基于多源監測數據的道路交通狀態預測

張瑞

摘 要：文章根據模糊數學的概念、流體力學等知識，在篩選海量數據后得出其相互關系，建立了道路暢通模型、擁堵預測模型以及新增車輛預測模型，分析道路暢通程度及預測道路擁堵狀況，并進行了新增車輛的擁堵預測，最后對模型的合理性進行檢驗。

關鍵詞：模糊數學；綠信比；擁堵閾值

中圖分類號：TP274 文獻標志碼：A 文章編號：2095-2945（2019）19-0063-02

Abstract： In this paper， according to the concept of fuzzy mathematics， fluid mechanics and other knowledge， after screening massive data， the relationship between them is obtained， and the road smoothing model， congestion prediction model and newly-added vehicle prediction model are established. The smooth degree of road and the prediction of road congestion are analyzed， and the congestion prediction of new vehicles is carried out. Finally， the rationality of the model is tested.

Keywords： fuzzy mathematics； green signal ratio； congestion threshold

1 研究背景

交通基礎設施是要素跨區域流動的重要媒介，通過時空大數據的積累，以要素流動所構成的交通流網絡指示區域空間關系逐漸成為主流手段[1-2]。交通流網絡在時空尺度上不斷進行著動態演變，監測的數據具有動態性、多維性以及海量性。在城市道路交通管理中，通過對路面交通信息的采集、分析和應用，交通部門能夠更好地掌握道路交通流現狀，對交通流進行管理、調節和誘導，提高路網交通效率。本文基于2018年深圳杯D題，根據深圳市交通警察局提供的局部區域道路的交通卡口監測數據、出租車為主的浮動車數據以及互聯網導航平臺數據，對這些不同的道路交通監測數據進行融合分析。

2 道路暢通程度模型

2.1 道路暢通程度模型的建立

本文使用模糊數學的概念處理道路暢通度的問題，將暢通度分為“不暢通”、“不甚暢通”、“基本暢通”、“標準暢通”和“非常暢通”五類[3]。道路是否通暢可以通過當前速度與暢行速度之比稱之為行駛速度比Vr以及當前密度與阻塞密度Kj的比稱之為流量密度比Kr來衡量。本文用行駛速度比和流量密度比來描述道路的暢通程度。

2.2 道路暢通程度模型的分析

本節建立的道路暢通程度模型結合主成分分析方法，利用SPSS軟件，得出行駛速度比和流量密度比所占的權重，從而確定暢通程度與行駛速度比和流量密度比的線性關系為Cr=？琢（0.70×vr+0.28×kr），可計算得出修正系數？琢=1.02。基于已有數據隨機選取主干道、支路、環路，每個路段分別抽取25日、26日、27日數據作為樣本。結果如圖1所示，從圖中可以直觀地看出，環道暢通程度指數最大，其次為主干道，最后為支路。結合視頻數據，與該模型的結果相近，因此模型的合理性得到了驗證。

3 擁堵預測模型

3.1 模型的建立

在交通流飽和的狀態下，由于受周期時長的限制，交通需求大于信號交叉口的通行能力，信號交叉口會出現不同程度的擁擠堵塞現象，因此要根據信號交叉口綠信比預測道路擁堵變化[4]。利用流體力學的模型，結合萊特希爾和惠特漢[4]推導的車流波傳播公式vw=vf（1-2？濁），可得出停車產生的波為v1=-vf？濁1，發車產生的波為v2=-vf？濁2。因此可以求出紅燈時段內累計的車輛數L1=Tr×（-vf？濁1）；同理可得，綠燈時段內放行的車輛數L2=Tg×（-vf？濁2）；其中，Tr為紅燈持續時間（小時），Tg為綠燈持續時間（小時）。當|L2|？叟|L1|時；即Tg|Vf|？叟Tr|Vf|？濁1，Tg？叟Tr×？濁1，。

3.2 模型的分析

依據格林希爾茲[4]提出的指數模型k1=（1-）kj，不同級別道路中暢行速度vf和阻塞密度kj不同，根據不同路段暢行速度與阻塞密度的不同，求出不同道路擁堵閾值，如圖2所示。結果表明，根據交叉路口信號的綠燈與紅燈的持續時間之比以及車輛行駛平均速度可以了解道路擁堵情況。依據實際情況，不同等級的道路擁堵閾值不同。在擁堵閾值以內會發生擁堵，在閾值以外道路暢通。通常情況下，比值越大，速度越小，越容易造成道路擁堵。結合視頻數據，與該模型的結果近似，因此模型的合理性得到了檢驗。

4 新增車輛擁堵預測

4.1 新增車輛單一影響

5 模型評價

本文從大量指標中選取最基本的三個指標衡量交通流的狀態，把復雜問題簡單化；同時使用模糊數學的概念處理道路暢通度的問題，簡化實際問題；根據不同道路級別的擁堵閾值與暢行速度的關系曲線圖得出擁堵閾值，能快速準確地對實際道路暢通程度作出預測。但本文的模型僅考慮了道路正常運轉時的交通情況，具有一定的局限性，還可以在特殊狀況導致道路擁堵的條件下對該問題進行深入研究；其次，一些次要因素對實際結果的影響被忽略，使結果精度降低，導致最終結果存在一定誤差，與實際情況存在出入。最后經過對缺點的詳細分析，得出改進方式如下：應對更多指標進行深層次分析，并在研究道路暢通程度時考慮多種因素，減少數據誤差，使結果與實際情況更加接近。

參考文獻：

[1]王海江，苗長虹.中國中心城市鐵路客運的空間聯系及其結構圖譜[J].地理研究，2015，34（I）：157-168.

[2]羅震東，何鶴鳴，耿磊.基于客運交通流的長江三角洲功能多中心結構研究[J].城市規劃學刊，2011（2）：16-23.

[3]劉元林，劉勇，李紅偉，等.道路暢通度模糊評價及其模型[J].武漢大學理工學報，2011，35（5）：892-895.

[4]李作敏.交通工程學（第2版）[M].人民交通出版社，2000.