一種多智能體區域實時交通流可視化數據處理平臺設計

謝生龍 丁蒼峰 田琴琴

摘 要：本文首先分析了區域實時交通流數據源、數據匯聚的渠道和方式;其次，對多智能體區域實時交通流可視化數據處理平臺的數據集市邏輯結構進行研究，形成了負載均衡的多層數據倉庫設計結構;最后，結合實際，探討交通流可視化數據處理過程，并給出了實時多智能體交通流可視化數據處理平臺的設計方案。

關鍵詞：交通流;可視化;多智能體;處理平臺

中圖分類號：TP39 文獻標識碼：A 文章編號：1003-5168（2019）07-0019-03

Abstract： Firstly， this paper analysed the real-time traffic flow data sources and the channels and ways of data aggregation. Secondly， the logical structure of data mart of multi-agent regional real-time traffic flow visualization data processing platform was studied， and the design structure of load balancing multi-layer data warehouse was formed. Finally， the process of traffic flow visualization data processing was discussed， and the design scheme of real-time multi-agent traffic flow visualization data processing platform was given.

Keywords： traffic flow;visualization;multi-agent;processing platform

傳統交通管理平臺中單一、粗糙的交通信息發布及固定模型的交通流數據預測已無法滿足智能交通與智慧城市發展戰略的需要，一種智能的、可靠的、直觀的數據可視化發布與交流平臺越來越受到智能交通領域的追求。智能體（Agent）是一個集推理、進化、能動、反應等特征于一體的智能單元，在區域實時交通流形成的過程中，存在許多集成、整合、協同分布式設備的智能體單元，這些智能體可綜合多源數據，尋求目標高度一致，為交通平臺協調與控制區域交通流，處理與顯示區域實時交通流的數據提供了可能。夏冰[1]等通過多智能體系統建立了可供參考的城市交通誘導系統體系結構，并借助微觀可視化交通模擬軟件PARAMICS完成了對其的仿真，成效可觀;汪磊[2]等人根據Agent技術所具有的自治性特點，通過模擬實體的特征，研究了交通系統Agent模型結構和車輛Agent的自由、跟馳、超車等駕駛控制策略，并在Windows 2000/xp環境下采用Borland Delphi開發出基于Agent的智能交通可視化仿真原型系統AITSPS。張聞芳等[3]針對城市智能交通系統的應用和發展的需求，將GIS技術、可視化技術綜合應用在一起，論述了系統的組成結構及各模塊的功能特點，探討了基于不同數據源的地形和地物的建模方法，建立了城市道路路線平面優化和最短路徑多目標優化模型以及城市交通可視化數據模型，并研究和分析城市道路交通可視化關鍵技術。近年來，歐盟在其CAPI TALS Plus項目中選擇了巴黎、羅馬、馬德里等城市作為示范城市，將交通可視化系統的開發作為重要內容。德國Bavarian州政府發起的Bayern Online項目開發了Bayern Info網站，其主要功能之一就是采用1個名為/ASDA2FOTOO的交通模型為出行者提供長、中、短期的交通流可視化信息服務。

總的來講，隨著國內城市交通的發展，交通流可視化已被納入智能交通研究，逐漸進入了體系框架、技術標準和硬件研究階段。近年來，區域實時交通流數據的可視化以及區域實時交通流數據的分析與挖掘作為智能交通、智慧城市發展研究重點的趨勢愈加明顯。

1 區域實時交通流數據分析

區域實時交通流數據是區域實時交通流可視化數據處理平臺數據集市的基礎數據，由交通運管單位數據中心及相關外部數據源收集，是綜合查詢與分析、決策支撐（DSS）的重要依據。

1.1 數據源分析

數據源是數據集市的基礎。在區域實時交通流可視化數據處理平臺中，按照數據源的不同，可以把數據分為核心交通流數據和其他相關數據兩種。其中，核心交通流數據主要來源于區域交通智能體單元中的車輛、交叉口、交通信號燈、關鍵斷面等，這些智能體負責完成對交通信息的采集，如車流量、速度及占有率等;其他相關數據主要來源于歷史周期或手動調節方面。核心交通流數據和其他相關數據共同組成區域實時交通流可視化數據處理平臺的數據源[4]。

