鄒陽

摘要：現(xiàn)如今，智能交通系統(tǒng)（ITS）能最大限度地發(fā)揮現(xiàn)有交通基礎(chǔ)設(shè)施的潛力，緩解擁堵、保護(hù)環(huán)境、改進(jìn)安全、降低能耗、提高效率，被認(rèn)為是本世紀(jì)解決交通問題最重要的措施之一。ITS涉及許多技術(shù)領(lǐng)域，但其關(guān)鍵技術(shù)就是要向車輛、出行者及交通管理控制者提供交通網(wǎng)絡(luò)的實時動態(tài)的交通狀態(tài)信息，并誘導(dǎo)交通流，而此技術(shù)的理論核心就是動態(tài)交通網(wǎng)絡(luò)模型及算法。

關(guān)鍵詞：ITS；時空交通網(wǎng)絡(luò)；智能交通誘導(dǎo)系統(tǒng)；動態(tài)交通狀態(tài)信息

引言

智能交通（ITS）是將人工智能技術(shù)、自動控制技術(shù)、計算機(jī)技術(shù)、先進(jìn)的信息通信技術(shù)及傳感器技術(shù)等有效的集成，并應(yīng)用于整個地面交通管理系統(tǒng)而建立的一種大范圍、全方位發(fā)揮作用的綜合交通運(yùn)輸管理系統(tǒng)，包括先進(jìn)交通管理系統(tǒng)（ATMS）、先進(jìn)的駕駛員信息系統(tǒng)（ATIS）、先進(jìn)公共運(yùn)輸系統(tǒng)（APTS）、出行指導(dǎo)系統(tǒng)等。

1 智能交通大誘導(dǎo)信息系統(tǒng)概述

智能交通系統(tǒng)是將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子控制技術(shù)及計算機(jī)處理技術(shù)等綜合運(yùn)用于整個交通運(yùn)輸管理體系。通過對交通信息的實時采集、傳輸和處理，借助各種科技手段和設(shè)備，從而使交通設(shè)施得以充分利用并能夠提高交通效率和安全，最終使交通運(yùn)輸服務(wù)和管理智能化，實現(xiàn)交通運(yùn)輸?shù)募s式發(fā)展。

交通誘導(dǎo)信息系統(tǒng)是智能交通管理系統(tǒng)功能體現(xiàn)的關(guān)鍵之一。交通誘導(dǎo)信息系統(tǒng)是智能交通管理系統(tǒng)中各個子系統(tǒng)相互協(xié)調(diào)作用，對交通信息進(jìn)行采集、處理和分析，并向交通管理者和出行者提供所需的有效信息。信息采集、信息處理機(jī)誘導(dǎo)信息的生成和誘導(dǎo)信息的發(fā)布，構(gòu)成智能化城市交通誘導(dǎo)信息系統(tǒng)。

2 動態(tài)網(wǎng)絡(luò)交通理論存在的問題

動態(tài)網(wǎng)絡(luò)交通理論存在的問題：（1）動態(tài)交通需求參數(shù)、路阻函數(shù)和路段流入流出率函數(shù)及其參數(shù)必須預(yù)先給定，不能與實時交通檢測信息接口，不具備實時在線條件；（2）假設(shè)動態(tài)出行路徑只依賴于當(dāng)前交通狀況信息，不具備真正的預(yù)測功能，給出的動態(tài)出行路徑與用戶實際經(jīng)歷的路徑相去甚遠(yuǎn)，不能支持交通誘導(dǎo)和疏導(dǎo)。（3）由于離線的固有缺陷，不能與交通緊急事件信息系統(tǒng)接口，缺乏環(huán)境適應(yīng)性和對交通擁堵預(yù)警支持。（4）假定網(wǎng)絡(luò)通行能力為靜態(tài)，用若千個孤立的路阻函數(shù)間接反映擁擠。實際上，實時網(wǎng)絡(luò)通行能力隨著交通狀態(tài)（流量、密度等）的波動而發(fā)生改變，即網(wǎng)絡(luò)使用過程中的通行能力是動態(tài)的，交通流狀態(tài)是動態(tài)交通需求與動態(tài)通行能力相互作用的結(jié)果。

