謝 斌 萬(wàn) 劍 黨 倩 徐海潮 楊 曼

(華設(shè)設(shè)計(jì)集團(tuán)股份有限公司智能交通技術(shù)和設(shè)備交通運(yùn)輸行業(yè)研發(fā)中心 南京 210014)

根據(jù)“交通強(qiáng)國(guó)、公路先行”的新戰(zhàn)略、新要求，需要賦予公路網(wǎng)“主動(dòng)思考”能力，實(shí)現(xiàn)路網(wǎng)運(yùn)行監(jiān)測(cè)主動(dòng)預(yù)警，提升公路交通行業(yè)管理效率。

國(guó)內(nèi)外專家學(xué)者對(duì)交通運(yùn)行狀態(tài)預(yù)警算法開(kāi)展了較多的研究，并取得了一定成果[1-3]。研究較多的主要是時(shí)間序列模型、決策樹(shù)模型、神經(jīng)網(wǎng)絡(luò)模型。其中，時(shí)間序列模型如果用于路網(wǎng)短時(shí)狀態(tài)的預(yù)測(cè)，只能挖掘時(shí)間維度上的特征和變化，無(wú)法結(jié)合其他多源的異構(gòu)因素，體現(xiàn)路網(wǎng)事件預(yù)警的復(fù)雜和多變，預(yù)測(cè)準(zhǔn)確性難以保障[4]；決策樹(shù)模型在小規(guī)模的單一分類問(wèn)題中往往具有較好的性能，但一旦網(wǎng)絡(luò)規(guī)模擴(kuò)大，節(jié)點(diǎn)增多且預(yù)測(cè)目標(biāo)復(fù)雜，決策樹(shù)模型就難以有效支撐[5-6]；神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練和預(yù)測(cè)非常依賴于樣本的支撐，并且其難以解釋模型中間的關(guān)系和預(yù)測(cè)過(guò)程，無(wú)法輸出交通擁堵、交通事故風(fēng)險(xiǎn)的可解釋性特征[7-8]。目前利用動(dòng)態(tài)貝葉斯模型開(kāi)展公路交通擁堵、事故風(fēng)險(xiǎn)預(yù)警的研究逐漸增多，能夠?qū)W習(xí)變量間的概率依存關(guān)系及其隨時(shí)間變化的規(guī)律，能夠輸出不同狀態(tài)的概率網(wǎng)，而且可以針對(duì)不同地區(qū)交通管理系統(tǒng)特征和輸入的差異，確保即使部分輸入發(fā)生了變化，但關(guān)聯(lián)的預(yù)測(cè)模型仍繼續(xù)產(chǎn)生可靠的預(yù)警。

因此，綜合對(duì)時(shí)間序列模型、決策樹(shù)模型、神經(jīng)網(wǎng)絡(luò)模型及動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型進(jìn)行分析研究及比選，本項(xiàng)目采用動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)構(gòu)建交通擁堵、事故風(fēng)險(xiǎn)預(yù)警模型。

1 總體思路

本項(xiàng)目的總體思路是開(kāi)發(fā)一套路網(wǎng)事件預(yù)警算法模型系統(tǒng)，為行業(yè)管理人員提供國(guó)省干線典型異常事件的主動(dòng)預(yù)警，以此縮小監(jiān)測(cè)的時(shí)空范圍，輔助行業(yè)管理部門提前做出異常事件預(yù)防管控措施。該模型系統(tǒng)支撐省市聯(lián)動(dòng)，具有業(yè)務(wù)適用、可移植復(fù)用特征，為已有業(yè)務(wù)系統(tǒng)、應(yīng)急指揮調(diào)度系統(tǒng)提供預(yù)警信息服務(wù)。

模型邏輯架構(gòu)圖見(jiàn)圖1，基于多源數(shù)據(jù)整合、相關(guān)性分析、道路狀態(tài)演變特征分析等工作的成果，選取重要的狀態(tài)變量特征，建立基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的道路擁堵?tīng)顟B(tài)與事故等級(jí)的預(yù)警模型，該模型通過(guò)學(xué)習(xí)各種狀態(tài)變量間的概率依存關(guān)系及其隨時(shí)間變化的規(guī)律，可以有效對(duì)不同狀態(tài)的發(fā)生概率進(jìn)行推斷預(yù)測(cè)。

