所示。

1.2.2? 車頭時(shí)距

車頭時(shí)距定義為前后車的車頭通過(guò)同一位置的時(shí)間差，該指標(biāo)的分布可在一定程度上反映出某路段的通行效率和行車風(fēng)險(xiǎn)水平。在施工區(qū)路段中，警告區(qū)后部至上游過(guò)渡區(qū)是車輛進(jìn)行換道及減速的區(qū)段，是施工區(qū)的交通瓶頸和高風(fēng)險(xiǎn)區(qū)，需要分車道統(tǒng)計(jì)該區(qū)段的車頭時(shí)距，其中，超車道上的平均車頭時(shí)距為7.01 s，行車道上的平均車頭時(shí)距為6.38 s，由此可知該路段處于低交通量狀態(tài)。

1.2.3? 車速

車速同樣可以反映施工區(qū)通行效率和行車風(fēng)險(xiǎn)水平，針對(duì)上游正常路段、警告區(qū)和作業(yè)區(qū)，分別統(tǒng)計(jì)小型車和大型車的車速，其分布結(jié)果均服從正態(tài)分布，三個(gè)區(qū)段的平均車速、運(yùn)行速度及車速方差如表1所示。

1.2.4? 換道特性

根據(jù)封閉超車道施工區(qū)的布置情況，車輛需要在警告區(qū)后部或上游過(guò)渡區(qū)進(jìn)行車道變換，一般認(rèn)為，換道位置越靠后，與相鄰車道車輛發(fā)生沖突的風(fēng)險(xiǎn)系數(shù)越高，因此車輛換道位置的分布對(duì)行車安全評(píng)估具有重要意義。鑒于大部分換道行為來(lái)源于小型車，因此主要針對(duì)小型車進(jìn)行統(tǒng)計(jì)，車輛換道位置分布如圖3所示。

統(tǒng)計(jì)結(jié)果顯示，大部分車輛均在警告區(qū)末端換道，另有7.5%的車輛選擇在上游過(guò)渡區(qū)前部換道，屬于強(qiáng)制性不安全換道行為。經(jīng)過(guò)對(duì)車輛換道位置的進(jìn)一步研究，發(fā)現(xiàn)其大致符合卡方分布，如式（1）所示，換道位置分布擬合如圖4所示。

2? 標(biāo)定參數(shù)敏感性分析

2.1? 施工區(qū)仿真模型建立

使用VISSIM軟件建立高速公路封閉超車道施工區(qū)模型，為簡(jiǎn)便起見(jiàn)，本文所建模型僅包含單向路段。施工區(qū)按照實(shí)際調(diào)查的施工區(qū)（圖1）進(jìn)行布置，如圖5所示，車道寬度為3.75 m。同時(shí)，通過(guò)設(shè)置VISSIM中一系列駕駛行為參數(shù)，模擬實(shí)現(xiàn)施工區(qū)內(nèi)各標(biāo)志的位置設(shè)置和設(shè)置效果。

2.2? 模型評(píng)價(jià)指標(biāo)選取

交通流特性中可用于評(píng)價(jià)仿真模型的指標(biāo)有很多，如交通量、斷面車速、排隊(duì)長(zhǎng)度、排隊(duì)次數(shù)、行程時(shí)間、延遲時(shí)間、車道占有率、停車次數(shù)等，在選取模型評(píng)價(jià)指標(biāo)時(shí)，應(yīng)遵循易得性、代表性、敏感性原則。為體現(xiàn)封閉超車道施工區(qū)特點(diǎn)，基于前文的交通特性分析結(jié)果，最終選取交通量、斷面車速分布和換道位置分布為模型評(píng)價(jià)指標(biāo)。下面將對(duì)評(píng)價(jià)指標(biāo)進(jìn)行敏感性分析，為減小誤差，實(shí)驗(yàn)中使用不同隨機(jī)種子，對(duì)多次仿真結(jié)果取平均值。

2.2.1? 交通量

仿真結(jié)果表明，通過(guò)施工區(qū)的交通量與實(shí)際交通量基本相符，因此交通量不作為仿真模型標(biāo)定的評(píng)價(jià)指標(biāo)。另外，對(duì)于不同的隨機(jī)種子，其交通量也不同，因此可取多次仿真結(jié)果的平均值進(jìn)行分析。

2.2.2? 斷面車速

選取與施工區(qū)交通調(diào)查測(cè)速點(diǎn)相同的位置，對(duì)仿真結(jié)果進(jìn)行提取，結(jié)果表明，仿真結(jié)果與調(diào)查數(shù)據(jù)的相對(duì)誤差較小，因此斷面車速也不作為仿真模型標(biāo)定的評(píng)價(jià)指標(biāo)。

