基于車路協同的短期交通規劃系統設計

陳 龍

（新疆交通規劃勘察設計研究院有限公司，新疆 烏魯木齊 830000）

引言

城市交通擁堵是影響城市面貌、城市發展水平和人們出行質量的重要因素［1-2］。交通規劃有利于減少擁堵路段車輛的占用率，緩解交通擁堵。通過研究發現，解決交通擁堵問題的前提是分析交通擁堵的原因，即擁堵的時間、地點和客觀規律，可以通過GPS 實時記錄和相關地圖數據獲得［3-4］。解決擁堵問題的有效途徑是結合車路合作模式，充分實現人車互聯，提高交通效率。然而，國內外的相關數據大多是算法描述或理論方法，理論尚未應用到實際生活中［5-6］。因此，有必要開發基于車路協同的短期交通規劃與預測系統。

傳統上，動態路徑規劃以出行時間為交通擁擠指標，尋找最短路徑規劃。由于交通運行狀態的實時性和可變性，交通擁擠指數波動較大。傳統的交通擁擠指數預測方法通常是用一定時間段的平均值作為短期預測因子來表示交通擁擠指數。然而，區間的大小對預測結果有很大的影響。特別是對于城市道路，受交通信號、交叉口車輛合流等因素影響，使得傳統的平均算法存在一定的誤差。因此，有必要結合道路和車輛數據，總結擁堵傳遞的規律和特點，規劃城市道路的進一步發展，使駕駛更安全、更高效。

1 車路協同系統分析

1.1 技術構建

車路協同系統基于車路協同的思想和KNN 聚類算法，對車速和交通流進行歸類，定位交通瓶頸。同時，利用交叉口的交通信號和車輛合流數據，動態計算當前道路阻力值。利用BP 神經網絡算法和ARIMA算法對每條路徑的行程時間進行預測，并選擇行程時間最小的路徑作為最優路徑，技術路線見圖1。

圖1 系統構建技術路線

1.2 關鍵技術分析

車路協同功能系統是通過傳感器檢測、無線通信等技術獲取道路信息見圖2?？梢詫崿F車與車之間、車與路之間的信息共享，車與車之間的智能協作，從而可以更充分地利用系統資源，減少道路上多余車輛的占用，提高車輛在道路上行駛時的交通安全以緩解交通擁堵。智能側路技術是路邊系統將內置多種通訊模式，提供各種傳感器接口（信號、探測器）和本地地圖服務，并提供信號定時信息和周邊移動目標信息服務。另外，擁塞瓶頸識別技術也是實現車路協同的重要關鍵技術之一。當交通流量增大時，在瓶頸點處開始出現交通擁堵。該路段的實際通行能力逐漸下降，擁堵向上游擴散。當出現交通瓶頸時，瓶頸與其下游之間存在明顯的速度差。采用鄰聚類算法對速度和交通流進行分類，并識別擁堵程度，從而可以獲得交通瓶頸位置。當對路況分析完畢之后，需規劃行車路線，可利用BP 神經網絡模型和ARIMA 模型分別對出行時間進行預測，利用出行時間長短對路徑進行判斷，從而實現最優路徑的選擇。

圖2 車路協同功能系統

2 車路協同功能分析

2.1 功能實現

2.1.1 確定擁堵點的位置

該功能主要使用鄰聚類算法對實時車輛速度和交通進行分類，從而判斷擁堵程度。首先，利用主成分分析法對原始數據進行線性變換進行降維，得到與路段擁堵情況相關的主要特征值。為了更好地描述路段的擁堵狀態，可從主要特征值中選取該路段的實時交通流和車速并進行KNN 聚類。根據聚類結果，劃分出五種交通狀態：平穩、基本平穩、輕度擁堵、中度擁堵和嚴重擁堵。該系統檢測瞬時交通狀況，然后通過聚類得到實時重擁堵路段?？梢钥焖倥袛嗦访?、發生交通事故的路段或其他意外情況發生的路段的施工范圍。無論是對于瓶頸的研究，還是對于交通事故的快速處理，都具有重要意義。

2.1.2 顯示最佳行車路徑

實現該功能需要3 個步驟：實時數據導入、出行時間預測和最優路徑選擇。通過GPS 定位技術，可以找到當前車輛位置，計算出行駛軌跡，導入前段各收費站的樣本刷卡數據，采用每5 min 抽取10個刷卡樣本的方法，刷卡數據主要包括車輛進出車流ID、車輛進出收費站時間。根據之前導入的數據，通過ARIMA 模型和BP 神經網絡模型，分別預測通過每條路徑所需的時間，并比較兩種模型的預測結果以進行下一個最佳路徑選擇。

2.2 算法分析與比較

實現車路協同的主要算法包括ARIMA 模型和反向傳播神經網絡模型。ARIMA 模型主要是通過差分積分移動平均自回歸模型以進行時間序列預測分析。在ARIMA（p，d，q）中，AR為自回歸，p為自回歸項的數量，MA為滑動平均，q為滑動平均項的個數，d為使其成為平穩序列的差異數。反向傳播神經網絡是用誤差反向傳播算法訓練的一種多層前饋神經網絡，它是目前應用最廣泛的神經網絡。在正向傳輸過程中，輸入信號從輸入層到輸出層被逐層處理。每層神經元的狀態只影響下一層神經元的狀態。如果輸出層不能得到期望的輸出，就會變成反向傳播，根據預測誤差調整閾值和網絡權值，使預測值不斷接近期望值。

2.3 優化路徑搜索

根據前一步預測的出行時間選擇最優路徑。（1）導入車輛實時駕駛數據。根據BP 神經網絡模型，得到了不同路段的預測出行時間。結合交通信號配時和路線轉向信息，考慮車輛通過交叉口可能遇到的非自由通行的通行情況，動態計算當前路段的道路阻力值?；谀：C合評判法，在考慮通暢性和穩定性的情況下，確定了車輛與道路協調的指標，通過行車率和事故系數實時測量得到實際曲線。（2）將該曲線與現有道路類型的標準曲線進行比較，定量地描述標準曲線與實測曲線之間的歸一化程度。在此基礎上，對匹配度和事故率進行模糊化處理，并根據控制成本從實際情況到相應道路的最佳路徑系數建立模糊邏輯。（3）給出車輛-道路協調指標作為控制策略生成的依據。根據現有的道路阻力統計數據和區域路網拓撲結構，實時預測各備選路線的出行時間。（4）選擇出行時間最小的路徑作為車輛的最優路徑。

3 結語

車路協同為緩解城市道路交通擁堵提供了思路。提出了一種基于車路協調思想的短期交通規劃與預測系統。利用車路協調的思想，浮動車輛GPS數據，KNN 聚類算法，ARIMA 模型和BP 神經網絡模型，可以檢測出當前的道路擁堵情況，為交通路線規劃提供可行的解決方案，是交通數據挖掘在交通管理中的典型應用。車路協同技術還可以應用于各種應用程序場景。例如，無人駕駛汽車的車路聯網安全距離實時評估車輛避障中超車、變道預警并根據實時路況等實現交通燈的提前中斷或延長。這些應用可以建立長期有效的分析預警機制，為城市道路擁堵緩解工作提供穩定的技術支撐。