趙芳琴

安徽省公安教育研究院，安徽 合肥 230031

0 引言

城市交通規(guī)劃輔助決策內(nèi)容包括交通發(fā)生情況、交通分布狀態(tài)、交通方式劃分以及交通分配等，目的是為城市交通規(guī)劃奠定堅(jiān)實(shí)的基礎(chǔ)[1]。國外早在1960年提出了交通規(guī)劃模型的概念，我國的交通規(guī)劃模型研究起步較晚，但在互聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)得到廣泛應(yīng)用后，對(duì)城市交通規(guī)劃提出了全新的發(fā)展要求[2]。

當(dāng)前對(duì)于城市交通規(guī)劃輔助決策的方法很多，取得了一定的研究成果。文獻(xiàn)[3]利用Spark-MLlib中的決策樹算法，分析不同的目標(biāo)特征是否存在連續(xù)性，以此給出輔助決策模型的反饋指數(shù)，利用該指數(shù)構(gòu)建城市交通規(guī)劃輔助決策模型，但在應(yīng)用過程中發(fā)現(xiàn)，該模型的定位跟蹤能力較差，導(dǎo)致交通規(guī)劃效果不理想。文獻(xiàn)[4]通過將GM(1,1)模型與支持向量機(jī)相結(jié)合，對(duì)車流量進(jìn)行預(yù)測(cè)，建立反映交通流量和行駛時(shí)間的道路權(quán)重函數(shù)模型，將車流量的預(yù)測(cè)值代入道路權(quán)重函數(shù)模型中，從而確定道路權(quán)重，結(jié)合道路權(quán)重計(jì)算結(jié)果實(shí)現(xiàn)城市交通規(guī)劃輔助決策，但該模型在設(shè)計(jì)過程中未考慮到交通線路覆蓋的問題，導(dǎo)致交通線路覆蓋率及其均衡度均較低。文獻(xiàn)[5]對(duì)區(qū)域交通規(guī)劃模型及應(yīng)用系統(tǒng)的設(shè)計(jì)問題進(jìn)行探討，在原有交通統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上，優(yōu)化交通規(guī)劃模型數(shù)據(jù)庫，以此為基礎(chǔ)搭建城市交通規(guī)劃模型并加以應(yīng)用，但該模型存在定位跟蹤能力較差的問題，交通規(guī)劃效果不理想。

本文構(gòu)建一種新的基于貝葉斯網(wǎng)絡(luò)的城市交通規(guī)劃輔助決策模型。利用貝葉斯網(wǎng)絡(luò)中的有向無環(huán)圖模型，分析各個(gè)節(jié)點(diǎn)的動(dòng)態(tài)特征，獲取隨機(jī)變量的條件概率，以此構(gòu)建城市交通規(guī)劃輔助決策模型，可以有效解決傳統(tǒng)模型定位跟蹤能力較差以及交通規(guī)劃決策線路覆蓋不均衡等問題，以期為城市交通規(guī)劃提供更為科學(xué)的決策依據(jù)。

1 城市交通規(guī)劃輔助決策模型

1.1 提取機(jī)動(dòng)車的分布狀態(tài)

構(gòu)建城市交通規(guī)劃輔助決策模型的關(guān)鍵是提取城市機(jī)動(dòng)車的分布狀態(tài)，即明確日常情況下，城市某一隨機(jī)路段的交通流量情況。

路段a的交通量

(1)

利用G函數(shù)作為阻抗函數(shù)，反推算平均出行距離，以此描述城市的交通出行強(qiáng)度，平均出行距離的計(jì)算公式為：

(2)

式中：Qij為某一路段中i到j(luò)的交通量，dij為i到j(luò)的最短出行距離。

利用出行距離單位矩陣推算方法，在交通規(guī)劃軟件中進(jìn)行用戶均衡分配的反推[8-9]，引入單位矩陣行、列約束系數(shù)，對(duì)構(gòu)建的模型進(jìn)行雙重約束，該約束系數(shù)的一般計(jì)算表達(dá)式為：

(3)

式中：μi、μj分別為單位矩陣的行、列約束系數(shù)，Xj為j的交通吸引量，Yi為i的交通產(chǎn)生量，f(dij)為阻抗函數(shù)。

根據(jù)式(3)得到區(qū)域i、j之間的交通量

λij=μiμjYiXjf(dij)，

(4)

將式(4)代入式(1)，即可計(jì)算某一隨機(jī)路段的交通流量。

按照上述過程，通過分析城市機(jī)動(dòng)車的分布狀態(tài)[10]，即可得到某一隨機(jī)路段的交通流量計(jì)算結(jié)果。

1.2 基于貝葉斯網(wǎng)絡(luò)定位跟蹤交通移動(dòng)目標(biāo)

