道路交通流的最新研究进展(综述报告)

1、道路交通流的最新研究进展（综述报告）高速公路管理与控制作业（二）吉林大学交通学院科目：高速公路管理与控制 指导教师：林赐云 学生姓名：潘昭天 学生学号：44120418 所属班级：交通工程 171204 班时间：2015-12-20-2016-1-21道路交通流的最新研究进展（综述报告）道路交通流是交通流理论的深化分析，交通流理论是运用物理和数学的 定律来描述交通特性的一门边缘学科.它的应用能更好地解析交通现象及其 本质,使道路发挥最大功效。作为交通工程学的基础理论，多年来交通流理论 广泛应用于交通运输工程的许多研究领域:如交通规划、交通控制道路与交通 工程设施设计等方面。近两年来，关于道路交

2、通流的研究不断加深，在多各方向均有所进展， 但主要研究方向还是集中在交通预测方面（主要是预测方法的研究和模型的 仿真模拟），其次是交通流特性的分析改进研究，其他方面则研究较少。一、交通流预测方面的研究获得交通流准确信息在近期、当前和未来所有交通路网中有广泛的应用, 包括交通预测,汽车导航设备、车辆路径和拥塞管理。一个主要的问题在实时 交通流信息获取：绝大多数的路网是不配备流量传感器。另一个问题是交通 流量影响因素，如事故、公共事件、和道路关闭，往往是无法预料的，表明 交通流预测是一项非常具有挑战性的任务。近两年来，国内外研究多注重于 交通流预测相关研究，包括交通流预测的方法、模式及仿真等。基于

3、 Map Reduce 框架，多位学者提出了新的研究方法。 梁轲、谭建军、李英远1提出了一种适用于海量历史数据、基于 MapReduce 与遗传算法的非参数回归短时交通流预测方法。通过引入 Map Reduce 并行计算框架,加快 K 最近邻算法的搜索速度。在数据预处理阶段利用遗传算 法优化关键参数的设置,并采用 Map Reduce 加速参数优化过程,以解决遗传算9法迭代运算时间长的问题。实验结果表明,该方法在保证交通流预测精度的前 提下,明显提高了预测速度,并且具有较好的可伸缩性。冯青平、李星毅2为了解决海量交通大数据实时预测问题,引入了 Hadoop 云平台结合 K 近邻非参数回归方法预

4、测短时交通流。由于 Map Reduce 框架的 并行性,大大缩减了查找 K 个近邻的时间。通过实验证明,在集群上的预测时 间相比在单机上的预测时间大大缩减。并且基于 Map Reduce 框架的预测速度 随着集群规模的增大而增大,表现出集群的可扩展性。该方法可以满足交通控 制和交通诱导系统的实时性和精确性的需求。钟秋燕3针对智能交通中随机交通流的预测问题,提出了一种基于小波 分析组合模型的随机交通流预测方法。通过激光传感器获得交通信息数据,利 用无线传感器网络和 GPRS 网络传输交通信息数据,在数据中心对交通信息进 行处理并预测交通流信息,预测算法为小波分析与神经网络组合模型。试验结 果表

5、明:该方法能够准确地预测交通流信息,预测误差小于 4%的比例为 89.6%。袁磊、梁丁文、蔡之华等人4针对复杂交通路段下的短时交通流量模型 的参数估计问题,建立了基于宏观交通流量预测的状态空间模型,提出了基于 正交自适应差分演化的无迹卡尔曼滤波(UKF)算法,解决交通流量预测动态模 型的参数优化问题。对差分演化算法(DE)的初始化过程,使用基于正交设计和 量化技术的交叉算子最大限度地提高种群的多样性,平衡差分演化算法的开 采性和勘探性,更高效地搜索无迹卡尔曼滤波的模型参数。并针对 UKF、DE 的 不同情况,分别采用不同的自适应策略提高调节算法性能。慕伟、陈国定、钟引帆5如何对交通流进行准确和

6、实时的预测是实现交 通管理的关键所在，文章根据交通流数据的时间序列特性，提出基于 K-Means 算法与遗传算法（GA）优化的小波神经网络(WNN)预测方法：首先对交通流流量序列按照流量采用 K-Means 算法进行分割，分割后的结果较符合流量的分 布情况；然后使用 GA- WNN 对分割后的每一个时间段的交通流数据分别进行 建模和预测。仿真结果表明，该方法对交通流量预测的精度较好。为了提高 B P 神经网络预测模型对短时交通流的预测准确性，卢建中6 与程浩二人提出了一种基于改进遗传算法优化 B P 神经网络的短时交通流预 测方法。由于模拟退火算法具有较强的局部搜索能力，能够在搜索过程中避 免

