大數據在交通優化上的應用

孫宇超

摘 要：近些年來，隨著車輛的不斷增加，交通負荷也急劇增長，使得我國交通狀況越來越差。如何利用大數據技術來緩解當前的交通壓力已經成為建設“智慧城市”的重要研討課題。為此，本文通過對交通優化中存在的問題進行明確與分析，利用模型構建及相關算法來深入探討大數據在交通優化上的應用，希望能為交通壓力進一緩解提供參考。

關鍵詞：大數據 交通擁堵 迭代方程 交通優化

中圖分類號： U495 文獻標識碼：A 文章編號：1674-098X（2017）12（a）-0000-00

科學技術的不斷發展使人們的生活水平有了極大的提高，越來越多的私家車進入了人們的日常生活，這也使交通負荷大大增加，交通狀況也越來越差。大數據的出現為我國交通壓力的緩解提供了全新的思路，通過利用每個車上的GPS對車輛進行實時監控來收集相關數據，能夠知道車輛在不同“時刻” 經過不同路段所用的時間，并能對每個路段的車輛數量進行監控，當某一路段中的車輛超過設定值時，大數據便會進行下一路徑的規劃，并找出用時最短的路徑，以此指導車輛進行駕駛，從而有效避免了車輛在駕駛過程中遭遇交通擁堵現象，實現了交通的優化。由此可見，將大數據應用于交通優化當中具有十分重要的意義。為此，本文便對大數據在交通優化上的具體應用進行深入的探討。

1 交通優化中存在的問題及分析

在交通優化中主要存在兩個問題，其一是交通擁堵問題，其二是交通路徑規劃問題。在車輛行駛過程中，由于車輛數量的大幅增加致使車道中的車流十分密集，而這就勢必會使車輛行駛速度緩慢。此外，工作日的出現會使車輛大大增加，特別是上下班時期，車輛的增多再加上車道的狹窄，必然會引發部分車道的交通擁堵。一旦發生交通擁堵，就需要對交通進行優化，而路徑的規劃就顯得十分重要了。在路徑規劃時，如何知道哪種行駛路徑的車流較少，哪種行駛路徑的用時時間最短等也成為困擾駕駛員的一大問題。

2 大數據在交通優化上的應用

2.1 研究思路

本文的研究思路是對情景進行假設，并規劃出情景中的所有路徑，并對車輛的出發地到目的地所有路徑所用時間分別進行計算，通過時間迭代算來對從出發地至目的地各個路徑所用時間進行計算，以此給出合理建議。在多種路徑選擇中，便要利用大數據，收集車輛在不同時刻不同路徑到達目的地所需時間，其中汽車的出發時間為已知條件，通過大數據來對汽車從出發地向前走一個路段或向右走一個路段收集的平均用時可知，與走該路段時的時刻進行相加，利用求得的時刻再來計算車輛在經過下一路段時的用時，并采用多次迭代將各個路徑的用時計算出來，以此得出用時最少的路徑。需要注意的是，由于大數據是通過GPS來進行交通監測的，如果有許多車輛都是走相同的路徑，這時所計算出的路徑就不是最佳路徑，應通過GPS的實時監控功能對最佳路徑的車輛數量進行監控，當發現車輛數量超過規定值時，應自行切換下一路徑的規劃。

2.2 前期準備

設定交通狀況以一周作為一個周期，并將該周期劃分為工作日與節假日，應利用大數據對至少三個周的數據進行收集與處理，來獲得車輛在不同時刻通過不同路段的用時，并利用收集的數據擬合回歸方程 來計算。設定各個路徑中所經過路段的車輛超過N輛時，該路徑不符合最佳路徑。假設各個路徑中有不同的路段，任意路段在一分鐘內有q輛車加入該路段，第一輛車與最后一輛車通過路口的時間差是w，顯然q越大w就越大，假設當該路段的q超過15時，該路段為擁堵路段。假設某輛車從出發點P至目的地M，則要先對P至M規劃多種路徑，然后利用搜集的數據進行時間迭代計算，為了方便描述與計算，本文假設一條街上的所有路段等長且在同一時刻通過某一路段的用時相同。

