(武漢理工大學(xué),湖北 武漢 430070)
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(fù)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(jìn)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(shí)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(diǎn),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(jìn)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(shí)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。
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(diǎn),學(xué)術(shù)界對云計算的服務(wù)方式進(jìn)行了總結(jié),目前一致認(rèn)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。
為了能對道路的行程時間進(jìn)行準(zhǔn)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(jìn)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(jìn)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(shí)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。
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(jìn)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(jìn)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(jìn)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(jī)對道路交通狀況進(jìn)行模擬,從而預(yù)測出道路的行程時間,比如VISSIM系統(tǒng)。考慮到在道路行程時間預(yù)測時計算的實(shí)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(jìn)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(jì)、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(jìn)行預(yù)測。
卡爾曼濾波算法可以用下面的式子進(jìn)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(jī)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(jìn)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(jìn)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(zhǔn)備。上述算法可以使用Matlab語言進(jìn)行編程并實(shí)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(yuǎn)的時間進(jìn)行預(yù)測,需要進(jìn)行多步預(yù)測。
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(shí)時的數(shù)據(jù)進(jìn)行計算,比如需要實(shí)時的對預(yù)測模型中的卡爾曼增益進(jìn)行不斷的修正,以使得系統(tǒng)的誤差協(xié)方差矩陣達(dá)到最小,然而實(shí)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(shí)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(jìn)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(jìn)行迭代運(yùn)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(zhǔn)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。
為了對模型進(jìn)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(jìn)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(jìn)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(jìn)行自動識別[7]或通過人實(shí)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(jìn)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(jìn)行預(yù)測,預(yù)測結(jié)果和實(shí)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(jìn)行預(yù)測,預(yù)測的結(jié)果與實(shí)際的觀察值大都是擬合的,道路行程時間的預(yù)測值和實(shí)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。
圖2 實(shí)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(fù)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(jìn)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(jìn)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(jìn)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(jìn)行實(shí)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。