林立春 劉華 洪東
摘要:文章利用大數(shù)據(jù)分析,挖掘潛在規(guī)則對交通擁堵進行預(yù)測,為提高預(yù)測的準確性并能適應(yīng)常發(fā)性擁堵和偶發(fā)性擁堵,運用了多模型融合技術(shù),加以改進的兩級加權(quán)優(yōu)化ELM和自適應(yīng)權(quán)重,同時引入了擁堵傳導(dǎo)規(guī)則,進一步提升擁堵預(yù)測的精確性和關(guān)聯(lián)性。當預(yù)測或已發(fā)生交通擁堵時,在擁堵誘導(dǎo)上采取局部路網(wǎng)總成本最優(yōu)化,也可為相應(yīng)管理部門實現(xiàn)全局路網(wǎng)總成本最優(yōu)化,以提高道路整體通行能力。仿真實驗結(jié)果表明,多模型融合技術(shù)能有效提高并能在較長時限下維持擁堵預(yù)警準確度,可為未來規(guī)劃提供決策輔助,更為建設(shè)智慧交通城市助力。
關(guān)鍵詞:大數(shù)據(jù);預(yù)測;交通擁堵;加權(quán)優(yōu)化
0 引言
近年來,國家倡導(dǎo)發(fā)展“低碳社會”和“節(jié)約型社會”。而交通擁堵問題影響居民生活質(zhì)量、加重大氣污染、降低城市運行效率,已經(jīng)成為阻礙城市發(fā)展的“城市病”。在當今“互聯(lián)網(wǎng)+”和大數(shù)據(jù)發(fā)展的時代,利用大數(shù)據(jù)分析可以科學(xué)地預(yù)測路網(wǎng)的交通擁堵程度,不僅可為市民出行合理規(guī)劃路線,還可為交通管理部門提出合理疏導(dǎo)方案,提升次干道和支路的利用率,亦可為路網(wǎng)規(guī)劃部門給出合理的未來規(guī)劃建議,為建設(shè)智慧交通城市助力。
建設(shè)智慧交通城市應(yīng)以人文本,發(fā)揮主人翁意識,讓人人都是交通參與者,人人都是交通管理者。應(yīng)打造智慧交通全方位數(shù)據(jù)平臺,建立基于“互聯(lián)網(wǎng)+”、大數(shù)據(jù)的“眾治”理念,形成多邊、民主、透明的交通管理生態(tài)環(huán)境,完善智慧交通協(xié)同服務(wù)體系。
1 架構(gòu)的提出
從成因上來劃分,交通擁堵一般可歸納為常發(fā)性交通擁堵和偶發(fā)性交通擁堵。常發(fā)性交通擁堵具有一定規(guī)律可循,在大數(shù)據(jù)分析上具有明顯特征。偶發(fā)性交通擁堵隨機性大,規(guī)律不甚明顯。本文的側(cè)重點在于對交通擁堵的預(yù)測,創(chuàng)新點有:(1)對綜合常發(fā)性交通擁堵和偶發(fā)性交通擁堵通過自適應(yīng)權(quán)重進行預(yù)測,并提出兩級加權(quán)來優(yōu)化ELM;(2)在模糊C均值聚類上改進,實現(xiàn)可變系數(shù)加權(quán)聚類優(yōu)化方法;(3)應(yīng)用自學(xué)習(xí)模型和擁堵傳導(dǎo)模型,進一步提高擁堵的預(yù)測準確性;(4)利用路網(wǎng)總成本的局部最優(yōu)實現(xiàn)擁堵誘導(dǎo),以提高城市的整體通行能力。
1.1 常發(fā)性交通擁堵
分析歷史大數(shù)據(jù)發(fā)現(xiàn),同一路段的交通流雖然是變化的,但具有一定的周期性規(guī)律。例如圖1是南寧市廂竹大道某路段在2019年4月18~26日的擁堵指數(shù)變化規(guī)律呈現(xiàn)圖。圖的橫軸為時間,將縱軸分為5級的擁堵指數(shù)。從圖中可以看出工作日期間天與天之間具有很強的自相似性。類似的,周末與周末之間也具有較強的自相似性??梢钥闯鰪妮^長統(tǒng)計周期的大數(shù)據(jù)中挖掘出自相似性上反映出來的變化規(guī)律,對交通進行相關(guān)指導(dǎo),具有相當重要的現(xiàn)實意義。
