综合交通信息融合与控制研究

孔林 蔡佳 罗靖迪

摘 要：为更好地缓解城市道路拥堵状况，文章将人、车、路综合考虑，针对现有交通数据采集系统提出改进方法，分析交通流数据融合、处理方法、交通状况预测方法，并提出添加共享实时交通信息的模式，进而诱导车辆使用者选择最佳路线。

关键词：数据采集；融合处理；信息共享；诱导路线

中图分类号：U12 文献标志码：A 文章编号：2095-2945（2018）11-0065-03

Abstract： In order to better alleviate the urban road congestion， this paper， in view of the existing traffic data acquisition system， puts forward the improved method for the existing traffic data collection system， analyzes the traffic flow data fusion， processing method， and traffic condition forecasting method， with people， cars and roads taken into consideration. The mode of sharing real-time traffic information is proposed to induce vehicle users to choose the best route.

Keywords： data acquisition； fusion processing； information sharing； induction route

引言

随着社会的迅速发展与机动车数量的急剧增加，城市交通拥堵现象越来越险峻。本文通过前期的研究发现，在我国基础建设已经完善的现况下，智能交通系统的有效利用成为这一问题解决的关键。我们可以通过诱导人与车的选择行为，从而达到改善拥挤现象的目标。本文将基于这一研究方向通过对数据采集、融合处理、信息共享、诱导路线这四个方面进行拓展研究，从而形成一套新的综合交通信息融合与控制研究理论来改善我国的堵车问题。

1 实时交通数据采集改进方法

随着智能运输系统在国内的迅速发展，城市交通系统的实时交通信息采集技术就显得越来越重要了。目前较为成熟的信息采集技术主要分为固定型采集技术和移动性采集技术[1]。固定型采集技术是指通过安装在道路上的各类检测器来收集信息[2]；移动性采集技术主要指基于GPS的浮动车采集技术。[3]本文主要基于固定型采集技术展开研究[4]。

1.1 车辆检测器的选择

传统的车辆检测措施是使用主动传感器，如基于无线电、激光、声学的传感器。这些传感器的工作原理是检测车辆信号反射前后的時间进而计算两者间的距离。其最大的优点就是可以直接得到实际数据。

基于无线电探测的系统即便在可见度较差的工作情况下仍旧可以精确测量较远间隔的物体。在实际应用中，因为各主动传感器间安装的距离不同，其系统信号之间会存在彼此影响，不利于数据采集。

视频图像检测器等光学传感器，是一种非主动的传感器，以非侵入的方式获取数据的。其优点有投入成本较低，使用寿命长；可测多种车辆的行驶轨迹[5]；其缺点是检测结果易受天气、灯光反射，其他物体阴影的影响。

综上所述，为确保交通检测器能满足应用的需要，需综合考虑数据所需类型、取值范围及精度、交通检测器的监测区域、安装调试要求、道路状况、及环境对数据获取和传输的干扰[6]。

1.2 车辆检测器的布控

在我国，各种交通流检测器的数量限制，是造成城市交通网络状况信息不全、不准确的原因之一。但要做到在所有节点处安装交通检测器显然是不可能的。以往提出检测点布设问题时，常用OD矩阵作为数学模型解决该方法得出的唯一解却并不一定是可行解和最优解。具体研究方法是结合城市交通数据进行OD矩阵分析，基于遗传算法的数学模型提出布设方案若干组，分析比较该方案与预设方案的布设点数，若点数更多，则综合推算路网的差异性，避免相似路网出现，进行方案调整。若更小，则用当前方案代替原有方案[7]。重复这一过程，直至得出点数最少的方案即最优方案。

2 交通信息融合处理

交通信息获取方式的多样为我们提供了海量的交通信息，由此可以通过获取的基本交通信息并对其综合计算得到对交通状态的预测。由于检测方法、检测器类型、检测准确度的不同导致所获取的数据也不同，因此正确处理每一阶段的交通流信息，同时对整个检测收集点统一计算，防止个别检测系统损坏造成的数据分析错误，也就是进行交通状态基本参数的融合处理。