本模型可實(shí)現(xiàn)對(duì)全路網(wǎng)范圍內(nèi)國(guó)省干線交通調(diào)查(以下簡(jiǎn)稱交調(diào))、檢測(cè)器數(shù)據(jù)、路網(wǎng)基礎(chǔ)數(shù)據(jù)的融合；實(shí)現(xiàn)對(duì)當(dāng)前道路擁堵?tīng)顟B(tài)和事故風(fēng)險(xiǎn)的評(píng)判；實(shí)現(xiàn)對(duì)不同時(shí)間尺度下未來(lái)道路擁堵?tīng)顟B(tài)、事故風(fēng)險(xiǎn)概率的多步預(yù)測(cè)；模型根據(jù)實(shí)時(shí)交調(diào)數(shù)據(jù)、車檢器數(shù)據(jù)等進(jìn)行自動(dòng)訓(xùn)練，對(duì)模型進(jìn)行持續(xù)更新，不斷提升模型檢測(cè)精度。

圖1 模型邏輯架構(gòu)

2 數(shù)據(jù)工程

本模型共整合了2019年5-12月的南京市國(guó)省干線80余個(gè)交調(diào)點(diǎn)、車檢器數(shù)據(jù)及路網(wǎng)基礎(chǔ)信息數(shù)據(jù)，近420萬(wàn)條動(dòng)靜態(tài)業(yè)務(wù)數(shù)據(jù)。首選對(duì)整合的交調(diào)數(shù)據(jù)、車檢數(shù)據(jù)及路網(wǎng)基礎(chǔ)信息數(shù)據(jù)進(jìn)行數(shù)據(jù)完整性檢驗(yàn)、多源數(shù)據(jù)關(guān)聯(lián)，并設(shè)計(jì)數(shù)據(jù)庫(kù)。

2.1 數(shù)據(jù)完整性檢驗(yàn)

數(shù)據(jù)缺失檢驗(yàn)的目的是確認(rèn)各類多源數(shù)據(jù)的可用性和完整性，判斷數(shù)據(jù)能否支撐后續(xù)分析。數(shù)據(jù)缺失檢驗(yàn)主要包括以下三方面：數(shù)據(jù)可用性檢驗(yàn)、數(shù)據(jù)時(shí)間完整性檢驗(yàn)、數(shù)據(jù)空間完整性檢驗(yàn)。通過(guò)分析認(rèn)為，數(shù)據(jù)時(shí)間完整性檢驗(yàn)結(jié)果(部分)見(jiàn)表1，接入數(shù)據(jù)在時(shí)間完整性、空間完整性方面，均達(dá)到可用性要求。

表1 數(shù)據(jù)時(shí)間完整性檢驗(yàn)結(jié)果(部分)

2.2 多源數(shù)據(jù)關(guān)聯(lián)

多源數(shù)據(jù)關(guān)聯(lián)通過(guò)路段樁號(hào)完成交調(diào)、車檢、路網(wǎng)基礎(chǔ)信息數(shù)據(jù)的有效關(guān)聯(lián)和匹配，為后續(xù)建模的特征選取及模型輸入做準(zhǔn)備，多源數(shù)據(jù)關(guān)聯(lián)原理見(jiàn)表2。

表2 多源數(shù)據(jù)關(guān)聯(lián)

2.3 數(shù)據(jù)庫(kù)開(kāi)發(fā)

為了保存模型靜動(dòng)態(tài)業(yè)務(wù)數(shù)據(jù)、模型分析的中間結(jié)果，以及模型預(yù)警結(jié)果，設(shè)計(jì)模型數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)設(shè)計(jì)原理圖見(jiàn)圖2，主要包括輸入數(shù)據(jù)表、中間表、輸出信息表。

圖2 數(shù)據(jù)庫(kù)設(shè)計(jì)

3 特征分析

3.1 交通擁堵預(yù)警特征分析

不同技術(shù)等級(jí)、功能需求的國(guó)道、省道交通流平均速度分布具有明顯差異。故傳統(tǒng)依靠已有公路運(yùn)行監(jiān)測(cè)指標(biāo)對(duì)公路擁堵?tīng)顟B(tài)進(jìn)行判定，難以適應(yīng)本地化、復(fù)雜多變的網(wǎng)絡(luò)運(yùn)行監(jiān)測(cè)需要。

