城市綜合交通態(tài)勢(shì)評(píng)估方法研究

摘要:城市綜合交通系統(tǒng)紛繁復(fù)雜，建立基于信息融合的智能交通態(tài)勢(shì)評(píng)估體系勢(shì)在必行。本文從態(tài)勢(shì)評(píng)估與智能交通管理相關(guān)概念、交通網(wǎng)態(tài)勢(shì)本體模型的實(shí)現(xiàn)、分布式實(shí)時(shí)交通仿真系統(tǒng)研究、貝葉斯網(wǎng)絡(luò)態(tài)勢(shì)評(píng)估技術(shù)在交通行業(yè)實(shí)踐等方面描述了態(tài)勢(shì)估計(jì)方法如何在國(guó)內(nèi)城市綜合交通系統(tǒng)中應(yīng)用。

關(guān)鍵詞:城市綜合交通系統(tǒng);本體論;分布式實(shí)時(shí)交通仿真系統(tǒng);貝葉斯網(wǎng)絡(luò)

城市綜合交通系統(tǒng)聚集了多種方式，包括了汽車(chē)、地鐵、輕軌、磁浮、水運(yùn)，跨越了空、陸、水上、地下等層次，形成了一個(gè)復(fù)雜的巨型立體網(wǎng)絡(luò)，復(fù)雜的交通網(wǎng)絡(luò)結(jié)構(gòu)與隨機(jī)的交通現(xiàn)象的耦合作用使得交通系統(tǒng)的動(dòng)態(tài)性、反饋性和非線性越發(fā)顯著，面對(duì)綜合交通這樣的復(fù)雜系統(tǒng)，單角度的、單層次的數(shù)據(jù)是無(wú)法反映其真實(shí)信息的。態(tài)勢(shì)估計(jì)方法是信息融合最有效的研究方法之一，其優(yōu)勢(shì)就在于它可以將上下文關(guān)系中描述實(shí)體、被觀察事件的關(guān)系，結(jié)合環(huán)境信息、經(jīng)驗(yàn)知識(shí)和實(shí)時(shí)觀察來(lái)確定實(shí)體集合體的含義，能夠反映真實(shí)的系統(tǒng)態(tài)勢(shì)，提供事件、活動(dòng)的預(yù)測(cè)，并由此提供最優(yōu)決策的依據(jù)。筆者結(jié)合城市綜合交通態(tài)勢(shì)評(píng)估方法研究這一軟課題論述態(tài)勢(shì)估計(jì)方法如何應(yīng)用于綜合交通系統(tǒng)中，與智能交通其他技術(shù)融合，對(duì)于管理、改善和優(yōu)化整個(gè)城市區(qū)域范圍內(nèi)的、多模式的交通網(wǎng)絡(luò)系統(tǒng)，提高城市交通網(wǎng)絡(luò)系統(tǒng)的運(yùn)營(yíng)能力和效率，改善與增強(qiáng)交通系統(tǒng)的安全性，具有重要的作用。

1 態(tài)勢(shì)評(píng)估與智能交通管理

智能交通已經(jīng)成為全球解決城市交通問(wèn)題的主要手段，城市交通網(wǎng)的仿真和評(píng)估技術(shù)的重要價(jià)值使其成為該研究領(lǐng)域的重點(diǎn)和優(yōu)先發(fā)展課題。交通態(tài)勢(shì)評(píng)估是在交通數(shù)據(jù)仿真的基礎(chǔ)上建立關(guān)于運(yùn)輸活動(dòng)、事件、時(shí)間、位置和物資要素組織形式的多重視圖，它將所觀測(cè)的交通擁堵分布與活動(dòng)和立體環(huán)境有機(jī)地聯(lián)系起來(lái)，識(shí)別已發(fā)生的事件和計(jì)劃，并結(jié)合節(jié)假日以及其他商業(yè)政治活動(dòng)的預(yù)期影響，做出處理突發(fā)事件的應(yīng)急預(yù)案，尋求對(duì)當(dāng)前交通態(tài)勢(shì)的合理解釋，并對(duì)臨近時(shí)刻的態(tài)勢(shì)變化做出預(yù)測(cè)。

