技术建议书(交通数据采集与交通运行状况分析)11328.pdf

技术建议书 一、对招标项目的认识 交通数据采集与交通运行状况分析是高速公路交通运营管理决策的基础，是实现交通管制、出行信息发布和交通应急事件救援的前提。为了解决当前高速公路联网收费的多路径识别的难题和满足提升高速公路交通服务水平与服务功能的迫切需求，招标项目要求将路网的动态交通分配与路段的动态交通数据采集相结合，以解决车辆路径识别的二异性并实现精确收费；以及通过交通数据采集点规划和构建交通流分析模型的方法，以增强服务功能的建议，不仅具有技术的先进性，而且具有切实可行的工程实用性，为满足建设交通情况调查系统、解决高速公路多路径识别问题、提高高速公路道路服务水平、充实与维护高速公路道路、桥梁养护数据等迫切需求，指明了方向。1、对招标项目所在地区建设条件的认识 江苏省高速公路路网的骨架基本建成，相应的各路段收费、监控、通信“三大系统”建设取得了阶段性的成果，江苏省高速公路信息化和联网收费系统建设处于全国的前列。长三角（江苏、安徽、浙江、江西、上海）地区的高速公路网络也已形成，交通基础设施，特别是交通信息化基础设施的建设较完备且在全国具有先进性，具体体现为：（1）高速公路的道路建设条件分析 江苏省高速公路的道路里程为全国第三，密度为全国第一，道路的建设质量和规模也具有先进性，如沪宁高速高公路的改扩建工程，和正在实施的机场高速公路改扩建工程等均为提高整个道路网的通行能力提供了很好的建设条件。（2）高速公路交通信息化系统建设条件分析 目前，江苏省高速公路机电工程和信息化基础设施建设速度很快，各路段交通通信系统、收费系统和监控系统的基础建设比较完备，这些为实现现代化的智能交通运营管理奠定了厚实的基础。江苏省高速公路联网营运管理中心的成立为建设现代化的联网收费系统和联网交通监控系统提供了组织模式、推进机制和具体实施机构。同时高速公路交通运营服务软件系统和基于“96777”的交通信息服务系统也在实际应用过程中得到了检验与发展。建设了全省的高速公路联网收费系统，能够实现计算机辅助收费，基于“苏通卡”的电子支付方式，特别是电子不停车收费系统的建设，从长三角区域和省域两个层面，对 ETC结算中心系统构架、节点拆分、银行结算、客户服务体系、ETC与 MTC融合、车道布局、营运管理等方面进行了研究，解决了江苏省 ETC系统建设运行及跨省联网应用的关键技术问题，使该领域的建设成果达到了国内领先、国际先进的水平。建设了比较先进的交通监控系统。各条高速公路均有相应的交通监控中心与分中心，同时区域联网交通系统监控系统建设规模与水平正在不断上升。路网中布设了一定规模的交通信息采集设备，建设了较规范的各类交通数据采集系统，包括交通流动态数据采集、气象特别是能见度信息采集系统；多数高速公路实现了基于交通视频图像的全程监视功能；发展了交通应急事件的快速报警、确认与预案匹配等功能；具有了路网交通动态信息发布的基本功能。此外，基于GPS/GIS、车牌识别、DSRC短程通信与信息采集等智能交通关键技术正在得到不断深入的应用。上述项目所在地区交通信息系统的建设条件为本项目的完成与成果应用提供了很好的实施环境与研究基础。2、对招标项目布设规划、交通量采集和相关数学模型的认识 本招标项目的意图是依据交通系统工程的思想，遵循交通信息系统建设的客观步骤，即交通信息的采集、存储、融合、挖掘、决策与发布的有机顺序。通过构建科学的交通信息采集点布设规划模型，使路网的交通动态数据采集准确且充实，为交通服务功能提供实现的依据和验证的条件。通过研究发现：仅有检测器所检测的准确和充实的交通动态数据还不能直接提供交通服务功能所需的交通信息，原因在于当前交通检测器所检测的数据是通过该路段横截面的所有车辆的信息（或者说，所检测的交通量是所有 OD 对在该路段通行的叠加），如何通过合适的技术方案“剥离”出具体服务功能所需的具体 OD 对的信息，需要建立具体 OD 对与检测信息中相关数据的对应关系，即相关的联网收费路径识别模型，是解决该问题的关键。同理，由检测器所检测的交通动态数据基本是一个海量数据，如果直接向路网发布，出行者难以在短时间内理解大量数据所反映的交通规律，需要建立交通运行状况分析模型，以便向出行者发布经过凝练和挖掘且与当前交通实际状况相一致的交通信息，满足人类大脑“模式匹配强，直接计算能力差”的客观情况。