1.2 偶發(fā)性交通擁堵
除了分析歷史大數(shù)據(jù),根據(jù)交管部門多年的實測數(shù)據(jù)表明,諸如交通事故、交通違法、道路施工、大型活動、極端天氣和其他特殊狀況等因素是導(dǎo)致交通擁堵的直接誘因,本文因其是動態(tài)發(fā)生的,稱其為動態(tài)影響因素。以長沙市為例,百度大數(shù)據(jù)統(tǒng)計動態(tài)影響交通擁堵的因素占比如表1所示。將這些因素充分考慮進來,在歷史大數(shù)據(jù)挖掘的基礎(chǔ)上,結(jié)合實時的交通數(shù)據(jù)(交通流量、平均速度、浮動車數(shù)據(jù)等),可以提高各類擁堵情況的預(yù)測精度。
1.3 提出架構(gòu)
基于大數(shù)據(jù)分析的交通擁堵預(yù)警平臺架構(gòu)簡圖如圖2所示。架構(gòu)的核心是構(gòu)建規(guī)則庫,該規(guī)則庫不僅含有常發(fā)性交通擁堵的規(guī)則,也含有偶發(fā)性交通擁堵的規(guī)則,其優(yōu)劣直接關(guān)系到預(yù)測精度。在給出未來時刻的預(yù)測后,通過時間序列的實時數(shù)據(jù)驗證進行自學(xué)習(xí),以期收斂和準確。
2 關(guān)鍵技術(shù)
2.1 可變系數(shù)加權(quán)聚類優(yōu)化
K均值聚類(K-means)是基礎(chǔ)的聚類算法,進行固定數(shù)目的樣本劃分,是一種硬性劃分。模糊C均值聚類(FCM)相對來說是一種柔性的劃分方法,其劃分結(jié)果是各個樣本的隸屬程度,而不是屬于某類,是K-means的改進。
基于路段本質(zhì)特征有車道數(shù)量、人行橫道數(shù)量、紅綠燈數(shù)量等都是不同的,加之工作日、周末和節(jié)假日的數(shù)據(jù)特征也有很大差異,顯然需要對不同維度上的特征加以不同的側(cè)重。故此提出了一種可變系數(shù)加權(quán)聚類優(yōu)化方法。
最后一條約束表示多條路徑都流經(jīng)?。ㄟ叄゛KL,則流經(jīng)重疊弧aKL的交通量總和∑XKL不超過其通行能力。該模型同樣適用于計算整體路網(wǎng)總成本最優(yōu),為相應(yīng)管理部門疏導(dǎo)交通或?qū)ξ磥斫煌ㄒ?guī)劃輔助決策。
2.4 擁堵傳導(dǎo)規(guī)則的挖掘
如果路段R1在時刻t0出現(xiàn)交通擁堵,R1的相鄰路段(臨邊)R2在σt個單位時間之后也出現(xiàn)了交通擁堵,這樣的時間序列關(guān)聯(lián)規(guī)則即為擁堵傳導(dǎo)規(guī)則。類似于自適應(yīng)學(xué)習(xí)算法,σt在閾值T1、T2之內(nèi)進行自學(xué)習(xí)收斂,以期在實際應(yīng)用中給出高時效性的擁堵預(yù)測。T1、T2的選取由經(jīng)驗獲得,本平臺設(shè)為可配置的初始值[5,30]。此外,為降低時空復(fù)雜度,本平臺擁堵傳導(dǎo)規(guī)則僅計算臨邊,但整個路網(wǎng)的連通性已能反映出間接擁堵傳導(dǎo)。
3 仿真實驗
實驗在MATLAB平臺上進行,軟件版本為MATLAB 2014 b(64位)。實驗機器配置為Intel Core i7-4770處理器,內(nèi)存為16 G。樣本數(shù)據(jù)采用廣西交通運輸云數(shù)據(jù)中心部分樣本數(shù)據(jù),模擬環(huán)境為南寧市中心城區(qū)多條易擁堵路線,在8:00、12:00和18:00 3個早中晚上下班高峰時段進行30 min內(nèi)的連續(xù)預(yù)測和驗證。仿真結(jié)果如圖3所示,橫軸為預(yù)測時長,縱軸為預(yù)測準確率。在純時序大數(shù)據(jù)集下,隨著預(yù)測時刻越遠,預(yù)測準確度下降越大。在本平臺綜合多種數(shù)據(jù)集及相應(yīng)技術(shù)的情況下,隨著預(yù)測時刻的延長,預(yù)測準確度趨于平滑。
