高明坤

摘 要：隨著交通壓力的逐步增加，對交通流實現(xiàn)短時的預(yù)測可以大大提高交通控制的工作效率。本文針對交通控制短時交通流預(yù)測的問題，以多維標(biāo)度法進行短時交通流數(shù)據(jù)的采集和處理，詳細(xì)闡述了根據(jù)此方法進行短時交通流預(yù)測體系的建立和使用。此種預(yù)測方法的實現(xiàn)，改變了傳統(tǒng)交通流預(yù)測方法存在的弊端，提高了智能交通控制網(wǎng)絡(luò)的短時交通流預(yù)測的功能，減輕了交通控制部門的壓力，提高交通控制的工作效率。

關(guān)鍵詞：智能交通 交通流預(yù)測 多維標(biāo)度 數(shù)據(jù)相關(guān)度

中圖分類號：U491.112 文獻標(biāo)識碼：A 文章編號：1672-3791（2013）03（a）-0017-01

伴隨各地間經(jīng)濟交流的繁榮發(fā)展，車輛的增多致使交通壓力大大增加。雖然國家加大了公路拓寬等交通基礎(chǔ)設(shè)施的建設(shè)，但是依然沒有使交通壓力得到有效的緩解。針對此種問題，智能交通控制技術(shù)被應(yīng)用于處理和解決交通問題。智能交通控制網(wǎng)絡(luò)應(yīng)用之后，是交通事故的發(fā)生率明顯得到降低，交通流的網(wǎng)絡(luò)智能化預(yù)測，使車輛行駛得到了有效的控制和指揮，使交通壓力和交通事故得到明顯的降低。本文對智能交通控制網(wǎng)絡(luò)的短時交通流預(yù)測進行較為系統(tǒng)的研究分析。

1 短時交通流預(yù)測的基本流程和方法分析

1.1 短時交通流預(yù)測的流程

交通管理的智能化控制網(wǎng)絡(luò)的實現(xiàn)主要是通過將無線傳感器安裝于道路的交叉路口或者分支路口，路面情況的數(shù)據(jù)和信息通過安裝于各個地點的傳感器進行數(shù)據(jù)傳送并實現(xiàn)信息共享。對短時交通流進行科學(xué)有效的預(yù)測，能夠更加準(zhǔn)確的掌握道路車輛交通流的實時信息，然后采取有效的措施控制交通車輛的運行。在智能交通控制網(wǎng)絡(luò)中，對于交流的預(yù)測，是以網(wǎng)絡(luò)信息中各個地點的傳感器采集到的交通信息為數(shù)據(jù)基礎(chǔ)，再根據(jù)交通數(shù)據(jù)中的相關(guān)性因素進行數(shù)據(jù)的分析和處理，以得到下一時段的交通流的預(yù)測信息，使交通控制系統(tǒng)能夠有效的指揮交通，保證交通的安全和順暢。

短時交通流預(yù)測的流程首先就是信息的采集。利用各個地點的傳感器對道路上的車輛信息，進行實時的數(shù)據(jù)采集和傳送。包括車速、密度等各個因素。然后根據(jù)傳感器得到的交通流信息計算交通流數(shù)據(jù)的相關(guān)性。如車速和車流密度的相關(guān)度及交通量和車流密度的相關(guān)度。根據(jù)計算相關(guān)度的結(jié)果進行交通流預(yù)測模型的建立，得出短時交通流預(yù)測的數(shù)據(jù)。

1.2實現(xiàn)短時交通流預(yù)測的方法分析

從實際的短時交通流預(yù)測的計算和分析發(fā)現(xiàn)，交通流數(shù)據(jù)間的相關(guān)性準(zhǔn)確度越高，交通流預(yù)測的準(zhǔn)確度越高，二者間有著直接的關(guān)系。在進行交通流預(yù)測的實際操作過程中發(fā)現(xiàn)，如果要達到對車流量進行及時有效的指揮控制，發(fā)揮智能化交通控制網(wǎng)絡(luò)的有效功能，提高交通控制效率，就要求最大限度的縮短傳感器對數(shù)據(jù)采集的時間。但是，短時間內(nèi)采集的交通流數(shù)據(jù)信息畢竟有限，對于相關(guān)度的顯示不夠明顯，準(zhǔn)確度也很難保證。此種問題的存在，使交通流短時預(yù)測的結(jié)果準(zhǔn)確度不夠高。針對此種弊端，本文提出在智能化交通流控制系統(tǒng)中采取多維標(biāo)度法的方法，進行短時交通流的預(yù)測。將采集得到的短時交通流信息數(shù)據(jù)采用多維標(biāo)度法進行分析處理得到潛在的相關(guān)性來建立交通流預(yù)測模型，經(jīng)過預(yù)測計算實現(xiàn)短時交通流的預(yù)測，提高預(yù)測的準(zhǔn)確度。

2 智能交通控制網(wǎng)絡(luò)的短時交通流預(yù)測具體實現(xiàn)

