基于車路協(xié)同的短期交通規(guī)劃系統(tǒng)設(shè)計

陳 龍

（新疆交通規(guī)劃勘察設(shè)計研究院有限公司，新疆 烏魯木齊 830000）

引言

城市交通擁堵是影響城市面貌、城市發(fā)展水平和人們出行質(zhì)量的重要因素［1-2］。交通規(guī)劃有利于減少擁堵路段車輛的占用率，緩解交通擁堵。通過研究發(fā)現(xiàn)，解決交通擁堵問題的前提是分析交通擁堵的原因，即擁堵的時間、地點和客觀規(guī)律，可以通過GPS 實時記錄和相關(guān)地圖數(shù)據(jù)獲得［3-4］。解決擁堵問題的有效途徑是結(jié)合車路合作模式，充分實現(xiàn)人車互聯(lián)，提高交通效率。然而，國內(nèi)外的相關(guān)數(shù)據(jù)大多是算法描述或理論方法，理論尚未應(yīng)用到實際生活中［5-6］。因此，有必要開發(fā)基于車路協(xié)同的短期交通規(guī)劃與預(yù)測系統(tǒng)。

傳統(tǒng)上，動態(tài)路徑規(guī)劃以出行時間為交通擁擠指標(biāo)，尋找最短路徑規(guī)劃。由于交通運行狀態(tài)的實時性和可變性，交通擁擠指數(shù)波動較大。傳統(tǒng)的交通擁擠指數(shù)預(yù)測方法通常是用一定時間段的平均值作為短期預(yù)測因子來表示交通擁擠指數(shù)。然而，區(qū)間的大小對預(yù)測結(jié)果有很大的影響。特別是對于城市道路，受交通信號、交叉口車輛合流等因素影響，使得傳統(tǒng)的平均算法存在一定的誤差。因此，有必要結(jié)合道路和車輛數(shù)據(jù)，總結(jié)擁堵傳遞的規(guī)律和特點，規(guī)劃城市道路的進一步發(fā)展，使駕駛更安全、更高效。

1 車路協(xié)同系統(tǒng)分析

1.1 技術(shù)構(gòu)建

車路協(xié)同系統(tǒng)基于車路協(xié)同的思想和KNN 聚類算法，對車速和交通流進行歸類，定位交通瓶頸。同時，利用交叉口的交通信號和車輛合流數(shù)據(jù)，動態(tài)計算當(dāng)前道路阻力值。利用BP 神經(jīng)網(wǎng)絡(luò)算法和ARIMA算法對每條路徑的行程時間進行預(yù)測，并選擇行程時間最小的路徑作為最優(yōu)路徑，技術(shù)路線見圖1。

圖1 系統(tǒng)構(gòu)建技術(shù)路線

1.2 關(guān)鍵技術(shù)分析

車路協(xié)同功能系統(tǒng)是通過傳感器檢測、無線通信等技術(shù)獲取道路信息見圖2。可以實現(xiàn)車與車之間、車與路之間的信息共享，車與車之間的智能協(xié)作，從而可以更充分地利用系統(tǒng)資源，減少道路上多余車輛的占用，提高車輛在道路上行駛時的交通安全以緩解交通擁堵。智能側(cè)路技術(shù)是路邊系統(tǒng)將內(nèi)置多種通訊模式，提供各種傳感器接口（信號、探測器）和本地地圖服務(wù)，并提供信號定時信息和周邊移動目標(biāo)信息服務(wù)。另外，擁塞瓶頸識別技術(shù)也是實現(xiàn)車路協(xié)同的重要關(guān)鍵技術(shù)之一。當(dāng)交通流量增大時，在瓶頸點處開始出現(xiàn)交通擁堵。該路段的實際通行能力逐漸下降，擁堵向上游擴散。當(dāng)出現(xiàn)交通瓶頸時，瓶頸與其下游之間存在明顯的速度差。采用鄰聚類算法對速度和交通流進行分類，并識別擁堵程度，從而可以獲得交通瓶頸位置。當(dāng)對路況分析完畢之后，需規(guī)劃行車路線，可利用BP 神經(jīng)網(wǎng)絡(luò)模型和ARIMA 模型分別對出行時間進行預(yù)測，利用出行時間長短對路徑進行判斷，從而實現(xiàn)最優(yōu)路徑的選擇。

圖2 車路協(xié)同功能系統(tǒng)

2 車路協(xié)同功能分析

2.1 功能實現(xiàn)

2.1.1 確定擁堵點的位置

該功能主要使用鄰聚類算法對實時車輛速度和交通進行分類，從而判斷擁堵程度。首先，利用主成分分析法對原始數(shù)據(jù)進行線性變換進行降維，得到與路段擁堵情況相關(guān)的主要特征值。為了更好地描述路段的擁堵狀態(tài)，可從主要特征值中選取該路段的實時交通流和車速并進行KNN 聚類。根據(jù)聚類結(jié)果，劃分出五種交通狀態(tài)：平穩(wěn)、基本平穩(wěn)、輕度擁堵、中度擁堵和嚴(yán)重?fù)矶隆Ｔ撓到y(tǒng)檢測瞬時交通狀況，然后通過聚類得到實時重?fù)矶侣范巍？梢钥焖倥袛嗦访妗l(fā)生交通事故的路段或其他意外情況發(fā)生的路段的施工范圍。無論是對于瓶頸的研究，還是對于交通事故的快速處理，都具有重要意義。

