李成德

摘 要：交通流理論是將交通的特性通過物理和數(shù)學(xué)的定律來進(jìn)行描述的一門邊緣學(xué)科，對于現(xiàn)代交通問題的解決以及交通規(guī)劃管理上都有著良好的指導(dǎo)意義。本文通過對交通流感知技術(shù)的研究進(jìn)展以及優(yōu)化感知進(jìn)行了分析和研究。

關(guān)鍵詞：交通流 數(shù)據(jù)優(yōu)化 感知技術(shù)

引 言

隨著目前城市交通擁堵等問題日益嚴(yán)重，因此就必須要對城市交通進(jìn)行良好的規(guī)劃。在利用交通流理論規(guī)劃城市交通時，對交通信息的感知是最基礎(chǔ)的環(huán)節(jié)之一，而傳統(tǒng)的感應(yīng)線圈等技術(shù)只能對固定點(diǎn)數(shù)據(jù)進(jìn)行檢測，在路網(wǎng)監(jiān)控上存在著較多的“真空”地帶。所以，如何優(yōu)化城市交通流感知技術(shù)，為城市交通擁堵問題的解決提供有效信息就成為了一個重要的課題。

1.交通感知技術(shù)硏究進(jìn)展

交通技術(shù)感知技術(shù)是所有智能交通系統(tǒng)的應(yīng)用基礎(chǔ)，其中對交通流數(shù)據(jù)的采集和處理是最基本的一個環(huán)節(jié)。通過提高所采集的交通流數(shù)據(jù)的時空精度，并通過微觀信號控制系統(tǒng)對交通流進(jìn)行控制和誘導(dǎo)，使交通流在路網(wǎng)的時空上均衡分布，從而實(shí)現(xiàn)對城市交通擁堵問題的有效解決。

隨著交通信息感知領(lǐng)域經(jīng)歷了多次的技術(shù)變革，感應(yīng)線圈、攝像頭、紅外線、壓電管、GPS等都是當(dāng)前得到了廣泛應(yīng)用的檢測技術(shù)。交通信息感知技術(shù)已經(jīng)實(shí)現(xiàn)了從人工、單點(diǎn)、靜態(tài)的采集向自動化、數(shù)據(jù)融合、動態(tài)采集的發(fā)展，采集方式的發(fā)展呈現(xiàn)出了多樣性的特點(diǎn)。在交通信息感知技術(shù)可以采集的數(shù)據(jù)主要有：車輛計數(shù)、交通流量、車輛速度、車輛分類、行程時間等。

城市是大數(shù)據(jù)最活躍、最豐富的地區(qū)之一，特別是對于城市交通運(yùn)輸行業(yè)來說，路面的交通流組成了交通大數(shù)據(jù)中對重要的部分。目前，道路上部署的交通感知設(shè)備采集了大量的結(jié)構(gòu)化以及非結(jié)構(gòu)化的數(shù)據(jù)，主要以感應(yīng)線圈數(shù)據(jù)、視頻圖像數(shù)據(jù)為主。在交通較為繁忙的城市，僅僅感應(yīng)線圈每天產(chǎn)生的數(shù)據(jù)量就可以達(dá)到數(shù)十GB，并且隨著傳感器、網(wǎng)絡(luò)等技術(shù)的發(fā)展，使城市路網(wǎng)的數(shù)據(jù)量上升到了PB甚至EB的規(guī)模。

2.城市交通流數(shù)據(jù)優(yōu)化感知技術(shù)分析

城市交通大數(shù)據(jù)具有數(shù)據(jù)容量大、數(shù)據(jù)類型多、價值密度低、局部有效性以及處理快速性等特點(diǎn)。也正是因?yàn)檫@些特點(diǎn)，導(dǎo)致了交通大數(shù)據(jù)的分析、挖掘和使用有著一定的困難。因此，如何優(yōu)化交通流數(shù)據(jù)采集，從大量數(shù)據(jù)中找到最優(yōu)數(shù)據(jù)集來分析交通流參數(shù)成為了一個重要的課題。

2.1基于傳感器網(wǎng)絡(luò)的路段交通流數(shù)據(jù)采集。為了對傳統(tǒng)交通信息采集系統(tǒng)只能獲取單點(diǎn)數(shù)據(jù)，不能全面感知交通流動態(tài)變化的問題進(jìn)行解決，交通流數(shù)據(jù)采集未來會向著獲取連續(xù)、網(wǎng)絡(luò)化數(shù)據(jù)的拉格朗日感知進(jìn)行發(fā)展。根據(jù)交通擁堵狀況靈活部署感應(yīng)器節(jié)點(diǎn)，通過無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)，運(yùn)用自適應(yīng)閾值算法對車輛存在、車輛速度、車輛類別等交通流的離散數(shù)據(jù)進(jìn)行采集，并將采集到的信息上傳到智能交通控制中心，對相鄰傳感器所采集的數(shù)據(jù)相關(guān)性進(jìn)行分析，然后利用交通方程的近似數(shù)值解來擬合數(shù)據(jù)，從而獲得該路段連續(xù)的、高時空精度的交通流參數(shù)。以交通流參數(shù)為基礎(chǔ)進(jìn)行建模，找出堵塞因子，然后在信號配時優(yōu)化模型中進(jìn)行應(yīng)用，從而獲得更好的信號控制效果，解決交通擁堵。

