■李曉飛 呂陽(yáng) 周勝龍（吉林建筑科技學(xué)院計(jì)算機(jī)科學(xué)與工程學(xué)院）

一、引言

隨著城市機(jī)動(dòng)車(chē)數(shù)量的快速增長(zhǎng)以及路網(wǎng)總量的提升，城市管理和發(fā)展的最重要的問(wèn)題就是交通問(wèn)題。交通供給和交通需求之間的矛盾日漸顯現(xiàn)，交通擁堵已經(jīng)成為人們出行關(guān)心的重要問(wèn)題之一。依靠傳統(tǒng)的交通管理系統(tǒng)已經(jīng)不足以解決當(dāng)前的交通問(wèn)題，智能交通管理系統(tǒng)成為研究的一個(gè)熱點(diǎn)，主要包括電子警察、交通事件檢測(cè)、面向公眾的交通信息服務(wù)平臺(tái)、交通誘導(dǎo)等。智能交通管理系統(tǒng)的發(fā)展有助于解決交通擁堵問(wèn)題，同時(shí)提高城市交通的管理，滿(mǎn)足人們的出行需求。

為了提高交通系統(tǒng)的快速反應(yīng)能力以及對(duì)交通的預(yù)見(jiàn)性，本文研究了基于神經(jīng)網(wǎng)絡(luò)的智能交通動(dòng)態(tài)預(yù)測(cè)模型，并通過(guò)仿真數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，并且通過(guò)實(shí)驗(yàn)驗(yàn)證了模型的有效性和可行性。

二、模型建立

智能交通動(dòng)態(tài)預(yù)測(cè)模型是以交通誘導(dǎo)為基本，基于動(dòng)態(tài)的交通分配理論，對(duì)路網(wǎng)上的流量空間進(jìn)行預(yù)測(cè)，以及對(duì)實(shí)時(shí)變化的路網(wǎng)交通狀態(tài)進(jìn)行分析，綜合運(yùn)用GPS 等物聯(lián)網(wǎng)技術(shù)通過(guò)手機(jī)APP 和車(chē)載導(dǎo)航等為出行者提供實(shí)時(shí)的交通信息，避免交通擁堵。

在研究中發(fā)現(xiàn)，對(duì)于交通路況中的交叉口而言，影響交通流量的除了包括上下游路口的當(dāng)前流量，還包括上下游路口的未來(lái)流量。但由于實(shí)際城市的路口交通流量受到道況、車(chē)速以及交通信號(hào)的控制等多方面因素的影響，模型用準(zhǔn)確的函數(shù)關(guān)系難以表達(dá)。神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自學(xué)習(xí)能力，可以通過(guò)訓(xùn)練優(yōu)化網(wǎng)絡(luò)歷史數(shù)據(jù)，建立預(yù)測(cè)模型。假設(shè)交叉路口流量是連續(xù)的，即不會(huì)出現(xiàn)5 分鐘間隔無(wú)交通流量的狀況。此外，把交通路口組成的網(wǎng)絡(luò)簡(jiǎn)化成網(wǎng)狀結(jié)構(gòu)，每一個(gè)交叉路口的入口車(chē)流量只受下游三個(gè)路口的車(chē)流量的影響。在某一個(gè)事件段，假設(shè)每一個(gè)交叉路口為i,實(shí)測(cè)流量為Vi,作為交通預(yù)測(cè)控制模型的輸入。建立的基于神經(jīng)網(wǎng)絡(luò)的交通控制模型如下：

在此模型中，輸入層節(jié)點(diǎn)表示路口當(dāng)前期望的車(chē)流量。而對(duì)于隱含層，對(duì)于單個(gè)神經(jīng)元Mi，有

其中，g是激活函數(shù)，此激活函數(shù)采用可驗(yàn)證可導(dǎo)的非線(xiàn)性函數(shù)：

輸出層向后傳播階段采用BP 神經(jīng)算法。初始化訓(xùn)練因子為0到1 之間的數(shù)值。

定義第n 個(gè)樣本的誤差為：

總誤差為：

然后分別修正輸出層以及輸入層到隱層的權(quán)矩陣，直到整個(gè)樣本集的總誤差小于初始化要求的精度，從而得出優(yōu)化的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。

整個(gè)模型處理系統(tǒng)如圖2 所示。

圖2 交通流模型處理系統(tǒng)

針對(duì)交通流量也受交通事故的影響，本模型將交通事故事件與正常的交通流量進(jìn)行區(qū)分，將其作為特殊的一種流量，作為該模型中一個(gè)新增的輸入量，即作為模型的激勵(lì)變量而存在。針對(duì)交通事件屬于隨機(jī)事件的情況，把該類(lèi)事件放在模型外層盡心處理，即對(duì)交通事故事件的處理進(jìn)行單獨(dú)的機(jī)制處理。無(wú)交通事故事件的情況正常采用訓(xùn)練的交通模型進(jìn)行處理。

三、仿真實(shí)驗(yàn)

本模型采用交通仿真手段對(duì)長(zhǎng)春市主干道路網(wǎng)作了仿真研究。首先對(duì)基于BP神經(jīng)網(wǎng)絡(luò)的模型進(jìn)行了訓(xùn)練，通過(guò)設(shè)定隱層和輸入量獲得神經(jīng)元個(gè)數(shù)和誤差的關(guān)系。然后結(jié)合大量數(shù)據(jù)分析在該模型運(yùn)作下的交通狀況。

該仿真實(shí)驗(yàn)主要對(duì)關(guān)鍵交叉路口以及重點(diǎn)路段根據(jù)此模型進(jìn)行交通分析，將本模型應(yīng)用到交通仿真模型當(dāng)中，對(duì)交叉路口和路段進(jìn)行交通影響方面的分析和評(píng)價(jià)。

在模型訓(xùn)練過(guò)程中，采集的數(shù)據(jù)來(lái)源于系統(tǒng)采集的目標(biāo)路段的一周的交通流量數(shù)據(jù)，具有比較高的準(zhǔn)確性。通過(guò)訓(xùn)練發(fā)現(xiàn)的神經(jīng)元個(gè)數(shù)與誤差的關(guān)系表1 所示。

表1神經(jīng)元個(gè)數(shù)和誤差關(guān)系表

該模型由于采用BP 神經(jīng)網(wǎng)絡(luò)，適當(dāng)增加隱層的層數(shù)和節(jié)點(diǎn)數(shù)可以獲得精確度更高且更接近實(shí)際情況的預(yù)測(cè)，且其非線(xiàn)性特性也使得整個(gè)系統(tǒng)魯棒性更高。

四、結(jié)論

交通供給和交通需求之間的矛盾日漸顯現(xiàn)，交通擁堵已經(jīng)成為人們出行關(guān)心的重要問(wèn)題之一。為了提高交通系統(tǒng)的快速反應(yīng)能力以及對(duì)交通的預(yù)見(jiàn)性，本文研究了基于神經(jīng)網(wǎng)絡(luò)的智能交通動(dòng)態(tài)預(yù)測(cè)模型，并通過(guò)仿真數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，并且通過(guò)實(shí)驗(yàn)驗(yàn)證了模型的有效性和可行性。

本文的研究模型進(jìn)行了一定的假設(shè)，對(duì)實(shí)際問(wèn)題在可接受情況下做了一定程度上的簡(jiǎn)化，因此，這一模型還存在較多的改進(jìn)空間。在未來(lái)的研究中，將繼續(xù)對(duì)此模型根據(jù)實(shí)際問(wèn)題進(jìn)行優(yōu)化和改進(jìn)。