具体认识分析如下：（1）交通数据采集点布设规划模型的认识分析 根据前期的调研和科研结果可知：现状交通数据采集点主要布设于各互通立交上、下游，对横断面条件变化路段、事故多发段等则未进行合理布设，由于布设间距较大，使得路段检测盲区增大，以京沪高速公路为例，江苏段全长 261.5公里，共使用线圈检测器 43 个，假设每个检测器工作正常，以每个检测器准确检测 2 公里范围计算，43 个检测点的检测范围仅能覆盖全线的 30；由于路网线圈检测器较大范围内的失效，造成动态交通数据采集的不充分与不全面，因此，单一检测技术的应用满足不了目前对路网动态交通数据采集的需求；检测器功能失效，使监控中心对交通流分析功能消失；检测数据不全面，使监控中心对行程时间预测功能消失；监控中心数据库系统需要重新设计和建设，否则，以每分钟采集的交通数据得不到充分应用。因此，需要建立高速公路交通信息采集点布设模型。通过给出各个信息采集点的具体位置，满足联网收费路径识别，实现精确收费的需求；通过给出合适的采集点布设间距以满足不同服务功能对数据时间性和空间性的需求。（2）联网收费路径识别模型的认识分析 最短路径法是当前解决多路径用户收费问题的主要方法。最短里程的路径是驾驶员普遍选择的路径。如果在最短路径与其他路径的里程相差较小时，最短路径法的误差较大，不能完全准确地反映车辆的实际行驶路径，而且，最短路径法直接将多路径车辆通行费分配给最短路径业主，其精确度还取决于车辆在实际的路径选择过程中选择最短路径的概率。高速公路收费在业主间进行拆分的当前方法是单一的动态交通分配法。交通流最大概率法是通过车辆跟踪试验或者车辆行驶调查，确定路网中可能的路线及其概率值，来近似推算得到收费的分配比例。但是这种方案并非精确分配方法，具有很大的模糊性，随着多义性路段的增加，其引起的争议在不断增加。车辆在高速公路路网中的实际行驶路径是联网高速公路收费和分帐的依据。用的多路径识别采用方法如：标识站法、车牌识别法等实际应用存在困难。需要应用动态交通分配方法，结合路段上的动态交通数据，构建一种在技术上可行、经济上合理的模型，以实现依据实际行驶路径进行联网精确收费的方式。（3）交通运行状况分析模型的认识分析 在高速公路路网基本形成，交通动态数据采集系统建设基本完备条件下，为了加强高速公路交通运营管理力度和提升高速公路交通服务水平和服务功能，需要依据路网中各个交通信息采集点所采集的动态海里数据，建立基于这些数据的交通运行状况分析模型，具体实现短时段交通预测；给出行车速度与时间；拥挤程度和交通紧急事件信息，同时建立了适宜高速公路路段与路网运行状况分析的评价指标体系与评价方法，帮助高速公路交通营运管理部门实时掌握道路交通运行状况，提高交通突发事件应急处置能力和遇险救援水平，同时为出行者提供准确的交通运行及设施服务信息。二、研究目的、研究方法和技术路线 1、研究目的 本项目的研究目的，在于通过对江苏省高速公路路网的交通动态数据（车流量、车速、占有率、车型等）采集设施及应用状况的分析研究，结合联网收费工作的实际需要及路网交通运营管理的现代化发展趋势，以全省高速公路路网典型区域（包括具有车辆路径识别问题、交通紧急事件常发路段的路网）为主要研究对象，通过科学确定的交通信息采集点布设位置及所采集的动态交通数据，结合交通动态分配方法，提出满足依据实际行驶路径进行联网精确收费需求的模型与收费方法，以便实现根据车辆行驶路径准确记录车辆行驶路径和里程，准确记录各路段车辆通行费收入，并合理准确地将通行费收入分配到各公路业主，体现“谁投资，谁受益”的原则；针对提高路网交通服务水平和服务功能的迫切需求，建立高速公路交通运行分析与评价模型，以便为交通管理者提供准确的交通运行状况，为出行者提供切实可行的交通诱导和服务信息，真正体现“让出行者被动遵守交通管制，变为主动选择出行方式与路径”的智能交通基本理念。同时，交通信息采集器的科学布设与交通信息采集和发布设施的合理建设必将为物联网技术在高速公路的具体应用奠定坚实的基础。2、研究方法与技术路线 本项目的研究，拟采用现场调研、文献查阅、专家咨询、结合采集设备测试、现场调试与检测的方法，以解决交通信息采集点布设规划问题；采用宏观的交通分配方法，结合微观的断面交通动态数据，经过理论推导与优化，计算机数字仿真，模型参数的现场标定与结果的对比分析，建立联网精确收费模型；依据交通工程理论，结合模糊评价方法，构建交通运行状况分析与评价模型。