交通流预测 的研究现状及未来发展.docxVIP

最新整理资料 文档精选合集 交通流预测的研究现状及未来发展 吴晓龙 在过去的几十年中越来越多的家庭拥有了属于自己的私家车，截止 2017 年底， 中国私家车保有量已超过 2 亿辆，预计在 2020 年，私家车保有量将达 3 亿辆，数量庞大的私家车必定会带来交通拥堵和停车困难等一系列问题。目前交通管理部门主要采取如下几种办法来解决交通拥堵问题：（1）加强道路基础设施建设，如加宽道路，修建新道路等;（2）限制在道路上行驶的私家车的数量，如尾号限行，限制异地车辆进入城区、摇号上牌等; （3）开发智能交通系统（Intelligent Transportation System，ITS）等。 图 1 2012-2017 年中国汽车保有量走势 先进的智能交通系统离不开基础交通数据的处理，目前智能交通领域存在多种数据采集处理方式，同时也为 ITS 提供了多维的交通数据，如何让这些数据有效地应用于 ITS 已经成为目前研究的热点。交通流预测也是交通数 据处理的一种方式，准确的交通预测信息可以为交通管理者提供有力的交通决策依据，同时也可以让驾驶员选择更为畅通的道路出行，进而避免或缓解交通拥堵的状况。在交通流预测方面，目前主要有基于线性统计理论的预测模型和基于智能理论的预测模型等。 近年来，深度学习作为一种新的机器学习方法开始受到研究人员和商业人士的广泛关注。深度学习是一种包含多个隐藏层的多层感知器，通过学习 一种深层的非线性网络结构来实现复杂的计算，从而更好地还原交通系统的状态，进一步达到交通流预测的目的。伴随 IPv6、无线通信技术和传感技术 的发展，智能交通逐渐融合了短程无线通信技术、微电子传感技术、嵌入式传感网络等技术。智能交通物联网将智能交通的基本理念与物联网技术产业相结合，给智能交通带来了一次全新的升级，但这也随之带来了巨大的交通 数据量，仅在广州一地，每日新增的城市交通运营数据记录数据超过 12 亿条，每天产生的数据量为 150G～300GB。传统的方法根本无法解决如此庞 大的数据量，通过深度学习进行交通大数据分析、预测已成为必然趋势。 一、交通流的特性 交通流随着时间和空间的变化而变化，受到车辆、行人和其他干扰因素的影响，表现出强烈的随机性和不确定性，交通流具有如下显著特性： 1、随机性 随机性指的是交通流随时间随机变化的特性，由于道路上的车辆选择的行驶路径不同以及外界干扰因素对车辆行驶状态的影响等因素，不同路段的交通流随时变化，表现出强烈的随机性。 2、周期性 由于工作日和非工作日的周期性，人们的驾驶出行也表现出一定的规律性，体现在交通流上，即一定周期内同一路段的交通流表现出周期出现的畅通、拥挤等现象，而同一路段每间隔一定周期，交通流状态呈现一定的重复性，这也是能实现短时交通流预测的基础和前提。 3、时空特性 在交通流中，前一时刻的交通流会对下一时刻的交通流产生影响，即现在和未来交通状态受历史交通状态影响，并且交通流时间序列变化趋势与历史时间序列趋势呈正相关。相邻路段的交通流之间也相互影响，下游车辆变化趋势也随上游车辆变化趋势呈正相关变化。 4、网状特性 城市交通路网纵横交错，城市的主要区域通过主干道相互连通，更小的区域通过辅道连接至主干道，而出行者根据出行经验或导航系统选择行驶路径，使得整个交通路网就像一张相互交错的网络。 图 2 美国加州高速公路车流量表现出的周期特性 总而言之，交通系统受各种外在因素的影响，不同路段，不同时间的交通流之间相互关联，同时表现出强烈的随机性和复杂性，大大增加了交通流预测的技术难度，使实时准确预测交通流变得更为困难。 二、交通流参数 交通流是指汽车在道路上连续行驶形成的车流。广义上还包括其他车辆的车流和人流。在某段时间内，在不受横向交叉影响的路段上，交通流呈连续流状态；在遇到路口信号灯管制时，呈断续流状态。交通流参数主要包括平均车流量、平均车速、平均占有率、车流密度、车头间距等。随着交通流理论的发展，可将交通流特征参数分为宏观和微观两个方面，其中宏观交通流参数主要有平均车流量、平均车速、平均占有率等，即从交通系统整体出发，交通流所表现出的特征；微观交通流参数主要有车头间距和车头时距等， 即从交通流出发，车辆之间所表现出的特征。而短时交通流预测，实际上是基于宏观交通流的三大基本特性参数进行的研究。下面将对宏观交通流的三大基本特征进行详细介绍。 1、平均车流量 平均车流量指采样时间内通过指定路段中某一截面的车辆数，一般地， 平均车流量等于采样时间段内通过的车辆数除以采样时间长度。车流量受到道路中车辆、行人和其他干扰因素的影响，随着时间和空间的变化而变化， 表现出强烈的随机性，所以在短时交通流的预测研究中常选取采样时间内通过某一路段中某一截面的车辆数的平均值作为研究车流量的样本数据。 2、平均车速 平均