（武漢理工大學(xué)，湖北 武漢 430070）

1 前言

中國正處于從工業(yè)化到城市化的轉(zhuǎn)變過程中，交通網(wǎng)絡(luò)對于城市的建設(shè)具有重要意義。然而，由于中國城市人口的急劇增加，中國人均汽車保有量的上升，城市交通網(wǎng)絡(luò)的負荷過大，由此導(dǎo)致了城市內(nèi)部交通擁堵、交通事故頻發(fā)等問題。為了解決這一問題，眾多專家學(xué)者進行研究，并提出一種從交通管理入手的解決方案，即智能交通系統(tǒng)。

智能交通系統(tǒng)[1]（Intelligent Transportation System）簡稱ITS，它的主要方法是通過技術(shù)手段，把道路交通、人、車緊密結(jié)合起來，綜合解決道路交通中所出現(xiàn)的問題。然而，隨著城市內(nèi)交通量的增大，智能交通系統(tǒng)產(chǎn)生的數(shù)據(jù)也在急劇增大，這些數(shù)據(jù)對于智能交通系統(tǒng)的后臺是巨大的挑戰(zhàn)，并且，在現(xiàn)有的智能交通系統(tǒng)的構(gòu)建過程中，軟硬件都是和系統(tǒng)緊密綁在一起的，這就造成了各個物理子系統(tǒng)的分離，各個系統(tǒng)之間容易產(chǎn)生數(shù)據(jù)孤島現(xiàn)象，很難對數(shù)據(jù)實現(xiàn)綜合分析。而云計算具有儲存數(shù)據(jù)量大、計算速度快的特點，基于此，本文提出一種基于云計算的道路行程時間預(yù)測系統(tǒng)。

該系統(tǒng)用環(huán)形感應(yīng)線圈檢測器、微波檢測器、超聲波檢測器等車輛信息監(jiān)測器獲得道路交通信息并將信息通過無線網(wǎng)絡(luò)傳輸?shù)皆朴嬎闫脚_，云計算平臺對傳輸過來的道路交通信息進行處理并建立歷史數(shù)據(jù)庫，利用卡爾曼濾波算法和歷史數(shù)據(jù)庫對道路的行程時間實現(xiàn)多步預(yù)測，利用云計算平臺可以將預(yù)測的結(jié)果發(fā)送到用戶的移動設(shè)備上，能夠讓用戶避開交通擁堵的路段，節(jié)約用戶時間。

2 基于云計算的道路行程時間預(yù)測系統(tǒng)框架研究

2.1 云計算簡介

對于云計算，目前還沒有統(tǒng)一的定義，概括而言[2]，云計算是一種對IT資源的使用模式，對共享的可配置資源，提供普適的、方便的、按需的網(wǎng)絡(luò)訪問，使用時不需要很大的管理代價。云計算具有高可靠性、高可拓展性、按需服務(wù)和廉價等特點，學(xué)術(shù)界對云計算的服務(wù)方式進行了總結(jié)，目前一致認為云計算能為用戶提供三種服務(wù)方式，包括基礎(chǔ)設(shè)施即服務(wù)（IaaS）、平臺即服務(wù)（PaaS）和軟件即服務(wù)（SaaS），其中基礎(chǔ)設(shè)施即服務(wù)主要能為用戶提供相應(yīng)的計算和儲存能力，平臺即服務(wù)能為用戶提供應(yīng)用程序開發(fā)、數(shù)據(jù)庫、應(yīng)用服務(wù)器、試驗、托管及應(yīng)用服務(wù)，軟件即服務(wù)能為用戶提供定制的軟件使用服務(wù)。其中，平臺即服務(wù)是云計算服務(wù)模式中最為關(guān)鍵的一層，在整個云計算體系中起著支撐的作用。

2.2 基于云計算的道路行程時間預(yù)測系統(tǒng)框架

為了能對道路的行程時間進行準確的預(yù)測[3]，需要采集大量的道路信息，為了能減少信息孤島現(xiàn)象的出現(xiàn)，同時也能夠?qū)煌ㄖ挟a(chǎn)生的大數(shù)據(jù)信息進行有效的儲存和計算，提出基于云計算的道路行程時間預(yù)測系統(tǒng)，系統(tǒng)的框架如圖1所示，系統(tǒng)的框架主要包含四層。

第一層為基礎(chǔ)設(shè)施層。該層主要包括視頻檢測器、磁感應(yīng)線圈檢測器和超聲波檢測器等自動交通數(shù)據(jù)采集設(shè)備采集道路交通中的信息，采集的道路交通信息通過4G/5G網(wǎng)絡(luò)的方式傳輸?shù)皆朴嬎闫脚_的基礎(chǔ)設(shè)施層即服務(wù)層。

第二層為云計算的IaaS平臺層，該層主要是提供虛擬資源，比如海量的計算資源和存儲資源，接受基礎(chǔ)設(shè)施層通過網(wǎng)絡(luò)傳輸過來的數(shù)據(jù)。