具体的技术路线如下：（1）交通数据采集点的布设规划 1）应用现场调研、专家咨询、问卷调查与系统分析的方法，对江苏省公路交通动态数据采集系统现行的运行状况、所能提供的数据类型、精度、服务范围与维修管理进行调查、整理和分析，为项目的研究提供基础数据和现状分析。2）应用咨询、查阅资料和现场调研的方法，分析和掌握被研究公路的几何形状、等级、车流分布、事故率和管理系统的实际需求。在此基础上，针对被研究区域高速公路网（包括具有车辆路径识别问题）各个出入口和独立路段，确定信息采集点的布设位置：即布置于路网中独立路段的一级布设点。一级布设点用于确定车辆行驶的实际路径；以一定的间距布设于各路段中物理状况相近的边界路段，采集交通密度、车型、车速数据的二级布设点，二级布设点用于满足交通运行状况评价的需求；布设于公路常发性拥挤、事故多发路段和事故黑点等需要重点监控路段的三级布设点。在检测器三级布设准则的基础上，应用交通流压缩波原理，实现针对交通紧急事件检测的布设方法。（2）联网收费路径识别模型的建立 在确定用于车辆行驶实际路径检测的一级采集点布设位置的基础上，根据采集到的高速公路车辆的路径信息，综合转向交通信息、断面交通流量、结合车牌识别、车型分析等多种交通信息，分析和获取车辆的路径信息，获取多路径分配比例，实现高速公路联网收费的精确拆分。具体的技术路线为：根据已知的收费站车辆出，入量和准确的 OD 对，依据具有车辆路径识别问题区域路网的拓扑结构，应用当前一类被普遍采用的动态交通分配法（交通流最大概率法是通过车辆跟踪试验或者车辆行驶调查，确定路网中可能的路线及其概率值，来近似推算得到收费的分配比例）给出 OD 对在各个相关路段上所分配的具有车型类别的交通量，再将其与相应路段上的实测交通量（24 小时的平均值）进行对比，进而构建目标函数，应用智能优化技术，反复迭代优化，直到获得满足一定绝对值误差和方差的 OD 对分配结果。然后通过计算机仿真和现场实测统计对比的方法确定该模型的可靠度。（3）交通运行状况分析模型的建立 1）段时段交通量预测模型。对诸如自回归滑动平均模型、指数平滑模型、历史平均模型等短时段交通量预测模型进行分析与比对，研究各种方法的特点和适应条件。从处理数据的类型、在线分析、易于实施和预测精度等方面重点对 kalman滤波方法进行研究。从输入/输出间的关系、样本数据的需求、收敛速度、模型的全局收敛性研究神经网络模型的预测方法，总结其应用的条件和优缺点。通过实测数据和仿真技术比较上述短时交通量预测方法的适应条件和适应范围。2）路段交通运行状况评价模型。综合不同信息采集源，包括收费系统、采集点、GPS等的信息，以提高运行评价的准确性；消除指标间可能存在的矛盾，明确运行评价结果，方便指导调度管理；以单一综合评价值代替复杂的多个交通流指标，便于直接进行内外部的信息发布；以路段饱和度、路段空间平均车速、路段占有率、路段平均行程延误为评价指标，并应用模糊聚类分析方法建立路段交通运行状况评价模型。3）交通紧急事件的自动检测模型。高速公路交通应急事件的自动检测与确认是交通应急救援决策的关键与难点，如何基于高速公路路侧机电设施，实现应急事件的快速准确检测与确认，也是当前高速公路交通应急事件管理的迫切需求。本项目拟应用基于微波检测技术的应急事件检测方法，并结合改进的McMaster算法构建交通紧急事件的自动检测模型，用于应急事件的自动检测；然后应用CCTV 摄像机技术，根据所建自动检测模型的运算结果，实现交通应急事件的快速确认；通过开发 AIDS（自动事件检测系统）的应用软件对交通应急救援状况进行自动监控，并将其连续显示在交通监控中心的电视墙上，该软件可以打开特定视窗对事故进行独立的监测和报告，为管理人员快速处理事故提供方便。所有操作员的操作和发生事故前后的情况将自动记录在案。4）路网交通运行状况评价模型。分析高速公路网在交通流均衡分布条件下的 容量，确定路网管理的最大限度，并且找出制约路网交通流均衡分布的关键路段。应用图论中的衍生割集网络极大流模型分析高速公路网容量，在此基础上，以路网运行效率、路网交通负荷均衡性、网络性指标为评价指标，并结合路网运行状况模糊综合评价方法建立路网交通运行状况评价模型。三、招标项目的特点及关键性技术问题的对策措施 本招标项目的特点是应用交通信息采集点规划的优化布设技术、基于动态交通分配和动态交通数据挖掘的路径识别技术、交通运行状况分析技术实现联网精确收费和提升高速公路路网服务功能的迫切需求，并提出解决这些关键性技术问题的对策措施。（1）交通信息采集点规划的优化布设技术对策 交通信息采集点规划的优化布局是采集准确且全面交通动态数据的基础，也是实现联网精确收费、提升路网服务功能的必要条件。