2.3 算法流程

本文采用迭代算法將各個路段車輛的經過時間進行迭代，以此計算出某輛車從出發點P至目的地M的所有規劃路徑的所用時間，在該算法中充分考慮了路段的擁堵情況。

2.4 路徑規劃

在路徑規劃中，需要對車輛在每個時刻通過相應路徑所需要的時間進行計算，應分別計算車輛從出發地至目的地的全部規劃路徑，設定車輛在出行時時間為 ，在 街上不同時刻每個路段對應的通過用時為 ，在 街上不同時刻每個路段對應的通過用時為 ，依此類題，在 、 、 、 街不同時刻每個路段通過用時關系為 、 、 、 ，利用時間迭代法可以得出該車輛在不同規劃路徑中到達目的地的時刻。本文將用下圖簡述方法： 到達目的地的時刻為 ； 到達目的地的時刻為 ； 到達目的地的時刻為 。并將時間迭加計算后的 、 、 進行比較，用時最短的路段即為最佳路徑。

當然，如果每輛車都選用上述方案給出的最優路徑必然還是會造成擁堵，這時便需要通過實時監控得知每條道路上的實際車數，當某一路段的車數超過N，且最優方案會經過該路段，則排除掉該路段再分析最優路段（如果汽車只需要通過這一個路段就可以到達目的地，則不進行此判斷），過了一定緩沖時間后，再后面的車則可以繼續行駛該路段。當某個路段在一分鐘之內進入車數q超過27輛時，則進行利用上述方法排除此路段進行分析判斷，以此避免因導航而造成的擁堵現象，讓每輛車都行駛最佳駕駛路徑。若是造成了交通事故，要想對最短路徑進行判斷，則需要對不同的道路進行不同的分析。

3 應用效果及評價

3.1 應用效果

通過以上方法來利用時間對交通狀況進行衡量，能夠使各個路徑的所用時間進行直觀顯示出來，從而為駕駛員對路徑的選擇更加直觀，從而避過擁堵路段。采用大數據來進行真實測量，并依據時間迭加算法，能夠為當地的交通情況進行更加全面的展示，從而使這種算法更具針對性與真實性。采用時間迭加算法來對用時最短路徑進行規劃，能夠有效緩解交通壓力，這相當于交通分流處理。利用時間的不斷迭代，能夠為路徑的規劃提供可行性極高的計算方案。該方法對情景的假設較為簡單，這也使這種算法所收集到的數據與實際情況會產生較大差異，但是如果車輛的目的地較遠時，依據極大似然法，則路徑規劃所采集的平均時間迭代結果基本與實際所用時間相符合，因此該方案具有極高的真實性與可行性。

3.2 應用評價

該方法對于實際突發情況的應對能力相對較弱，但該方法的總體思想具備良好的可行性，如果要進一步提高該方法的規劃效果，可以對情景進行更加現實化，并對耗時與車輛數進行真實表達，最大限度的降低誤差，并采取上述方法來對具體的繞路路徑情況進行分析。該方法能夠與大數據中的GPS相結合，并利用GPS來對某個路段的車輛數量進行檢測，根據相關公式來對所用時間進行計算，從而獲得用時最短的路徑，將該方法中的思想用于交通優化當中，更能達到非常良好的效果。

4 結語

總而言之，利用大數據來對路段的交通狀況進行檢測，并規劃出用時最短的路徑來指導駕駛員避過擁堵路段，能夠有效緩解交通壓力，實現交通分流效果。由此可見，利用大數據工具，采用GPS來對交通進行優化具有極大的現實意義。

參考文獻

[1] 李光亞，張敬誼，童慶.大數據在智慧城市中的應用[J].微型電腦應用，2014，30（12）：1-4.

[2] 楊玲玲，劉法勝，董霞，楊現青.大數據技術在智能交通中的應用[J].中國市場，2016（23）：154-156.

[3] 陳圣穎.基于大數據視角下智能交通的探究[J].現代工業經濟和信息化，2017，7（9）：83-84.