2 本體論在智能交通中的應(yīng)用

本體論Ontology是描述概念及概念之間關(guān)系的模型，通過(guò)模型來(lái)描述概念的語(yǔ)義。交通網(wǎng)態(tài)勢(shì)本體模型主要研究運(yùn)用Ontology方法建立面向交通網(wǎng)態(tài)勢(shì)知識(shí)領(lǐng)域的本體模型，該模型反映了綜合交通網(wǎng)態(tài)勢(shì)領(lǐng)域的基本概念和語(yǔ)義模型，運(yùn)用該模型可以描述綜合交通網(wǎng)的態(tài)勢(shì)，支持綜合交通網(wǎng)的利用和管理，提高其使用效率。智能交通領(lǐng)域有多種理論及經(jīng)驗(yàn)求解模型，每種模型有多種算法，本文應(yīng)用推薦高層合并本體SUMO理論構(gòu)建交通領(lǐng)域本體，從主要數(shù)據(jù)源(Gls數(shù)據(jù)和視頻數(shù)據(jù))、交通領(lǐng)域知識(shí)、組織結(jié)構(gòu)出發(fā)，將交通資源本體集定義為五個(gè)領(lǐng)域子本體。

2.1 地理本體

它提供與地理信息相關(guān)的概念與關(guān)系，包括道路、路口、建筑、天氣、國(guó)家、城市、位置等;此本體提供與Gls數(shù)據(jù)及地圖轉(zhuǎn)換層次一致的本體概念集。地理本體對(duì)SUMO中基礎(chǔ)概念的引用關(guān)系及概念、屬性進(jìn)行了擴(kuò)充。其中:mainstem表示概念“主干道”，為SUMO相應(yīng)概念roadway“道路”的子類(lèi);maxspeed allowed為增加的道路屬性“最高時(shí)速”。這些概念及屬性的設(shè)置提供了必要的Gls信息的語(yǔ)義映射基礎(chǔ)。交通資源本體集片段程序如下:

< owl class rdf about = \" http// www.owl # ontologies.com / Geographyontology ow #Mainstem \" )

< rdfs subClass of rdf resouce = \"http// www.ontologyportal.org/translations / SUMO ow #Roadway \" / )

< / ow 1 Class )

< ow 1 class rdf about = \" http// www.owl - ontol ogies com / Geographyontology ow #latera|Roadway \")

(rdfs subClass of rdf resourcee = \"http//www.ontologyportal. org /translations /SUMO ow# Roadway\"/)

< /ow 1 disjoin twith)

< ow 1 Class rdfID = \" MajnStem \" /)

< / ow 1 disjoin twith )

< / ow 1 Class )

( ow 1 object property rdfID = \" maxspeedAllowed \" )

< rdfs domain rdf resource = \"http// www.ontologyportal .org/translations / SUMO ow# Roadway\"/)

< rdfs range rdf resource = \" http// www.ontologyportal.org/translations / SUMO ow#Measure”/ )

( / ow 1 object property )

< ow 1 class rdf about = \" http// www.owl - ontol ogies com / Geographyontology ow # Hospital，)

< rdfs comment > A building which provides medical care to patients

< /rdfs comment )

< / ow 1 Class )

< ow 1 Object property rdf ID = \" near “ )

( rdfs domain rdf resource = \"http// www.ontologyportal.org/translations / SUMO.ow# Building\"/ )

( rdfs range rdf resource = \" www.ontologyportal org/translations / SUMO ow# Roadway \" /》

< / ow 1 objectproperty 》

2.2 交通本體

該本體提供與交通信息相關(guān)的概念與關(guān)系，又分為靜態(tài)本體和事件本體兩類(lèi)。其中靜態(tài)本體描述固有的、實(shí)物性的概念，如車(chē)輛、紅綠燈、站臺(tái)、乘客等;事件本體則描述臨時(shí)的、動(dòng)作類(lèi)的概念，如堵車(chē)、交通事故、加油等。