为此，本投标方提出面向联网收费精确路径识别、交通运行状况分析与评价、交通紧急事件检测的三个级别布设对策，即：一级信息采集点主要为宏观决策提供数据支撑。通过一级点采集的数据，可反映各高速公路网的总体运行状况，分析区间OD 流状况，该采集点主要采集路网出入口和独立路段上的动态交通数据，为政府部门提供宏观交通规划数据，能够为联网收费精确路径识别提供所需的实时和统计数据。二级信息采集点在形式上为一级点的加密采集点，主要用于对各条高速公路进行交通参数推算与运行状况分析，通过布设二级信息采集点，可采集高速公路两互通立交之间的首末路段交通流数据，运用交通流状态估计算法推算高速公路其他路段交通量。二级信息采集点体系可提高一级采集点的实时性，需在近期1 3 年内进行布设，于中期5 8 年内布设成形。二级信息采集点体系建立后，可根据其数据进行各路段短时段交通运行状况评价，根据主线OD 量确定分流对象，对持续时间较长的交通事件进行调度管理。三级信息采集点为一、二级采集点的加密采集点，通过对各个路段布设三级采集点，直接采集路段交通流数据，提高数据准确性。三级信息采集点在一、二级点布设基本完成的基础上再对其进行加密，于中期开始布设并逐步完善，通过长期增设与调整，最终建成完整的三级信息采集点体系，实现全省高速公路交通信息的准确采集、交通运行状况的实时分析，特别是对交通紧急事件的检测。1）一级数据采集点布设方案 一级数据采集点的布设准则 OD覆盖准则：任意OD点对间某一比例的出行均能被观测到；最大流量比准则：在OD对所流经的路段中，选择流量比例大的路段设置一级数据采集点。一级数据采集点的算法 主要布设于路网的出入口，互通立交的匝道中间，具有独立性的重要路段。能够为交通管理职能部门提供面向规划与宏观调度的交通动态数据，特别的，能够为实现联网精确收费提供动态交通流数据。AajjwrarjAajRrrrXyXlXyfXFWw 1Rr )(max （1.1）路段j 布设一级数据采集点时，1jX，否则，0jX。wfr:对OD对间所包含的路径流量。当路径r 上至少有一个采集点，1ry，否则，0ry W 对OD对间的交通量经过路段,1jw，否则，0jw:l数据采集点的最大数量。2）二级数据采集点布设方案 二级数据采集点的布设准则 数据时效准则：实时接收数据并经计算分析，以每15分钟（该时间段可以更加各路段具体交通运行状况的统计数据进行修正）的数据作为交通运行状况分析的决策数据；功能定位准则：反映并检测路段微观交通流特征和道路运行质量。二级数据采集点的布设算法 二级采集点检测高速公路首末路段交通流数据，布设于高速公路物理状况相近的多个路段中的边界位置，与交通运行状况有较大变化的位置的上游与下游，如主线收费站、服务区、入口匝道上下游。对路段中间实施数据采集点间距的加密。最短布设间距的计算：fVTLminmin （1.2）:minT检测器数据采集的最短周期:fV高速公路自由流平均速度 最长布设间距的计算：TVVLff),min(1max （1.3）一般地，对于高速公路，秒60minT（可变），标准化密度28.01，自由流平均车速，hkmVf/120。3）三级数据采集点布设方案 三级数据采集点的布设准则 交通运行状况评价的数据时效准则：三级采集点的数据时效性，应能通过连续数分钟内的数据较核，确保交通运行状况评价的正确性；紧急事件检测的数据时效准则：实时采集数据后，经数据处理，三级采集点的数据时效，应能确保紧急事件的检测，并以该时效内的数据作为上传的交通应急决策支持数据。三级数据采集点的布设算法 三级采集点在一、二级点布设基本完成的基础上再对其进行加密，于中期开始布设，经逐步完善，并通过长期增设与调整，为偶发性交通事件的检测提供动态交通数据。根据交通流理论，冲击波波速WV jwKVqqqV1121 （1.4）式中，:1q交通事件发生前的路段流量:2q交通事件发生后的路段流量 :1V交通事件发生前车流平均速度 :jK阻塞密度 发生交通事件的车辆的前导车在dT内的行程为：dTVX11 （1.5）：dT交通事件发生后，冲击波和扩张波传播到上游和下游检测点的时间 冲击波以WV的速度向上游传播，在dT内的行程为：dwTVX2 （1.6）则设立三级数据采集点布设间距的最大值dL为:),min(221XXLd （1.7）（2）精确路径识别技术的对策 当前一种被普遍采用的方案是动态交通分配法。