2.1 采用多維標(biāo)度法進行交通流數(shù)據(jù)相關(guān)度的提取

要對交通流進行科學(xué)準(zhǔn)確的預(yù)測，就必須考慮交通流各數(shù)據(jù)參數(shù)的相互關(guān)系，將這些數(shù)據(jù)的相關(guān)度進行科學(xué)準(zhǔn)確的提取是有效進行交通流預(yù)測的關(guān)鍵所在。通常在進行交通流預(yù)測的實際操作中，為保證工作效率，常以傳感器中的短時交通流數(shù)據(jù)作為主要參考參數(shù)。但是因為其數(shù)據(jù)間的相關(guān)度不夠明顯使預(yù)測的準(zhǔn)確度也受到了直接的影響。以多維標(biāo)度法進行短時交通流數(shù)據(jù)間相關(guān)度的運算，有效的改變了此種弊端的影響，是數(shù)據(jù)間的相關(guān)度更加直觀的表現(xiàn)了出來，實現(xiàn)了數(shù)據(jù)相關(guān)度的有效提取。

2.2 短時交通流數(shù)據(jù)相關(guān)度的提取步驟

以多維標(biāo)度法計算交通流數(shù)據(jù)相關(guān)度的步驟如下。

（1）將由傳感器采集到的多個短時交通流數(shù)據(jù)信息，可運用統(tǒng)計學(xué)的計算方法對數(shù)據(jù)間的相關(guān)系數(shù)進行計算，得到數(shù)據(jù)間的相關(guān)性距離的個數(shù)進行相關(guān)性距離的矩陣，相關(guān)性距離進行由小及大的排列。

（2）在一個設(shè)定的e維空間中進行各個數(shù)據(jù)點的相關(guān)度距離的計算。以A1……An來表示。Ai的坐標(biāo)可設(shè)定為Ai=（A……A），根據(jù)下面公式：

t=（1）

計算出數(shù)據(jù)相關(guān)度距離t，并在此結(jié)果基礎(chǔ)上進一步計算得出短時交通數(shù)據(jù)的相關(guān)度的值S和實際數(shù)據(jù)偏差度的值S。

（3）根據(jù)S和S的值，將e維空間中的多個數(shù)據(jù)的結(jié)構(gòu)位置進行調(diào)整，將原來存在的數(shù)據(jù)相關(guān)性結(jié)果不明顯的進行改進，在此基礎(chǔ)上進行交通流數(shù)據(jù)的相關(guān)性距離的重新計算。通過這樣的反復(fù)改進，反復(fù)計算，最終得到更加科學(xué)準(zhǔn)確的短時交通數(shù)據(jù)相關(guān)性的結(jié)果。

（4）將短時交通流數(shù)據(jù)運用多維標(biāo)度的方法進行計算分析處理，將相關(guān)性不明顯的弊端進行克服，最終得到更加準(zhǔn)確的短時交通流數(shù)據(jù)的相關(guān)度結(jié)果。

這種多維標(biāo)度計算相關(guān)度的方法，用相關(guān)度距離的變換和維度空間的調(diào)整使交通流數(shù)據(jù)間潛在的關(guān)系得以找出，將不明顯的相關(guān)性進行處理，得到準(zhǔn)確度更高的交通流數(shù)據(jù)相關(guān)性，為實現(xiàn)準(zhǔn)確的短時交通流預(yù)測打下了良好的基礎(chǔ)。

2.3 短時交通流的預(yù)測

以多維標(biāo)度法提取出更加準(zhǔn)確的交通流數(shù)據(jù)相關(guān)度，以此為基礎(chǔ)進行交通流預(yù)測模型的構(gòu)建。在預(yù)測模型中根據(jù)數(shù)據(jù)相關(guān)度進入到預(yù)測模型的預(yù)測模塊中運用預(yù)測公司進行最終預(yù)測結(jié)果Y的計算。預(yù)測公式為：

Y= （2）

在智能交通控制網(wǎng)絡(luò)體系中可根據(jù)此預(yù)測模型得出的短時交通流的預(yù)測結(jié)果采取具體的措施對交通流進行控制，以減少交通事故和維護道路的暢通，大大提高了交通流控制的工作效率。

3 結(jié)語

本文利潤多維標(biāo)度法進行短時交通流預(yù)測模型的建立，彌補了傳統(tǒng)方法交通流數(shù)據(jù)相關(guān)性不明顯的弊端，得到了更加準(zhǔn)確的數(shù)據(jù)相關(guān)性，以此為基礎(chǔ)建立的交通流預(yù)測模型實現(xiàn)了短時交通流更加準(zhǔn)確的預(yù)測。根據(jù)預(yù)測結(jié)果提前采取有效的交通控制和指揮措施，大大提高了智能交通控制網(wǎng)絡(luò)的工作性能和工作效率。

參考文獻

[1] C H Wu， J M Ho， D T Lee. Travel time prediction with support vector regression[J]. IEEE Transaction on Intelligent Transportation Systems， 2010，5（4）：276-281.

[2] 王進，史其信.基于非線性理論的短期交通流預(yù)測研究[J].西安建筑科技大學(xué)學(xué)報（自然科學(xué)版），2011，38（2）：184-188.

[3] 崔艷，程躍華.小波支持向量機在交通流量預(yù)測中的應(yīng)用[J].計算機仿真，2011，28（7）：353-356.