常用信息融合方法约有十一种，以加权平均法计算平均车流量为例，假设此区域内具有ni条车道，信息采集设备将区域分成nj个部分，时间间隔为nk，设第i条车道第j区第k时段的通过的车辆数目为Qij（k）。其中，i=1，2，…，j=1，2，…k=1，2，…则该区域的信息综合处理公式为：

3 交通预测处理方法

交通量预测指的是根据交通调查资料和发展规律，结合交通吸引、转移的分析等，推算地区、路线或路段等未来交通量的工作。其中交通发生、交通分布、交通方式划分和交通分配四个部分共同构成交通预测[8]。交通预测的方法和模型很多，这里只介绍预测建模的基本原理和此最常用的方法或模型。

3.1 目前交通预测中存在的问题

（1）在交通预测现使用的方法中，交通量的分配假设依附在车辆驾驶时间、车辆驾驶密度上，在此期间并未考虑在各区域上交通量是否过大或过小。现实情况中交通工具的驾驶成本耗费越高，交通量越会出现变化，区域内的交通流将跟假设的条件出现较大的出入。

（2）交通量预测中另一个常用统计方法为“OD”调查[9]。但是因为其调查过程中需要大数据的支持，工作耗时较久，很多调查人员在工作过程中采取了抽样调查的办法。但OD矩阵法本来就存在部分随机性，需要足够好的样本，需要具有代表性和随即性，同时具有不稳定性，有所偏差的特点，而如果在其基础之上再次进行随机调查，势必会造成数据的真实性与有效性降低，无法对其数据进行交通预测分析。

（3）在一般交通预测工程项目中，交通预测计算成果与项目结项存在时间差，时代的快速发展，交通设备的实时更新与原计划留有出入时，其预测结果就会不准确。

3.2 交通量生成预测的基本方法

交通生成预测，也称为交通的发生与吸引预测[10]。在交通生成预测阶段，必须求出规划区域内发生的总出行量及各个交通小区的交通的发生与吸引量[11]。

交通生成预测是为了构建区域目前的交通量与经济特性、路网使用率等项目彼此间相关联系，进而规划各区域的交通量分布。想要分析各分区的交通发生量，我们要统计起点与终点的两方面数据。目前专业上经常使用的方法为强度指标法、增长率法、相关分析法等。

综上所述，我们拟采取指数平滑法计算交通发生量。指数平滑法会根据时间的不同对经济效益分配不同的比重。以此来弥补传统交通生成预测方法的不足，对试验数据处理更精确，符合实际要求。

3.3 交通量分布预测分析

交通量分布预测是四阶段交通量预测中最具现实意义的一部分，它的作用是通过算法把各个交通小区的交通的发生与吸引量转变为区域彼此间的交换出行量。目前的OD矩阵法能清楚的表现出各区域间的交通量分布。其另一个作用是根据目前的统计结果及随各区域GDP发展、人民出行方式的转变而出现的交通出行量扩大，进而合理的规划不同地区所需的交通量。目前经常使用的交通量分布预测方法可以划分为两部分：其一是增长率法，拟通过目前的OD矩阵来预测以后该地区的交通量，包括均衡增长率法、佛莱特法等；其二是重力模型法，这里不再进行赘述。

3.4 交通方式划分预测

将某区域内所有的交通量合理分配给不同交通方式的过程是交通方式划分预测。我们将交通出行特征、交通出行方式、交通参与者的行为之间的内在联系作为制作交通方式划分预测的基础。在已有的道路基础建设条件下，有许多原因影响交通参与者对出行方式进行选择。笔者通过对各式各样的方面来综合推算居民对出行交通工具优先情况，构建了不同出行方式的交通方式划分预测模型。

其多元线性回归方程：

3.5 交通量分配预测分析

交通量分配是交通规划预测四阶段中最后一个环节，它的作用是将采集到的区域居民出行交通量根据目前现存的道路基础建设划分给具体路段，以此推算各路网的交通量。其宗旨是推算现存道路基础建设的远景交通出行量，在推算得到将来某特征年的OD矩阵表之后，利用相关公式将交通统计量划分到该区域规划路网中，由此获得此阶段交通量分配预测数据。