交通流最大概率法是通过车辆跟踪试验或者车辆行驶调查，确定路网中可能的路线及其概率值，来近似推算得到收费的分配比例。但是这种方案并非精确分配方法，具有很大的模糊性，随着多义性路段的增加，其引起的争议越来越大，已经不能够适应需求的发展。因此，借助交通运输部决定开展“国家干线公路交通情况调查数据采集和服务系统试点工程”的实施的契机，本投标方提出一种基于路段采集点数据的交通分配模型，以实现联网收费的精确路径识别技术。1）交通分配模型的建立 1）以一个费用拆分周期 T 为单位（如：前日零点本日零点），提取高速公路出口收费站的车辆收费信息（包括车辆起终点和对应行车费用），作为高速公路路网交通 OD 表的基础数据。为了区分不同车型对高速公路的损耗，使费用拆分更为精确，OD 数据的提取按照车型进行分类，对不同车型的交通量提供独立的 OD 数据表。2）为了更好的说明模型，首先对 OD 数据表达式进行定义。将收费站标号，令iA表示进口收费站),2,1(,ii；令jB表示出口收费站),2,1(,jj，则每一个OD 数据对kjiQ,表示从进口收费站iA到出口收费站jB对应车型 k 的平均小时交通量。即kjiQ,等于iA到jB对应车型 k 在周期 T 内的所有交通量除以周期 T。3）并不是每一个kjiQ,都需要进行交通量的拆分。有些kjiQ,只有单一路径，可直接将交通量分配在对应路径上；有些kjiQ,存在一条路径明显较其他路径距离短，可以将交通量分派在此最短路径上。因此本文的研究重点在于如何将有费用拆分需求的kjiQ,进行交通量分配。以下所有涉及到的kjiQ,不做必要说明，默认为有拆分需求的 OD 对。4）每一个kjiQ,都有相对应的路网拓扑结构图（简称拓扑图），此图仅包括需要进行交通分配的备选路径，其余联通iA和jB，但明显距离偏长的路径，从实际需求和简化计算的角度可以将其舍去。针对每个kjiQ,的拓扑图，计算每条路径的路权值，依据路权值将kjiQ,初步分配在各路径上，得到knjiq,。knjiq,表示车型 k在路径 n 上（n 可依据每个kjiQ,的拓扑图单独定义）起终点分别为iA和jB交通分配量。针对每个kjiQ,的拓扑图上的单一路径，由于其封闭性，可认为组成该路径的每个路段上的交通分配量等于该路径的分配量，即knjikmjiqq.,（第 n 路径对应组成其的所有 m 路段）。kmjiq,表示车型 k 在第 m 路段上（m 需依据整个路网完整遍历）起终点分别为iA和jB交通分配量。此处之所以采用不带有节点或分叉的路段最为基本划分单位，是为了与通过路段检测器采集的数据相匹配。5）此时，得到的knjiq,和kmjiq,从理论上应满足以下等式：kjinknjiQq,（2.1）kmjikmjiQq,（2.2）式中：kmQ表示第 m 路段上关于车型 k 的检测器单位小时检测量，即kmQ等于路段 m上对应车型 k 在周期 T 内的检测总量除以 T 的平均值。此时，由于车辆在公路上行驶需要时间，若每个检测器均和收费站 OD 数据取同一个时间区间作为计算周期，将存在必然误差。因此，从理论上，为了消除这种误差，必须将每个检测器的取时区间均往前移一段时间，这段时间等于检测器到对应路径出口收费站的行程时间。但由于该行程时间是一个随机值，且路段检测器的对应出口收费站的选取和路网拓扑结构有关，因此难以求得实际时间挪移量。另一方面，考虑在通常情况下，高速公路交通量在以天为单位的取时间隔上，基本上为周期函数，而收费站 OD 对交通量和路段检测器检测量的比对为平均小时交通量的比较。因此，利用周期函数不同位置周期区段的平均值相等的特性，可以从工程上认为，收费站 OD 对和路段检测器取同一个时间段的数据进行比对，是可行的。式（2.1）因为是路径交通量分配时的约束条件，该等式必定满足。式（2.2）中，由于kmjiq,为 OD 对数据根据理论上的约束条件分配所得，和实际路段检测数据必定存在误差，此外路段检测量kmQ本身存在设备误差，因此式（2.2）在工程上无法完全满足。此时就需要调整kmjiq,的值，使式（2.2）左右两边的误差在允许范围内。6）针对调整kmjiq,的值，需要明确如何调整以及需要达到什么效果。在调整kmjiq,时，必须在满足式（4-1）的基础上，对各路径对应的路段分配值进行数值微调。调整的结果从理论上应满足式（4-2），但由于检测其本身的误差，以及路网高复杂度带来的高非线性，很难事先定义一个合适的误差允许阀值。