羅嵩

摘要 文章介紹公路養(yǎng)護(hù)施工控制區(qū)段構(gòu)成和可變限速控制原理，圍繞解決傳統(tǒng)限速控制的方法基本完全依賴于既有交通參數(shù)關(guān)系所表現(xiàn)出的一定程度上的滯后性問(wèn)題，闡述了基于神經(jīng)網(wǎng)絡(luò)的可變限速控制方法。BP網(wǎng)絡(luò)計(jì)算方法能夠克服傳統(tǒng)方法的滯后性問(wèn)題，但存在局部極小值困擾。RBF網(wǎng)絡(luò)計(jì)算方法則可以同時(shí)克服兩個(gè)不足。

關(guān)鍵詞 公路養(yǎng)護(hù)；作業(yè)區(qū)；可變限速；控制方法；技術(shù)研究

中圖分類號(hào) U418文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 2096-8949（2023）10-0051-03

0 引言

可變限速控制是指在施工期間，為保障施工人員和過(guò)往車輛的安全，采用可變限速控制調(diào)整車輛速度，并配置警示設(shè)施的秩序維護(hù)和安全控制技術(shù)之一。在實(shí)際施工中，機(jī)械靜態(tài)限速控制不利于施工區(qū)可應(yīng)用條件的最大化發(fā)揮和利用，而早期多指標(biāo)模型分析控制方法的模型本身相對(duì)固化，基本完全依賴于既有交通參數(shù)關(guān)系，不能適應(yīng)交通狀態(tài)的非線性和時(shí)變性特點(diǎn)，一定程度上具有滯后性。人工神經(jīng)網(wǎng)絡(luò)分析技術(shù)興起后，該技術(shù)引入可變限速控制分析，初期的BP神經(jīng)網(wǎng)絡(luò)分析對(duì)上述問(wèn)題有所克服，但同時(shí)容易陷入局部極小值的困擾，對(duì)于新問(wèn)題，RBF神經(jīng)網(wǎng)絡(luò)提供了解決方法。該文將結(jié)合工程實(shí)例，介紹施工控制區(qū)的神經(jīng)網(wǎng)絡(luò)可變限速控制方法，供同類工程參考。

1 施工控制區(qū)段與可變限速控制

1.1 施工控制區(qū)段構(gòu)成

《城市道路施工作業(yè)交通組織規(guī)范》（GA/T900—2010）要求占道施工須設(shè)置控制區(qū)，主要包括警示、上游過(guò)渡、緩沖、作業(yè)、下游過(guò)渡、終止等6個(gè)區(qū)段，具體見(jiàn)圖1所示。其中各區(qū)段的功能作用見(jiàn)表1所示[1]。

施工控制區(qū)限速需符合下述4方面規(guī)定：①于警示區(qū)內(nèi)完成限速過(guò)程；②采取重復(fù)限速或逐級(jí)限速提示方法，按每100 m降低10 km/h的標(biāo)準(zhǔn)逐漸限速，配置限速標(biāo)志，其相鄰距離不宜低于200 m；③最終速度限制不應(yīng)高于表2參數(shù)，最終速度限制所對(duì)應(yīng)的車道預(yù)留寬度低于表中標(biāo)準(zhǔn)時(shí)，宜降低最終速度限制值；④限速組合對(duì)應(yīng)的安全長(zhǎng)度計(jì)算參考表3參數(shù)。

1.2 可變限速控制原理

可變速度控制原理是根據(jù)實(shí)時(shí)采集的交通、天氣、道路等信息，構(gòu)建可變限速控制分析模型，根據(jù)效率或安全等控制目標(biāo)，確定區(qū)段的最優(yōu)速度限制值，并以可變信息標(biāo)志給予發(fā)布，以控制作業(yè)區(qū)的交通狀態(tài)。

較早的可變限速的模型化控制，依賴于既有交通參數(shù)關(guān)系，不能適應(yīng)交通狀態(tài)的非線性和時(shí)變性特點(diǎn)，一定程度上具有滯后性。BP網(wǎng)絡(luò)分析方法興起后，借助神經(jīng)網(wǎng)絡(luò)分析，該技術(shù)的不足逐漸得到克服。