2.2.3? 換道位置分布

如圖6所示，對(duì)車輛換道位置進(jìn)行統(tǒng)計(jì)，對(duì)比換道位置分布擬合曲線。由圖6可知，換道位置仿真情況與實(shí)際情況相差較大，表明換道位置分布較為敏感，因此應(yīng)作為重要的仿真模型評(píng)價(jià)指標(biāo)。

2.3? 參數(shù)敏感性分析

將不同位置換道車輛比例的仿真值與實(shí)測(cè)值的方差E作為敏感性分析指標(biāo)，用以反映換道位置的仿真效果，計(jì)算公式為：

（2）

其中，Nlci為區(qū)間i的換道車輛數(shù)仿真值，Alci為區(qū)間i的換道車輛數(shù)實(shí)測(cè)值，n為區(qū)間數(shù)量。

根據(jù)VISSIM二次開發(fā)手冊(cè)，可編輯的相關(guān)駕駛行為參數(shù)共23個(gè)，分別以10%的幅度調(diào)整備選參數(shù)，經(jīng)過(guò)多次仿真運(yùn)行，敏感性分析結(jié)果如表2、表3所示。

根據(jù)備選參數(shù)的敏感性進(jìn)行排序，從23個(gè)備選參數(shù)中選出敏感性大于3%的8個(gè)參數(shù)：CC0（停車間距）、CC1（車頭時(shí)距）、CC3（進(jìn)入跟車狀態(tài)的閾值）、CC4（消極跟車狀態(tài)的閾值）、CC5（積極跟車狀態(tài)的閾值）、CC6（車速振動(dòng)）、CC7（加速度波動(dòng)幅度）、安全距離折減系數(shù)，將這8個(gè)參數(shù)用作待標(biāo)定的仿真模型參數(shù)。

3? 遺傳算法標(biāo)定程序設(shè)計(jì)

3.1? 遺傳算法概述

遺傳算法（Genetic Algorithm， GA）是一種啟發(fā)式算法，模擬了生物進(jìn)化自然選擇和遺傳機(jī)理的計(jì)算模型，被廣泛應(yīng)用于各個(gè)領(lǐng)域的優(yōu)化求解問(wèn)題中。遺傳算法的一般步驟為：（1）基因編碼。即待標(biāo)定參數(shù)的編碼工作，對(duì)應(yīng)種群的遺傳基因。（2）初始化種群。多組待標(biāo)定參數(shù)的初值，作為參數(shù)可選集合。（3）評(píng)價(jià)個(gè)體適應(yīng)度。即設(shè)定待優(yōu)化的目標(biāo)函數(shù)，模擬優(yōu)勝劣汰規(guī)則。（4）遺傳操作。即淘汰不良參數(shù)組合、交叉重組參數(shù)和單個(gè)參數(shù)突變，用以模擬遺傳規(guī)律。

通過(guò)重復(fù)步驟（3）～（4），即模擬自然界中的進(jìn)化過(guò)程，從而最終逼近或得到最優(yōu)解。遺傳算法的大體流程如圖7所示。

3.2? 適應(yīng)度函數(shù)設(shè)計(jì)

適應(yīng)度函數(shù)沿用敏感性分析指標(biāo)，即車輛換道位置分布仿真值與實(shí)際值的方差E，方差越小，表明個(gè)體基因?qū)Νh(huán)境的適應(yīng)度越高。為便于處理，對(duì)方差結(jié)果取倒數(shù)，則適應(yīng)度函數(shù)為：

（3）

式中各變量的含義同式（2）。

3.3? 遺傳算子設(shè)計(jì)

3.3.1? 選擇算子

自然選擇過(guò)程中，適應(yīng)度差的個(gè)體不會(huì)被直接淘汰，而是有著較低的生存概率，通常使用“輪盤賭”法進(jìn)行模擬，即個(gè)體生存概率表示為：

（4）

其中，Pi為個(gè)體i的生存概率，F(xiàn)i為其適應(yīng)度，F(xiàn)j為同一種群中個(gè)體j的適應(yīng)度函數(shù)值。實(shí)現(xiàn)代碼為：

FunctionSelectSurvive（i As Integer）

If GetFitness（i） > Rnd Then

For j = 1 To 8

parents（i， j） = children（i， j）

Next j

SelectSurvive = true

Else SelectSurvive = false

End If

End Function

3.3.2? 交叉算子

交叉算子模擬了遺傳中的基因重組，本文采用十進(jìn)制基因編碼，采用隨機(jī)權(quán)重的方法對(duì)兩個(gè)個(gè)體的基因進(jìn)行組合，以基因x1為例，兩個(gè)父代個(gè)體產(chǎn)生下一代的基因x1為：

（5）

其中，為子代個(gè)體基因x1的值;和分別為兩個(gè)父代個(gè)體基因x1的值，r為取值為（0，1）的隨機(jī)數(shù)。實(shí)現(xiàn)代碼為：