2.3 多媒體本體

交通視頻數(shù)據(jù)是智能交通決策支持系統(tǒng)中，用于交通流量預(yù)測(cè)、交通事故鑒定、交通路徑誘導(dǎo)等高層決策支持的重要數(shù)據(jù)源。本文利用所定義的多媒體本體對(duì)圖像、圖形、圖片等多媒體文件進(jìn)行符合交通領(lǐng)域信息(如車(chē)禍地點(diǎn)、發(fā)生時(shí)間、發(fā)生車(chē)輛等)的語(yǔ)義文字描述，為基于語(yǔ)義文本的交通監(jiān)控多媒體文件查找提供語(yǔ)義基礎(chǔ)。

2.4 交通組織本體

實(shí)現(xiàn)各部門(mén)協(xié)同工作，需要定義各個(gè)部門(mén)的相互關(guān)系與數(shù)據(jù)權(quán)限。本文采用中國(guó)智能交通系統(tǒng)體系框架建立的交通組織本體，為組織之間的協(xié)作提供知識(shí)表示，包括交通管理中心、旅客運(yùn)輸部門(mén)、交通信息服務(wù)提供商、緊急事件管理部門(mén)、基礎(chǔ)設(shè)施管理部門(mén)、貨物運(yùn)輸服務(wù)提供者、政府執(zhí)法部門(mén)。

2.5 應(yīng)用本體層

應(yīng)用本體是在領(lǐng)域本體的基礎(chǔ)上建立的與具體系統(tǒng)應(yīng)用相關(guān)的概念與關(guān)系集合，如車(chē)輛診斷維護(hù)本體、交通事故處理本體等。單一的應(yīng)用本體均與一個(gè)特定的應(yīng)用相關(guān)聯(lián)，可以采用事先定義的方式存儲(chǔ)于本體庫(kù)中，也可利用本體編輯工具從領(lǐng)域本體中分離概念進(jìn)行實(shí)時(shí)編輯。用戶通過(guò)對(duì)應(yīng)用本體中概念的選擇、組合并輸入屬性值的描述，完成對(duì)特定應(yīng)用中異構(gòu)資源的查詢與整合，保證跨子系統(tǒng)應(yīng)用的實(shí)現(xiàn)。

3 分布式實(shí)時(shí)交通仿真系統(tǒng)研究

目前的交通仿真系統(tǒng)大多數(shù)是離線的仿真系統(tǒng)，以歷史調(diào)查數(shù)據(jù)的統(tǒng)計(jì)分析結(jié)果為依據(jù)，得出一系列的仿真評(píng)估指標(biāo)，不夠直觀。本文選擇HLA作為分布式仿真的計(jì)算平臺(tái)，為以交通仿真為基礎(chǔ)的交通流預(yù)測(cè)、交通態(tài)勢(shì)預(yù)測(cè)、實(shí)時(shí)動(dòng)態(tài)路徑誘導(dǎo)提供仿真平臺(tái)的支持。

HLA(高層體系結(jié)構(gòu))將各類(lèi)仿真系統(tǒng)集成為一個(gè)分布交互式的綜合仿真系統(tǒng)，可以形成一個(gè)龐大的虛擬作戰(zhàn)空間。實(shí)現(xiàn)某一特定仿真目的的分布仿真系統(tǒng)稱為聯(lián)邦。聯(lián)邦由若干交互的仿真應(yīng)用——聯(lián)邦成員構(gòu)成。一個(gè)聯(lián)邦成員由許多對(duì)象組成，對(duì)象的狀態(tài)定義為屬性值的集合。一組具有同樣屬性和方法對(duì)象的集合稱為類(lèi)。HLA的基本思想就是采用面向?qū)ο蟮姆椒▉?lái)設(shè)計(jì)、開(kāi)發(fā)和實(shí)現(xiàn)仿真系統(tǒng)的對(duì)象模型，以獲得仿真聯(lián)邦的高層次的互操作和重用。現(xiàn)在以城市綜合交通信息平臺(tái)為基礎(chǔ)仿真，實(shí)時(shí)獲取某市的道路交通信息。

根據(jù)操作系統(tǒng)的不同，HLA聯(lián)邦成員的程序框架一般分為單線程結(jié)構(gòu)和雙線程結(jié)構(gòu)。分布式實(shí)時(shí)仿真設(shè)計(jì)過(guò)程如下。

3.1 基于命令行方式的聯(lián)邦成員

基于命令行方式的聯(lián)邦成員通常為單線程結(jié)構(gòu)，各步驟的基本操作詳細(xì)介紹如下:

(1)初始化成員數(shù)據(jù);

(2)調(diào)用rtiAmb create Federation execution () 創(chuàng)建聯(lián)邦執(zhí)行;

(3)加入聯(lián)邦執(zhí)行;

(4)聲明公布/訂購(gòu)關(guān)系;

(5)確定聯(lián)邦成員的時(shí)間推進(jìn)策略(默認(rèn)為既非Regulaing也非Constrained);

(6)調(diào)用rtiAmb register () bjectinstance () 注冊(cè)對(duì)象實(shí)例;

(7)調(diào)用rtiAmb time advanceRequest () 請(qǐng)求時(shí)間推進(jìn);

(8)仿真推進(jìn)，運(yùn)行聯(lián)邦成員的仿真模型;更新對(duì)象實(shí)例屬性值，調(diào)用RTI:Attribute Setfactoy:Create () 創(chuàng)建，RTI : Attribute Handle value Pairset，調(diào)用rtAmb update attribute values 更新實(shí)例屬性值;發(fā)送交互實(shí)例，調(diào)用RTI: Parameter setfactory:Create () 創(chuàng)建，RTI : parameter handleValue Pairset，調(diào)用rtAmb Send interaction發(fā)送交互實(shí)例，根據(jù)需要?jiǎng)?chuàng)建/刪除對(duì)象實(shí)例，根據(jù)需要轉(zhuǎn)移/接收實(shí)例屬性所有權(quán)，根據(jù)需要公布/取消公布、訂購(gòu)/取消訂購(gòu)對(duì)象類(lèi)/交互類(lèi)，根據(jù)需要改變聯(lián)邦成員的時(shí)間推進(jìn)策略;

(9)調(diào)用rtAmb resign federation execution () 退出聯(lián)邦執(zhí)行;

(10)調(diào)用rtAmb destroy Federation Execution () 撤銷(xiāo)聯(lián)邦執(zhí)行。

對(duì)每個(gè)聯(lián)邦成員而言，上述的操作步驟和操作內(nèi)容都是相似的。因此，可以開(kāi)發(fā)一個(gè)通用的HLA成員框架來(lái)完成這些工作，目的是將這些基本過(guò)程封裝起來(lái)，以便減少成員代碼的工作量，提高聯(lián)邦開(kāi)發(fā)效率。

3.2 基于Windows方式的聯(lián)邦成員

基于Windows 方式的聯(lián)邦成員，其程序設(shè)計(jì)一般采用雙線程結(jié)構(gòu)，一個(gè)是窗口界面線程，它主要用于管理員和窗口的交互:另一個(gè)是仿真線程，主要用于完成仿真模型的執(zhí)行和聯(lián)邦交互。仿真線程是聯(lián)邦成員仿真的核心部分。

4 貝葉斯網(wǎng)絡(luò)態(tài)勢(shì)評(píng)估技術(shù)在交通行業(yè)應(yīng)用

貝葉斯網(wǎng)絡(luò)BN (Bayesian net) 是目前在人工智能中一種很重要的推理技術(shù)，具有描述事件多態(tài)性和事件邏輯關(guān)系非確定性的能力，因而非常適合于描述復(fù)雜系統(tǒng)中事件的表征與態(tài)勢(shì)之間的多對(duì)多關(guān)系和不確定性關(guān)系。貝葉斯網(wǎng)絡(luò)推理模型是根據(jù)先驗(yàn)信息構(gòu)建的，當(dāng)葉節(jié)點(diǎn)狀態(tài)概率分布不變時(shí)網(wǎng)絡(luò)保持平衡狀態(tài)，一旦葉節(jié)點(diǎn)的狀態(tài)根據(jù)觀測(cè)信息改變時(shí)，整個(gè)網(wǎng)絡(luò)中的節(jié)點(diǎn)都將根據(jù)Peal的算法更新其狀態(tài)概率分布。利用貝葉斯網(wǎng)絡(luò)進(jìn)行態(tài)勢(shì)估計(jì)，首先必須進(jìn)行貝葉斯網(wǎng)絡(luò)的構(gòu)建:一確定節(jié)點(diǎn)內(nèi)容。貝葉斯網(wǎng)絡(luò)由節(jié)點(diǎn)組成，節(jié)點(diǎn)對(duì)應(yīng)著不同的事件，因此，首先必須確定態(tài)勢(shì)估計(jì)領(lǐng)域中存在哪些事件。二確定節(jié)點(diǎn)關(guān)系。確定了節(jié)點(diǎn)內(nèi)容之后，需要按照一定的方法，確定各個(gè)節(jié)點(diǎn)事件之間的因果關(guān)系。三概率分配。概率分配包括兩部分內(nèi)容:對(duì)沒(méi)有父節(jié)點(diǎn)的頂層事件指定先驗(yàn)概率，即P(vi);對(duì)有父節(jié)點(diǎn)的事件指定條件概率，即P(vi/Pa(vi))。以下是貝葉斯網(wǎng)絡(luò)態(tài)勢(shì)評(píng)估技術(shù)在交通行業(yè)具體應(yīng)用。