1.2 數據匯聚渠道

一般來講，數據源的數據主要通過兩種途徑進入區域實時交通流可視化數據處理平臺中心的數據倉庫。其一，通過智能體預先設置的數據采集接口。該接口可以自動抽取、清理轉換和驗證數據，并自動加載到區域實時交通流可視化數據處理平臺的綜合查詢數據集市中。由于需要處理的原始數據結構基本相同，且范圍和內容變化不大，所以這種數據采集方法能充分利用區域實時交通流可視化數據處理平臺數據中心的優勢[5，6]。具體實現時，只需要事先設定好相應數據邏輯表的結構，再確定數據抽取、清理轉換和驗證的規則，然后由采集前置服務器根據設置的相應調度指令自動執行數據采集過程，最后將清洗、轉換和驗證無誤的數據加載到區域實時交通流可視化數據處理平臺的數據集市中來。其二，也可以通過管理人員手動調節、清理轉換和驗證數據，最終完成異常數據和噪聲信號的處理。

1.3 數據集市邏輯結構

區域實時交通流可視化數據處理平臺的數據集市可采用星型結構或雪花型結構。數據集市邏輯結構的設計要根據區域實時交通流可視化數據處理平臺的業務需求、主題域及數據源等方面進行合理選擇，從而確保不同業務需求、不同用戶、不同環境下的多維度、多層次數據查詢與分析的順利完成[7]。通常，區域實時交通流可視化數據處理平臺的數據集市邏輯結構設計主要考慮面向主題、集成、穩定、適應隨時間不斷變化的需求，同時數據集市還可用于建立不同顆粒度的匯總表，滿足對不同顆粒查詢與分析的要求，提高查詢與分析效率。

通過上述分析，筆者建立了如圖1所示的多智能體區域實時交通流可視化數據處理平臺數據中心。第一層，主要完成差異對比、異源數據同構等業務邏輯處理;第二層，負責協議協商與標準共享，按可視化需求設計主題，完成數據整合[8];第三層，主要完成數據加工、明細匯總及應用數據提煉;第四層，提供與平臺精細管理和科學決策有關的數據支持。用這種多層數據倉庫思想來構建多智能體區域實時交通流可視化數據處理平臺的數據集市，在以區域交通數據中心為數據源的前提下，更容易創建分主題的數據集市，而且分層數據集市的使用可以分散區域實時交通流可視化數據處理平臺整體性能的工作開銷，同時減輕在單一數據倉庫上操作的負擔。

中心層次圖

2 交通流可視化數據處理

一般的交叉路口或斷面都會布有數據采集設備，如感應線圈、脈沖傳感器、高清圖像采集儀等。我們根據智能體單元前期對這些交通信息采集設備的數據頻域或時域分析、數字圖像處理，然后形成可量化的交通流信息，最終通過對智能體數據采集終端接口的訪問，抓取、查詢各Agent采集的交通特征數據，傳送至數據中心保存。

數據預處理是多智能體區域實時交通流可視化的關鍵環節，如歸一化基礎數據、異常數據過濾等[11]，可根據處理的具體交通流數據選用合適的處理方法。數據預處理之后，根據可視化請求的內容，從數據中心對請求數據進行抽取。當然，在此過程中，有可能需要對清洗后的數據進行進一步的加工處理，為深度挖掘分析做準備，最終將挖掘分析的結果整合后清洗、呈現。對于可視化平臺采集實時的數據，一般選擇在線處理;而對實時性要求低的請求，可以通過離線處理達到減小服務器壓力的目的[12]，如利用Storm、Spark或Hadoop等數據處理框架計算形成不同維度的數據或相關組合[13]，這一過程中形成的多維度交通流數據也正是交通數據挖掘分析與可視化呈現的基礎[9，10]。一般情況下，平臺的數據可視化處理過程應包含數據源的數據加載、原始數據的清洗、異源數據的轉換、合法性驗證和請求時的目標數據抽取，具體過程如圖2所示。