如果阀值定义太小，则可能导致计算机运算结果不收敛；若阀值定义太大，可能是计算所得结果可行度下降。因此，我方定义误差控制指标，将使误差控制指标最小，作为调整kmjiq,的值的依据。设计误差控制指标：mjikmkmjikQqJ2,（2.3）调整kmjiq,使每个),2,1(min,kJk。7）求得满足条件的kmjiq,后，即可得对应kjiQ,路径选择分配交通量knjiq,。针对每条路径的不同交通量比例，可对相应iA到jB收取的费用进行拆分。2）交通分配模型的仿真实验 以上提供了一套完整的交通分配模型，为了证明该模型的有效性，以下对其进行仿真实验。在交通分配模型中，优化kmjiq,依据在于使误差控制指标达到最小，而最直接的评判标准，各路段交通分配量和实际检测量的误差kmjikmjikmQqD,，由于检测数据的误差和工程操作上的难度被舍弃。但是，这种最直接的评判标准却可以经过弱化后，作为仿真实验的检测标准。此时，kmjiq,已为经过优化后的交通分配值，计算路段误差kmD，将kmD按照m,k分类罗列成一张二维表。定义误差允许阀值D，以及路段误差小于允许阀值的概率应大于最小概率%X.即应满足以下条件：0,1,kmkmkmkmxDDxDD，%,Xmkxkmkm （2.4）当仿真实验结果满足式（2.4）时，则可以认为所设计的交通分配模型是符合实际需求的。（3）交通运行状况分析技术的对策 通过本项目的研究，旨在对江苏省高速公路路网的运行状况以及现有的信息采集系统做出系统的分析，结合现有条件、发展建设水平及可利用的资源，确定江苏省高速公路网运行状况的评价方法，提出一整套符合江苏实际的评价指标与方法用于分析路网运行质量，根据分析结果进行相关调度策略的设计，为行业管理部门及时调度指挥，合理利用路网创造条件，并最终达到提高高速公路的总体管理水平，充分发挥高速公路快速、安全、畅通、舒适的特点，促进江苏省高速公路全面发展和良好运行，提高高速公路网整体效益的目的 1）高速公路路段交通运行分析方法 短时段交通量预测方法 交通量是反映高速公路交通流特征的重要指标，准确的短时段交通量预测能对交通流高峰时段和路段拥堵提供实时预测信息，进而为高速公路交通管理和路网调度提供决策支持。在本课题的研究中将采用人工神经网络建立高速公路路段短时段交通量预测模型。历史平均法和回归分析法相对简单，但是不能反映交通流的不确定性和非线性，尤其无法克服随机干扰的影响。时间序列法和卡尔曼滤波法预测精度比较高，实时性较强，但是初始参数调整太复杂，可移植性不强。非参数回归模型依赖大量准确的历史数据，预测过程也相对复杂，其实用性还值得进一步研究。神经网络是一种新兴的数学建模方法，它具有识别复杂非线性系统的特性，虽然存在对真实的历史数据依赖性强等客观缺陷，但是其自适应、自学习的特点对于交通流量预测模型的应用有很大潜力，目前的神经网络模型也趋于成熟。为此，采用改进的 BP 神经网络建立高速公路路段短时段交通量预测模型。标准的 BP 算法是基于梯度下降法，通过计算目标函数对网络权值及其阈值的梯度对其进行修正的。其权值和阈值修正的迭代过程可以表示为：)()()()1(kkkXfXX （3.1）其中，)(kX为由网络的所有的权值和阈值组成的向量；为学习速率；)()(kXf为目标函数，)()(kXf表示目标函数的梯度。标准BP 算法虽然为训练网络提供了简单有效的方法，但由于在训练过程中学习速率为一个较小的常数，因而使它存在着收敛速度慢以及目标函数存在局部极小问题。对于 BP 网络的缺陷，在应用中有必要对其进行算法的改进。常用的 BP 网络改进方法主要包括启发式改进技术和数值优化技术两大类。启发式改进技术包括可变学习率、增加动量项等方法，数值优化技术包括拟牛顿法，Levenberg-Marquardt 法等。可以采用可变学习率与 Levenberg-Marquardt 算法相结合的改进算法。经过改进的 BP 网络有效地克服了原有缺陷，而且收敛速度快，精度高。下面阐述如何应用改进的 BP 网络建立短时段交通量实时预测模型，以实现高速公路路段交通量的短时段实时预测。基于改进 BP 网络交通量实时预测模型的结构 对于高速公路路段短时段交通量预测，建立由输入层、隐层、输出层组成的三层 BP 神经网络，如图 3.1所示。