劉 偉，劉 川

(重慶交通大學 交通運輸學院，重慶 400074)

0 引 言

從20世紀90年代以來，小轎車開始進入我國尋常百姓的家中，城市機動車保有量的增加,必然會導致交叉口機非混行嚴重[1]。在現(xiàn)實交通系統(tǒng)中,網(wǎng)絡的交通需求是可變的[2]，因此人們對道路的需求開始增多并且以前從未出現(xiàn)過的交通問題也開始頻繁出現(xiàn)并影響著社會的發(fā)展。所幸，智能交通的發(fā)展對于交通問題的解決起到了有效的作用，是近年來研究的熱點。準確地預測交通流是實現(xiàn)智能交通發(fā)展的前提和關鍵,也是智能化交通管理的客觀需求[3]，同時，交通流預測也是目前動態(tài)交通流領域的主要研究內(nèi)容。由于交通流具有隨機性、非線性、動態(tài)性和反饋性等特性，對此，可將交通流預測方法大致分為兩大類，第1類是線性參數(shù)法，例如時間序列、卡爾曼濾波、線性回歸等；第2類是非線性參數(shù)法，例如混沌理論、深度學習以及k近鄰等。

在前些年，國內(nèi)外學者利用線性參數(shù)法來預測交通流的較多。為了避開傳統(tǒng)數(shù)學表達式不能很好地進行動態(tài)趨勢描述的缺點，趙亞偉等[4]利用多維時間序列法來對高速公路的ETC短時交通流量進行預測；S.V.KUMAR[5]針對ARIMA模型需要大量連續(xù)交通量數(shù)據(jù)的缺點，利用卡爾曼濾波來對交通流進行預測，成功避開了數(shù)據(jù)帶來的限制；楊高飛等[6]則將卡爾曼濾波和ARMA進行組合，利用組合模型來預測短時交通流，在預測精度上，該組合模型比兩個單一模型有了很大的提高。隨著時代的進步和計算機技術的發(fā)展，面對交通流的不確定性，越來越多的學者傾向于通過利用非線性參數(shù)法來預測交通流，從而提高預測精度。王春安[7]提出了在Hadoop環(huán)境下利用MapReduce處理框架與BP神經(jīng)網(wǎng)絡結合的預測模型來預測交通流，該模型不僅可以分析大量數(shù)據(jù)，而且還可以減小預測時間以及增強預測的實時性；在交通流數(shù)據(jù)缺失、不完整等情況下，TIAN Yan等[8]提出了一種基于長短時記憶(LSTM)的模型來克服數(shù)據(jù)缺陷在交通流預測中的不足。交通流的變化具有隨機性和非線性的特點，對預測精度帶來了一定的干擾，N.G.POLSON等[9]對此基于深度學習的方法，提出了正則化和tanh層序列結合的模型。而國內(nèi)梁艷平等[10]則利用相似數(shù)據(jù)與變k值KNN(KNN-SDA)算法來預測短時交通流，相比較于傳統(tǒng)方法減小了由于交通流的時變性帶來的預測誤差。

綜上所述，有關交通流的研究一直是一個研究熱點，且目前已經(jīng)發(fā)表了大量的相關文獻。隨著大數(shù)據(jù)技術及計算機技術的快熟發(fā)展，對研究領域的大量文獻從宏觀上進行數(shù)據(jù)可視化分析以探討它們的共性以及研究趨勢、前沿及熱點，將對后續(xù)深入的研究是很有必要的。對此，筆者采用了文獻計量法來分析從1990年到2018年10月份之間的有關動態(tài)交通流研究的文獻。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

筆者采用中國知網(wǎng)(CNKI)的高級檢索功能，以“動態(tài)交通流”為主題，選取時間為1990年到2018年，選擇范圍是核心期刊、EI期刊和SCI期刊，總共搜索到146篇。筆者用知網(wǎng)自帶的數(shù)據(jù)可視化功能并結合Excel以及CiteSpace軟件來進行相關數(shù)據(jù)分析。

