文/王中立 重慶交通大學 土木工程學院 重慶 400074

張沈越 武漢理工大學 汽車工程學院 湖北武漢 430070

1、緒論

1.1 問題提出

交通需求預測，是交通規(guī)劃的核心內(nèi)容之一[1]。早在上個世紀，西方發(fā)達國家在大規(guī)模城市道路交通規(guī)劃和建設過程中，逐漸形成了“四階段”城市道路需求預測技術。四階段（four-step）模型是指將需要完成的交通需求預測任務劃分為四個子任務，即交通產(chǎn)生量預測、OD分布預測、交通方式分擔預測和交通量分配預測。

“四階段”技術在長期的城市交通規(guī)劃實踐中得到了檢驗，自該方法誕生之日起，其框架幾乎沒有發(fā)生變動，方法簡單可靠，但“四階段”技術依賴大規(guī)模的城市交通普查，在當今城市人口流動極其頻繁的情況下，交通普查的成本和難度越來越大，其精度也不容樂觀。同時，其傳統(tǒng)預測模型難以反映社會發(fā)展，城市交通管理政策變化的影響，也無法考慮到周邊環(huán)境隨時間序列推移，對各交通小區(qū)出行的連鎖反應。

1.2 研究內(nèi)容

文章對交通擁堵進行判定，闡述交通擁堵產(chǎn)生的原因，收集了目前應對交通擁堵的方法，介紹了現(xiàn)有交通運行狀況評價體系。同時，文章還對宏觀交通仿真技術進行闡述，介紹了宏觀交通仿真軟件VISUM，提出了OD矩陣反推與交通預測模型相結(jié)合的思路。

研究以VISUM交通仿真軟件上的Oppidum小鎮(zhèn)為研究樣本，將研究范圍按用地情況和道路的自然分割劃分為67個交通小區(qū)，查詢得到的1960-2000年城市主干道年交通量。通過對1960-1999年數(shù)據(jù)分析處理，預測出2000年交通量。

2、宏觀交通仿真機理

2.1 宏觀交通仿真的定義

根據(jù)研究范圍及對象的不同，交通仿真通常被分為宏觀交通仿真、中觀交通仿真和微觀交通仿真 [2]。

宏觀交通仿真要求采集路段速度和流量，相較于中觀交通仿真和微觀交通仿真，對交通實體、交通信號等細節(jié)要求比較低。在宏觀交通仿真過程中，研究者以OD矩陣為主要研究對象，對交通基礎設施建設和遠景規(guī)劃進行科學分析，如公交線路的優(yōu)化、評價新建公路影響。

2.2 研究概況

交通仿真現(xiàn)狀的發(fā)展分成三個階段，20世紀60年代，研制了TRANSY、SIGOP等系統(tǒng)，但由于當時計算機發(fā)展不夠好，仿真系統(tǒng)也并不完備。后來，隨著計算機的發(fā)展，仿真模型迅速發(fā)展，出現(xiàn)了MISTRAN模型、SATURN宏觀模型等[3]。到20世紀80年代，ITS的研究熱潮襲來，各國相繼研制了各種不同，應對不同情況和路段的仿真模型。到目前，交通仿真系統(tǒng)分為宏觀和微觀，微觀的有CORSIM、PARAMICS和VISSIM，而宏觀的有VISUM。傳統(tǒng)的微觀分析方法適用的范圍、影響因素較小的情況，而宏觀的交通仿真軟件如VISUM以整體為目標，研究特定問題，分析路網(wǎng)情況，對交通流量進行分析分配，從而實現(xiàn)科學規(guī)劃，減少擁堵情況。VISUM現(xiàn)已經(jīng)用于對于路網(wǎng)的分析，為城市道路的規(guī)劃提供依據(jù)[4]。

2.3 基于大數(shù)據(jù)交通仿真技術的城市交通量組合預測模型

交通仿真軟件的出現(xiàn)在很大程度上促進了交通的發(fā)展，是交通領域的一座里程碑。隨著社會的發(fā)展，影響交通的相關因素越來越多，應用計算機技術進行交通仿真就成為了一種很有效的技術手段。交通仿真不僅可以復現(xiàn)交通流時空變化的技術、為交通道路設計規(guī)劃提供技術依據(jù)，而且還可以對各種參數(shù)進行比較和評價，以及環(huán)境影響的評價等。但是，交通是一個很復雜，又很巨大的一個體系，由于軟件自身的局限性，往往在算法預測上不夠精確，對交通狀態(tài)的描述顯得不夠完善，因此，文章考慮將引入OD矩陣反推后的卡爾曼濾波模型應用于交通仿真軟件VISUM，提出一種解決交通擁堵問題的新思路[5]。

