漸 猛， 張俊友

(山東理工大學(xué) 交通與車輛工程學(xué)院， 山東 淄博 255091)

由于城市交通擁堵不僅嚴重影響了人們的出行，而且制約著社會和經(jīng)濟的可持續(xù)發(fā)展，因此如何緩解交通擁堵成為當前急需解決的問題.道路交通狀態(tài)的準確判別對于制定合理的交通管控措施具有重要的現(xiàn)實意義.

目前關(guān)于城市道路交通狀態(tài)判別的研究偏重于利用檢測器獲得檢測數(shù)據(jù)，進而結(jié)合各種指標體系根據(jù)檢測參數(shù)的判別閾值直接得到相關(guān)結(jié)論[1-4].這種傳統(tǒng)的判別方法關(guān)于交通狀態(tài)劃分的界限是分明的，具有“非此即彼”的性質(zhì).事實上，道路交通的各種狀態(tài)之間并沒有明顯的界限，因此傳統(tǒng)的判別方法有其自身的不合理性，所以本文采用模糊綜合評價的方法判別道路的交通狀態(tài).本文基于模糊數(shù)學(xué)理論，首先選取合適的交通流參數(shù)作為模型的輸入變量，根據(jù)交通管理的需求將道路交通狀態(tài)分為暢通、輕微擁擠、擁擠及嚴重擁擠4種狀態(tài)，最后根據(jù)采集到的交通信息數(shù)據(jù)，運用模糊綜合評價方法判別道路的交通狀態(tài).

1 模糊綜合評價的基本原理

2 模糊綜合評價的算法步驟

模糊綜合評價的步驟如下：

(1)建立評價對象因素集U=[v,o,t]，其中v代表平均行程車速，o代表時間占有率，t代表平均延誤.

(2)建立評價集F=[f1,f2,f3,f4]，其中f1代表道路處于暢通狀態(tài)，f2代表輕微擁擠狀態(tài)，f3代表擁擠狀態(tài)，f4代表嚴重擁擠狀態(tài).

(3)建立權(quán)重集.在對各個因素進行評價時，各個評價因素的重要程度是不一樣的，因此需要對U中的各個因素賦予相應(yīng)的權(quán)重，表示為權(quán)重集A=[a1,a2,a3]，其中a1代表平均行程車速所占的比重，a2代表時間占有率所占的比重，a3代表平均延誤所占的比重，并且a1+a2+a3=1.在對各個權(quán)重的取值中常用到的方法有灰色理論、專家法等.在本文中采用專家法，結(jié)合文獻[6]，綜合數(shù)十位專家的經(jīng)驗，確定平均車速的權(quán)重為0.3，時間占有率的權(quán)重為0.4，平均延誤的權(quán)重為0.3,即A=[a1,a2,a3]=[0.3,0.4,0.3].

(4)建立單因素模糊評價，即對U中的每個因素進行評價，確定評判因素對評判集F中各元素的隸屬度.由此可以得到單因素評價矩陣R=[R1,R2,R3]，其中向量R1,R2,R3分別為R1=[r11,r12,r13,r14]，R2=(r21,r22,r23,r24)，R3=(r31,r32,r33,r34).R1代表速度相對于暢通、輕微擁擠、擁擠和嚴重擁擠的隸屬度，R2代表時間占有率相對于暢通、輕微擁擠、擁擠和嚴重擁擠的隸屬度，R3代表平均延誤相對于暢通、輕微擁擠、擁擠和嚴重擁擠的隸屬度.

(5)模糊綜合評價.當權(quán)重集和單因素評價矩陣都已確定時，通過選擇合適的模糊數(shù)學(xué)函數(shù)進行綜合評價，求出模糊綜合評價集B.

[b1,b2,b3,b4]

3 隸屬度函數(shù)確定

隸屬度函數(shù)是否合適,將會直接影響交通狀態(tài)判別的精度.常見的隸屬度函數(shù)有正態(tài)函數(shù)、三角函數(shù)、梯形函數(shù)、矩形函數(shù)等.通過對城市道路交通流特征的分析得知,平均速度、占有率和平均延誤與城市道路交通狀態(tài)之間的關(guān)系比較符合梯形函數(shù),且梯形函數(shù)具有計算簡單、方便等特點.因此本文選用梯形函數(shù),依據(jù)相關(guān)研究成果[7-8]構(gòu)造出平均速度、平均占有率和平均停車延誤各個模糊集的隸屬函數(shù).

