任柏寒 丁雪梅

吉林建筑科技學(xué)院，吉林 長春 130000

智能交通是解決現(xiàn)代社會(huì)各種交通問題的新途徑。在數(shù)據(jù)采集過程中，環(huán)境變化和使用壽命往往會(huì)損壞數(shù)據(jù)采集器，使采集到的數(shù)據(jù)異?；蛲耆珌G失。因此，在數(shù)據(jù)分析之前，應(yīng)清理收集的數(shù)據(jù)，修復(fù)數(shù)據(jù)中的異常值，并對缺失點(diǎn)和缺失段進(jìn)行插值，以提高樣本的準(zhǔn)確性。利用該算法對數(shù)據(jù)進(jìn)行有效的修復(fù)，可以促進(jìn)智能交通更好更快的發(fā)展。

1 通過流量大數(shù)據(jù)預(yù)測交叉口流量

首先，通過交通部門獲得交通流數(shù)據(jù)并進(jìn)行處理，為了方便觀察，以矩陣形式進(jìn)行排列表示，矩陣內(nèi)容包括每天通過該監(jiān)測點(diǎn)的交通流和外部因素，其中外部因素以獨(dú)立編號(hào)的形式記錄以方便控制變量，交通流數(shù)據(jù)以垂直編號(hào)記錄。數(shù)據(jù)簡單處理后就可以進(jìn)行交通流參數(shù)預(yù)測，以提高城市道路資源的利用率。在預(yù)測時(shí)，交通流數(shù)據(jù)的垂直編號(hào)用于預(yù)測未來交叉口的交通流量。因此，時(shí)間間隔設(shè)置為24小時(shí)（N），每日交通流矩陣為X∈RN。其中矩陣中的元素為Xi，y，i是交叉點(diǎn)的5分鐘存儲(chǔ)單元號(hào)，j是交叉點(diǎn)的特征。該方法不僅可以預(yù)測交叉口的日流量，還可以每5分鐘實(shí)現(xiàn)流量預(yù)測，從而可以得到更細(xì)粒度的結(jié)果，有利于交通管理和調(diào)度。時(shí)間存儲(chǔ)單元的Gru-RNN模型[1]包括三個(gè)不同的存儲(chǔ)單元，第一個(gè)存儲(chǔ)單元對應(yīng)短期記憶，用于臨時(shí)存儲(chǔ)，第二個(gè)存儲(chǔ)單元對應(yīng)周期記憶，用于預(yù)測數(shù)據(jù)流，第三個(gè)存儲(chǔ)單元對應(yīng)長期記憶，用于存儲(chǔ)驗(yàn)證后的預(yù)測數(shù)據(jù)。捕獲數(shù)據(jù)中的交通流特征并分別擬合，根據(jù)不同的比重對子存儲(chǔ)單元的數(shù)據(jù)進(jìn)行加權(quán)融合，通過訓(xùn)練得到最終結(jié)果。