Function GeneticreCombination（paramId As Integer， parent1Id As Integer， parent2Id As Integer）

For j = 1 To 8

r = Format（Rnd， “##0.00”）

children（paramId， j） = Format（r * parents（parent1Id， j） + （1 - r） * parents （parent2Id， j）， “##0.00”）

End If

Next j

End Function

3.3.3? 變異算子

變異算子的引入可在一定程度上打破最終解的局限性，根據(jù)所設(shè)定的突變概率，決定是否執(zhí)行變異操作。同樣以基因x1為例，變異后的基因x1為：

（6）

其中，為變異后基因x1的值，x1min為基因x1的最小取值;Δx1為基因x1的取值范圍，r為隨機(jī)數(shù)。實(shí)現(xiàn)代碼為：

Function Variation（childId As Integer）

For i = 1 To 8

If varP > Rnd Then

children（childId， i） = Format（xmin（i） + （xmax（i） - xmin（i）） * Rnd， “##0.00”）

End If

Next i

End Function

3.4? 運(yùn)行結(jié)果檢驗(yàn)

將上述子模塊進(jìn)行組裝，并配以Form操作界面，封裝成封閉超車道施工區(qū)仿真模型標(biāo)定程序，軟件界面如圖8所示。將種群數(shù)量設(shè)置為50，變異概率設(shè)置為0.05，最終將迭代穩(wěn)定時(shí)的子代基因視為標(biāo)定結(jié)果，為（2.51，0.56， -10.43，-0.27，0.91，12.98，0.35，0.90），采用默認(rèn)參數(shù)時(shí)的換道位置方差為63.53，標(biāo)定后為29.18，標(biāo)定后的車輛換道位置分布如圖9所示。

結(jié)果表明，經(jīng)過(guò)標(biāo)定的換道位置分布更符合實(shí)際情況，主要體現(xiàn)在集中換道位置的后移，由于受VISSIM軟件版本功能及算法時(shí)耗的限制，仿真結(jié)果與實(shí)際情況仍存在一定的差距，但卻為施工區(qū)仿真模型的標(biāo)定工作提供了新的思路和方向。

4? 施工區(qū)布置優(yōu)化

4.1? 施工區(qū)交通影響評(píng)價(jià)方法

對(duì)于存在瓶頸路段的封閉超車道施工區(qū)，通行能力評(píng)價(jià)是最簡(jiǎn)單、最直觀的通行效率評(píng)價(jià)方法，合流區(qū)的交通沖突指標(biāo)為更具代表性的交通安全評(píng)價(jià)指標(biāo)。其中，交通沖突水平可通過(guò)美國(guó)聯(lián)邦公路管理局發(fā)布的一款安全評(píng)估模型軟件（SSAM）來(lái)檢驗(yàn)與衡量，該軟件可對(duì)VISSIM生成的車輛軌跡評(píng)估文件進(jìn)行分析，提取最短碰撞時(shí)間（TTC）、最小侵入時(shí)間（PET）、追尾沖突數(shù)、換道沖突數(shù)以及沖突事件的地點(diǎn)等數(shù)據(jù)。

本文將從換道起始位置和限速值兩個(gè)方面對(duì)施工區(qū)交通影響進(jìn)行評(píng)價(jià)。

4.2? 換道起始位置設(shè)置

為探究換道起始位置對(duì)施工區(qū)交通運(yùn)行的影響，將換道起始位置分別設(shè)置為距離上游過(guò)渡區(qū)250 m、500 m、750 m、1 000 m、1 250 m、1 500 m、1 750 m，分別進(jìn)行仿真運(yùn)行。

4.2.1? 通行能力

改變換道起始位置至上游過(guò)渡區(qū)的距離，增加施工區(qū)上游輸入交通量，統(tǒng)計(jì)最大輸出交通量作為衡量施工區(qū)最大通行能力的指標(biāo)，仿真結(jié)果表明，改變換道起始位置對(duì)施工區(qū)最大通行能力的影響不大。

4.2.2? 換道位置分布

按照實(shí)際施工區(qū)設(shè)置，即換道起始位置至上游過(guò)渡區(qū)500 m時(shí)，上游過(guò)渡區(qū)內(nèi)的不安全換道比例為11.84%（調(diào)查數(shù)據(jù)為7.5%），不安全換道比例與換道起始位置的關(guān)系如圖10所示。由仿真結(jié)果可知，換道位置起點(diǎn)在1 000 m左右時(shí)達(dá)到基本平緩。

