人工智能對(duì)交通效率的影響

付書(shū)凡 王慧敏 畢婧

（沈陽(yáng)師范大學(xué)軟件學(xué)院 遼寧沈陽(yáng) 110034）

人工智能日趨成熟，自動(dòng)駕駛系統(tǒng)在提高道路通行能力、改善車輛主動(dòng)安全性等方面具有巨大潛力。自動(dòng)駕駛車輛在道路上所占的比例不同，會(huì)對(duì)道路的交通效率產(chǎn)生不同程度的影響。

在不同的交通網(wǎng)絡(luò)中，交通效率各有不同，在自動(dòng)駕駛汽車登上公路時(shí)，會(huì)對(duì)交通效率產(chǎn)生一定的影響。自動(dòng)駕駛的比例不同，可能會(huì)加快交通效率，也可能會(huì)導(dǎo)致交通效率變慢甚至癱瘓。因此，做出以下分析：探究在擁堵系數(shù)、汽車行駛速度、道路干擾、汽車種類方面，車流中自動(dòng)駕駛比例對(duì)交通效率的影響；在一個(gè)由主干道、次干道、交叉路口、彎道構(gòu)成的有邊界的簡(jiǎn)單交通網(wǎng)絡(luò)中，車流中自動(dòng)駕駛車輛比例對(duì)交通效率的影響。

1 理論及方法

將影響因素分為兩大類：即路況指標(biāo)和性能指標(biāo)。影響路況的指標(biāo)因素有道路干擾和擁堵系數(shù)；影響性能指標(biāo)的因素有行駛速度和汽車種類。

采用層次分析法來(lái)對(duì)4 個(gè)影響因素進(jìn)行判斷，通過(guò)建立層次模型并求解，對(duì)得出的結(jié)果進(jìn)行一致性判斷。使用模糊綜合評(píng)判模型進(jìn)行求解，通過(guò)兩種方式求解最終得出結(jié)論：道路干擾和行駛速度分別是決定路況指標(biāo)和性能指標(biāo)的重要因素。

設(shè)定一個(gè)簡(jiǎn)單的交通網(wǎng)絡(luò)，研究車流中自動(dòng)駕駛車輛比例對(duì)交通效率的影響。據(jù)此，需要建立一個(gè)元胞自動(dòng)機(jī)模型。

通過(guò)選定交通網(wǎng)絡(luò)，又細(xì)分為十字路口、直行道和轉(zhuǎn)彎等情況，針對(duì)不同的情況，對(duì)車流量進(jìn)行了交通仿真模擬。通過(guò)車輛加速、減速、停止3種情況進(jìn)行速度分析，通過(guò)對(duì)語(yǔ)句調(diào)控來(lái)設(shè)置道路口的紅綠燈。通過(guò)隨機(jī)概率來(lái)設(shè)定汽車直行左轉(zhuǎn)右轉(zhuǎn)的概率進(jìn)行分析建立模型。通過(guò)在模型中明確車流量的變化、車速及紅綠燈等因素，建立起比較精準(zhǔn)的模型，進(jìn)而對(duì)模型進(jìn)行驗(yàn)證。

2 實(shí)驗(yàn)

2.1 建立層次結(jié)構(gòu)模型

2.1.1 層次結(jié)構(gòu)模型

層次結(jié)構(gòu)模型如圖1所示。目標(biāo)層M是自動(dòng)駕駛車輛比例對(duì)交通效率的影響評(píng)價(jià)體系；中間的準(zhǔn)則層C 路況指標(biāo)和性能指標(biāo)；最下面的方案層P 的影響因素為道路干擾、擁堵系數(shù)、行駛速度及汽車種類。