為了提升后續(xù)城市交通規(guī)劃輔助決策建模效果，利用貝葉斯網(wǎng)絡(luò)定位跟蹤交通移動(dòng)目標(biāo)，幫助模型實(shí)時(shí)追蹤交通流量和通行狀態(tài)。首先根據(jù)貝葉斯網(wǎng)絡(luò)特點(diǎn)，進(jìn)行變分貝葉斯推斷。利用最小化奇異距離準(zhǔn)則，優(yōu)化虛擬分布函數(shù)u(θt)以及后驗(yàn)概率密度函數(shù)v(θt|pt)[11-12]，定義2個(gè)函數(shù)對(duì)稱中心之間的距離

(5)

式中：θt為全局變量，pt為觀測(cè)向量后驗(yàn)概率。

假設(shè)全局變量θt對(duì)應(yīng)的虛擬分布函數(shù)可分解為：

(6)

根據(jù)式(6)的計(jì)算結(jié)果，利用貝葉斯網(wǎng)絡(luò)分析交通目標(biāo)的空間轉(zhuǎn)移量，預(yù)測(cè)下一路段需要選擇的交通路線[13]。已知觀測(cè)數(shù)據(jù)之間存在相互獨(dú)立性，因此根據(jù)觀測(cè)信息對(duì)應(yīng)的似然分布，按照貝葉斯網(wǎng)絡(luò)更新移動(dòng)跟蹤位置，對(duì)存在偏差的位置進(jìn)行校正。由似然分布的基本定義可知：非線性觀測(cè)結(jié)果和觀測(cè)精度存在不確定性，此時(shí)的后驗(yàn)分布v(θt|pt)失去閉合表達(dá)的能力，因此根據(jù)貝葉斯網(wǎng)絡(luò)的多層動(dòng)態(tài)特征，對(duì)后驗(yàn)分布v(θt|pt)進(jìn)行調(diào)整，得到單變量的最佳變分近似值

u(γ)=exp[lnu(γ,h(γ))]v(θt|pt)，

(7)

根據(jù)式(7)，對(duì)城市中的移動(dòng)目標(biāo)進(jìn)行定位跟蹤，掌握移動(dòng)目標(biāo)的實(shí)時(shí)位置，再通過貝葉斯網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)融合，為決策模型提出基礎(chǔ)規(guī)劃決策數(shù)據(jù)。

1.3 構(gòu)建滿足平衡出行的輔助決策模型

根據(jù)交通規(guī)劃平衡概念，當(dāng)貝葉斯網(wǎng)絡(luò)達(dá)到平衡狀態(tài)時(shí)，所有出行路徑的規(guī)劃決策結(jié)果最為合理，因此需要構(gòu)建一個(gè)滿足平衡出行的輔助決策模型。假設(shè)城市交通出行的平衡分配規(guī)劃指標(biāo)為K，則該指標(biāo)的計(jì)算表達(dá)式為：

(8)

式中ta(ρ)為流量密度為ρ時(shí)的某一城市交通流動(dòng)時(shí)段[16]。

城市交通出行平衡分配規(guī)劃限制條件為：

(9)

當(dāng)式(9)的基本條件成立時(shí)，式(8)的計(jì)算成立。

模型構(gòu)建完畢后，要評(píng)估滿足平衡出行條件的等價(jià)性[18-19]。假設(shè)交通線路為D，則式(8)關(guān)于式(9)的拉格朗日方程為：

(10)

輔助決策模型需要滿足某一路段出行時(shí)間函數(shù)的假設(shè)，即

(11)

式中t(q)為某一區(qū)域的車流移動(dòng)時(shí)間參數(shù)。

至此基于貝葉斯網(wǎng)絡(luò)的城市交通規(guī)劃輔助決策模型構(gòu)建完畢[25]。

2 試驗(yàn)研究

為了驗(yàn)證所構(gòu)建模型的應(yīng)用效果，將本文模型與文獻(xiàn)[3]的基于決策樹算法的交通規(guī)劃模型以及文獻(xiàn)[4]的基于交通大數(shù)據(jù)交通規(guī)劃模型在城市交通規(guī)劃任務(wù)中的決策效果進(jìn)行比較。試驗(yàn)分2個(gè)階段進(jìn)行：第一階段設(shè)置一個(gè)移動(dòng)目標(biāo)，分析移動(dòng)目標(biāo)對(duì)模型決策效果的影響；第二階段選擇某一區(qū)域(A區(qū))作為測(cè)試環(huán)境，分別利用3組模型對(duì)當(dāng)?shù)亟煌ㄒ?guī)劃進(jìn)行輔助決策。綜合上述2個(gè)階段的測(cè)試，得出具體的試驗(yàn)結(jié)論。

2.1 移動(dòng)目標(biāo)對(duì)決策模型的影響

設(shè)置一個(gè)移動(dòng)目標(biāo)，比較不同模型的定位跟蹤能力。采用均方誤差評(píng)判跟蹤性能，均方誤差的計(jì)算公式為：

(12)