圖1 基于云計算的道路行程時間預(yù)測系統(tǒng)框架

第三層為云計算的PaaS平臺層，該層能夠?qū)?shù)據(jù)進行預(yù)處理，并根據(jù)預(yù)處理之后的數(shù)據(jù)建立模型，并根據(jù)模型實現(xiàn)對道路行程時間的預(yù)測。

第四層為用戶層，在云計算平臺完成對道路行程時間的預(yù)測后，可以通過無線網(wǎng)絡(luò)將數(shù)據(jù)傳送給用戶，幫助用戶做好相應(yīng)的決策，用戶有意見也可以通過網(wǎng)絡(luò)反饋給云計算平臺。交管部門利用預(yù)測信息做出交通誘導(dǎo)，降低城市道路的交通擁堵。

3 基于云計算的道路行程時間預(yù)測模型研究

3.1 道路行程時間的預(yù)測模型

現(xiàn)有的對道路行程時間的模型根據(jù)對數(shù)據(jù)要求的不同可以分為以下三個種類：第一類是統(tǒng)計類的方法，該方法側(cè)重于對歷史數(shù)據(jù)進行處理，并從歷史數(shù)據(jù)中查找規(guī)律，并基于這些規(guī)律對未來的道路行程時間進行預(yù)測，以歷史趨勢法作為代表；第二類是使用技術(shù)類的方法，對當(dāng)前交通數(shù)據(jù)進行分析，并預(yù)測下面時刻的道路行程時間，比如神經(jīng)網(wǎng)絡(luò)算法、卡爾曼濾波算法等；第三類是仿真類算法，主要用計算機對道路交通狀況進行模擬，從而預(yù)測出道路的行程時間，比如VISSIM系統(tǒng)?？紤]到在道路行程時間預(yù)測時計算的實時性、預(yù)測精度、復(fù)雜性以及在線調(diào)整等因素，卡爾曼濾波算法比較合適。因此，選取卡爾曼濾波算法對道路的行程時間進行預(yù)測。

卡爾曼濾波算法是由Kalman和Bucy在1960年提出的，它是一種時域上的狀態(tài)空間方法，自被提出以來，已經(jīng)被應(yīng)用到很多領(lǐng)域，比如社會經(jīng)濟、航空航天和工業(yè)工程等領(lǐng)域，中國學(xué)者楊兆升[4]在1999年曾用卡爾曼濾波模型對行程時間進行預(yù)測。

3.2 卡爾曼算法的單步預(yù)測模型

卡爾曼濾波算法可以用下面的式子進行表示，先引入一個離散控制過程的系統(tǒng)，該系統(tǒng)可用下面一個線性隨機微分方程來描述。

其中，TK表示K時刻道路的行程時間，uK-1表示K-1時刻對道路行程時間的控制量，A和B表示系統(tǒng)參數(shù)，對于多模型系統(tǒng)而言，它們可以表示為矩陣。yK表示K時刻的測量值，H表示測量系統(tǒng)的參數(shù)，對于多測量系統(tǒng)而言，H可以表示為矩陣，qK-1和rK分別表示過程和測量的噪聲，又被假設(shè)為高斯白噪聲，假設(shè)它們的數(shù)值不隨時間的變化而變化，那么卡爾曼算法的5個更新方程如下所示：

在上面的式子中，GK表示卡爾曼增益,PK表示系統(tǒng)的誤差協(xié)方差矩陣，TK-表示預(yù)測的K時刻的道路行程時間，PK-表示預(yù)測的過程中產(chǎn)生的誤差協(xié)方差矩陣，式（3）表示基于現(xiàn)在的狀況對未來的狀況進行預(yù)測，式（4）表示計算本次預(yù)測時所產(chǎn)生的誤差協(xié)方差矩陣，式（5）表示計算卡爾曼增益，式（6）表示結(jié)合觀測到的數(shù)據(jù)對本次預(yù)測進行修正，式（7）表示修正誤差協(xié)方差矩陣，以為下一步預(yù)測準備。上述算法可以使用Matlab語言進行編程并實現(xiàn)計算。上述的卡爾曼濾波算法為單步預(yù)測，預(yù)測的時長為5-15min左右，若想對更遠的時間進行預(yù)測，需要進行多步預(yù)測。

3.3 卡爾曼算法的多步預(yù)測模型

在上述的單步的卡爾曼濾波算法預(yù)測道路行程時間中，需要實時的數(shù)據(jù)進行計算，比如需要實時的對預(yù)測模型中的卡爾曼增益進行不斷的修正，以使得系統(tǒng)的誤差協(xié)方差矩陣達到最小，然而實時數(shù)據(jù)的最佳獲取時間都在15min以內(nèi)，因此限制了單步的卡爾曼濾波算法預(yù)測的時間長度。將結(jié)合歷史上同類型日子的道路行駛時間去實現(xiàn)多步預(yù)測[5]。