Gru-RNN模型參數(shù)在實(shí)際使用過程中可以自動(dòng)化調(diào)整，即在使用過程中，根據(jù)輸入數(shù)據(jù)確定后續(xù)數(shù)據(jù)并通過預(yù)設(shè)的比重進(jìn)行調(diào)整。在確定模型的單位運(yùn)行長度時(shí)，模型將根據(jù)數(shù)據(jù)計(jì)算實(shí)際誤差，并通過誤差來反復(fù)調(diào)整預(yù)設(shè)比重。在計(jì)算實(shí)際誤差過程中，實(shí)時(shí)對誤差進(jìn)行監(jiān)控，當(dāng)誤差最小時(shí)，此時(shí)模型對應(yīng)的數(shù)據(jù)參數(shù)將作為模型的最優(yōu)數(shù)據(jù)參數(shù)進(jìn)行記錄。同時(shí)模型的部分參數(shù)還可以人為預(yù)置，可以認(rèn)為預(yù)設(shè)的參數(shù)包括節(jié)點(diǎn)參數(shù)、模型層級(jí)參數(shù)、對象優(yōu)化函數(shù)、目標(biāo)損失函數(shù)、加權(quán)激活函數(shù)等，這些參數(shù)的設(shè)置一般都是通過反復(fù)試驗(yàn)來獲得最佳參數(shù)。通常，試驗(yàn)過程中使用測試方法來確定這些參數(shù)。在預(yù)測時(shí)可以使用tanh函數(shù)作為加權(quán)激活函數(shù)。tanh函數(shù)是深度神經(jīng)網(wǎng)絡(luò)模型中一種常用的激活函數(shù)，這種函數(shù)圖像中心對稱，具有極為快速的計(jì)算速度。同時(shí)使用RMSE作為目標(biāo)損失函數(shù)來對模型預(yù)測結(jié)果進(jìn)行驗(yàn)算。采用Adam函數(shù)作為對象優(yōu)化函數(shù)，對象優(yōu)化過程中對計(jì)算機(jī)性能具有較高要求，因?yàn)樵谟?jì)算時(shí)數(shù)據(jù)量較大，需要同時(shí)批處理次數(shù)至少為30次。確定上述手動(dòng)預(yù)設(shè)參數(shù)后，需要確定模型的模型層級(jí)參數(shù)，模型層級(jí)參數(shù)的節(jié)點(diǎn)參數(shù)數(shù)必須小于n-1（n為樣本數(shù)）。如果超過樣本數(shù)，則模型的系統(tǒng)誤差與訓(xùn)練樣本無關(guān)。構(gòu)建的模型就無法基于這些參數(shù)產(chǎn)生合理的預(yù)測，且模型層級(jí)參數(shù)不能由固定的公式確定，因此只能通過實(shí)驗(yàn)或者查閱文獻(xiàn)來確定最佳值。將最初的模型層級(jí)參數(shù)設(shè)置為2，節(jié)點(diǎn)參數(shù)設(shè)置為1。在訓(xùn)練期間添加dropout算法以避免過度擬合，為了提升提高網(wǎng)絡(luò)性能需要防止特征檢測器的聯(lián)合。

2 動(dòng)態(tài)交通數(shù)據(jù)處理

對于缺失數(shù)據(jù)的處理，方法如下：

①對于較小的數(shù)據(jù)源[2]，如僅一周的交通流信息，可以丟棄，丟棄的數(shù)據(jù)，不再使用相同的方法獲得，而是通過數(shù)據(jù)多層篩分，并對篩分后的數(shù)據(jù)進(jìn)行描點(diǎn)繪圖，再通過圖像觀察發(fā)現(xiàn)缺失數(shù)據(jù)，將丟棄的數(shù)據(jù)進(jìn)行補(bǔ)足或者徹底丟棄，徹底丟棄后僅使用其他的交通流量平均值來填充缺失數(shù)據(jù)。

②對于數(shù)據(jù)量較大的數(shù)據(jù)源，先根據(jù)數(shù)據(jù)建立活動(dòng)模型再根據(jù)活動(dòng)模型來預(yù)測部分缺失數(shù)據(jù)，從而獲得更完整的交通流信息。

③交通流數(shù)據(jù)在分時(shí)段處理后具有時(shí)段性，同時(shí)在交通岔路口采集信息具有空間性，此時(shí)可以采用均方法、期望值法或者增量法對缺失數(shù)據(jù)進(jìn)行數(shù)值補(bǔ)足。

對于冗余數(shù)據(jù)的處理，方法如下：

①對應(yīng)完全重復(fù)的數(shù)據(jù)，先保留一條數(shù)據(jù)然后刪除其余數(shù)據(jù)。

②對應(yīng)多條相似的數(shù)據(jù)，取平均值或者中值，最后留下簡短記錄。

3 數(shù)據(jù)仿真處理

編程環(huán)境采用Matlab7.1，利用改進(jìn)的NSGA[3]對編號(hào)序列過程進(jìn)行了仿真。計(jì)算步驟如下：

第一步：輸入收集數(shù)據(jù)和對變量進(jìn)行初始化。輸入交叉口具體結(jié)構(gòu)、流量變化數(shù)據(jù)、相位移動(dòng)數(shù)據(jù)和相序排列數(shù)據(jù)；考慮4個(gè)約束條件，在可行區(qū)域內(nèi)生成多個(gè)個(gè)體并成種群，形成初始種群，同時(shí)設(shè)置遺傳代數(shù)；對初始參數(shù)進(jìn)行設(shè)置，其中種群數(shù)據(jù)范圍為50，汽車運(yùn)動(dòng)交叉概率為0.95。直行數(shù)據(jù)平行交叉，變異概率為0.08，變異來源為不遵守交通規(guī)則的車輛和行人。終止計(jì)數(shù)迭代最大值為80，連續(xù)計(jì)算至少80次以獲得最佳參數(shù)。