利用式(8)～(11)，通過貝葉斯網(wǎng)絡(luò)定位跟蹤設(shè)置的交通移動(dòng)目標(biāo)，定位追蹤效果如圖1所示。

a)移動(dòng)目標(biāo)有明確移動(dòng)方向 b)移動(dòng)目標(biāo)無明確移動(dòng)方向 圖1 所建模型的目標(biāo)定位追蹤結(jié)果

由圖1可知：在目標(biāo)有、無明確移動(dòng)方向的測(cè)試條件下，本文模型都能夠跟蹤到移動(dòng)目標(biāo)的實(shí)際活動(dòng)位置，跟蹤值與實(shí)際值的誤差較小，可見本文所構(gòu)建的模型有較好的定位跟蹤應(yīng)用效果。

利用2組傳統(tǒng)模型，對(duì)同樣測(cè)試條件下的移動(dòng)目標(biāo)進(jìn)行跟蹤，通過式(12)評(píng)判跟蹤性能，比較3組模型的均方誤差，結(jié)果如圖2所示。

由圖2可知：隨著預(yù)設(shè)目標(biāo)移動(dòng)速度的增加， 2組傳統(tǒng)模型的e隨之逐漸增大， 當(dāng)移動(dòng)速度超過10 m/s時(shí)，傳統(tǒng)模型的e開始脫離誤差的理論界限，計(jì)算模型[3-4]所得的最大e分別超過了5.21和5.09 m。而本文模型的e一直在理論界限之內(nèi)?？梢姳疚哪Ｐ偷母欀笜?biāo)更加精準(zhǔn)。統(tǒng)計(jì)3組模型在不同移動(dòng)速度下的e，結(jié)果如表1所示。

圖2 不同移動(dòng)速度下模型的e

由表1可知：2個(gè)傳統(tǒng)模型的e隨著速度的增加而增加；本文模型在目標(biāo)的不同移動(dòng)速度下，e處于一個(gè)較小的變化范圍內(nèi)，有較為平穩(wěn)的跟蹤效果?？梢姳疚哪Ｐ偷母櫺Ч苣繕?biāo)移動(dòng)速度的影響較小。

表1 不同移動(dòng)速度下模型的e

2.2 交通線路規(guī)劃決策分析

選擇A區(qū)域作為測(cè)試環(huán)境，利用3組模型對(duì)交通路線進(jìn)行規(guī)劃決策，結(jié)果如圖3所示。

a)本文模型 b)文獻(xiàn)[3]模型 c)文獻(xiàn)[4]模型 圖3 模型的路線規(guī)劃效果圖

由圖3可知：本文模型利用貝葉斯網(wǎng)絡(luò)對(duì)整個(gè)城市交通進(jìn)行了全區(qū)域覆蓋式的線路規(guī)劃，使交通線路與整個(gè)城市之間建立良好的聯(lián)系，線路覆蓋均衡、范圍廣；文獻(xiàn)[3]模型只對(duì)城市中心區(qū)域進(jìn)行了交通線路規(guī)劃，當(dāng)利用該模型選擇城市郊區(qū)交通線路時(shí)，得不到對(duì)應(yīng)的最優(yōu)線路，為了到達(dá)目的地，可能存在繞道的情況；文獻(xiàn)[4]模型對(duì)城市中心的規(guī)劃決策線路十分密集，復(fù)雜的線路規(guī)劃影響交通路線的選擇，增加了選擇時(shí)間。綜合上述3組模型的測(cè)試結(jié)果，此次構(gòu)建的模型在線路的選擇上最合理。

3 結(jié)論

1)基于貝葉斯網(wǎng)絡(luò)的城市交通輔助決策模型在目標(biāo)有、無明確移動(dòng)方向的測(cè)試條件下，都能夠跟蹤到移動(dòng)目標(biāo)的實(shí)際移動(dòng)位置，跟蹤值與實(shí)際值的誤差較小，定位跟蹤效果好。

2)基于貝葉斯網(wǎng)絡(luò)的城市交通輔助決策模型能夠?qū)x定區(qū)域的交通進(jìn)行全區(qū)域覆蓋式的線路規(guī)劃，使交通線路與整個(gè)城市之間建立聯(lián)系，線路覆蓋均衡、范圍廣。

3)本文模型的構(gòu)建未深入研究交通流量的動(dòng)態(tài)變化性，在今后的研究中還需要對(duì)該模型進(jìn)一步優(yōu)化，在此過程中可以預(yù)先建立一個(gè)城市交通模型體系，注重對(duì)動(dòng)態(tài)數(shù)據(jù)和模型的實(shí)時(shí)性研究，通過建立大數(shù)據(jù)交互模式，深度融合大數(shù)據(jù)特征，為城市交通出行提供更加可靠的決策。