交通狀態判別與預測技術探討

雷財林 譚宇婷

(重慶交通大學交通運輸學院 重慶 400074)

交通狀態判別與預測技術探討

雷財林 譚宇婷

(重慶交通大學交通運輸學院 重慶 400074)

交通狀態，交通事件是道路交通的重要參數，對于判別道路交通的安全與道路交通效率有具有極其重要的作用。隨著我國經濟技術的發展，汽車產業作為一個朝陽產業，蒸蒸日上，我國機動車保有量大幅度增加，道路負荷度加大，交通狀態預測越來越受到關注。隨著交通技術的不斷發展，大數據時代的來臨，交通數據如雨后春筍涌現出來。但是由于數據處理技術的限制，對于交通狀態的判別還有很大的提升空間。本文對交通數據的處理技術進行檢索、整理、篩選、歸納，總結出在大數據時代下如何利用大數據進行交通狀態的監測以及預測方法。

交通參數；狀態判別；預測

引言

實現交通狀態監測與預測必須以交通數據為基礎，交通狀態監測與預測的效果也由其交通數據的實時性、準確性和全面性直接決定。以下對交通數據處理方法的研究歷史與現狀進行闡述評價。

2002年，Smith利用感應線圈獲取的流量、速度、道路占有率數據進行分析，分別提出了運用歷史趨勢法和指數平滑法對故障數據進行修復的思想。

2003年，裴玉龍等人利用滬寧高速公路的感應線圈獲取的道路流量、速度、占有率數據，提出以下四種方法進行交通數據處理，包括最大占有率固定閾值法、最大交通流量固定閾值法、具有零占有率的最大交通流量固定閾值法和平均有效車輛長度法，其中最大占有率固定閾值法、最大交通流量固定閾值法對于交通數據的錯誤識別具有很好的效果，具有零占有率的最大交通流量固定閾值法和平均有效車輛長度法對于交通參數的錯誤識別具有良好效果。

2006年，董均宇在路段行程時間估計效果方面將速度積分模型和位置插值模型進行比較分析，得出結論，兩種模型路段行程時間的估計效果受到GPS采樣時間間隔的大小的影響。

2009年，常安德對速度積分模型和位置插值模型進行進一步的分析比較，得出結論，當GPS采樣時間間隔在7s以內時，兩種模型的效果相當，但是當GPS采樣時間間隔大于7s時，位置插值模型效果要明顯優于速度積分模型。

2011年，姜桂艷等人，利用感應線圈采集的快速路的流量、速度以及占有率數據，進步分析處理，首次提出將采取的異常數據劃分為三個部分：丟失數據、異常交通狀況數據和錯誤數據，基于增益放大原理對異常交通狀況數據評價方法進行出現設計。應用統計數的知識建立了動態閾值評價方法。

2012年，譚政針對城市主干道車輛檢測器獲取的5min固定采樣間隔的交通流量數據，將故障數據劃分為丟失數據和錯誤數據，如果某一采樣間隔內的交通流量明顯小于歷史趨勢值將其視為丟失數據，采用基于交通流理論的組合參數方法識別錯誤數據，并提出利用灰色理論對故障數據進行修復。

一、交通數據獲取及其預處理方法

交通狀態參數分為地點交通狀態參數、區間交通狀態參數。地點交通狀態參數是指能夠反應出地點的交通狀態的參數。例如，流量、瞬時速度以及時間占有率。區間參數是指能夠反應區間交通狀態的參數。例如，區間速度、行程時間、排隊長度等。

二、交通狀態判別與預測

(一)線性判別函數法交通狀態分析。當道路的流量達到道路通行能力時，此時即為道路交通的理想狀態，根據經典的格林希爾模型可以看出，流量-速度曲線為拋物線形式，最佳速度即為最大速度的一半。

根據格林希爾模型可以得出，最佳速度將作為區分道路交通狀態暢通、擁擠兩種狀態的臨界點。因此，可以考慮采用線性判別函數法，將實際檢測器采集到的交通狀態分為暢通和擁堵兩種類型。

