對交通擁堵時間預測的難點研究

葛曉玲 汪偉杰

摘? 要：交通擁堵問題是伴隨著現代化社會的發展而來的，為了節省人們的時間，各類擁堵時間預測的模型與軟件層出不窮，但在準確性方面仍有不足，在這里我們對部分的預測方式進行介紹，并對其中的難點進行分析，給出了我們的優化策略。

關鍵詞：擁堵狀態;單層次道路;多層次道路

隨著城市化的進程不斷加快，城市承載的壓力越來越大，交通擁堵問題已經成為全世界面臨的重要問題。交通堵塞已經嚴重影響城市的發展和居民生活質量，尤其是以北上廣為首的等一系列國內一線城市。因此，研究交通擁堵時間預測問題具有現實意義。

一.交通擁堵時間預測的意義

數十年來，為緩解交通擁擠人們投入了大量的人力、物力、財力，但是交通堵塞的問題似乎越來越嚴重，并沒有得到一個很好地解決。然而，交通堵塞的問題一直困擾著居民，他們必須每天都需要提前半個小時到一個小時的時間出發，在漫長的擁堵路程中一點一點得消磨著一整天的精力。我們如果能夠預測某一時間段內道路行程時間以及擁堵情況的話，就可以幫助城市管理者做好交通控制和誘導工作，并且我們也可以將這些數據分享給居民用戶，提前告知這一路況，這樣他們便可以提前制定相應的行程安排計劃，合理的利用時間。但問題是現有的導航軟件通常通過安裝了該軟件的出租車或車輛來獲取實時GPS數據，以確定當前的道路狀況。在嚴重交通擁堵的情況下，汽車的速度很慢，因此速度的估算非常不準確。

二.現有的交通擁堵時間預測方式

如今，GPS傳感器技術使我們能夠跟蹤交通網絡中的車輛軌跡，這就給檢測龐大交通網絡的交通運行狀況提供了一種低成本高效率的方法。從出租車車載GPS設備采集的浮動車數據為政府和學者確定整個交通網絡中交通擁堵的位置和模式帶來了新途徑。然而，一般而言交通檢測器采集到的動態交通數據含有噪聲數據和異常數據，需要對其進行處理才可以使用，并且在交通嚴重擁堵的情況下，汽車的速度很慢，因此速度的監測估算十分不準確，所以我們還需要綜合考慮一些其他因素對于交通擁堵時間的預測計算。劉煬、閆學東等人提出考慮天氣影響系數的時間序列預測模型來進行道路行程時間以及擁堵情況的預測工作。他們就道路行程時間數據、各種天氣情況對道路行程時間的影響等因素來分析道路擁堵的時變規律，并且使用聚類算法來挖掘異常路段。孫曉亮等人則針對城市道路交通擁堵及持續時間辨識問題，提取平均旅行速度、平均旅行時間、平均延遲時間、早晚高峰、星期數等交通擁堵關鍵影響因素，構建了基于MapReduce的多元對數線性回歸交通擁堵預測模型和基于生存分析的交通擁堵持續時間模型。

三、對擁堵時間預測的難點分析

1.交通狀態的近似

交通擁堵狀態是交通狀態中的一種，我們以交通流理論為基礎，描述整個系統的狀態。我們將整個的車輛行駛過程中的整個道路狀態看作是連續的，通過采集到的交通數據流進行分析，給不同的擁堵程度劃分層次，進而得到在不同程度下車輛的平均運行速度，得到整個道路的擁堵時間。通過地圖匹配方法將GPS數據與電子地圖上的道路相關聯。然后根據道路的情況，例如車道數目，車流量大小，紅綠燈情況，再輔助以過往的數據，建立神經網絡預測模型來計算路段車流量平均速度，利用路段速度來判斷路段的交通情況?；陬A測結果計算擁堵路段的擁堵強度，最后用熱圖表現擁堵路段的擁堵強度以及影響范圍。熱圖可以使得交通擁堵直觀易懂。將交通擁堵強度以及影響范圍輸入建立的時間預測模型，得出大致的擁堵時間，并將擁堵時間也輸入到熱圖的相應位置，直觀易懂。在通過路段速度判斷路段的交通情況的過程中，我們可以假設：（1）道路狀態是連續的。（2）根據數據劃分不同的擁堵層次。（3）道路擁堵預測模型。（4）通過擁擠路段所需時間模型。（5）通過熱圖可視化結果。

2.不同道路層次的分類討論

單一層次道路的分析是指，選取某一個特定時間點和某一段特定的道路進行精準的道路狀態判斷，只考慮該斷面本身的交通狀態數據變化規律的預測。不考慮其他路段的相互影響。對各項影響因素進行權重賦值，運用回歸模型進行平均擁堵時間的判斷。相對而言比較簡單。多層次道路的分析是指，以道路上多個數據統計點的斷面交通狀態數據作為研究對象，同時考慮兩個或者兩個以上相鄰書統計點的斷面交通數據之間相互影響的預測。它把兩個或者兩個以上相鄰點作為整體考慮，分析相鄰點的斷面交通狀態變化規律，建立神經網絡預測模型，預測這幾個相鄰點位來時段整體的交通狀態變化。對各項影響因素進行權重賦值，運用回歸模型進行平均擁堵時間的判斷。相對而言比單一層次的道路預測方法有更好的預測效果，較好的適應突發情況的發生。但是相對復雜，實現起來由于不同路段的特殊性，難以建立統一的模型，實現起來有點困難。

由于復雜性，我們打算結合兩者的優點。鑒于多層次道路分析的復雜性和單一道路的不準確性，我們決定對研究道路斷面附近直接相連的各個統計點之間作為整體分析，而忽略沒有直接聯系的道路交通狀態對研究道路的影響，簡化模型的復雜度。實際上，當我們用相鄰道路的交通狀況來分析研究道路的交通狀態時，沒有直接關聯的附近道路的交通情況也能通過相鄰道路的交通狀況反應到我們所研究的道理上。所以這樣的簡化是可行的。

四.預測方式的優化建議

可綜合運用神經網絡模型，該模型具有良好的預測性和學習延展性，我們利用它來進行交通擁堵狀況的判斷。對于篩選出來的各個主要因素，我們直接運用多元線性回歸模型，將平均時間Y作為因變量。利用預測出的擁堵狀況，作為擁堵指標，進行一定的權重賦值，來對多元線性回歸方程進行修正。

參考文獻

[1] 靳永飛.道路行程時間預測及可視化研究[D].天津大學，2018.

[2] 韓羽.基于出租車GPS數據的交通擁堵持續時間評估方法研究[D].長安大學，2018.

[3] 劉煬.基于網格模型的城市交通運行狀態識別和行程時間預測方法研究[D].北京交通大學，2018.