2.2網(wǎng)絡(luò)參與式感知。由于根據(jù)傳感器位置、采集時間點(diǎn)的不同，其采集的數(shù)據(jù)的價值也有著較大的差異。因此，對數(shù)據(jù)的價值進(jìn)行定義，并使交通控制系統(tǒng)選擇最佳的數(shù)據(jù)集就成了的一個非常重要的技術(shù)問題。傳感器數(shù)據(jù)集優(yōu)化選擇是傳感器位置優(yōu)化的拓展，隨著物聯(lián)網(wǎng)、車聯(lián)網(wǎng)的發(fā)展，未來車聯(lián)網(wǎng)邊緣會連接大量的傳感器節(jié)點(diǎn)，根據(jù)相關(guān)研究顯示，只需要在2～5%的路面移動車輛上進(jìn)行傳感器的部署，就可以為交通控制提供有效的數(shù)據(jù)，這種群體參與式的交通數(shù)據(jù)感知雖然能夠提供大量的數(shù)據(jù)，但是由于其不確定性較大，因此數(shù)據(jù)的價值密度較低。所以就需要根據(jù)交通流模型以及參數(shù)對傳感器的部署以及傳感器節(jié)點(diǎn)數(shù)據(jù)集的選擇進(jìn)行優(yōu)化。

2.3基于蟻群算法的數(shù)據(jù)集選擇優(yōu)化。由于交通流存在著較高的動態(tài)性和不確定性，因此可以通過將移動傳感器網(wǎng)絡(luò)建模為時變動態(tài)隨機(jī)網(wǎng)絡(luò)，并以此模型對傳感器網(wǎng)絡(luò)的動態(tài)拓?fù)湟约皵?shù)據(jù)價值的時變定義時變價值網(wǎng)絡(luò)，把數(shù)據(jù)價值作為網(wǎng)絡(luò)的權(quán)值，從而將數(shù)據(jù)集選擇優(yōu)化問題轉(zhuǎn)化為K期望最段路徑問題。

蟻群算法是一種仿生優(yōu)化的隨機(jī)搜索辦法，是K期望最短路徑問題的一種較好的算法。該種算法的特點(diǎn)是能夠進(jìn)行全局搜索，分布式計算以及魯棒性好，對于組合優(yōu)化方面有著較好的性能，但同時也存在著收斂慢、容易停滯等問題。為了對基本蟻群算法無法對動態(tài)隨機(jī)網(wǎng)絡(luò)的時變隨機(jī)參數(shù)進(jìn)行處理，可以使用時間依賴的蟻群算法來完成交通流數(shù)據(jù)集的選擇優(yōu)化。通過將交通流信息的不確定性與路徑選擇概率、信息素以及啟發(fā)式信息相關(guān)聯(lián)，在啟發(fā)式信息中加入全局的路段選擇信息，并對更新信息素的策略和局部搜索策略進(jìn)行改進(jìn)，使搜索的收斂速度的得到加快。具體過程如下：以V表示虛擬檢測區(qū)域的節(jié)點(diǎn)數(shù)量，M為搜索者螞蟻群體的數(shù)量，t0為搜索開始時間，在任意傳感器節(jié)點(diǎn)Vi選擇相鄰節(jié)點(diǎn)Vj的概率pij（t）按照輪盤賭的方式選擇，當(dāng)所有螞蟻都到達(dá)目標(biāo)節(jié)點(diǎn)后完成一輪搜索，并對路段的信息素進(jìn)行更新。螞蟻在搜索的過程匯總會在節(jié)點(diǎn)上釋放信息素，信息素的釋放由螞蟻到達(dá)目標(biāo)節(jié)點(diǎn)的最短路徑的期望信息熵決定，而期望信息熵來源于動態(tài)的條件信息熵，信息熵越大，信息素釋放越對多，最終根據(jù)路段信息素的累積來確定K最短路徑。

結(jié) 語

智能交通系統(tǒng)是當(dāng)前解決交通擁堵問題的最有效方案，而交通信息感知則是智能交通的重要基礎(chǔ)。在物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算迅速發(fā)展的背景下，通過對傳感器網(wǎng)絡(luò)、感知模型以及數(shù)據(jù)集選擇等方面進(jìn)行優(yōu)化，使交通流數(shù)據(jù)感知獲得了較好的發(fā)展。

參考文獻(xiàn)：

[1] 溫美玲. 基于磁阻傳感器的交通信息感知算法研究[D]. 長安大學(xué)， 2016.

[2] 趙靜. 基于物聯(lián)網(wǎng)的智能交通流探測技術(shù)研究[J]. 科技創(chuàng)新與應(yīng)用， 2016（34）.