2 基于BP網(wǎng)絡(luò)分析的可變限速方法

2.1 BP神經(jīng)網(wǎng)絡(luò)

反向傳播（BP）神經(jīng)網(wǎng)絡(luò)是應(yīng)用廣泛的神經(jīng)網(wǎng)絡(luò)，具有很強(qiáng)的非線性映射性能，可以大量學(xué)習(xí)和儲(chǔ)存非線性映射關(guān)系，輸入輸出數(shù)據(jù)流，實(shí)現(xiàn)非線性復(fù)雜映射[2]。

2.2 基于BP網(wǎng)絡(luò)計(jì)算的可變限速控制

基于BP網(wǎng)絡(luò)計(jì)算的非線性系統(tǒng)函數(shù)建?？傮w分三步實(shí)現(xiàn)，即構(gòu)建BP神經(jīng)網(wǎng)絡(luò)、網(wǎng)絡(luò)信息訓(xùn)練和網(wǎng)絡(luò)預(yù)測(cè)。

由系統(tǒng)輸入及輸出運(yùn)算，確定網(wǎng)絡(luò)層數(shù)，樣本數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)，其中訓(xùn)練數(shù)據(jù)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練后的網(wǎng)絡(luò)的預(yù)測(cè)函數(shù)輸出預(yù)測(cè)數(shù)據(jù)，并對(duì)預(yù)測(cè)成果進(jìn)行分析。

兼顧施工區(qū)限速控制、施工效率與安全需求，應(yīng)用BP可變限速控制器實(shí)現(xiàn)施工區(qū)交通流控制。選擇上游區(qū)段密度、車速、大車率、交通量等4個(gè)因素的代表參數(shù)輸入神經(jīng)網(wǎng)絡(luò)開(kāi)展控制計(jì)算。神經(jīng)網(wǎng)絡(luò)輸出是可變限速序列，通常包含3個(gè)可變限速值。

首先確定樣本，樣本分為訓(xùn)練學(xué)習(xí)和測(cè)試兩種樣本，前者用于網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，后者用于網(wǎng)絡(luò)精度測(cè)試，對(duì)收集的樣本做歸一化處理，通過(guò)仿真軟件Vissim，獲得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)樣本。在模擬中，通過(guò)不斷改變大車率和交通量，收集神經(jīng)網(wǎng)絡(luò)所需的輸入值，輸入后不斷嘗試限速組合運(yùn)算，找到特定輸入條件下的最佳限速序列。

前述過(guò)程分別對(duì)應(yīng)4個(gè)輸入和3個(gè)輸出，其中交通量取1 000～3 500輛/h，按250或500輛/h選擇1次，共選擇7個(gè)交通量輸入。大車率范圍10%～50%，選擇10%?？偣草斎肓?種大車率。結(jié)合約束條件和相鄰限速標(biāo)志之間的限速值范圍，經(jīng)過(guò)排列組合，所述交通量與大車率條件下，存在128種限速序列組合。采用兼顧效率和安全的綜合評(píng)估指標(biāo)，確定最佳限速序列。

3 基于RBF網(wǎng)絡(luò)分析的可變限速控制方法

3.1 RBF神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)也稱徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，與BP神經(jīng)網(wǎng)絡(luò)一樣，也是一種前饋型網(wǎng)絡(luò)，能夠逼近任何非線性函數(shù)。

在RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，高斯函數(shù)常作為隱含單元的徑基函數(shù)，其激活函數(shù)如下[3]：

式中，σ——高斯函數(shù)方差；ci——高斯函數(shù)的中心；——?dú)W式范數(shù)。則RBF網(wǎng)絡(luò)的輸出：

式中，P——樣本總數(shù)；xp——輸入的第p個(gè)樣本；ci——隱含層的節(jié)點(diǎn)中心；h——隱含層結(jié)點(diǎn)的總數(shù)；wij——隱含層層至輸出層的權(quán)值；yj——對(duì)應(yīng)輸入樣本的第j個(gè)輸出。如果d為期望樣本的輸出，那么基函數(shù)方差如下：