4.1 確定貝葉斯網(wǎng)絡(luò)節(jié)點(diǎn)及其值域

交通突發(fā)事件的發(fā)生，是多個(gè)因素共同作用的結(jié)果，包括天氣情況、發(fā)生時(shí)間、車(chē)流量情況、車(chē)輛型號(hào)以及距離救援部門(mén)的距離情況，這些影響到事件威脅程序的影響因素，其相應(yīng)的變量集確定如下:X={W，T，F(xiàn)，M，D，H，C，F(xiàn)，A1，A2，A3};其中，W表示天氣情況，T表示發(fā)生的時(shí)間段，M表示車(chē)輛型號(hào)，D表示事發(fā)現(xiàn)場(chǎng)離救援部門(mén)的距離，H表示人員傷亡情況，C表示車(chē)輛損壞情況，F(xiàn)為結(jié)果，表示車(chē)流量情況，A1為結(jié)果，表示救援部門(mén)的到達(dá)時(shí)間。A2為結(jié)果，表示事故可能的持續(xù)時(shí)間，A3為結(jié)果，表示威脅等級(jí)。

接下來(lái)，確定每一個(gè)因素的值域。這里需要指出的是實(shí)際應(yīng)用時(shí)，一定要咨詢領(lǐng)域?qū)＜疫M(jìn)行修正。其中:天氣情況W，應(yīng)該包括{晴，陰，霧，雨，雪｝。

T為時(shí)間段，具體可以分為，[0:00一4:00)、[4:00一8:00)、[8:00一12:00)、[12:00一16:00)、[16:00一20:00)、[20:00一24:00)六個(gè)半開(kāi)半閉區(qū)間，這里其實(shí)應(yīng)該根據(jù)所在城市的實(shí)際路段繁忙情況來(lái)進(jìn)行劃分。M為車(chē)輛型號(hào)，具體包括{非機(jī)動(dòng)車(chē)、摩托車(chē)、轎車(chē)、公共汽車(chē)、載重車(chē)｝等。

4.2 基于貝葉斯網(wǎng)絡(luò)的交通突發(fā)事件處理總體工作流程

利用貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析工作主要有四個(gè)步驟，這四個(gè)步驟通常是交叉進(jìn)行，而不是簡(jiǎn)單地按順序完成:

(1)構(gòu)造貝葉斯網(wǎng)絡(luò)。就是確定想要分析出的結(jié)果、決定因素、因素之間的關(guān)系。

(2)利用訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)。條件概率表是貝葉斯網(wǎng)絡(luò)進(jìn)行推理分析的重要參考，但是以上步驟得出的條件概率表都是由專家經(jīng)驗(yàn)初步生成的，帶有一定的主觀性，所以需要利用交通突發(fā)事件的歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)，對(duì)條件概率表中的內(nèi)容進(jìn)行修正，使得表中的內(nèi)容更加客觀，從而得到更為準(zhǔn)確的分析結(jié)果。

(3)利用貝葉斯網(wǎng)絡(luò)進(jìn)行推理。以上兩個(gè)步驟都是貝葉斯網(wǎng)絡(luò)進(jìn)行推理得到預(yù)測(cè)結(jié)果前的準(zhǔn)備工作，有了足夠的條件概率表進(jìn)行參考以后，就可以使用貝葉斯推理算法結(jié)合貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行推理。其中推理又包括因果推理和診斷推理，在本系統(tǒng)中主要使用的是前者。