7、陷入局部最优解，因此引入模拟退火算法中的 Metropolis 接受准则来增加 遗传算法的局部搜索能力，避免了遗传算法过早收敛和陷入局部最优解。通 过改进的遗传算法优化 B P 神经网络的权值和阈值，然后训练 B P 神经网络 预测模型以求得最优解。仿真结果表明，该方法对短时交通流预测具有较好 的预测精确性。王昊、杨万波7为改进高速公路交通流状态估计方法，采用速度梯度模 型作为交通流的系统状态方程构建交通流状态估计模型。通过对速度梯度模 型参数的敏感性分析,发现模型估计误差对自由流速度和阻塞传播速度两参 数较为敏感，需在线估计。然后分别给出了速度梯度模型与扩展卡尔曼滤波 以及无迹卡尔曼滤波相结

8、合的高速公路交通流状态估计方法，并应用实测数 据对两类交通流状态估计方法的性能进行了评估。结果发现：两类交通状态 估计的精度均可达 85%左右,无迹卡尔曼滤波算法精度略好于扩展卡尔曼滤波， 但计算时耗大。基于速度梯度模型的交通流状态估计方法能有效估计和跟踪 交通流状态的变化，且相较于同类方法，所需标定的模型参数更少。线性 Multiregression 动态模型,结合多变量时间序列的图形表示和状 态空间模型,已经被证明是一种预测交通流量数据很有前途的一类模型。Sup, O. A. S.、Sup, C. Q. S.和 Sup, C. J. A. S.8分析在英国曼彻斯特繁忙的高速公路路口附近的交

9、通流，造型突出了两个重要问题：适应不同层次的交 通变化根据一天中不同的时间和适应测量误差（由于数据收集的错误造成）。 他们扩展了线性 Multiregression 动态模型来解决这些问题。结果表明，使 用线性 Multiregression 动态模型预测获得的极限值与真实值极为近似，是 真实可靠的。Abadi, A.、 Rajabioun, T.、Ioannou, P. A.9在研究中，首先使用一 个动态交通模拟器在所有路径生成可用的交通流信息，从路径配备传感器可 以估计交通需求和获得历史流量数据。实现一个优化方法调整起点到终点的 矩阵驾驶模拟器。然后使用实时和估计交通数据提前 30 分钟预

10、测在每个路径 交通流量。提出的预测算法是基于一个自回归模型,适应自己无法预测的事件。 研究中，他们将预测美国旧金山的 CA 交通网络的交通流作为一个案例 ，使 用宏观交通流模拟器。使用蒙特卡罗模拟来评估他们的方法。通过仿真证明 该方法的准确性：交通流预测误差变化范围从 5 分钟预测前置平均 2%到 30 分 钟前置平均 12%，甚至考虑到一些突发事件。以上多种预测方法深入研究，国内的研究多基于 Map Reduce 框架、小 波神经网络(WNN) 、K-Means 算法与遗传算法（GA）、无迹卡尔曼滤波(UKF) 和 对差分演化算法(DE)等多种方法，采用以上一种或多种结合对交通流进行预 测分

11、析，有所优化但方面不够完全。而国外的研究倾向于方法验证及他领域 方法引进，对以广泛使用的线性 Multiregression 动态模型进行了验证，引 进自回归模型提出新的预测算法。二、交通流特性方面的研究从 14 年至今，就交通流特性方面研究成果并不丰富，国内外研究均不 多见，多分析用特定方法表现交通流特性。邱夫成、兰时勇和李毅10针对车辆的行驶受到本车道以及邻近车道前后 邻近车辆的影响，在城市交通中机非混合对车辆行走的影响尤为复杂。通过 研究路段上机非混合通行交通流的本质特性，综合考虑非机动车对机动车换 道规则及加减速规则的“摩擦”和“阻滞”干扰影响，建立描述路段混合通 行道路交通流的元胞自