圖1 層次結(jié)構(gòu)模型圖

2.1.2 根據(jù)建立的模型求解

由此可求得一致性指標(biāo)=0.0268，一致性比例=0.516。

因?yàn)椋?.10，所以該判斷矩陣的一致性可以接受。

權(quán)重向量=（0.1000 0.3500 0.5500）。

求解判斷矩陣C2-P 的權(quán)重向量=（0.7500 0.2500）。

最后用層次分析法得出如表1所示關(guān)系表。

表1 自動(dòng)駕駛車輛比例對(duì)交通效率影響

由表1可分析得出不同交通條件下自動(dòng)駕駛車輛對(duì)交通效率的影響結(jié)果。

（1）當(dāng)自動(dòng)駕駛車輛在行駛車輛占比為1/10時(shí)：

影響比例=0.0504+0.06+0.046+0.0231=0.1795

（2）當(dāng)自動(dòng)駕駛車輛在行駛車輛占比為1/2時(shí)：

影響比例=0.084× 0.3+0.3× 0.3+0.46× 0.3+0.154× 0.25=0.2917

（3）當(dāng)自動(dòng)駕駛車輛在行駛車輛占比為9/10時(shí)：

影響比例=0.084× 0.1+0.3× 0.5+0.46× 0.6+0.154× 0.6=0.5268

由計(jì)算結(jié)果可知，在不同條件因素影響下，自動(dòng)駕駛汽車比例越高，交通效率就越高。

2.2 建立模糊綜合評(píng)判模型

“模糊”（Fuzzy）從字義上理解包含“含糊”“不確定”的概念。模糊理論（Fuzzy Theory）是建立在模糊邏輯（Fuzzy Logic）基礎(chǔ)之上，描述和處理人類語(yǔ)言所特有的模糊信息的理論。它的主要概念包括模糊集合（簡(jiǎn)稱模糊集）及其隸屬函數(shù)、模糊算子和模糊關(guān)系。

模糊綜合評(píng)價(jià)法是一種基于模糊數(shù)學(xué)的綜合評(píng)價(jià)方法。根據(jù)模糊數(shù)學(xué)的隸屬度理論，把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)，即用模糊數(shù)學(xué)對(duì)受到多種因素制約的事物或?qū)ο笞龀鲆粋€(gè)總體的評(píng)價(jià)。它具有結(jié)果清晰、系統(tǒng)性強(qiáng)的特點(diǎn)，能較好地解決模糊的、難以量化的問(wèn)題，適合各種非確定性問(wèn)題的解決。

（1）建立評(píng)判對(duì)象因素集，表示由影響判斷對(duì)象的因素組成的合集。=［，，，］，其中，為擁堵系數(shù)，為汽車種類，為道路干擾，為行駛速度。

（3）建立權(quán)重集，=［0.084，0.46，0.3，0.154］（此數(shù)值由以上層次分析法求得）。

（4）確定模糊判斷矩陣。調(diào)查單因素評(píng)價(jià)隸屬度向量，并形成隸屬度矩陣（模糊判斷矩陣），對(duì)本題假設(shè)取4組評(píng)判。

（5）進(jìn)行模糊綜合模式識(shí)別，得到評(píng)判指標(biāo)，=×。

（6）取中數(shù)值的最大值代表綜合評(píng)判的最終結(jié)果。

2.3 基于元胞自動(dòng)機(jī)模型對(duì)交通網(wǎng)絡(luò)進(jìn)行分析

元胞自動(dòng)機(jī)的特點(diǎn)是時(shí)間、空間、狀態(tài)都離散，每個(gè)變量只取有限多個(gè)狀態(tài)，且其狀態(tài)改變的規(guī)則在時(shí)間和空間上都是局部的。在探究自動(dòng)駕駛技術(shù)所占比例對(duì)交通效率的影響中，設(shè)定了一個(gè)擁有主干道、轉(zhuǎn)彎、十字交叉路口的簡(jiǎn)單交通網(wǎng)絡(luò)，將其分為三部分，對(duì)其進(jìn)行道路交通流的分析。交通流是指在道路交通系統(tǒng)中有關(guān)交通流參數(shù)的定性和定量特征，以及它們?cè)诓煌臅r(shí)空條件下的變換規(guī)律和相互關(guān)系。交通流的參數(shù)：有一些描述和反映一些交通流特性的物理量，包括行車速度、交通密度、交通量、交通延誤、時(shí)間占有率等參數(shù)。由題意可知，主要選取交通密度和行車速度作為參數(shù)。

首先設(shè)置了道路上車的最初數(shù)量為200 輛，最大速度為Vmax，并記錄了車的實(shí)時(shí)速度velocityv 和車輛位置（i，j），并通過(guò)判斷當(dāng)前位置是否為空來(lái)決定車輛是加速、減速，還是隨即慢化，然后更新車輛速度，并記錄更新后的車輛位置，得出了一個(gè)流量密度圖和時(shí)空?qǐng)D。

加速過(guò)程：velocity（i-j+1）=min（velocity（i-j+1）+1，Vmax）。

減速過(guò)程：velocity（i-j+1）=min（velocity（ij+1），d）。

隨機(jī)慢化：velocity（i-j+1）=randslow（v（i-j+1））；new_velocity=velocity（i-j+1）。

更新位置：z（i-j+1）=0；z（i-j+1+new_velocity）=1。

更新速度：velocity（i-j+1）=0；velocity（i-j+1+new_velocity）=new_velocity。

通過(guò)相關(guān)代碼運(yùn)行，得到如圖2 所示的流量密度圖。

圖2 流量密度圖

通過(guò)基于元胞自動(dòng)機(jī)的車流模型，可以看出不同速度下車輛的密度和流量。

在最初通過(guò)元胞自動(dòng)機(jī)原理和直行單行道代碼模擬，建立了一個(gè)直行單行道道路交通模擬模型。設(shè)直行進(jìn)入研究區(qū)域的車輛的駛?cè)敫怕蕿閜p，道路長(zhǎng)度為length，執(zhí)行的步長(zhǎng)為n。設(shè)置pp=20，long=500，n=1000，然后用flaggg判斷是否有車輛在等待區(qū)即將離開(kāi)區(qū)域。