本模型依托2019年6-8月的交調(diào)、車檢歷史數(shù)據(jù)，基于聚類分析，提出適應(yīng)本地化特點(diǎn)、面向不同技術(shù)等級(jí)的路網(wǎng)運(yùn)行狀態(tài)劃分閾值，設(shè)定為擁堵、緩行、暢通3種狀態(tài)，部分路線平均速度聚類分析結(jié)果見(jiàn)圖3。

圖3 不同路線的平均速度聚類結(jié)果

基于歷史數(shù)據(jù)，分析交通擁堵時(shí)序特征見(jiàn)圖4。由圖4分析可知，交通擁堵具有很強(qiáng)的時(shí)間相關(guān)性，其中當(dāng)前時(shí)刻過(guò)去24 h以內(nèi)交通狀態(tài)與當(dāng)前狀態(tài)具有較為顯著的相關(guān)性。

圖4 交通擁堵時(shí)序特征分析

對(duì)不同車型、不同時(shí)間窗口速度與交通擁堵情況進(jìn)行相關(guān)性分析得出，擁堵預(yù)警輸入特征見(jiàn)表3。提取相關(guān)性較大的因素作為擁堵事件特征，用作擁堵預(yù)警模型訓(xùn)練及實(shí)時(shí)預(yù)警的輸入特征。

表3 擁堵預(yù)警輸入特征

續(xù)表3

3.2 交通事故風(fēng)險(xiǎn)預(yù)警特征分析

分析2019年5-12月交調(diào)、車檢數(shù)據(jù)，認(rèn)為交通流速度波動(dòng)標(biāo)準(zhǔn)差與路網(wǎng)運(yùn)行狀態(tài)之間存在強(qiáng)相關(guān)性；結(jié)合《國(guó)家突發(fā)公共事件總體應(yīng)急預(yù)案》，基于聚類分析，劃分路網(wǎng)事故風(fēng)險(xiǎn)為4個(gè)等級(jí)：安全、一般事故風(fēng)險(xiǎn)、嚴(yán)重事故風(fēng)險(xiǎn)、非常嚴(yán)重事故風(fēng)險(xiǎn)。

結(jié)合不同車型、不同時(shí)間窗口速度波動(dòng)與交通安全態(tài)勢(shì)的相關(guān)性分析，事故風(fēng)險(xiǎn)預(yù)警特征見(jiàn)表4?；诒?內(nèi)容，提取相關(guān)性較大的因素作為交通事故風(fēng)險(xiǎn)預(yù)警特征，用作事故風(fēng)險(xiǎn)預(yù)警模型訓(xùn)練及實(shí)時(shí)預(yù)警的輸入特征。

表4 事故風(fēng)險(xiǎn)預(yù)警輸入特征

4 模型開(kāi)發(fā)

4.1 模型結(jié)構(gòu)搭建

動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)具有能夠?qū)W習(xí)變量間的概率依存關(guān)系及其隨時(shí)間變化的規(guī)律、能夠輸出不同狀態(tài)概率的優(yōu)勢(shì)，同時(shí)，針對(duì)不同地區(qū)交通管理系統(tǒng)特征和輸入的差異，確保即使部分輸入發(fā)生了變化，但關(guān)聯(lián)的預(yù)測(cè)模型仍繼續(xù)產(chǎn)生可靠的預(yù)測(cè)。

結(jié)合行業(yè)經(jīng)驗(yàn)，設(shè)計(jì)模型初始網(wǎng)絡(luò)，利用路網(wǎng)多源信息進(jìn)行訓(xùn)練，訓(xùn)練動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)，尋求多種車型平均速度與擁堵事件、多種車型速度波動(dòng)標(biāo)準(zhǔn)差與交通事故風(fēng)險(xiǎn)的概率推導(dǎo)關(guān)系。交通擁堵預(yù)警模型見(jiàn)圖5、交通事故風(fēng)險(xiǎn)預(yù)警模型見(jiàn)圖6。

圖5 交通擁堵預(yù)警模型

圖6 交通事故風(fēng)險(xiǎn)預(yù)警模型

4.2 模型功能設(shè)計(jì)

在模型結(jié)構(gòu)搭建的基礎(chǔ)上，開(kāi)發(fā)路網(wǎng)事件預(yù)警模型，以實(shí)現(xiàn)模型訓(xùn)練及配置、擁堵及事故風(fēng)險(xiǎn)實(shí)時(shí)預(yù)警、預(yù)警結(jié)果查詢及趨勢(shì)分析等功能，模型功能架構(gòu)見(jiàn)圖7。