4.2.3? 交通沖突

不同換道起始位置的施工區(qū)沖突數(shù)如表4所示。

由實(shí)驗(yàn)結(jié)果可知，隨著換道起始位置至上游過(guò)渡區(qū)距離的逐漸增大，追尾沖突數(shù)與換道沖突數(shù)均逐漸減小，其中追尾沖突數(shù)略大于換道沖突數(shù)，當(dāng)換道起始位置至上游過(guò)渡區(qū)的距離超過(guò)某一數(shù)值后，沖突數(shù)將減小為零。

4.3? 限速值設(shè)置

通過(guò)設(shè)置不同的限速值，分別進(jìn)行仿真實(shí)驗(yàn)，統(tǒng)計(jì)施工區(qū)最大通行能力，仿真結(jié)果表明，限速值在70 km/h左右時(shí)達(dá)到最大通行能力，限速值大于70 km/h時(shí)，通行能力開始下降。在研究限速值對(duì)施工區(qū)交通沖突的影響時(shí)，分別針對(duì)低交通量狀態(tài)（500 veh/h）及飽和交通量狀態(tài)（1 000 veh/h）時(shí)的限速影響進(jìn)行了仿真研究，結(jié)果表明60 km/h的限速值相對(duì)來(lái)說(shuō)更為合理。

5? 結(jié)? 論

高速公路施工區(qū)作為高速公路網(wǎng)的重要組成部分，其具體布置需要適應(yīng)不同工況并滿足交通運(yùn)輸服務(wù)需求，因此對(duì)其進(jìn)行研究是十分必要的。借助計(jì)算機(jī)仿真技術(shù)進(jìn)行研究可大大提高效率，但前提條件是仿真模型本身的可靠性，這意味著科學(xué)合理的標(biāo)定工作是仿真研究中不可或缺的重要環(huán)節(jié)。本文首先通過(guò)交通調(diào)查分析了封閉超車道施工區(qū)的交通特性，并以交通特性為依據(jù)進(jìn)行了標(biāo)定工作的自動(dòng)化程序設(shè)計(jì)，創(chuàng)建了具有針對(duì)性、可移植性的仿真模型標(biāo)定流程，為后續(xù)基于仿真模型的一系列交通問(wèn)題研究提供了有力支撐。

參考文獻(xiàn)：

[1] 李吉吉，蔡銘，何兆成，等.微觀交通仿真系統(tǒng)參數(shù)校正流程及應(yīng)用 [J].公路交通科技（應(yīng)用技術(shù)版），2008（5）：143-147.

[2] 羅莉華，李平，王慧，等.微觀交通仿真模型的全微觀參數(shù)校正 [J].系統(tǒng)仿真學(xué)報(bào)，2011，23（4）：659-667.

[3] CHIAPPONE S，GIUFFR? O，GRAN?，et al. Traffic simulation models calibration using speed-density relationship： An automated procedure based on genetic algorithm [J].Expert Systems with Application，2016，44：147-155.

[4] YU M，F(xiàn)AN W. Calibration of microscopic traffic simulation models using metaheuristic algorithms [J].International Journal of Transportation Science and Technology，2017，6（1）：63–77.

[5] 孫劍，楊曉光，劉好德.微觀交通仿真系統(tǒng)參數(shù)校正研究 [J].系統(tǒng)仿真學(xué)報(bào)，2007（1）：48-50+159.

[6] 楊艷芳，秦勇，努爾蘭·木漢.基于SOGA的VISSIM仿真模型參數(shù)標(biāo)定方法 [J].交通運(yùn)輸系統(tǒng)工程與信息，2017，17（3）：91-97.

[7] 王晨，夏井新，陸振波，等.基于微觀仿真與極值理論的城市交叉口安全評(píng)價(jià)方法[J].中國(guó)公路學(xué)報(bào)，2018，31（4）：288-295+303.

[8] 陳晶，孫旭飛，田東燊.道路微觀交通仿真中換道行為模型的研究與實(shí)現(xiàn) [J].市政技術(shù)，2019，37（1）：28-31.

[9] 李美影.基于改進(jìn)遺傳算法的微觀交通仿真模型參數(shù)標(biāo)定方法研究 [D].濟(jì)南：山東大學(xué)，2019.

[10] 馮雷.基于仿真的高速公路施工區(qū)交通分流分析 [J].河北水利電力學(xué)院學(xué)報(bào)，2021，31（3）：13-17.

[11] 吳偉，林琴.公路施工區(qū)通行效益仿真分析 [J].公路與汽運(yùn)，2016（5）：25-27.

[12] 于仁杰，馬榮國(guó)，韓海，等.高速公路施工區(qū)限速標(biāo)志位置確定方法 [J].交通運(yùn)輸工程學(xué)報(bào)，2013，13（5）：91-98.

作者簡(jiǎn)介：孫佳豪（1996-），男，漢族，河北石家莊人，助理工程師，碩士，研究方向：計(jì)算機(jī)在市政交通中的應(yīng)用。