交通运输融合交通运输融合.pdf

交通运输信息融合报告 姓 名： 陈巍 学 号： 指导教师：刘澜 （教授） 交通拥挤管理信息融合的关键问题与实用算法 摘要：分析了判断交通拥挤事件的两个交通参数，道路占有率和车辆即时速度， 以及如何来确定当前道路所处的拥挤水平。并介绍了基于神经网络算法的多种预 测算法的融合预测模型，最后介绍了在多源信息下，模糊算法在预测拥挤状态中 的应用。 关键词：交通拥挤 道路占有率、即时速度、神经网络算法、模糊算法 引言： 交通拥挤和阻塞是城市化、现代化、机动化进程中不可避免的现象。从社会 发展趋势看，发展经济一般都会导致车路发展矛盾、出行需求与管理服务矛盾的 激化，这种矛盾突出地表现在大中型城市对私家车运用的管控上。综合我国公安 [1] 部网站消息和有关分析 ，到2011 年6 月末我国私家车数量约有4000 万，而全 国机动车总保有量更是高达2.17 亿辆，其中汽车9846 万辆，摩托车1.02 亿辆。 并且，这些数量还在快速增长，1998 年我国每90 人拥有1 辆私人汽车，相当于 美国1910 年前后的水平，到2000 年我国的这一比例已达到每70 人拥有一辆私 [2] 人车辆 。这样的交通需求态势给道路交通、尤其是城市交通形成巨大的压力。 对拥挤的改善，首先是需要多修道路从而扩大路网规模来满足不断增长的交 通需求，但是交通设施的建设滞后于交通需求，并且受地域的现状，基础设施不 能保持大规模的增长，故用高新技术改造现有交通运输系统及管理体系，从而大 幅度提高路网通行能力和服务质量成为一种重要的方法。拥挤管理是在对道路交 通状态进行准确判断和预测的基础上选择合理的管理策略，它是一种决策行为， 它包括监视、检测、诊断、评价和对策等一套系统性的方法。随着信息产业的巨 大变革，对道路交通参数的预测可以依据更多的数据源，来自不同的环境、不同 的层次及不同的分辨率的数据可用来观察同一个对象。随着数据源的增加，需要 一种信息融合方法，通过对多传感器数据进行综合处理，去除冗余、克服歧义， 进而得到更全面、更准确、更可靠的信息。最后在判断交通拥挤状态的基础上， 设计融合交通管理者的经验和知识的交通拥挤管理决策生成模型。 1.拥挤事件的检测 1.1 占有率的检测 由于道路上交通流的复杂性，在道路上行进的车流运行状态随着时间的变化 而时刻改变。经过大量实验数据得出，道路占有率可以很直观地反应出道路上车 辆分布的情况，而占有率对于道路出现高饱和现象反应比较敏感。 [3] 实验结果表明 ：道路占用率和占有率方差存在两种对应关系，同一个占有 率方差可能对应正常情况下的低占有率，也可能对应于拥挤状态下的高占有率， 两者的关系近似为抛物线关系。在抛物线极小点的右边，占有率方差随占有率的 增加而增加，此时共同使用两者能很好地反映道路上拥挤程度的大小。考虑到交 通拥挤发生时，道路会连续长时间处于高占有率，为了反映道路交通状态是否出 现变化，可用占有率变化量的绝对值来反映交通状态的变化。通过大量数据统计 发现，当出现拥挤事件时，占有率量的变化是非常缓慢、非常小的。通过分析可 知，当占有率和占有率方差都处于一个高数值的同时，其占有率的变化量绝对值 在一段时间内保持在一个较小值的时候，道路发生交通拥挤。 在对交通拥挤事件的监测时，首先需要对交通状态进行划分，在用占有率判 断道路拥挤情况时，可利用模糊C—均值算法将交通状态粗划分为畅通、缓行、 拥挤报警三个中间状态，依据此方法可得到三类状态的聚类中心。 模糊C—均值算法基本步骤为： U a ）随机选择一个初始划分矩阵 ，矩阵有两个变量，分别表示占有率和占 0 有率方差。 c n m 2 U J (U ,V )  x v b）由 和 m  ij i j 计算聚类中心。n 为采集的交通 0