4 交通信息的及时共享与路线诱导的结合

随着社会的发展，我国现阶段的交通信息共享技术已经越发不能满足人们的出行需求，笔者团队针对这一点进行了深入的探讨，希望能够将一种新的交通信息共享技术与人们路线选择有机地结合起来，从而更方便地解决人们的出行需求。

4.1 现行的交通共享技术研究

在现阶段，交通路况的实时信息主要通过车载广播、车载导航、电子地图等进行传播[12]。车载广播往往能够主动给车主提供某路段的交通拥堵情况，但是车载广播给我们提供的信息往往没有针对性，信息的准确性也因为处理的不到位也是大打折扣的。电子导航则依靠它的便捷与及时性成为了当今社会车主们的宠儿，但是现阶段的电子导航系统往往只有在车主主动使用导航系统时才能将交通信息共享给车主，车主要获得实时交通情况只能通过主动打开导航系统。此外，现阶段的导航系统规划的路线经常出现与车主自行规划路线不符的情况，导航系统往往通过路线规划的模式引导车主规避拥堵以及图画的形式共享出一些实时的交通信息，而不能实时播报出交通信息情况，这些因素都会给车主们带来了一定的不便。

4.2 新的交通信息共享模式

基于现阶段交通信息共享技术出现的问题，笔者团队提出了一种新的交通信息共享模式，旨在解决这一问题。笔者团队希望能够通过相关部门与导航系统得到的大数据，在经过后台的分析处理后，能够及时的将交通信息主动的共享给车主，从而诱导车主主动去选择合适的路线去规避拥堵。要实现这一功能，则需要相关部门与导航系统公司的默契配合。要求相关部门与导航系统得到的大数据能够相互流通与共享，在导航系统公司的后台及时整合与处理后，将交通信息及时的共享出来，并且通过多渠道进行发布。例如，导航系统可增加能够实现主动进行语音播报提示、信息文字显示的功能，从而使得车主在行车时获取信息能够更加便捷、安全。

5 路线的诱导选择

上述我们提到了新的信息共享模式，而我们新的信息共享模式最终要达到的目的是诱导我们的车主对路线进行选择，从而优化车主当前的行车路线。诱导的过程主要在于让车主更加了解当前所在行进道路的路况以及通过我们上述所提到的共享系统处理后即将要行驶路线的路况预测，并通过语音播报的行驶诱导车主去选择更加合理的路线。

6 结束语

通过诱导信息改善出行行为，可以使得道路网中交通流的分配更加合理。本文针对诱导信息生成过程中如何提高交通信息采集精度的问题，提出合理选择固定检测器类型，和优化检测器布局两个建议。概述了交通信息融合、交通预测的必要性及常用方法[13]。最后提出新增车载导航路况智能语音播报的功能，来弥补图像显示不够直观和方便的问题。

参考文献：

[1]程杰.交通拥挤动态监测技术研究[D].东南大学，2007.

[2]王夷.城市路网实时状态研究[D].上海交通大学，2007.

[3]马占刚.基于手机的交通信息采集及处理技术[D].重庆交通大学，2009.

[4]程杰.交通拥挤动态监测技术研究[D].东南大学，2007.

[5]李爱娟.智能车辆运动轨迹规划方法的研究[D].南京航空航天大学，2013.

[6]阿地里江·阿不力米提.智能交通系統传感器技术的研究[D].大连理工大学，2009.

[7]赵禹乔.城市道路交通数据检测器优化综合布设方法研究[D].长安大学，2011.

[8]李春艳，李先，彭宏勤，等.基于交通影响评价的交通需求预测共享平台框架分析[J].交通运输系统工程与信息，2009，9（6）：108-113.

[9]杜智民.西部地区公路交通量预测方法研究[D].长安大学，2005.

[10]郝鑫.城市化进程中的交通生成与分布预测模型及实证研究[D].首都经济贸易大学，2013.

[11]吴家伟.基于可达性概念的诱增交通量计算方法研究[D].大连理工大学，2013.

[12]王维莉.实时交通信息在车载导航中的应用及优化方法[J].中国交通信息化，2012（12）：134-135.

[13]赵亮.基于数据融合与GIS技术的动态交通信息诱导系统研究与设计[D].山东大学，2010.