3、卡爾曼濾波預測模型

3.1 模型提出背景

卡爾曼濾波是一種高效率的遞歸濾波器，是一種建立在最小方差估計的基礎上的算法，利用線性系統(tǒng)狀態(tài)方程，輸入觀測數(shù)據(jù)，再對系統(tǒng)進行最優(yōu)估計。[6]

3.2 算法詳述

將實際觀察到的交通量數(shù)據(jù)，經(jīng)過一系列運算反推出歷史的OD矩陣，再運用卡爾曼濾波模型，運用方程對得到的OD矩陣進行處理，預測得到新的結(jié)果[7]。這樣就將卡爾曼濾波模型與交通量結(jié)合起來，實現(xiàn)對OD矩陣的處理和運用。

以極大熵OD反推模型：

對于上述極大熵模型，由于其目標函數(shù)的特殊性，直接求解難以進行，通常用拉格朗日乘子法將其化為如下非線性方程組的形式：

上述方程組是含有M+1個變量和M+1個方程的非線性方程組，通過求解上述未知數(shù)即拉格朗日乘子，然后由（1）式求出OD矩陣，則有下式：

對于上述線性方程求解，采用數(shù)值解法。

4、現(xiàn)狀交通分析

4.1 傳統(tǒng)方法

卡爾曼濾波模型在交通需求預測中的應用，首先要根據(jù)交通流量時間和空間的相關性選擇狀態(tài)變量的個數(shù)。其基本有五個公式，簡單介紹如下。

T表示協(xié)方差：

結(jié)合預測值和測量值，可以得到現(xiàn)在狀態(tài)(k)的最優(yōu)化估算值V(k|k) ：

Kg為卡爾曼增益：

現(xiàn)在，得到了k狀態(tài)下最優(yōu)的估算值V(k|k)。為了使卡爾曼濾波器不斷的運行下去直到系統(tǒng)過程結(jié)束，還要更新k狀態(tài)下V(k|k) 的協(xié)方差即：

假設在k時刻某觀察點的車輛數(shù)與k-1、k-2時間段都有一定關系和聯(lián)系，根據(jù)這個關系，可以預測同一地點在k+1時刻的交通流[9]。

經(jīng)過一系列處理和遞推可以得到：

得到對比結(jié)果（圖1）：

圖1 MATLAB圖像

其中，紅色為卡爾曼濾波，綠色為量測，藍色為狀態(tài)。得出根據(jù)卡爾曼濾波模型預測出的交通流量，再與實際流量對比，我們可以看出卡爾曼濾波模型對于預測的準確性和及時性情況[10]。通過加權計算絕對誤差，我們發(fā)現(xiàn)預測值與實際值有10.56%的誤差。

4.2 基于組合模型的交通分析

圖2 Oppidum小鎮(zhèn)路網(wǎng)圖

在VISUM軟件中，首先將Oppidum小鎮(zhèn)分為67個交通小區(qū)（圖2），并自動生成小區(qū)連接線，生成40個以極大熵OD反推模型為主要原理的OD反推矩陣，并存入數(shù)據(jù)庫，接著，將1960-1999年的Oppidum小鎮(zhèn)OD交通需求矩陣通過卡爾曼濾波交通需求預測，得出預測值，即2000年各路段交通量，與實際數(shù)據(jù)對比，通過加權平均算出絕對誤差為5.11%。

4.3 傳統(tǒng)四階段法與組合模型的比較

與傳統(tǒng)的"四階段"技術相比，以極大熵原理為基礎的OD反推算法與卡爾曼濾波模型相結(jié)合的方法的預測更加簡便和高效。同時，與真實值相比，傳統(tǒng)方法預測誤差為10.56%，文中組合模型誤差為5.11%，文中方法更加精確。

結(jié)論：

通過對傳統(tǒng)交通流量需求預測四階段法的改進，提出以歷史交通流量基礎，用VISUM軟件中Oppidum小鎮(zhèn)的數(shù)據(jù)，以極大熵模型反推出OD矩陣，再利用卡爾曼濾波模型對OD矩陣進行處理和預測，最后將預測出的OD矩陣輸入VISUM仿真軟件中進行重新分配。在新的預測方法中，將OD矩陣反推的極大熵模型和卡爾曼濾波模型結(jié)合起來，形成更優(yōu)的組合模型，省去了傳統(tǒng)方法中大量的交通調(diào)查，節(jié)省大量物力財力和時間，同時還提高了預測精度。本文提出的方法在精準性、可靠性、簡便性、可行性方面都有一定優(yōu)勢，為今后更加有效的規(guī)劃交通，更簡便、精準的解決城市擁堵問題提供理論基礎。