圖7 模型功能架構(gòu)

預(yù)警模型系統(tǒng)可視化界面見(jiàn)圖8。由圖8可見(jiàn)，該系統(tǒng)可以GIS地圖方式展現(xiàn)路段預(yù)警狀態(tài)及概率，并提供預(yù)警概率較高路段對(duì)應(yīng)的實(shí)時(shí)視頻，方便行業(yè)管理人員及時(shí)采取管控措施。

圖8 預(yù)警模型系統(tǒng)界面

4.2.1模型訓(xùn)練及配置

設(shè)置訓(xùn)練模型輸入選項(xiàng)，實(shí)現(xiàn)僅訓(xùn)練擁堵模型、僅訓(xùn)練安全模型和同時(shí)訓(xùn)練選項(xiàng)，同時(shí)記錄訓(xùn)練開(kāi)始時(shí)間與訓(xùn)練結(jié)果更新時(shí)間，同時(shí)依據(jù)計(jì)劃任務(wù)確定下次更新時(shí)間。

設(shè)置模型預(yù)測(cè)輸入信息內(nèi)容選擇，實(shí)現(xiàn)能見(jiàn)度信息、卡車速度、道路基本信息和小汽車速度作為獨(dú)立選項(xiàng)的組合設(shè)置，可得到僅預(yù)測(cè)擁堵?tīng)顟B(tài)、僅預(yù)測(cè)安全狀態(tài)與同時(shí)預(yù)測(cè)的模型預(yù)測(cè)結(jié)果，預(yù)測(cè)結(jié)果可選擇5～10 min或0.5～1 h。同時(shí)擁堵模型和安全模型分別記錄結(jié)果更新時(shí)間，便于后續(xù)查詢。

4.2.2擁堵及事故風(fēng)險(xiǎn)實(shí)時(shí)預(yù)警

采用表格加餅狀圖的方式直觀展現(xiàn)交通擁堵預(yù)警與交通事故預(yù)警的結(jié)果，采用表格化詳細(xì)展示數(shù)據(jù)，同時(shí)通過(guò)餅狀圖直觀展示緩行、暢通及擁堵的比例和交通事故等級(jí)預(yù)測(cè)分布。

4.2.3預(yù)警結(jié)果查詢及趨勢(shì)分析

查詢界面設(shè)置輸入框輸入路段ID，同時(shí)，加入時(shí)間控件以選擇查詢時(shí)段，加入復(fù)選框?qū)崿F(xiàn)擁堵模型和安全模型的分別查詢。

界面下方的標(biāo)簽頁(yè)中，表格詳細(xì)展示搜索結(jié)果，階梯圖展現(xiàn)交通流突變狀態(tài)，直觀顯示預(yù)警結(jié)果與實(shí)際結(jié)果的對(duì)比及查詢時(shí)間段內(nèi)的路網(wǎng)擁堵、事故風(fēng)險(xiǎn)態(tài)勢(shì)。

5 測(cè)試應(yīng)用

訓(xùn)練集采用交調(diào)點(diǎn)與車檢器融合后2019年5-8月記錄的所有路段上的交通流數(shù)據(jù)；驗(yàn)證部分則采用2019年9-11月中所有路段交通流數(shù)據(jù)。經(jīng)過(guò)測(cè)試，實(shí)現(xiàn)擁堵及安全風(fēng)險(xiǎn)10 min、0.5 h、1 h多維度實(shí)時(shí)預(yù)警，預(yù)警準(zhǔn)確性大于85%，擁堵預(yù)警測(cè)試結(jié)果(部分)見(jiàn)表5、交通事故風(fēng)險(xiǎn)預(yù)警測(cè)試結(jié)果(部分)見(jiàn)表6。

表5 擁堵預(yù)警測(cè)試結(jié)果(部分)

表6 交通事故風(fēng)險(xiǎn)預(yù)警測(cè)試結(jié)果(部分)