3 智能交通誘導(dǎo)系統(tǒng)中動態(tài)交通信息預(yù)測方法

3.1 時間序列模型

時間序列分析主要指采用參數(shù)模型對觀測到的有序隨機(jī)數(shù)據(jù)進(jìn)行分析和處理的一種數(shù)據(jù)處理方法。其預(yù)測原理是將預(yù)測對象隨時間變化形成的數(shù)據(jù)序列看成一個隨機(jī)時間序列，該序列的未來發(fā)展變化與對象歷史變化存在依賴性和延續(xù)性，包括自回歸模型、滑動平均模型、自回歸綜合滑動平均模型等。其中單變量ARIMA是典型的時間序列方法，適用于短時交通信息預(yù)測，它實際上是用二項式差分消除了非平穩(wěn)時序中的多項式趨向，從系統(tǒng)角度分析，就是分離出了系統(tǒng)中相同的一階環(huán)節(jié)，從而可以按照平穩(wěn)時序建模，ARIMA適用于穩(wěn)定的交通流。

3.2 神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)是一種并行的、分布式的智能信息處理方法，具有非線性映射和聯(lián)想記憶功能，非常適合解決強(qiáng)非線性、時變系統(tǒng)的預(yù)測問題。目前，在交通信息預(yù)測方向的神經(jīng)網(wǎng)絡(luò)預(yù)測研究主要分為三個層次：

1）將某一類神經(jīng)網(wǎng)絡(luò)方法直接用于短時交通信息預(yù)測的方法有：例如BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、時滯神經(jīng)網(wǎng)絡(luò)等；

2）將兩種或多種神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合預(yù)測模型：例如神經(jīng)網(wǎng)絡(luò)集成方法；

3）將神經(jīng)網(wǎng)絡(luò)與其他方法結(jié)合，進(jìn)行綜合預(yù)測的方法：例如模糊神經(jīng)網(wǎng)絡(luò)、粗神經(jīng)網(wǎng)絡(luò)、以及小波神經(jīng)網(wǎng)絡(luò)等。粗神經(jīng)網(wǎng)絡(luò)建立在粗神經(jīng)元基礎(chǔ)上，基于粗糙集理論和近似概念建立的粗神經(jīng)元可以看作由兩個存在重疊的常規(guī)神經(jīng)元組成。粗神經(jīng)網(wǎng)絡(luò)中的常規(guī)神經(jīng)元對應(yīng)于確定性變量，如交通流量密度、速度以及行程時間，粗神經(jīng)元用于描述不確定性變量或變量波動情況，如偶發(fā)事故、天氣原因引起的交通流參數(shù)波動。小波神經(jīng)網(wǎng)絡(luò)是在小波分析基礎(chǔ)上提出的前饋網(wǎng)絡(luò)，與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別是隱含層節(jié)點激勵函數(shù)不是Sigmoid函數(shù)而是小波函數(shù)。

3.3 非參數(shù)回歸

非參數(shù)回歸是利用模式匹配算法，找到一組與輸入數(shù)據(jù)相對應(yīng)的數(shù)據(jù)或相似的數(shù)據(jù)來預(yù)測，對應(yīng)關(guān)系不需要精確的函數(shù)表達(dá)式，而是一個近似的關(guān)系。在每次模式匹配算法中，隨著輸入數(shù)據(jù)模式變化，這個近似的關(guān)系也會有變化，從而達(dá)到動態(tài)預(yù)測的目的。非參數(shù)回歸方法本質(zhì)上是一種數(shù)據(jù)驅(qū)動的智能方法，認(rèn)為系統(tǒng)所有因素之間的內(nèi)在聯(lián)系都蘊(yùn)含在歷史數(shù)據(jù)中，從大量的歷史數(shù)據(jù)樣本中找到所需的匹配數(shù)據(jù)，依賴匹配數(shù)據(jù)預(yù)測。

非參數(shù)回歸方法的優(yōu)點是：1）不需要先驗和大量的參數(shù)識別，不必確定任何模型參數(shù)，只需要足夠的歷史數(shù)據(jù)，尋找歷史數(shù)據(jù)中與當(dāng)前點相似的近鄰，并用這些近鄰預(yù)測下一時段的流量；2）應(yīng)對突發(fā)事件能力強(qiáng)，預(yù)測準(zhǔn)確性和誤差分布較好算法原理清晰，魯棒性好，尤其適用于交通狀態(tài)不穩(wěn)定時的系統(tǒng)預(yù)測。非參數(shù)回歸方法的缺點是：存儲的歷史數(shù)據(jù)較多時查找近似點的效率就會降低，影響預(yù)測速度，另外交通環(huán)境變化時導(dǎo)致狀態(tài)和流量的對應(yīng)關(guān)系發(fā)生變化，需要更新數(shù)據(jù)庫信息。