3 多智能體的區域實時交通流可視化數據處理平臺設計

在區域交通運作的過程中，時間序列交通數據實時生成。在設計平臺時，可將區域交通參與的車輛、交叉口、交通信號燈、關鍵斷面等看成是不同的智能體單元，各個智能實體根據自身單元特點采集不同的數據結構，經數據轉發單元轉發后匯聚至數據中心[14]。因此，設計多智能體區域實時交通流可視化數據處理平臺的整體思路如下：首先將區域交通數據中心采集的數據傳入統一的數據集市基礎數據空間中;驗證數據完整性和一致性后再進入數據集市應用數據空間。數據集市將數據在邏輯上分為各應用系統特有數據和應用系統公用數據[15];這些應用數據在物理存儲時放在專用的數據空間中，在綜合查詢與分析時，可視化平臺將從統一數據集市與檢索目標一致的專用數據空間查找數據[16]。數據集市獲取數據時，以增量方式為主，對無法判斷增量的數據以全量方式獲取。具體設計圖如圖3所示。

4 結語

在本文提出的多智能體區域實時交通流可視化數據處理平臺設計方案中，數據集市的建立采取數據倉庫—數據集市的結構。這種以數據倉庫為數據管理的策略，可供不同主題使用。在這種結構下，多智能體區域實時交通流可視化數據處理平臺的數據中心不僅滿足了數據的規范性、標準化、一致性、整合性需求，而且滿足了不同主題域、不同角色、不同業務環節等對交通流可視化數據綜合查詢與分析的需要。

參考文獻：

[1]夏冰，胡堅明，張佐，等.基于多智能體的城市交通誘導系統可視化模擬[J].系統工程，2002（5）：72-78.

[2]汪磊，周力，邱萌萌，等.基于Agent的智能交通可視化仿真系統設計[J].洛陽理工學院學報（自然科學版），2015（2）：51-55.

[3]張聞芳，徐熾.城市道路交通可視化技術研究與分析[J].科技資訊，2014（24）：48.

[4]曹仲，李付琛，楊皓斐.基于手機信令數據的城市區域間交通流分析及可視化[J].計算機與現代化，2018（3）：117-121，126.

[5]張金秋.交通時空數據處理與交互式可視化平臺設計及實現[D].蘭州：蘭州交通大學，2017.

[6]Wei S， Huang C， Jiang B. Visual methods for time-varying intersection traffic flow data[C]// International Conference on Systems & Informatics. 2018.

[7]劉文杰.城市交通大數據可視化框架及實現[J].科技創新導報，2017（36）：121-122.

[8]戴技才，黎夏.基于多智能體的微觀交通流模擬模型[J].科學通報，2009（21）：3380-3389.

[9]Manley E， Cheng T. Exploring the role of spatial cognition in predicting urban traffic flow through agent-based modelling[J]. Transportation Research Part A Policy & Practice，2018（109）：14-23.

[10]Chu T， Wang J， Codecà L， et al. Multi-Agent Deep Reinforcement Learning for Large-scale Traffic Signal Control[J]. IEEE Transactions on Intelligent Transportation Systems， 2019（3）：99.

[11]魏麗麗，杜長海，徐立松.智慧交通中多維交通流數據實時可視化技術概述[J].警察技術，2018（2）：86-88.

[12]佚名.基于Hadoop的交通大數據的可視化WebGIS平臺的設計與實現[J].北京建筑大學學報，2018（3）：33-41.

[13]干彬，張明遙，吳科旭，等.大數據背景下智慧物流可視化管理系統的研究[J].科技風，2018（4）：70-71.

[14]Feng C， Hao P. Study of multi-agent area coordination control for urban traffic[C]// World Congress on Intelligent Control & Automation. 2008.

[15]蔡長青.基于多智能體的交通控制與交通誘導協同理論和方法研究[D].長春：吉林大學，2008.

[16]Ma S F，He G G， Wang S T. A traffic flow forecast supported system based multi-agent[C]//Intelligent Transportation Systems. 2001.