在RBF網(wǎng)絡(luò)中，基函數(shù)從輸入層至隱含層的輸出呈現(xiàn)非線性映射關(guān)系，而輸出卻呈現(xiàn)線性，則RBF網(wǎng)絡(luò)就實(shí)現(xiàn)了從非線性輸入到線性輸出目的。RBF網(wǎng)絡(luò)可以映射任何非線性的復(fù)雜關(guān)系，其訓(xùn)練規(guī)則簡(jiǎn)單，魯棒性強(qiáng)，非線性映射、記憶能力和自訓(xùn)練能力，從根本上克服BP網(wǎng)絡(luò)存在的局部極小問(wèn)題。

3.2 基于RBF網(wǎng)絡(luò)的可變限速控制

RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法的分類與決定網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)的參數(shù)構(gòu)成有關(guān)。RBF的網(wǎng)絡(luò)參數(shù)由三部分構(gòu)成：徑向基函數(shù)的中心c、方差σ和隱含層到輸出層的權(quán)值w。

隱含層基函數(shù)中心c的選擇方法有正交最小二乘法、自組織選擇法和隨機(jī)選擇法。該研究采用K-means的學(xué)習(xí)方法，即以自組織選擇方法訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)。其中學(xué)習(xí)方法由兩個(gè)過(guò)程構(gòu)成：第一個(gè)過(guò)程是計(jì)算隱含層基函數(shù)的中心和方差；第二個(gè)過(guò)程是找到從隱含層至輸出層的權(quán)重。學(xué)習(xí)訓(xùn)練過(guò)程如下：

第一步：由K-means聚類方法尋找基函數(shù)的中心c。

（1）初始化網(wǎng)絡(luò)：隨機(jī)選擇n個(gè)樣本作為基函數(shù)中心ci（i=1，2，…，h）。

（2）按相鄰最近原則分組樣本：根據(jù)聚類中心ci至xp之間的歐式距離，將xp分組至學(xué)習(xí)樣本的p（p=1，

2，…，P）聚類集合中。

（3）聚類中心重新調(diào)整：統(tǒng)計(jì)p中學(xué)習(xí)樣本的均值，獲得新聚類中心。新舊聚類中心進(jìn)行對(duì)比，如果兩者相等，那么所得聚類中心c即為基函數(shù)中心。如果二者不等，則向上一步驟返回，進(jìn)行基函數(shù)中心的下一循環(huán)計(jì)算。

第二步：方差計(jì)算。以高斯函數(shù)作為神經(jīng)網(wǎng)絡(luò)的基函數(shù)，其方差計(jì)算如下：

式中，cmax——被選擇的所有聚類中心間的長(zhǎng)度最大值。

第三步：以最小二乘方法，計(jì)算隱含層至輸出神經(jīng)元間的w權(quán)值：

借助Matlab系統(tǒng)構(gòu)建RBF網(wǎng)絡(luò)。RBF網(wǎng)絡(luò)中，網(wǎng)絡(luò)性能受徑向基函數(shù)的Spread擴(kuò)展系數(shù)的影響較大。選擇合理的Spread系數(shù)很重要。通過(guò)不斷地運(yùn)行嘗試，最終可以得到優(yōu)化的Spread系數(shù)為11。

4 實(shí)例分析

為驗(yàn)證RBF可變限速控制的功效，該研究將其應(yīng)用于高速公路施工區(qū)域的實(shí)例中。某路面養(yǎng)護(hù)工程的施工區(qū)段某雙向六車道，位于某市的三環(huán)路以南，螺洲橋和魁浦橋之間，施工區(qū)域總長(zhǎng)度約2.00 km。施工區(qū)為封閉部分單幅車道施工區(qū)，封閉外側(cè)的一條車道。

