基于VISUM交通仿真和OD矩陣反推技術的交通預測模型研究

王中立

【摘要】交通擁堵是當前城市社會亟待解決的一大問題，而對城市交通運行狀態的精確預測是一有效手段，但囿于我國城市道路分布復雜、居民出行數據變動大難以綜合以及單種預測模型具有的局限性，交通需求預測往往滯后于交通需求的增長。對此，文章提出將引入OD矩陣反推后的卡爾曼濾波模型應用于交通仿真軟件VISUM，以實現不依賴大規模交通普查、對傳統交通需求預測的四階段法進行簡化提升且精確度較高的交通需求預測，為解決城市交通擁堵提供新的研究方法。研究以VISUM交通仿真軟件上的Oppidum小鎮為研究樣本，在獲得一定歷史數據的基礎上，分別應用單獨的卡爾曼濾波模型和引入OD矩陣反推的卡爾曼濾波模型對小鎮某一年交通需求進行預測，并用VISUM軟件進行仿真模擬和方法評價，最后將預測結果與實際數據對比分析，發現用引入OD矩陣反推后的卡爾曼濾波預測交通需求不僅計算得以簡化，且具有更高的預測精度。文章在選擇適應性廣、可處理平穩和非平穩數據的卡爾曼濾波模型后，引入OD矩陣反推進行交通量再分配是本文的創新點，為解決交通問題提供了一種新思路。另外，文章還介紹了現有交通運行狀況評價體系和宏觀交通仿真軟件VISUM，并對交通擁堵的判定、產生原因及目前應對交通擁堵的方法進行了相關闡述。

【關鍵詞】交通仿真;交通預測;VISUM;OD矩陣;卡爾曼濾波

1、緒論

1.1問題提出

交通需求預測，是交通規劃的核心內容之一[1]。早在上個世紀，西方發達國家在大規模城市道路交通規劃和建設過程中，逐漸形成了“四階段”城市道路需求預測技術。四階段（four-step）模型是指將需要完成的交通需求預測任務劃分為四個子任務，即交通產生量預測、OD分布預測、交通方式分擔預測和交通量分配預測。

“四階段”技術在長期的城市交通規劃實踐中得到了檢驗，自該方法誕生之日起，其框架幾乎沒有發生變動，方法簡單可靠，但“四階段”技術依賴大規模的城市交通普查，在當今城市人口流動極其頻繁的情況下，交通普查的成本和難度越來越大，其精度也不容樂觀。同時，其傳統預測模型難以反映社會發展，城市交通管理政策變化的影響，也無法考慮到周邊環境隨時間序列推移，對各交通小區出行的連鎖反應。

1.2 研究內容

文章對交通擁堵進行判定，闡述交通擁堵產生的原因，收集了目前應對交通擁堵的方法，介紹了現有交通運行狀況評價體系。同時，文章還對宏觀交通仿真技術進行闡述，介紹了宏觀交通仿真軟件VISUM，提出了OD矩陣反推與交通預測模型相結合的思路。

研究以VISUM交通仿真軟件上的Oppidum小鎮為研究樣本，將研究范圍按用地情況和道路的自然分割劃分為67個交通小區，查詢得到的1960-2000年城市主干道年交通量。通過對1960-1999年數據分析處理，預測出2000年交通量。

2、宏觀交通仿真機理

2.1 宏觀交通仿真的定義

根據研究范圍及對象的不同，交通仿真通常被分為宏觀交通仿真、中觀交通仿真和微觀交通仿真[2]。

宏觀交通仿真要求采集路段速度和流量，相較于中觀交通仿真和微觀交通仿真，對交通實體、交通信號等細節要求比較低。在宏觀交通仿真過程中，研究者以OD矩陣為主要研究對象，對交通基礎設施建設和遠景規劃進行科學分析，如公交線路的優化、評價新建公路影響。

2.2 研究概況

交通仿真現狀的發展分成三個階段，20世紀60年代，研制了TRANSY、SIGOP等系統，但由于當時計算機發展不夠好，仿真系統也并不完備。后來，隨著計算機的發展，仿真模型迅速發展，出現了MISTRAN模型、SATURN宏觀模型等[3]。到20世紀80年代，ITS的研究熱潮襲來，各國相繼研制了各種不同，應對不同情況和路段的仿真模型。到目前，交通仿真系統分為宏觀和微觀，微觀的有CORSIM、PARAMICS和VISSIM，而宏觀的有VISUM。傳統的微觀分析方法適用的范圍、影響因素較小的情況，而宏觀的交通仿真軟件如VISUM以整體為目標，研究特定問題，分析路網情況，對交通流量進行分析分配，從而實現科學規劃，減少擁堵情況。VISUM現已經用于對于路網的分析，為城市道路的規劃提供依據[4]。