3.4 混沌預(yù)測

交通系統(tǒng)是一個復(fù)雜的大系統(tǒng)，它表現(xiàn)出來的非線性動力學(xué)性質(zhì)之一就是混沌現(xiàn)象。實際上，在一個較短的時間段內(nèi)（例如10分鐘），每條道路的車流量、路口總體流量和交通控制網(wǎng)絡(luò)流量的變化具有豐富的內(nèi)部層次有序結(jié)構(gòu)，有很強(qiáng)的規(guī)律可尋，是一種介于隨機(jī)和確定性之間的現(xiàn)象，即混沌。具體來說，車輛間的非線性跟馳和交通系統(tǒng)的狀態(tài)參數(shù)的變化都存在混沌現(xiàn)象。

基于混沌理論的進(jìn)行交通信息短時預(yù)測主要以混沌理論、分形理論、耗散理論、協(xié)同理論、自組織理論等為基礎(chǔ)，利用混沌理論中的相空間重構(gòu)、奇怪吸引子、分形方法等建立預(yù)測模型。研究可分為兩個方面：基于交通流理論模型的混沌研究和基于實測交通流數(shù)據(jù)的混沌研究?；煦鐣r間序列預(yù)測方法有：全域預(yù)測、局域預(yù)測、加權(quán)零階局域預(yù)測、加權(quán)一階局域預(yù)測、基于最大Lyapunov指數(shù)的預(yù)測、自適應(yīng)預(yù)測等方法。

4 動態(tài)網(wǎng)絡(luò)交通理論研究的發(fā)展趨勢

（1）關(guān)于動態(tài)網(wǎng)絡(luò)交通配流問題，近年來的研究在理論上的成果雖然很顯著，但與之相關(guān)的理論問題以及實際應(yīng)用時面臨的難題還很多，有必要進(jìn)一步開展深入的研究。另外，為將動態(tài)交通配流用于實際交通網(wǎng)絡(luò)，開發(fā)更為有效的計算方法及應(yīng)用軟件也很重要。

（2）對預(yù)測型用戶最優(yōu)模型的研究，預(yù)測型模型與實際情況更為接近，而目前還沒有足夠準(zhǔn)確的表達(dá)式來表述其定義的最優(yōu)條件。

（3）利用動態(tài)網(wǎng)絡(luò)交通配流模型確定道路通行費(fèi)，使城市路網(wǎng)達(dá)到系統(tǒng)最優(yōu)，緩解交通擁堵狀況，道路通行費(fèi)的確定可以通過動態(tài)系統(tǒng)最優(yōu)模型與動態(tài)用戶最優(yōu)模型聯(lián)合起來確定。這種動態(tài)的道路通行費(fèi)與傳統(tǒng)的靜態(tài)通行費(fèi)由很大的差別，它是根據(jù)路網(wǎng)交通分布形態(tài)確定的。

（4）研究如何將交通控制、路徑誘導(dǎo)等系統(tǒng)的影響集成至動態(tài)網(wǎng)絡(luò)交通配流中去。由于實時自適應(yīng)交通控制系統(tǒng)和路徑誘導(dǎo)系統(tǒng)的迅猛發(fā)展，將會影響出行者的路徑選擇行為，甚至于影響交通流的分布形態(tài)。因此這些影響應(yīng)該反映到動態(tài)網(wǎng)絡(luò)配流中去。從另一個角度講，動態(tài)網(wǎng)絡(luò)交通配流應(yīng)該成為交通控制系統(tǒng)以及路徑誘導(dǎo)系統(tǒng)的技術(shù)基礎(chǔ)。

參考文獻(xiàn)

[1]王嘉寧.基于動態(tài)路徑規(guī)劃的城市醫(yī)療廢棄物回收研究[D].大連海事大學(xué)，2015.

[2]管德永.先進(jìn)的城市交通信號控制理論模型和實施技術(shù)研究[D].吉林大學(xué)，2003.

（作者單位：上海電科智能系統(tǒng)股份有限公司）