基于工區(qū)勘測(cè)信息，該研究應(yīng)用Vissim模擬系統(tǒng)進(jìn)行仿真，建立模擬施工區(qū)段，輸入基本交通數(shù)據(jù)，模擬運(yùn)行時(shí)長(zhǎng)4 200 s，初600 s為預(yù)熱時(shí)間，分別進(jìn)行無(wú)變速控制、RBF網(wǎng)絡(luò)控制和優(yōu)化的BP網(wǎng)絡(luò)控制的狀態(tài)仿真。不同控制下的密度和速度變化曲線表明，無(wú)限速控制時(shí)，施工區(qū)域保持比較大的過(guò)流密度，速度處在比較低水平。但在RBF和優(yōu)化的BP網(wǎng)絡(luò)算法控制下，施工區(qū)域的過(guò)流速度都不同程度地獲得了提高，交通流密度有所降低。

限速警示標(biāo)志所在區(qū)間的限速變化曲線見(jiàn)圖2～3所示。RBF網(wǎng)絡(luò)控制在小范圍內(nèi)波動(dòng)，導(dǎo)致頻繁改變限速值，相比之下，優(yōu)化的BP網(wǎng)絡(luò)控制則表現(xiàn)穩(wěn)定，顯示優(yōu)化的BP網(wǎng)絡(luò)控制方法優(yōu)于RBF網(wǎng)絡(luò)控制方法。

除了比較交通流參數(shù)之外，安全和效率指標(biāo)見(jiàn)表4所示。數(shù)據(jù)顯示，相比無(wú)限速控制，早期多指標(biāo)模型分析方法和神經(jīng)網(wǎng)絡(luò)分析方法均可以不同程度地提高作業(yè)區(qū)的通行效率與安全。其中經(jīng)過(guò)遺傳運(yùn)算優(yōu)化以后的BP網(wǎng)絡(luò)分析的效果最好，降低延誤69.30%，降低沖突比例59.00%，使交通量提升7.90%。安全和效率指標(biāo)的比較結(jié)果見(jiàn)表4所示。

從表4可以發(fā)現(xiàn)，與無(wú)限速控制相比，可變限速方法和神經(jīng)網(wǎng)絡(luò)計(jì)算方法都不同程度地增強(qiáng)了施工區(qū)域的安全性和過(guò)行效率。其中優(yōu)化的BP網(wǎng)絡(luò)算法的功效最好，沖突率降低了59.00%，延誤降低了69.30%，提高交通量7.90%。BF網(wǎng)絡(luò)算法次之，早期多指標(biāo)模型分析方法再次之。仿真結(jié)果顯示，神經(jīng)網(wǎng)絡(luò)計(jì)算方法能夠獲得較好的限速控制值，進(jìn)而有效提高了作業(yè)區(qū)域的通行效率與安全性。

5 結(jié)語(yǔ)

該文結(jié)合分析工程實(shí)例，基于對(duì)公路養(yǎng)護(hù)作業(yè)區(qū)限速控制方法的研究，介紹了公路養(yǎng)護(hù)施工控制區(qū)段構(gòu)成、可變限速控制原理，揭示了早期變限速控制分析計(jì)算存在的技術(shù)不足，闡述了基于神經(jīng)網(wǎng)絡(luò)分析的可變限速控制方法。研究表明，基于BP網(wǎng)絡(luò)計(jì)算的可變限速分析控制方法克服了之前的可變限速控制分析存在的不足，對(duì)于BP的極小值困擾問(wèn)題提供了解決方法，但也再度面臨了容易陷入局部極小值的困擾。實(shí)例分析結(jié)果也顯示，優(yōu)化的BP網(wǎng)絡(luò)算法的功效最好，BF網(wǎng)絡(luò)算法次之，早期多指標(biāo)模型分析方法再次之。神經(jīng)網(wǎng)絡(luò)計(jì)算方法能夠獲得較好的限速控制值，進(jìn)而有效地提高了作業(yè)區(qū)域的通行效率與安全性。

參考文獻(xiàn)

[1]劉春春. 基于仿真技術(shù)的高速公路施工區(qū)交通安全措施研究[D]. 成都：西南交通大學(xué)， 2012.

[2]朱永光. 高速公路施工區(qū)交通組織與作業(yè)段長(zhǎng)度優(yōu)化研究[D]. 西安：長(zhǎng)安大學(xué)， 2010.

[3]程爽. 基于交通特性的高速公路改擴(kuò)建工程合理分段方法研究[D]. 武漢：武漢理工大學(xué)， 2013