2.3基于大數據交通仿真技術的城市交通量組合預測模型

交通仿真軟件的出現在很大程度上促進了交通的發展，是交通領域的一座里程碑。隨著社會的發展，影響交通的相關因素越來越多，應用計算機技術進行交通仿真就成為了一種很有效的技術手段。交通仿真不僅可以復現交通流時空變化的技術、為交通道路設計規劃提供技術依據，而且還可以對各種參數進行比較和評價，以及環境影響的評價等。但是，交通是一個很復雜，又很巨大的一個體系，由于軟件自身的局限性，往往在算法預測上不夠精確，對交通狀態的描述顯得不夠完善，因此，文章考慮將引入OD矩陣反推后的卡爾曼濾波模型應用于交通仿真軟件VISUM，提出一種解決交通擁堵問題的新思路[5]。

3、卡爾曼濾波預測模型

3.1 模型提出背景

卡爾曼濾波是一種高效率的遞歸濾波器，是一種建立在最小方差估計的基礎上的算法，利用線性系統狀態方程，輸入觀測數據，再對系統進行最優估計。[6]

3.2算法詳述

將實際觀察到的交通量數據，經過一系列運算反推出歷史的OD矩陣，再運用卡爾曼濾波模型，運用方程對得到的OD矩陣進行處理，預測得到新的結果[7]。這樣就將卡爾曼濾波模型與交通量結合起來，實現對OD矩陣的處理和運用。

以極大熵OD反推模型：

對于上述極大熵模型，由于其目標函數的特殊性，直接求解難以進行，通常用拉格朗日乘子法將其化為如下非線性方程組的形式：

上述方程組是含有M+1個變量和M+1個方程的非線性方程組，通過求解上述未知數即拉格朗日乘子 ，然后由（1）式求出OD矩陣，則有下式：

（3）

對于上述線性方程求解，采用數值解法。

4、現狀交通分析

4.1傳統方法

4.2基于組合模型的交通分析

4.3傳統四階段法與組合模型的比較

與傳統的"四階段"技術相比，以極大熵原理為基礎的OD反推算法與卡爾曼濾波模型相結合的方法的預測更加簡便和高效。同時，與真實值相比，傳統方法預測誤差為10.56%，文中組合模型誤差為5.11%，文中方法更加精確。

結論：

通過對傳統交通流量需求預測四階段法的改進，提出以歷史交通流量基礎，用VISUM軟件中Oppidum小鎮的數據，以極大熵模型反推出OD矩陣，再利用卡爾曼濾波模型對OD矩陣進行處理和預測，最后將預測出的OD矩陣輸入VISUM仿真軟件中進行重新分配。在新的預測方法中，將OD矩陣反推的極大熵模型和卡爾曼濾波模型結合起來，形成更優的組合模型，省去了傳統方法中大量的交通調查，節省大量物力財力和時間，同時還提高了預測精度。本文提出的方法在精準性、可靠性、簡便性、可行性方面都有一定優勢，為今后更加有效的規劃交通，更簡便、精準的解決城市擁堵問題提供理論基礎。

參考文獻：

[1]王花蘭.交通預測與評估，北京：人民交通出版社，2016.5，6-7.

[2]BoyceD.APractitioners GuidetoUrbanTravel ForecastingModels[C].In：Metropolitan Conference on Public Transportation Research，1998， Chicago，1998.

[3]張立東，王英龍，賈磊，潘景山.交通仿真研究現狀分析[J].計算機仿真，2006.6

[4]何碧玉.城市交通系統仿真模型概述[J].現代商貿工業，2013.6.

[5]張引.基于組合交通仿真模型的交通擁堵研究[D].中國碩士學位論文全文數據庫，2009.3.

[6]張一.基于卡爾曼濾波的短時交通流量預測模型研究[D].中國碩士學位論文全文數據庫，2014.

[7]彭信林.城市快速路交通狀態預測研究[D].中國碩士學位論文全文數據庫，2008.

[8]劉丹，朱毅，劉冰.MATLAB對卡爾曼濾波器的仿真實現[J].中國科技論文在線，2010

[9]楊兆升，朱中.基于卡爾曼濾波理論的交通流量實時預測模型[J].中國公路學報，1999.7.