(1)平均行程速度不低于30km/h為暢通， 20～25km/h為輕微擁擠狀態(tài)，10～15km/h為擁擠狀態(tài)，低于 5km/h為嚴重擁擠狀態(tài).其隸屬度函數(shù)如式(1)～式(4)和圖(1)所示.

(1)

(2)

(3)

(4)

圖1 平均行程速度隸屬度函數(shù)

(2)時間占有率低于0.1為暢通狀態(tài)，0.15～0.2為輕微擁擠狀態(tài)，0.25～0.3為擁擠狀態(tài)，大于0.4為嚴重擁擠狀態(tài).其隸屬度函數(shù)如式(5)～式(8)和圖2所示.

(5)

(6)

(7)

(8)

圖2 時間占有率隸屬度函數(shù)

(3)平均延誤低于10s為暢通狀態(tài)，20～45s為輕微擁擠狀態(tài)，55～70s為擁擠狀態(tài)，大于80s為嚴重擁擠狀態(tài).其隸屬度函數(shù)如式(9)～(12)和圖3所示.

(9)

(10)

(11)

(12)

圖3 平均延誤隸屬度函數(shù)

4 實例驗證

本文以柳泉路與華光路交叉口為分析對象，針對該交叉口東西路段進行交通狀態(tài)判別，設(shè)置狀態(tài)判別間隔時間為5min，數(shù)據(jù)采集結(jié)果見表1.

表1 數(shù)據(jù)采集結(jié)果

對采集數(shù)據(jù)進行處理，得到交通狀態(tài)判別分析結(jié)果如圖4～圖7所示.圖4～圖7中，1代表暢通狀態(tài)，2代表輕微擁擠狀態(tài)，3代表擁擠狀態(tài)，4代表嚴重擁擠狀態(tài).

由圖4～圖7可知，單個的特征參數(shù)得到的交通狀態(tài)判別結(jié)果波動性大，準確性不足.運用模糊綜合評判的方法后,判別結(jié)果有了較好的穩(wěn)定性,這符合道路實際的交通狀況.

圖4 基于平均速度的判別結(jié)果

圖5 基于時間占有率的判別結(jié)果

圖6 基于停車延誤的判別結(jié)果

圖7 基于模糊綜合評價的判別結(jié)果

5 結(jié)束語

本文設(shè)計了一種基于模糊綜合評價的交通狀態(tài)判別分析模型，并利用采集的交通信息數(shù)據(jù)進行模型驗證.實驗結(jié)果表明，本文提出的算法能夠提高城市道路交通狀態(tài)判別的精度,有較強的工程實用性.不足之處是本文中的權(quán)重參數(shù)是憑經(jīng)驗確定的，今后需結(jié)合實際交通管理的需求設(shè)計較為合理的權(quán)重確定模型.

[1] 姜桂艷.道路交通狀態(tài)判別技術(shù)與應(yīng)用[M].北京:人民交通出版社,2004.

[2]全永樂.城市交通控制[M].北京：人民交通出版社,1989.

[3]汪培莊,韓立巖.應(yīng)用模糊數(shù)學(xué)[M].北京：北京經(jīng)濟學(xué)院出版社,1989.

[4]張和生,張毅,胡東成.城市路網(wǎng)交通狀態(tài)分析方法研究[J].ITS通訊,2006(1):23-27.

[5]任江濤,歐曉玲,張毅.交通狀態(tài)模式識別研究[J].公路交通科技,2003,20(2):63-67.

[6]Jiang G Y,Wang J F,Zhang X D.The study on the application of fuzzy clustering analysis in the dynamic identification of road traffic state[C]//IEEE,2003:1 149-1 152.

[7]代磊磊.城市主干路交通擁擠的擴散規(guī)律及其模型研究[D].長春:吉林大學(xué),2006.

[8]中華人民共和國建設(shè)部.CJJ37-90城市道路設(shè)計規(guī)范[S].北京:中國建筑工業(yè)出版社,1991.