12、动机（CA）模型，从不同的机非混合比例下道路交通 流的流量、速度变化情况，流量与车辆到达率关系，交通流相位相变等方面 仿真模拟混合交通流的机非干扰机理。周韬11以上海市城市快速路感应线圈数据为基础,通过对不同断面数据 的集成计算,对基本图的完整性、离散型以及具体形态差异性进行了深入研究。 研究发现,检测断面位置是造成部分快速路基本图数据缺失或离散性大的重 要因素；同时,不同形态的流量-速度图与密度速度图之间存在高度相关性, 基本图形态与交通流运行状况之间也存在着一定的关联性。该研究仅仅是对 交通流特性的一次验证，对道路交通流研究推进作用并不明显。易强12依据交通流与流体运动的相似性,从交通守恒

13、方程入手,建立了 简单的流体模型,同时根据真实交通流所受随机因素的影响,提出了交通流流 体改进模型。虽然在分析已有的交通流流体模型基础上，将车道宽度，非机 动车行驶线路等因素影响考虑进去对交通流流体模型进行改进，其解析结果 可以较为真实描述城市交通流动态特征。但是真实交通流的变化规律还受到 很多随机因素的影响，变化规律非常复杂。正如作者自己多说：研究还存在 不足之处，需要进一步研究提出更符合实际的流体模型。Lakouari, N.、 Bentaleb, K.和 Ez-Zahraouy, H.13等人针对交通流 的行为和速度相关的双向两车道公路使用元胞自动机(CA)模型研究了在一个 混合的快和慢

14、的车辆。Inter-lane 的行为和 Intra-lane 速度相关系数(V.C.C.)由于车辆之间的相互作用在同一车道,对面车道上密度的函数。结果表明,密 度高在一个车道导致第二个,大型集群减少 Intra-lane 速度的相关性,从而形 成集群对面车道上。此外,我们发现有一个临界密度的 Inter-lane V.C.C.发 生,但低于没有 Inter-lane V.C.C.发生。时空图对应于这些地区是派生的数 值。此外,超越概率的影响在一个车道上 Intra-lane V.C.C.在其他车道上还 在调查中。结果表明,在一个车道超车概率的降低减少略 Intra-lane V.C.C. 其他

15、车道,在中间密度的政权,提高了电流,以及 Inter-lane V.C.C.减少。针对交通流特性中关于专门注重仿真研究的学者较少，之前所提的多个 研究也均或多或少提到了仿真研究，但仅作为验证存在。近两年内仅有三位 研究人员针对非机动车交通流的仿真做出研究。张之勇、郭孜政和姚磊14为了研究非机动车交通流的速度特性,更全面 地描述非机动车交通流的随机性和模糊性特点,引入云模型的理论与分析方 法,研究了非机动车交通流中车辆速度的分布情况。根据测得的非机动车速度 数据得出车速频次的正态云分布模型,并且应用正态云发生器,使用期望、熵 和超熵 3 个变量对成都市某路段的非机动车交通流车辆速度进行了仿真。结

16、 果表明,非机动车交通流的速度频次符合正态分布,正态云模型可以更好地反 映非机动车交通流中车辆速度的分布特点,同时反映了随机性和模糊性。正态 云模型是一种客观反映路段断面车辆实际速度分布的仿真模型。三、交通流在其他方面的研究和应用近年来，在交通流也有其他方面研究，但研究较少。 莫祥伦15在其博士论文中将自组织理论引入交通领域，以自组织理论的眼光研究城市道路交通流系统的运行，解析城市道路交通流系统中的自组织 现象的机理，主要有交通相变和涨落。首先根据车辆行驶的自由度对城市快速路的交通相进行划分，在此基础之上，研究比较复杂的城市道路路段的交 通相划分。通过对城市道路交通二流特性的分析，以及城市道路

17、交通密度排 队长度等的分析，划分城市道路路段交通流相。并研究城市道路交通系统的 涨落，定量的表达城市交通的涨落情况。基于耗散结构对城市道路交通流系 统运行进行了模拟研究，在城市交通拥堵扩散研究引入沙堆动力学思想等。在交通领域引入其他研究方法，令该领域的研究范围进一步扩大，使研 究内容更加丰富。在相关领域研究中，既有基本理论的改良，也有旧方法应 用于新领域的研究。姜瑜斐、夏张莉和李真真等人16基于交通流理论建立干线交通信号的双 层规划蠕虫行走模型,采用模拟植物生长算法求解模型从而得到各个交叉口 主干道的红绿灯配时,并用算例验证模型对于缓解交通拥堵的有效性。卢守峰、王杰和薛智规17为了获得小区域的