1.2 研究方法

利用文獻計量法來對搜索到的146篇期刊進行期刊年份發(fā)表趨勢、期刊來源狀況、研究機構分布以及基金分布分析。利用美國德雷塞爾大學陳超美教授開發(fā)的CiteSpace軟件對期刊的關鍵詞進行共現(xiàn)網(wǎng)絡分析[11]，從關鍵共現(xiàn)網(wǎng)絡圖可以看出頻次最高以及中心度最大的關鍵詞，以此作為判斷該領域研究熱點的依據(jù)。

2 研究結果

2.1 期刊發(fā)表總趨勢

期刊發(fā)表數(shù)量的變化趨勢反映了交通流知識的變化，因此文獻的數(shù)量是衡量知識量的重要尺度之一[12]。根據(jù)知網(wǎng)自帶的數(shù)據(jù)可視化功能，得出了從1990年到2018年(10月)各年份所發(fā)的期刊數(shù)量數(shù)據(jù)，利用Excel做出折線圖，如圖1。由圖1可知，從20世紀90年代初期開始，發(fā)表期刊數(shù)量開始從無到有并逐漸增多，其中1998年為20世紀發(fā)表期刊最多的年份，達到6篇。接著從2000年開始，由于科技在發(fā)展，汽車產(chǎn)業(yè)不斷提升，人們對汽車的需求也開始增加，因此，期刊發(fā)表量大體上呈現(xiàn)增長之勢，一直到2012年達到頂峰，有12篇之多。2012年后，汽車價格上漲、公交優(yōu)惠等政策紛紛出現(xiàn)，從而使車輛保有量增加率降低，減輕了一定的交通壓力，因此從2012年后開始，期刊發(fā)表量有所下降并保持穩(wěn)定狀態(tài)。從圖1展現(xiàn)的趨勢來看，2012年之前國家正處于快速發(fā)展時期，機動車保有量不斷增多；2012年之后，國家開始逐漸重視質(zhì)量的發(fā)展，因此機動車保有量得到相應的緩解，從而在一定程度上減小了交通流，在這期間關于交通流研究的期刊也隨之相應地減少并保持穩(wěn)定狀態(tài)。

綜上所述，從期刊發(fā)表總趨勢來看，我國關于交通流研究的過程大概經(jīng)歷3個階段：第1階段是萌芽階段，20世紀90年代中后期開始發(fā)表文章并保持小范圍波動，突破了之前零發(fā)表的記錄，表現(xiàn)出我國對于交通流的研究已經(jīng)提到日程上來，揭示了我國開始注重交通行業(yè)領域發(fā)展的跡象；第2階段是快速發(fā)展階段，從21世紀初開始，經(jīng)歷了10年的快速發(fā)展期，這期間文章的發(fā)表整體上呈現(xiàn)出爆發(fā)式的增長，與此期間我國交通領域迅速發(fā)展的事實相符；第3階段是高質(zhì)量穩(wěn)定發(fā)展階段，在2012年后，文章的發(fā)表明顯有一個小幅度的回落期并保持穩(wěn)定，這說明了我國交通開始進入一個新的發(fā)展階段，即注重質(zhì)量發(fā)展而不是數(shù)量發(fā)展的時期。按照此趨勢并結合現(xiàn)有國情，筆者認為未來幾年里該領域的文章發(fā)表趨勢將繼續(xù)保持高質(zhì)量穩(wěn)定發(fā)展狀態(tài)，且在一定的小范圍內(nèi)上下波動。

2.2 期刊來源分布

利用文獻計量法中的期刊來源分析指標，運用CiteSpace軟件的可視化分析功能查找出分別來自核心期刊、EI期刊和SCI期刊的期刊名以及登載數(shù)量和占比數(shù)據(jù)。