為實(shí)現(xiàn)項(xiàng)目成果的拓展應(yīng)用，需結(jié)合現(xiàn)有業(yè)務(wù)系統(tǒng)進(jìn)行數(shù)據(jù)共享，并實(shí)現(xiàn)數(shù)據(jù)共享與應(yīng)用集成，以為成果的推廣應(yīng)用奠定基礎(chǔ)。對(duì)此，基于本項(xiàng)目路網(wǎng)事件預(yù)警模型，提供滿足技術(shù)要求的事件預(yù)警模型算法接口，封裝成可配置、可選擇的調(diào)用接口，由其它相關(guān)業(yè)務(wù)管理系統(tǒng)平臺(tái)調(diào)用，實(shí)現(xiàn)普通國(guó)省干線交通擁堵、交通安全風(fēng)險(xiǎn)預(yù)警算法與業(yè)務(wù)系統(tǒng)的應(yīng)用融合，提升檢測(cè)算法的應(yīng)用效益。

路網(wǎng)事件預(yù)警模型系統(tǒng)的檢測(cè)結(jié)果可直接提供給第三方應(yīng)用系統(tǒng)，當(dāng)路網(wǎng)事件預(yù)警模型系統(tǒng)分析有擁堵、緩行、嚴(yán)重安全風(fēng)險(xiǎn)、非常嚴(yán)重安全風(fēng)險(xiǎn)時(shí)，向已有業(yè)務(wù)系統(tǒng)推送告警信息，支持在地圖上以紅色標(biāo)識(shí)“擁堵”“非常嚴(yán)重安全風(fēng)險(xiǎn)”的路段，以黃色標(biāo)識(shí)“非常嚴(yán)重安全風(fēng)險(xiǎn)”“嚴(yán)重安全風(fēng)險(xiǎn)”路段，同時(shí)當(dāng)鼠標(biāo)放在以上線路上時(shí)以懸浮框的形式顯示檢測(cè)預(yù)警事件的發(fā)生概率，進(jìn)行提示。與已有業(yè)務(wù)系統(tǒng)對(duì)接預(yù)警效果(緩行預(yù)警)圖見(jiàn)圖9。

圖9 與已有業(yè)務(wù)系統(tǒng)對(duì)接預(yù)警效果(緩行預(yù)警)

6 結(jié)語(yǔ)

1) 基于多源數(shù)據(jù)關(guān)聯(lián)分析，挖掘國(guó)省干線交通流波動(dòng)及交通事件演變規(guī)律。融合交調(diào)數(shù)據(jù)、車檢器數(shù)據(jù)、路網(wǎng)線型及地貌類型等多源信息，分析大貨、中貨、小貨、大拖、小客、中客、大客等多種車型在不同時(shí)間窗口的速度波動(dòng)特征，挖掘交通流周期性、季節(jié)性、突發(fā)性運(yùn)行及演變規(guī)律，提供交通擁堵、交通事故演變的可解釋性特征，為交通事件預(yù)警提供科學(xué)的、精準(zhǔn)的評(píng)價(jià)指標(biāo)。

2) 改變被動(dòng)式運(yùn)行監(jiān)測(cè)模式，提供國(guó)省干線交通擁堵及事故風(fēng)險(xiǎn)主動(dòng)預(yù)警。該模型改變當(dāng)前大范圍路網(wǎng)主要依靠人工輪詢、人工巡查等被動(dòng)式運(yùn)行監(jiān)管模式，為行業(yè)管理人員提供國(guó)省干線交通擁堵及事故風(fēng)險(xiǎn)的主動(dòng)預(yù)警，以此縮小監(jiān)測(cè)的時(shí)空范圍，輔助行業(yè)管理部門提前做出異常事件預(yù)防管控措施。

3) 改變孤島式系統(tǒng)建設(shè)模式，提供支持自主更新、可移植復(fù)用的預(yù)警模型。模型建立長(zhǎng)效更新機(jī)制，利用實(shí)時(shí)接入的數(shù)據(jù)進(jìn)行定期自主訓(xùn)練，不斷優(yōu)化算法模型的結(jié)構(gòu)與精度。該模型通過(guò)標(biāo)準(zhǔn)接口接入交調(diào)數(shù)據(jù)、車檢器數(shù)據(jù)、路網(wǎng)基礎(chǔ)信息，并通過(guò)標(biāo)準(zhǔn)接口將預(yù)警結(jié)果實(shí)時(shí)推送到已有業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)算法模型與業(yè)務(wù)應(yīng)用系統(tǒng)的弱耦合關(guān)系，便于移植復(fù)用。