(二)基于聚類分析的交叉口交通狀態分析。判斷交叉口的狀態的參數有很多，例如，交叉口延誤、交叉口通行能力、服務水平、飽和度以及排隊長度都是衡量交叉口交通狀態的指標。道路通行能力手冊(HCM2000)中采用平均每車延誤來進行服務水平的選擇；但是延誤、排隊長度和通行能力等指標都需要依賴于交叉口的信號配時，不同的信號配時條件下，交叉口的各項指標也不相同。所以實際中情況中，對于交叉口的信號配時，往往依據人工經驗，就會有很大的隨機性存在。得到的交叉口的交通運行狀態也無法完全刻畫交叉口交通運行狀態的真實性。因此，在進行交叉口狀態判別的時候，盡量避免選擇與交叉口信號配時有關的參數，以減少交叉口交通狀態判別的誤差以及隨機性。交叉口的總流量基本不受到交叉口信號配時的影響，因此可用交叉口的流量比來表征交叉口的交通運行狀態。而交叉口的總流量比是該交叉口各個相位流量比之和。

(三)交通參數預測。理論上，利用特定的交通參數多步預測方法可實現對未來無限多步交通參數的預測。但大量的實證分析已經表明，隨著預測步數的增加，交通參數多步預測結果的預測誤差也會增大。當對未來很長一段時間進行交通參數預測時，其預測結果的誤差將會很大，導致無法支持交通管理者做出正確的決策。

針對上述問題，提出了交通參數動態可預測性的概念，并設計了相應的在線估計方法。其基本思想包括以下步驟。

(1)通過分析與特定時點關聯交通參數數據序列的動態特性，設計了相應的特征指標對其進行量化，在此基礎上提取每個時點處的關聯交通參數數據序列的特征指標向量值。

(2)設定一個能夠接受的預測誤差值，運行交通參數多步預測方法，在此基礎上提取每個時點預測結果低于該值的預測步數，并將其稱為可預測步數。利用BP神經網絡模擬上述兩個變量之間的非線性關系。

(3)在線運行時，首先對每個時點處的關聯交通參數數據序列的特征指標向量值進行計算，然后運行BP神經網絡模型實現對可預測步數的估計。

三、結語

城市道路路網包括快速路、主干路、次干路、支路構成，對于城市道路的監控，主要是針對于主干路、快速路以及次干路。顯然，這些成是道路都是由很多的路段和交叉口所構成。也就是說，對城市道路路網的交通狀態進行判斷就是對于交叉口、路段交通狀態判斷的一個集合。因此對于交叉口的交通狀態判別就上升到的對于一個區域路網的交通狀態判別，甚至會上升到的對于整個路網的交通狀態進行判斷。故此，對于城市某區域中距離相近、配時和尺寸相似、交會的兩路等級相同、交通流量差異不大、相關性強的這一類交叉口，可以根據其中一些交叉口的交通狀態利用聚類或其他相關方法得到其他交叉口的交通狀態。據此，城市交通管理者可以得到整個城市和不同區域的交通狀態，并實施相應的實時的交通管理和組織。

[1]趙慧.城市車載網絡中基于停放車輛輔助的數據分發[J].軟件學報,2014，6(26)：1499-1515.

[2]周劍峰.城市交通共用信息平臺數據處理技術研究[D].吉林：吉林大學，2005.

[3]王超.城市智能交通數據處理優化設計[D].河南：河南科技大學，2014.

[4]方昕.大數據下的智能交通數據共享與處理模型[J].信息技術，2(12)：94-97.

[5]張林杰.多源交通數據自動化采集與處理系統研發[D].西安：長安大學，2015.

[6]李勇伶.服務于城市交通控制系統的交通數據處理技術研究[D].西安：長安大學，2008.

[7]秦岸..基于CDMA網絡的城市交通數據采集與處理技術[J].重慶交通大學學報(自然科學版),2010,2(29):276-279.

[8]黃科軍.基于車牌自動識別數據的車輛行為[D].湖南：湖南大學，2013.

雷財林(1992.09-)，男，漢族，重慶交通大學，碩士研究生，研究方向：交通運輸規劃與管理。