2.2.1 核心期刊來源分布情況

核心期刊來源分布情況如表1。由表1可知，核心期刊來源種類共有41種，共登載87篇論文，占總數(shù)的59.59%，其中登載3篇及以上的期刊種類有8種，《公路交通科技》登載數(shù)量最多，有19篇，占總數(shù)量的13.01%；《系統(tǒng)仿真學報》次之，登載5篇，占總數(shù)量的3.42%；《系統(tǒng)工程》、《長安大學學報(自然科學版)》、《計算機仿真》均登載4篇，各占總數(shù)量的2.74%；《公路》、《控制工程》和《計算機工程與應用》均登載3篇，各占總數(shù)量的2.05%；其余期刊登載數(shù)量都少于3篇，具體情況請見表1。關于動態(tài)交通流研究的核心期刊來源種類豐富，不僅有交通類的期刊，而且還有學報、計算機以及管理等方面的期刊。但是，真正起到主要來源作用的是《公路交通科技》、《系統(tǒng)仿真學報》等排在較前的少數(shù)期刊，而有24種核心期刊都只登載1篇論文，這說明關于交通流研究的核心期刊來源分布廣但卻集中在少部分期刊中，分布不均勻。

表1 核心期刊來源分布情況

2.2.2 EI期刊來源分布情況

EI期刊來源分布情況如表2，共有19種EI期刊，共登載54篇，占總數(shù)量的36.99%。其中登載3篇及以上的有7種，共登載38篇，占整個EI期刊來源數(shù)量的70.37%，是EI期刊的主要來源，這7種分別是《交通運輸系統(tǒng)工程學報》、《中國公路學報》、《交通運輸系統(tǒng)工程與信息》、《同濟大學學報(自然科學版)》、《控制與決策》、《華南理工大學學報(自然科學版)》和《土木工程學報》。對交通流研究貢獻最多的大多都是高校學報類的期刊，這說明在需要一定研究深度的前提下，學報類的期刊相比較其他方面的期刊更有優(yōu)勢。

表2 EI期刊來源分布情況

2.2.3 SCI期刊來源分布情況

經(jīng)過數(shù)據(jù)處理發(fā)現(xiàn)，對于SCI來源的期刊只有一種，即《物理學報》，共登載5篇，占總數(shù)量的3.42%。在中國知網(wǎng)數(shù)據(jù)庫下，對于SCI期刊，《物理學報》對交通流的研究相對來說是最適合發(fā)表的。然而在收錄的將近30年里，SCI級別的論文只有5篇，可謂少之又少，這說明了我國對于交通流的研究深度還不夠深，想法以及模型等還不夠新穎，這些都需要廣大的研究者努力攻克的方向。

從上述期刊來源分析可知，從20世紀90年代以來到2018年這不到30年期間，我國在核心刊物上發(fā)表的關于動態(tài)交通流研究的文章接近150篇，幾乎每年發(fā)表有5篇，從整體上說明了我國對于動態(tài)交通流的相關研究比較重視，特別是2000年以來的快速發(fā)展階段。然而從具體來源期刊級別分析可知，我國發(fā)表的文章接近60%的都來自核心刊物，其中《公路交通科技》居多；僅僅37%的文章來自EI刊物，剩下不到4%的文章來自SCI刊物，且都來自《物理學報》。對于這樣的期刊來源分配比例，筆者認為我國對于交通流的研究雖然有重視，但力度還不夠，對于EI級別以上的文章還處于少數(shù)部分。目前國家正處于交通強國戰(zhàn)略發(fā)展階段，需要大力發(fā)展交通來提升我國的交通綜合實力，這對于交通領域的學者來說將是一個機遇同時也是挑戰(zhàn)。