首先在云計算平臺上建立交通信息歷史數(shù)據(jù)庫，將每天的道路交通信息都儲存在歷史數(shù)據(jù)庫中，當(dāng)需要對道路行程時間進行預(yù)測時，從交通信息歷史庫中選取與當(dāng)前交通狀況比較相似的歷史日子，從中選取道路行程時間作為參考，完成對道路行程時間的預(yù)測。在評價交通狀況是否相似時，見式（8），當(dāng)前時刻以前的三個時刻的道路行程時間TK-1,TK-2,TK-3與歷史數(shù)據(jù)庫中相同時刻之前的三個時刻的道路行程時間TK-1P,TK-2P,Tk-3P的相對誤差之和為ZP，當(dāng)誤差之和ZP最小時，則選擇出了與當(dāng)前日子交通狀況最相似的歷史日子。

在最相似的歷史日子中，選取當(dāng)前時刻以及未來五個時刻的道路行程時間，將這6個數(shù)據(jù)當(dāng)作測量值 yK代入到式（1）-（6）進行迭代運算，就能夠完成多步的預(yù)測，在選取數(shù)據(jù)時，一般選取周期為5-15min，當(dāng)周期過長，會導(dǎo)致預(yù)測的準確度降低，當(dāng)周期過短，會導(dǎo)致預(yù)測的時間太短，不能夠完成道路行程時間的長時間的預(yù)測，最后參考以往的研究，選取10min為測量周期，經(jīng)過6步預(yù)測之后，預(yù)測的道路行程時間可以提升至60min。

4 基于云計算的道路行程時間預(yù)測的模擬仿真

為了對模型進行驗證，采集了位于武漢市洪山區(qū)珞獅路的道路行程時間的數(shù)據(jù)，珞獅路全長3.3km[6]，是武漢市洪山區(qū)的一條雙向主干道，北起八一路，南至南湖大道，由于道路下面修建地鐵，珞獅路最近半年內(nèi)都是武漢市最為擁堵的十條路段之一，早高峰一般出現(xiàn)在從南向北的道路，出現(xiàn)時間為7∶30-8∶30，晚高峰出現(xiàn)在從北向南的路段，出現(xiàn)時間為5∶30-6∶30，早高峰一般出現(xiàn)在工作日，其中周一的早高峰最為擁堵，晚高峰一般出現(xiàn)在周五，周六周日比較相似，但跟工作日的狀況明顯不同，其中，天氣狀況對于道路交通有一定的影響。本文主要對早高峰的情況進行模擬仿真。

在建立早高峰的歷史數(shù)據(jù)庫時，需要分為六個種類的數(shù)據(jù)，見表1。當(dāng)需要調(diào)用數(shù)據(jù)時，就能夠更加快速地從歷史庫中尋找合適的參數(shù)對道路的行程時間進行預(yù)測。

表1 歷史數(shù)據(jù)庫中的存儲種類

通過視頻檢測器采集車牌的信息并利用軟件進行自動識別[7]或通過人實際觀察的方式采集道路信息，從而能夠觀測出道路的行程時間，采用10min/次的采集頻率對汽車信息進行采集，將采集的信息傳送到歷史數(shù)據(jù)庫中并分類儲存，利用卡爾曼多步預(yù)測能夠?qū)崿F(xiàn)道路行程時間的預(yù)測，主要對珞獅路兩周的道路行程時間進行預(yù)測，預(yù)測結(jié)果和實際值如圖2所示。

觀察圖2可以發(fā)現(xiàn)，通過卡爾曼濾波多步預(yù)測可以對珞獅路的道路行程時間進行預(yù)測，預(yù)測的結(jié)果與實際的觀察值大都是擬合的，道路行程時間的預(yù)測值和實際值的變化趨勢是趨同的。由圖3可知，預(yù)測的結(jié)果的大部分的百分比的相對誤差[8]都在10%以下，其中有一個誤差為12%，也在可以接受的范圍內(nèi)，因此可以驗證這個算法對道路行程時間的預(yù)測是可行的。

5 結(jié)論

圖2 實際的道路行程時間和預(yù)測的道路行程

圖3 預(yù)測的百分比相對誤差

由于中國城市人口的急劇增加，中國人均汽車保有量上升，城市交通網(wǎng)絡(luò)的負荷過大，由此導(dǎo)致了城市內(nèi)部交通擁堵、交通事故頻發(fā)等問題，本文對基于云計算的道路行程時間的預(yù)測進行了研究，通過傳感器采集道路交通信息，通過無線網(wǎng)絡(luò)將信息傳送到云計算平臺，通過云計算平臺對信息進行分析，利用卡爾曼濾波算法完成道路行程時間的預(yù)測，提出相應(yīng)的算法，并利用算法對道路的行程時間預(yù)測進行了仿真，驗證了其可行性。利用預(yù)測結(jié)果可以對道路交通進行實時誘導(dǎo)，對于降低城市交通擁堵和交通事故發(fā)生的次數(shù)具有重要意義。