第二步：推算單個(gè)車輛行駛過程中直行、左轉(zhuǎn)和右轉(zhuǎn)的概率。

第三步：選擇多個(gè)車輛的數(shù)據(jù)進(jìn)行擬合。

第四步：將多個(gè)車輛的數(shù)據(jù)交叉處理，以適應(yīng)復(fù)雜的交通環(huán)境。

第五步：將變異概率計(jì)入計(jì)算，以適應(yīng)變化。

第六步：如果迭代數(shù)值達(dá)到80，停止迭代操作，對迭代過程中的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，尋找誤差最小的迭代輪次產(chǎn)生的數(shù)據(jù)作為最佳數(shù)據(jù)參數(shù)；否則，進(jìn)入第一步。

仿真時(shí)的管控時(shí)段劃分步驟如下：

第一步：計(jì)算交叉口流量比。四階段交叉以交叉口的東西入口為例，計(jì)算交叉口的流量比：對于大多數(shù)交叉口，右轉(zhuǎn)沒有專用信號(hào)燈，只需計(jì)算交叉口左轉(zhuǎn)和直行車道的交通流，每個(gè)入口通道的左側(cè)應(yīng)考慮轉(zhuǎn)彎和直行車道的數(shù)量。

第二步：比較各相位大小下緩解車道的交通流量比，以流量比最大的車道為關(guān)鍵車道，流量比作為交叉口信號(hào)周期的計(jì)算參數(shù)。由于第一步采用東西入口為例，車輛方向固定沿東西方向，即只需比較向東或者向西的直接流量比。

仿真得到的數(shù)據(jù)目標(biāo)不會(huì)朝著同一個(gè)方向完全改變，隨著仿真次數(shù)的增加，通過降低平均車速，而提高整個(gè)交通容量，同時(shí)不可避免地增加平均延誤。

在對數(shù)據(jù)仿真處理后，得到了多個(gè)理想模型下的交叉口車流模型，即通過大數(shù)據(jù)對未來的交叉口的路況進(jìn)行預(yù)測，仿真采用基于parcto解的多目標(biāo)遺傳算法，它將傳統(tǒng)的多目標(biāo)處理方法轉(zhuǎn)化為單目標(biāo)問題，在多次仿真演算的過程中更貼合交叉口的實(shí)際數(shù)據(jù)，得到的最終模型也更能代表交叉口的實(shí)際路況。

4 時(shí)段劃分方法

在交通流不飽和的情況下，以不同時(shí)段的信號(hào)周利潤韋伯斯特最優(yōu)周期作為計(jì)算時(shí)間段的精確劃分控制依據(jù)。當(dāng)車隊(duì)即將延伸到上游路口時(shí)，知道堵車情況后趕來的司機(jī)，結(jié)合一定的交通誘導(dǎo)和交通組織等手段進(jìn)行交通分流，使交叉口處于非飽和交通流狀態(tài)，周期計(jì)算仍采用韋伯斯特法。僅使用交通量作為時(shí)間劃分的基礎(chǔ)，不能使用交通量，它反映了每個(gè)進(jìn)口通道不同流向的特性。由于交叉口的現(xiàn)狀，大多數(shù)交叉口都存在流向不一致的問題，且流量僅來自交叉口，大小被劃分為時(shí)間段，沒有考慮流向之間的差異，導(dǎo)致劃分依據(jù)不足?；谏鲜隹紤]，本文根據(jù)韋伯斯特最優(yōu)周期計(jì)算各流向的流量比，周期的計(jì)算值取閾值范圍內(nèi)各周期信號(hào)周期之間的絕對差值，作為同一控制周期外信號(hào)周期的絕對差值該范圍用作另一個(gè)管控制周期。

時(shí)段劃分步驟如下：

第一步：計(jì)算交叉口流量比。對于四階段交叉以交叉口的東西入口為例，計(jì)算交叉口的流量比，其中對于大多數(shù)交叉口，右轉(zhuǎn)沒有專用相位，只需計(jì)算交叉口左轉(zhuǎn)和直行車道的交通流量。交通量較大，每個(gè)入口通道的左側(cè)應(yīng)考慮轉(zhuǎn)彎和直行車道的數(shù)量。

第二步：比較各相位大小下緩解車道的車流比，以車流比最大的車道為關(guān)鍵車道，以車流比作為交叉口信號(hào)周期的計(jì)算參數(shù)，由于以東西入口為例，車輛均從東向西直行，即只需比較東向流向直接流量比、西入口直接流量減去流量比的大小和較大的流量比用作第一階段的臨界流量比。同樣，其他階段的臨界流量比也可通過該方法獲得。