图 3.1 三层 BP 神经网络结构图 本文采用 4 个输入单元、10 个隐层单元、一个输出单元的三层 BP 网络，训练的输入变量有（t 为当前时刻，以分为计时单位）：F(t)研究路段在(t14)到 t 时段的交通流量；F(t-15)研究路段在(t29)到(t15)时段的交通流量；F(t-30)研究路段在(t44)到(t30)时段的交通流量；F(t-45)研究路段在(t59)到(t45)时段的交通流量；输出变量为：F(t+15)研究路段在(t1)到(t15)时段的交通流量。输出层为一个单元，即预测的交通量。研究路段的各时段的交通流量数据可由高速公路上的车辆检测器获得，并通过建立交通参数数据库，为神经网络的算法提供历史数据。采用双曲正切 S 型（Sigmoid）函数为 BP 网络的激活函数 f(x)，即：nnnneeeexf)(（3.2）双曲正切 Sigmoid 传递函数用于将神经元的输入范围（，）映射到（1，1）。由双曲正切 Sigmoid 函数的特性可知，节点输出值的区间为（1，1）。因此，必须对训练样本进行数值处理，这里采用极大极小值算法，其计算公式如下：12minmaxminpppppn （3.2）.隐层 输入层 输出层 阈值 数 据 处 理 器 经过数据预处理后，BP 网络的输入和输出值限制在区间（1，1）内，然后再输入网络。同样的，应用经过训练的神经网络计算得到的输出值，也需要经过极大极小值算法的逆运算，最终得到我们需要的预测值。利用改进的 BP 神经网络，实现对路段短时段交通量的实时预测主要分以下三大步骤：第一步为训练样本的准备和归一化预处理，第二步为神经网络的训练，第三步利用训练后的神经网络对短时段交通量进行预测。具体算法如下：a)输入样本数据；b)对数据进行处理，使之变换成 BP 网络的输入模式对；c)初始化 BP 网络各层的权值和阈值，让各层的权值和阈值取个随机数作为初值，wijrandom(.)，vij=random(.)d)对每个输入模式进行如下循环：e)按下式计算隐层各单元值 bj和输出层单元 c，f)nijiijnijiijnijiijnijiijjxwxwxwxwb1111expexpexpexp （3.3）g)njijjinjijjinjijjinjijjibvbvbvbvc1111expexpexpexp （3.4）h)计算各层误差 i.输出层：)1()(cccyd （3.5）ii.隐层：)1(1jjqijiijbbvde （3.6）i)判断是否循环至样本集总数，否则返回步骤（d）；j)计算网络总误差 E，E 为各样本均方误差总和，并判断 E 是否满足精度要求，若 E 则学习停止，否则，按训练算法的相应公式修改权值和阈值，并转到步骤（4），训练算法采用 Levenberg-Marquardt 算法，学习率为自适应学习率；k)储存 wij、vij，以备预测值的计算；l)计算交通流预测值：在网络完成学习训练并储存权值、阈值后，预测的交通流可由第（e）步的计算式求得；m)对 Flowt值进行数据处理即得短时段交通量的预测结果。根据以上的预测方法和步骤，应用 Matlab6.5 编制神经网络短时段交通量预测程序，其程序流程如图 3.2 所示。图 3.2 基于改进 BP 网络的短时段交通量预测程序流程图 为了比较预测结果的精度，引入误差指标如下：绝对误差：)()(tFlowtFlowaerp （3.7）相对误差：)()()(tFlowtFlowtFlowreprp （3.8）否 是 输入样本数据 样本数据预处理 建立神经网络 初始化网络权值与阈值 输入预处理后的样本数据 计算隐层单元输入、输出 计算输出单元输入、输出 计算累计误差 是否还有未训练的样本？误差是否达到期望值？否 计算权重调整量 计算阈值调整量 修正权重、阈值 是 保存权重、阈值 预测交通流量 误差分析 平均绝对误差：)()(1trptFlowtFlowNmae （3.9）平均相对误差：tprptF l o wtF l o wtF l o wNm r e)()()(1 （3.10）平均绝对相对误差：tprptFlowtFlowtFlowNmare)()()(1 （3.11）最大绝对相对误差：)()()(m a xtF l o wtF l o wtF l o wa r eprp （3.12）交通紧急事件的自动检测 交通事件自动检测是根据实时采集的数据信息，由算法自动判断是否发生交通事件，以达到提高运输效率的目的。交通事件判断算法是事件自动检测系统的关键部分。McMaster 算法基于突变理论模型，该算法不仅能识别拥挤，而且能判别拥挤类型（常发性或偶发性），从计算效率和实时运行以及实现上具有无可比拟的优越。