2.1.2 顯示最佳行車路徑

實現(xiàn)該功能需要3 個步驟：實時數(shù)據(jù)導(dǎo)入、出行時間預(yù)測和最優(yōu)路徑選擇。通過GPS 定位技術(shù)，可以找到當(dāng)前車輛位置，計算出行駛軌跡，導(dǎo)入前段各收費站的樣本刷卡數(shù)據(jù)，采用每5 min 抽取10個刷卡樣本的方法，刷卡數(shù)據(jù)主要包括車輛進出車流ID、車輛進出收費站時間。根據(jù)之前導(dǎo)入的數(shù)據(jù)，通過ARIMA 模型和BP 神經(jīng)網(wǎng)絡(luò)模型，分別預(yù)測通過每條路徑所需的時間，并比較兩種模型的預(yù)測結(jié)果以進行下一個最佳路徑選擇。

2.2 算法分析與比較

實現(xiàn)車路協(xié)同的主要算法包括ARIMA 模型和反向傳播神經(jīng)網(wǎng)絡(luò)模型。ARIMA 模型主要是通過差分積分移動平均自回歸模型以進行時間序列預(yù)測分析。在ARIMA（p，d，q）中，AR為自回歸，p為自回歸項的數(shù)量，MA為滑動平均，q為滑動平均項的個數(shù)，d為使其成為平穩(wěn)序列的差異數(shù)。反向傳播神經(jīng)網(wǎng)絡(luò)是用誤差反向傳播算法訓(xùn)練的一種多層前饋神經(jīng)網(wǎng)絡(luò)，它是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)。在正向傳輸過程中，輸入信號從輸入層到輸出層被逐層處理。每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果輸出層不能得到期望的輸出，就會變成反向傳播，根據(jù)預(yù)測誤差調(diào)整閾值和網(wǎng)絡(luò)權(quán)值，使預(yù)測值不斷接近期望值。

2.3 優(yōu)化路徑搜索

根據(jù)前一步預(yù)測的出行時間選擇最優(yōu)路徑。（1）導(dǎo)入車輛實時駕駛數(shù)據(jù)。根據(jù)BP 神經(jīng)網(wǎng)絡(luò)模型，得到了不同路段的預(yù)測出行時間。結(jié)合交通信號配時和路線轉(zhuǎn)向信息，考慮車輛通過交叉口可能遇到的非自由通行的通行情況，動態(tài)計算當(dāng)前路段的道路阻力值。基于模糊綜合評判法，在考慮通暢性和穩(wěn)定性的情況下，確定了車輛與道路協(xié)調(diào)的指標(biāo)，通過行車率和事故系數(shù)實時測量得到實際曲線。（2）將該曲線與現(xiàn)有道路類型的標(biāo)準(zhǔn)曲線進行比較，定量地描述標(biāo)準(zhǔn)曲線與實測曲線之間的歸一化程度。在此基礎(chǔ)上，對匹配度和事故率進行模糊化處理，并根據(jù)控制成本從實際情況到相應(yīng)道路的最佳路徑系數(shù)建立模糊邏輯。（3）給出車輛-道路協(xié)調(diào)指標(biāo)作為控制策略生成的依據(jù)。根據(jù)現(xiàn)有的道路阻力統(tǒng)計數(shù)據(jù)和區(qū)域路網(wǎng)拓?fù)浣Y(jié)構(gòu)，實時預(yù)測各備選路線的出行時間。（4）選擇出行時間最小的路徑作為車輛的最優(yōu)路徑。

3 結(jié)語

車路協(xié)同為緩解城市道路交通擁堵提供了思路。提出了一種基于車路協(xié)調(diào)思想的短期交通規(guī)劃與預(yù)測系統(tǒng)。利用車路協(xié)調(diào)的思想，浮動車輛GPS數(shù)據(jù)，KNN 聚類算法，ARIMA 模型和BP 神經(jīng)網(wǎng)絡(luò)模型，可以檢測出當(dāng)前的道路擁堵情況，為交通路線規(guī)劃提供可行的解決方案，是交通數(shù)據(jù)挖掘在交通管理中的典型應(yīng)用。車路協(xié)同技術(shù)還可以應(yīng)用于各種應(yīng)用程序場景。例如，無人駕駛汽車的車路聯(lián)網(wǎng)安全距離實時評估車輛避障中超車、變道預(yù)警并根據(jù)實時路況等實現(xiàn)交通燈的提前中斷或延長。這些應(yīng)用可以建立長期有效的分析預(yù)警機制，為城市道路擁堵緩解工作提供穩(wěn)定的技術(shù)支撐。