2.3 研究機構分布

若一個領域的研究機構非常多且每個機構都有知名作者在發(fā)表期刊且有一定的上升趨勢，則說明該領域目前是非常熱點的研究領域，因此研究機構的分布情況是有必要且有意義的。通過對146篇文獻進行研究機構數(shù)據(jù)分析發(fā)現(xiàn)研究機構共有40種，其中36種都是國內(nèi)各高校學報，且發(fā)表論文共140篇，占總數(shù)量的95.89%。由于機構種類較多，限于篇幅僅列出了發(fā)表4篇及以上的最具代表的機構名稱，其余研究機構都歸為其他類，如圖2。對于研究機構來講，其在該領域有發(fā)表論文的作者知名度越高，則越能說明該研究機構在動態(tài)交通流的相關領域非常權威，不僅發(fā)表數(shù)量豐富，而且論文質(zhì)量很高。對此，筆者對上述最具代表的研究機構分別列出有發(fā)論文且知名度較高的作者名字，具體詳見表3。

表3 研究機構分布

目前國內(nèi)對于交通流研究的主要研究機構絕大多數(shù)都來自于在學術理論上有很強造詣的知名大學，極度缺少像設計研究院、城市規(guī)劃院等注重實踐性的非高校機構，這說明了我國對于交通領域特別是與交通流相關的領域的研究機構還很單一，沒有形成理論與實踐相結合的綜合性研究機構。然而值得注意的是，交通學科本身就是一門多學科交叉的綜合性學科，同時涉及科學領域知識和人文領域知識，需要大量廣泛的知識積累才能進行相關研究。對此，對交通領域進行研究若僅從理論上出發(fā)，也許在理論上能達到要求，但付諸實踐時就很有可能達不到預期的要求。

2.4 基金分布

基金資助可以對研究者起到很好的激勵作用，有了基金項目資助，研究者就會大膽細致地做研究，為學術研究做出貢獻。因此，研究基金分布是非常有必要的。通過知網(wǎng)數(shù)據(jù)庫的數(shù)據(jù)可視化功能，可得到基金的分布情況。如圖3，在這146篇期刊當中，國家自然科學基金的有72篇，國家重點基礎研究發(fā)展計劃的有14篇，國家高技術研究發(fā)展計劃的有14篇，國家科技支撐計劃的有9篇，高等學校博士學科點專項科研基金的有8篇，廣東省自然科學基金的有5篇，其他的基金項目均少于5篇，共計24篇。圖3說明，國家對交通流領域的相關研究比較重視，大部分都是國家級科研基金，而地方級科研基金顯得較少。在地方級科研基金中，廣東省自然科學基金是支持數(shù)最多的地方級科研基金，領先其他地方級科研基金。

數(shù)據(jù)分析表明，交通流研究領域的基金項目種類還不夠豐富，且將近一半的文章均由最具吸引力的國家自然科學基金所資助，其他基金項目特別是地方級的科研基金資助的文章非常少。

3 內(nèi)容分析

上述內(nèi)容是筆者對研究成果進行的客觀現(xiàn)狀分析，并得出了相應的結論?，F(xiàn)在對研究內(nèi)容進行分析，主要是針對關鍵詞來分析交通流領域的研究情況。筆者利用CiteSpace文獻可視化分析軟件來對這146篇期刊進行關鍵詞可視化分析，通過對關鍵詞的分析可以簡單快速地了解動態(tài)交通流研究領域的基本狀況。通過操作CiteSpace軟件，從146篇期刊中選出了最熱門的關鍵詞，并將關鍵詞出現(xiàn)的頻次(count)、中心度(central)、年份(year)這3個要素的值都找出來制成表格，如表4。其中，頻次代表關鍵詞出現(xiàn)的次數(shù)，值越大越說明該關鍵詞受到很大的重視；中心度在關鍵詞共現(xiàn)網(wǎng)絡圖中起著樞紐作用，體現(xiàn)出該關鍵詞與其他關鍵詞的相關關系。為了更直觀地表現(xiàn)出關鍵詞間的聯(lián)系，制作了關鍵詞共現(xiàn)網(wǎng)絡圖，如圖4。