在判别交通拥挤存在的过程中，该算法除了考虑交通流量这一因素外，还利用了车流速度和道路占有率进行判别。图 3.3、3.4 分别为高速公路流量占有率、速度一占有率关系图。图 3.3 高速公路流量占有率关系 图 3.4 高速公路速度占有率关系 从图3.4中可以清楚地看出交通非拥挤状态与拥挤状态情况下的速度一占有率数值明显不同，因此，可认为当车流速度降至一定限值以下，或当道路占有率增加到超过一定限值后，就可判断为存在交通拥挤。McMaster 算法判断拥挤的依据是高速公路路段在拥挤时车流速度降低，道路占有率增加以及有“拥挤”车流的存在。以图 3.3 中的曲线为界区分拥挤与非拥挤状态，该曲线表示非拥挤区域的下限，当检测器采集得到的数据在该曲线之上时就判断为非拥挤状态，反之为拥挤状态。图 3.5 McMaster 事件检测算法中的四种不同交通状况 如图 3.5 所示，区域一表示正常（非拥挤）交通状态；区域二对应于事件点的上游交通状况，当检测器采集数据 q、o 落入此区域时，大体上可以确定其下游发生了事件；区域三为缓慢交通流的阻塞状态，说明检测点下游有事件发生或者存在几何瓶颈；区域四反映常发性拥挤点上游出的交通状况，表明该检测点下游处有车辆聚集，交通不畅，但拥挤不严重。非拥挤区域的下限值由以下的经验公式求得：baoq （3.13）式中：q 为交通量；o 为道路占有率；a，b 为系数。McMaster 拥挤判断算法的流程图如图 3.6 所示。图 3.6 McMaster 拥挤判断算法 图中:i检测点代号；t时间；Q(i,t)i检测点t时的交通量；o(i,t)i检测点t时的道路占有率；v(i,t)i检测点t时的车流速度；q(i,t)最小非拥挤车流量；o0道路占用率的门限值（40）；Q0非拥挤状态流量门限值百分比（70）；Q1拥挤状态流量门限值百分比（85）；v0非拥挤状态车流速度的门限值T(i,t)=2 or P(i,t)=3？T(i,t)=3 or P(i,t)=2？输入 Q(i,t),o(i,t),v(i,t)计算非拥挤状态下的最小车流量 q(i,t)=EXP5.32+0.824lno(i,t)*R(t)o(i,t)o0v(i,t)v1？非拥挤状态下 拥挤状态下 Q(i,t)Q0*q(i,t)？Q(i,t)Q1*q(i,t)？o(i,t)v0？W(i,t)=0 W(i,t)=W(i,t)+1 P(i,t)=0 P(i,t)=P(i,t)+1 W(i,t)=3?T(i,t)T(i,t-1)？拥挤消散 无交通拥挤现象 P(i,t)P(i,t-1)？R(i)=0.95R(i)+0.05Q(i,t)/q(i,t)交通拥挤状况 Y Y Y Y Y Y Y Y Y Y N N N N N N N N N N N Y（40km/h）；v1拥挤状态车流速度的门限值（60km/h）；T(i,t)非拥挤状态车流量/占有率的检测状态计数值；P(i,t)非拥挤状态车速的检测状态计数值；W(i,t):拥挤状态检测状态计数值；R(t)修正系数。考虑到高速公路上交通是变化的，McMaster 算法在每一次判断交通流是否拥挤时，根据检测器采集到的实时数据对最小非拥挤车流量进行实时修正，计算公式如下：),(/),(05.0)(095.0)(tiqtiQiRiR （3.14）在计算中常用公式为：)(),(824.032.5),(iRtioLNEXPtiq （3.15）式中 o(i,t)为第 i 检测器 t 时的占有率，常数5.32即为 Ln(a)，0.824 即为 b。当路上检测器测得的道路占有率在0.4 以下时，由上式计算出最小非拥挤车流量。如果当实测的车流流量数据比计算值大时，该交通状态属于非拥挤状态，反之，则认为为拥挤状态。为了降低误判率，算法规定在以下情况判断拥挤存在（一般采样周期长度为30S）：（1）检测器在三个连续的采样周期内，车流速度均低于门限值，或道路占有率值超过门限值，或车流量都在非拥挤区域之外时。（2）检测器在两个连续的采样周期内，车流量和占有率中任意两个超过门限值时。当事件发生时，速度参数在反映交通流变化上最为敏感，因此首选车速进行拥挤类型的判断。Hurdle和Datta研究表明，当路段上车流量接近通行能力时，车流速度为80公里/小时；而当路段上交通由非拥挤状态转变为拥挤状态时，车流速度则下降至70公里/小时或更低。因此，本判别系统一旦发现路上车速下降到门限值时，系统就自动开始检测判别工作。