4 結(jié)語
本文在集成學(xué)習(xí)思想的基礎(chǔ)上,融合常發(fā)性和偶發(fā)性交通擁堵,提出擁堵預(yù)警平臺框架,引入了可變系數(shù)加權(quán)聚類優(yōu)化方法,運用多模型融合技術(shù)、兩級加權(quán)優(yōu)化ELM和自適應(yīng)權(quán)重模型對交通擁堵的趨勢變化、周期性變化和隨機性變化進行預(yù)測。同時引入了擁堵傳導(dǎo)規(guī)則,進一步提升擁堵預(yù)測的精確性和關(guān)聯(lián)性。在擁堵誘導(dǎo)上采取局部最優(yōu)化,以提高道路的整體通行能力。實驗結(jié)果表明,平臺的預(yù)警精確度較高,均在80%以上,且隨著預(yù)測時間的延長,預(yù)測精度在下降過程中趨于平滑。
擁堵預(yù)警的作用和意義重大,除了引言提到的作用,還可為交通運輸行業(yè)(例如物流)以及其他行業(yè)提供有價值的規(guī)律,優(yōu)化其運行方案,為經(jīng)濟發(fā)展助力。對于未來的展望,擁堵預(yù)警亦可服務(wù)于面向車路協(xié)同以及無人駕駛的應(yīng)用上。此外借助于仿真,還可以對未來的路網(wǎng)改造、交通規(guī)劃方案等提供決策輔助。
這一技術(shù)存在的問題有歷史原因以及受信息安全和保密管理等相關(guān)規(guī)定的影響。公安網(wǎng)絡(luò)歷來與互聯(lián)網(wǎng)等網(wǎng)絡(luò)都是物理隔離的,公安交通管理部門掌握的數(shù)據(jù)和資料對外共享較困難,一些數(shù)據(jù)交流常采用定期開放的方式,實時性不強。建議將系統(tǒng)數(shù)據(jù)做部分映射,將不涉及隱私和信息安全且又有必要公開的交通數(shù)據(jù)進行實時共享。對訪問的各類用戶可以進行資格審查并簽署協(xié)議,投入商用要適當收取費用。同時,智能交通管理系統(tǒng)所需的外單位數(shù)據(jù)要盡早形成信息共享,尚需有政策層面的配套保障機制,推動交通大數(shù)據(jù)技術(shù)的發(fā)展與應(yīng)用。
總之,完善智慧交通管理機制體制,打造智慧交通全方位數(shù)據(jù)平臺,建立智慧交通協(xié)同服務(wù)體系是未來發(fā)展的必然趨勢。
參考文獻:
[1]沈 晴.面向交通擁堵預(yù)測大數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)群組快速學(xué)習(xí)[D].北京:北京科技大學(xué),2017.
[2]周輝宇.基于大數(shù)據(jù)規(guī)則挖掘的交通擁堵治理研究[J].統(tǒng)計與信息論壇,2017,32(5):96-101.
[3]鄧萬宇,鄭慶華,陳 琳,等.神經(jīng)網(wǎng)絡(luò)極速學(xué)習(xí)方法研究[J].計算機學(xué)報,2010,33(2):279-287.
[4]舒 忠.基于大數(shù)據(jù)的交通擁堵現(xiàn)狀與治堵策略研究——以長沙市為例[J].河南科技,2019(22):114-116.
[5]Lichun Lin,Shi Tong.Automatic Spatial Annotation of Image Based on Object Recognition[J].Journal of Information & Computational Science,2013,10(18):5 829-5 847.
[6]薛倚明,饒 涓.整體優(yōu)化路網(wǎng)交通量分配的系統(tǒng)思想[J].運籌與管理,2000,9(2):79-83.
收稿日期:2020-05-27