(4)更新貝葉斯網(wǎng)絡(luò)。雖然從上一步中就可以獲得一些我們想要的分析結(jié)果，但是突發(fā)事件的事是不斷發(fā)展的、貝葉斯網(wǎng)絡(luò)中的各個(gè)因素也是在不停的發(fā)生變化的，很有可能貝葉斯網(wǎng)絡(luò)中某個(gè)或多個(gè)以前作為預(yù)測(cè)結(jié)果的節(jié)點(diǎn)在某一個(gè)時(shí)間有了一個(gè)確定的結(jié)果，比如交通事故的持續(xù)時(shí)間會(huì)決定道路的堵塞狀況，但是某一時(shí)刻道路的堵塞狀況已知，就可以利用消息傳播算法修正網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)的先驗(yàn)概率和條件概率標(biāo)，從而提高后續(xù)推理分析的準(zhǔn)確率。從圖2可以直觀地了解這四個(gè)步驟是如何實(shí)現(xiàn)的。

5 結(jié)論

本文將態(tài)勢(shì)估計(jì)的概念引入交通網(wǎng)領(lǐng)域，提出了交通網(wǎng)態(tài)勢(shì)評(píng)估的元素提取的方法;運(yùn)用基于多智能體的分布式網(wǎng)絡(luò)化制造仿真技術(shù)，解決了傳統(tǒng)層次性與集中式仿真低效、結(jié)構(gòu)化的特點(diǎn)，通過(guò)多智能體的自治與協(xié)同功能，為分布式交通網(wǎng)態(tài)勢(shì)仿真提出了一種高效、智能、非結(jié)構(gòu)化的仿真機(jī)制;同時(shí)，本文在實(shí)時(shí)的高速路交通采集數(shù)據(jù)基礎(chǔ)上，基于貝葉斯網(wǎng)絡(luò)技術(shù)，在HLA分布式平臺(tái)上，研究實(shí)時(shí)交通態(tài)勢(shì)預(yù)測(cè)的技術(shù)和算法。

本文研究成果是為我國(guó)城市交通的高效管理提供分析與優(yōu)化手段，具明顯的經(jīng)濟(jì)效益和社會(huì)效益，能夠減少交通事件處理的時(shí)間，降低交通事件帶來(lái)的不良影響，幫助相關(guān)的管理部門(mén)及時(shí)準(zhǔn)確科學(xué)地處理交通事件。

參考文獻(xiàn)

[1]王煌，陳學(xué)廣.基于SUMO的交通網(wǎng)格決策本體層次模型設(shè)計(jì)[J].計(jì)算機(jī)應(yīng)用研究，2009，26(4).

[2]馬云龍.分布式實(shí)時(shí)微觀交通仿真系統(tǒng)研究.計(jì)算機(jī)應(yīng)用與軟件[J].2008，25(3).

[3]陳昕，楊兆升，王海洋，等.城市交通流有序度分析法[J].交通與計(jì)算機(jī)，2007(1).

[4]李莉，陳長(zhǎng)虹，戴懿，黃成，等.城市交通與環(huán)境可持續(xù)發(fā)展指標(biāo)體系評(píng)估系統(tǒng)研究:上海案例應(yīng)用[J].安全與環(huán)境學(xué)報(bào)，2006(4).

[5]戢曉峰.劉瀾，基于交通信息提取的區(qū)域交通狀態(tài)判別方法[J].三峽大學(xué)學(xué)報(bào)(自然科學(xué)版)，2009(1).

[6]趙志強(qiáng)，張毅，胡堅(jiān)明，等.基于PCA和ICA的交通流量數(shù)據(jù)壓縮方法比較研究[J].公路交通科技，2008(11).

[7]戢曉峰.城市道路交通狀態(tài)分析方法回顧與展望[J].道路交通與安全，2008(3).

[8]鄒亮.徐建閩.朱玲湘.基于融合技術(shù)的道路交通狀態(tài)判別模型[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007(z2).