淺析城市交通擁堵問題

李曉陽 李峰 蘇峰

摘 要：隨著社會經濟的不斷發展與人口數量的不斷增多，國內GDP不斷增長的同時也給交通運輸提出了更高的要求?，F今，導航、GPS廣泛的被人們應用，但這些高科技產品也存在著許多缺陷。研究分析國內交通擁堵現狀并提出解決辦法是進一步發展的需求。

通過分析題目，結合搜集資料找到現有交通流量，交通擁擠時間以及各大城市交通負載等方面的數據，求解該問題時用Excel對其做數值統計處理，處理后的數據用Matlab軟件中的相關函數對其進行分析，結合Excel、Maple優化軟件與Matlab軟件畫圖工具，最終對相關的問題做出結論。

關鍵詞：交通擁堵、時間預測、實時監控、BP神經網絡

1.問題背景

在導航軟件中，行程時間的估計往往是一個重要的功能?，F有的導航軟件通過安裝了該軟件的出租車或其他車輛來獲取實時GPS數據以確定當前道路狀況。在交通嚴重堵塞的情況下，車速較慢，所以對車速的估計是非常不準確的。這導致了預測交通阻塞時間的準確性變得很差，所需的實際時間有時甚至與預測時間相差幾倍到十倍。

2.問題重述

（1）收集現有數據，分析交通擁堵現狀。

（2）建立模型，預測交通堵塞的時間。

3.問題分析

對如何精準的預測交通堵塞的時間問題，通過對數據的搜集與整理，得到了影響交通擁堵的各個因素，進而建立了基于DC的交叉口擁擠自動識別模型。并得出在一個周期內的擁擠度預測值：DC = 到達車輛數/理想消散車輛數。由于城市道路交通系統是一個非線性的復雜系統，而BP神經網絡具有非線性的描述能力，使預測交通堵塞時間的問題變得簡單。因此建立了基于BP神經網絡的道路交通預測模型。期間我們采用MATLAB對交通數據進行了相應的擬合和處理，并使用函數 對其進行驗證。

4.模型假設

（1）假設所收集到的數據真實可靠;

（2）假設數據經過微處理后對原始的結果影響并不大;

（3）數據中的奇異數據及缺省的值忽略后對總體信息不會有顯著的影響;

5.模型的建立與求解

5.1交通擁堵問題的成因

交通擁堵是道路運行系統故障最直接的體現，直接導致交通的癱瘓，對人們的出行以及社會秩序的維持帶來了很大的不便。解決交通擁堵問題，可以從以下方面進行探究。[1]

5.1.1交通需求增長迅速

（1）出行需求增長速度快

快速發展的國民經濟和急劇膨脹的城市規模促使出行的需求量迅速增長。隨著社會經濟的飛速發展，城市規?？焖僭鰯U，大批量人口涌入城市，導致城市交通設施遭受沖擊。在城市化道路推進過程中，人口增長必定使人們對交通出行通暢的訴求日益升高。

（2）小汽車擁有量急速增加

小汽車擁有量的急速增加加速了交通的擁堵。我國城市汽車保有量一直處在大幅增長的階段。一方面，隨著經濟的迅速發展，城市居民的可支配收入顯著增加，居民的購買力明顯增強;另一方面，隨著國家汽車產業政策的發布，汽車生產廠商進行規?；a，導致轎車銷售價格大幅度下跌，促使人們購買汽車的欲望更加強烈。在以上兩種因素的共同影響下，我國城市汽車保有量迅速增長。

5.1.2道路基礎設施建設不足

我國的城市交通中，道路等級不高，道路網稀疏是普遍存在的問題。雖然道路建設水平已有提升，但仍然比較落后。目前大多數城市已然開始重視交通建設，增大對道路交通基礎設施的投資占比，通過修建、改建老路、增加交通標志、安裝交通信息顯示屏等方法來改善交通。[2]

5.1.3其他社會因素

（1）交通參與者交通意識缺乏

（2）城市土地利用與規劃布局不夠合理

（3）機動車質量低

（4）交通管理部門不足

5.2基于BP神經網絡的道路交通預測模型

由于BP神經網絡模型能夠根據路口等待通行車輛數來預測其通行所用時間因此利用BP神經網絡的自組織和自學習能力，對交通路口的車輛通行時間進行預測。通過計算分析，選擇使用四層BP神經網絡對交叉路口進行建模。在交叉路口要對四個方向停車等待的車輛數進行檢測，因此四個方向分別對應一個通行時間。所以BP神經網絡的輸入層節點數和輸出層節點數均為4。而在隱含層單元數的確定上，根據公式 （其中 為隱含層神經元數量，n為輸入神經元數量，m為輸出神經元數量，a為0--10之間的常數）。通過公式計算可以得出隱含層神經元數量的范圍是（5，14）。經過前面的分析計算，最終確定了基于BP神經網絡的道路交通預測模型。四個輸入節點分別為TN、TW、TS、TE。四個輸出節點分別為ON、OW、OS、OE。其中TN、TW、TS、TE分別代表北向、西向、南向、東向等待通行的車輛數，ON、OW、OS、OE分別代表其四個方向等待車輛完全通過所用的時間。[3][4]

輸入層

通過對隱含層神經元數量的改變，來觀察其誤差的變化，從而確定了道路交通路口BP神經網絡模型的完整結構：4個輸入層神經元、4個輸出層神經元和10個隱含層神經元。從而確定復雜道路交通路口的交通受4個方向的影響，進而得出參數表達式為：

其中，和 分別表示路段I處的流入和流出的交通流量。

隱含層

通過前面的計算分析可得，隱含層有10個神經元，包含了常發性擁擠神經元、正常狀態神經元和偶發性擁擠神經元。因此可以得出通過道路的延遲時間總和為：

則預測通過最短時間為：

在對交通路口車輛通行時間預測的問題上，通過建立BP神經網絡模型進行了相應的預測分析。在道路交通路口建立4個輸入層神經元、4個輸出層神經元以及10個隱含層神經元。計算期間采用MATLAB對交通數據進行了處理和擬合，并通過函數 對其進行驗證。結果表明，BP神經網絡模型可以根據擁堵的車輛數進行預測車輛通行時間。

參考文獻

[1]李蘭冰，《我國城市交通擁擠的成因及其對策研究》，《理論學刊》，2005-06-15

[2]陳濤，《基于系統科學理論的城市道路交通擁擠預測與控制模型研究》，東南大學，2005-05-01

[3]蔣渭忠，《基于BP神經網絡技術的車輛通行時間預測研究》，《微型機與應用》，2016-05-24

[4]邱祥，《基于神經網絡的智能交通控制系統設計》，揚州大學，2016-05-01

作者簡介：李曉陽（1999—），男，漢族，山東菏澤人，本科在讀，電氣工程與智能控制專業;

李峰（2000—），男，漢族，山東濰坊人，本科在讀，機械制造設計及其自動化專業;

蘇峰（2001—），男，漢族，山東菏澤人，本科在讀，國際商務專業。