對表4的數(shù)據(jù)進行分析可知，在交通工程專業(yè)領域內(nèi)，動態(tài)交通流研究模型以元胞傳輸模型運用的最多，其他數(shù)值模型相對較少。為構建更高效的動態(tài)交通流分配模型，王秋平等[13]通過利用Green-shields速度-密度關系來優(yōu)化傳統(tǒng)的元胞傳輸模型，使之更能有效地模擬道路上動態(tài)交通流的運行特性。姚凱斌等[14]以能量守恒定律和宏觀基本圖為基礎，提出了改進的元胞傳輸模型來模擬信號交叉口的動態(tài)交通流運行狀況。為了提高動態(tài)交通流狀態(tài)的辨識度，張敬磊等[15]將貝葉斯網(wǎng)絡結合速度、流量和占有率3個交通流參數(shù)提出了基于動態(tài)貝葉斯網(wǎng)絡的動態(tài)交通流狀態(tài)識別方法。吳立烜等[16]建立了一種價格-擁擠混合調(diào)節(jié)的非均衡網(wǎng)絡交通流動態(tài)演化模型來研究城市路網(wǎng)動態(tài)交通流的演化規(guī)律并通過數(shù)值實驗來驗證該模型對提高路網(wǎng)通行效率的可行性。

表4 關鍵詞要素

對于動態(tài)交通流的應用領域，在交叉口信號控制方面研究的最多。由于不對稱的動態(tài)交通流會導致交叉口各進口道交通負荷分布不均勻，蔣賢才等[17]對此建立了交叉口不對稱交通流的信號控制參數(shù)優(yōu)化模型。為了提高交叉口混合交通流的通行效率，張偉等[18]提出了一種交通流單點自適應控制系統(tǒng)的架構和算法，并用VISSIM仿真驗證了該算法的實用價值。龍建成等[19]利用元胞傳輸模型來研究動態(tài)交通流條件下的交叉口信號控制問題，數(shù)值實驗表明，相比于固定信號配時方法，動態(tài)信號配時方法對于提高動態(tài)交通網(wǎng)絡的通行效率更有效。

對關鍵詞的頻次與中心度進行二者的差異性和一致性的耦合性分析，可以得出研究領域的研究熱點及發(fā)展趨勢[20]。據(jù)此，從表4及圖4可以看出，除交通工程、交通流及高速公路這3個交通領域常見的關鍵詞外，真正值得關注的關鍵詞是元胞傳輸模型、仿真、交通流模型及神經(jīng)網(wǎng)絡等。因此，不難分析出在推崇智能交通發(fā)展的時代，如何運用像元胞傳輸模型、神經(jīng)網(wǎng)絡模型等智能算法來研究交通流的復雜特性并進行實驗仿真來驗證結果將是智能交通研究的熱點及發(fā)展趨勢，這對推進智能交通的發(fā)展將起到很大的作用。

4 結 語

國內(nèi)動態(tài)交通流研究現(xiàn)狀總結。通過文獻計量法對國內(nèi)有關動態(tài)交通流研究的核心級別以上的期刊進行研究分析發(fā)現(xiàn)：期刊發(fā)表趨勢整體上保持逐年上升并趨于穩(wěn)定的狀態(tài)；期刊來源主要是核心期刊和EI期刊,SCI期刊較少；研究機構以國內(nèi)大學居多，缺少其他類型研究機構；基金分布主要集中在國家級基金項目上，地區(qū)級基金項目相對較少；動態(tài)交通流模型種類還不夠豐富且應用領域有待進一步的擴展。

今后動態(tài)交通流研究發(fā)展趨勢。隨著大數(shù)據(jù)時代的不斷成熟發(fā)展，交通流數(shù)據(jù)將會變得越來越龐大和多樣化，這使得動態(tài)交通流的非線性、復雜性以及隨機性特征變得越來越顯著。在這樣的情況下，傳統(tǒng)的理論方法就會越來越不適合被用來研究動態(tài)交通流。然而在另一方面，大數(shù)據(jù)的發(fā)展帶動了云計算的發(fā)展，云計算的發(fā)展又促進了智能算法的發(fā)展，這就使得深度學習算法在動態(tài)交通流預測方面深受專家學者的青睞。