設(shè)置編號(hào)為1、2、3、4的4條道路，依次為十字交叉路口之前的直行道路、左轉(zhuǎn)道路、十字交叉路口之后的直行道路及右轉(zhuǎn)道路。通過(guò)相關(guān)if語(yǔ)句調(diào)控來(lái)設(shè)置道路口的紅綠燈，并通過(guò)隨機(jī)概率來(lái)設(shè)定汽車直行左轉(zhuǎn)右轉(zhuǎn)的概率。

建立一個(gè)在特定車流密度下的雙車道T型仿真模型。設(shè)定車道數(shù)目num 值為2，車道長(zhǎng)度len 通過(guò)后期運(yùn)行代碼輸入?yún)?shù)，設(shè)車輛的平均速度av、車流密度w數(shù)值、仿真步長(zhǎng)時(shí)間ft、仿真步長(zhǎng)數(shù)目fnum、車道入口處新進(jìn)入車輛的概率向量fp、交叉口處車輛行為的概率向量q 等值，均在運(yùn)行代碼時(shí)輸入相應(yīng)的參數(shù)。據(jù)此構(gòu)造元胞矩陣，設(shè)置不可行車道，并把仿真元胞狀態(tài)初始化，設(shè)值為1時(shí)表示無(wú)車，為0時(shí)表示有車，然后顯示初始交通流圖，給變量初始化，確定車輛的狀態(tài)，最終得到交通流圖。

3 實(shí)驗(yàn)結(jié)果及分析

通過(guò)構(gòu)造出表2 中的比較矩陣，為了確保權(quán)重的值更加準(zhǔn)確，采用了算術(shù)平均法、幾何平均法、特征值求法3種方式求解權(quán)重，發(fā)現(xiàn)3種方法求出權(quán)重的值誤差很小，并對(duì)取得的權(quán)重的值進(jìn)行一致性檢驗(yàn)，將求得的一致性指標(biāo)與隨機(jī)一致性指標(biāo)進(jìn)行對(duì)照，發(fā)現(xiàn)符合一致性可以接受，由此得出結(jié)論：當(dāng)自動(dòng)駕駛車輛在行駛車輛占比分別為1/10、1/2、9/10 時(shí)，對(duì)交通效率的影響比率分別為0.1795、0.2917、0.5268。

表2 3 種方法下的權(quán)重值比較

設(shè)定車輛最初數(shù)量為200 輛，并通過(guò)元胞自動(dòng)機(jī)建立了車輛流量密度和超時(shí)圖。

直行單行道道路和直行交叉口道路及雙車道T型雙車道交通，最后得到了交通流圖。通過(guò)對(duì)單行道路和直行道路以雙車道道路的交通流圖的分析，得出結(jié)論：自動(dòng)駕駛車輛比例越多，交通效率就越高。

4 改進(jìn)方向

（1）本文求解問(wèn)題中所用到的數(shù)據(jù)皆是通過(guò)查閱有關(guān)資料進(jìn)行和分析得出的數(shù)據(jù)，具有較高的精確性，根據(jù)該數(shù)據(jù)，最后得出自動(dòng)駕駛比例對(duì)交通效率的影響。

（2）在所用到的層次分析法計(jì)算權(quán)值時(shí)，采用了3種不同的計(jì)算方法求得，最后取平均值，得出權(quán)值數(shù)據(jù)更為準(zhǔn)確。

（3）由于層次分析法定性成分過(guò)多，可能不夠精準(zhǔn)，于是還建了模糊綜合評(píng)判法，能對(duì)蘊(yùn)藏信息呈現(xiàn)模糊性的資料作出比較科學(xué)、合理、貼近實(shí)際的量化評(píng)價(jià)。

（4）在對(duì)交通網(wǎng)絡(luò)進(jìn)行模擬時(shí)，建立了離散動(dòng)力學(xué)系統(tǒng)的元胞自動(dòng)機(jī)模型，該模型具有較高的仿真能力，更真實(shí)地模擬現(xiàn)實(shí)交通網(wǎng)絡(luò)。