第三步：求每個(gè)階段的關(guān)鍵流量比之和，即交叉口流量比。

時(shí)段劃分之后進(jìn)行配時(shí)選擇，解決不同時(shí)段交叉口信號(hào)燈的配時(shí)問題，采用改進(jìn)的SGA.II算法，具體方法步驟如下：

第一步：編號(hào)。編號(hào)是使用染色單位來表示算法問題的解決方案的過程。在單交叉口信號(hào)配時(shí)設(shè)計(jì)中，每個(gè)交叉口車道只有等待通行和超車兩種狀態(tài)，對不同狀態(tài)下的路口設(shè)置不同的顏色。因此，車道狀態(tài)可以用紅-綠雙色進(jìn)行編號(hào)：當(dāng)顏色為綠色時(shí)，表示對應(yīng)入口車道上的車輛可以通行；相反為紅色時(shí)，則表示入口車道上的相位車輛應(yīng)進(jìn)行等待。

第二步：計(jì)算。首先對染色單位進(jìn)行譯碼，然后根據(jù)分段時(shí)區(qū)產(chǎn)生的流量模型來計(jì)算每個(gè)個(gè)體對應(yīng)的目標(biāo)函數(shù)，再根據(jù)目標(biāo)函數(shù)的值計(jì)算每個(gè)個(gè)體的虛擬適應(yīng)度。

第三步：選擇運(yùn)算。選擇運(yùn)算的具體方法為：隨機(jī)抽取2名個(gè)體。如果個(gè)體級(jí)別不同且不小于2，則取高級(jí)別（即小級(jí)別）的個(gè)體；如果兩個(gè)個(gè)體處于同一水平，則選擇相對密度較小區(qū)域中的個(gè)體，根據(jù)熵增定律多個(gè)個(gè)體在無干擾環(huán)境下會(huì)無序運(yùn)動(dòng)，而最優(yōu)解在無干擾環(huán)境下運(yùn)動(dòng)范圍小，此時(shí)密度較小的區(qū)域具有較大概率活動(dòng)最優(yōu)解。

第四步：保留策略。SGA.II算法采用了一種新的后代選擇方法對后代進(jìn)行保留，保留父代中的優(yōu)秀個(gè)體，保證了后代種群的良好優(yōu)化。

在實(shí)際劃分中，需要考慮交通效率：一般考慮交叉口相位，采用對稱法，理想模型下，直行車道飽和流量為1600 veh/h；左轉(zhuǎn)車道飽和流量一般為1500輛/h；轉(zhuǎn)換為車頭時(shí)距，直線行駛2.25 s，左轉(zhuǎn)2.4 s。如果循環(huán)增加5 s，這種情況下所有時(shí)間都增加到同一階段，即一個(gè)階段的時(shí)間增加5 s，這意味著該階段在每個(gè)循環(huán)中通過2輛以上的車輛。因此，校準(zhǔn)標(biāo)準(zhǔn)定義為每循環(huán)至少通過2輛車；同時(shí)，應(yīng)考慮排空時(shí)間。車輛直線行駛比左轉(zhuǎn)快，行駛距離短，最基本的安全保證至少是直線行駛。車輛的排空時(shí)間應(yīng)根據(jù)車輛在城市道路上的平均行駛速度計(jì)算為36 km/h。對于距離道路50 m處交叉口的東西入口或南北入口，在綠燈結(jié)束時(shí)進(jìn)入交叉口，直行車輛通過交叉口至少需要5 s。因此，在城市主交叉口或主、次交叉口的交叉口反方向行駛時(shí)，出入口距離基本大于50 m，保證在此期間至少增加5 s。

5 結(jié) 語

本文通過流量大數(shù)據(jù)來預(yù)測交叉口某個(gè)時(shí)間段的理想狀態(tài)下的流量，得到一個(gè)最優(yōu)解使交叉口的車輛得以快速通過。首先是采集數(shù)據(jù)；然后對數(shù)據(jù)的缺失、冗余部分進(jìn)行處理；再將處理后的數(shù)據(jù)代入Matlab7.1編程環(huán)境下，利用改進(jìn)的NSGA對編號(hào)序列過程進(jìn)行了仿真，得到了多個(gè)無外界干擾下的理想模型；最后對理想模型下的路口進(jìn)行時(shí)段劃分，并結(jié)合實(shí)際情況對東西走向的交叉口的信號(hào)燈做出實(shí)際時(shí)段劃分。