18、交通特性并快速找出小区域 之间的时间最短路径从而实现动态诱导的目的,利用出租车 GPS 数据提取出行 距离和出行时间,运用二流体模型建立行驶时间与停止时间关系曲线,提出了 利用二流体曲线进行交通分析的方法,发现二流体曲线的带宽对交通运行及 疏导有较大价值。随后分析了各小区域单位距离行程时间与单位距离停驶时 间的变化关系,佐证了不同小区域对交通变化的敏感度不同。最后利用矩阵迭 代法计算了不同单位距离停驶时间下的最短出行时间路径,并分析了小区域 之间的 OD 出行时间矩阵,表明二流体模型可用于动态路径诱导。张程程和康维新二人18针对动态路径诱导中寻优算法收敛速度慢,易陷 入局部最优解的不足,提出了

19、一种改进的量子蚁群算法(IQACA)。首先,建立了 考虑交叉口和路段耗费的动态路网模型,并建立了时间最优路径模型。借鉴量 子蚁群算法的寻优策略,改进的量子蚁群算法通过将量子比特相位取值范围缩小的方法,提高概率幅的密度;采用 Hadamard 门变异机制,实现量子比特概 率幅值的位置和大小的变化,扩大了种群多样性,增加了全局最优解搜索的概 率。将 IQACA 算法应用到实际路网的动态路径诱导中,并与蚁群算法、量子蚁 群算法进行对比分析,实验结果表明,改进的 IQACA 算法适用于求解时间最优 路径问题,不仅具有很好的收敛性能还能够较快的得出时间最优路径。交通控制是车流最大化和确保交通安全的需求。

20、Marzoug, R.、Benyoussef, H. E. A. A.19利用动态元胞自动机 Nagel- Schreckenberg(NaSch)模型,采用典型边界值，对两个对称十字路口道路的影 响进行了研究。发现基本的图表变化强烈依赖于交叉口换道可能性 P1 的概率 值 P。路侧自由流、排队和拥堵阶段,基本图表表明四个阶段：当 P0.5 时发 生,随影响概率 P 的某一个值的增加逐渐消失，P = 0.5 完全消失。关于最大 速度值计算，制动影响概率 Pb 在基本图和时空图上表示也明显不同。以上为国内外交通流相关的研究进展。四、总结和展望近年来，针对交通流领域的研究总体来说不是很多，根据检索

21、论文发布 量显示已经有所下降，而已有研究多注重于交通流预测分析，鲜有特性总结 和模型提炼，重点在于避免由于种种因素导致的交通流延误现象发生。从种 种研究中表明，智能交通、交通诱导等研究将在未来获得更广泛的关注和应 用。同时，交通领域也亟需引入其他领域的研究模型，以丰富自身的研究方 法。参考文献1 梁 轲 , 谭 建 军 , 李 英 远 . 一 种 基 于 MapReduce 的 短 时 交 通 流 预 测 方 法 J. 计 算 机 工 程 , 2015(01):174-179.2 冯 青 平 , 李 星 毅 . 基 于 大 数 据 的 非 参 数 回 归 短 时 交 通 流 预 测 方 法 J

22、. 无 线 通 信 技 术 , 2015(03):38-43.3 钟秋燕. 基于小波分析组合模型的随机交通流预测系统J. 激光杂志, 2015(11):136-139.4 袁磊, 梁丁文, 蔡之华, 等. 基于正交差分演化无迹卡尔曼滤波的短时交通流量预测算法J. 计算机 应用, 2015(11):3151-3156.5 慕 伟 , 陈 国 定 , 钟 引 帆 . 基 于 K-Means 和 GA-WNN 的 交 通 流 量 预 测 J. 现 代 交 通 技 术 , 2015,12(5):70-74.6 卢建中, 程浩. 改进GA优化BP神经网络的短时交通流预测J. 合肥工业大学学报(自然科学版

23、), 2015(01):127-131.7 王 昊 , 杨 万 波 . 速 度 梯 度 模 型 的 高 速 公 路 交 通 流 状 态 估 计 方 法 J. 哈 尔 滨 工 业 大 学 学 报 , 2015(09):84-89.8 Sup O A S, Sup C Q S, Sup C J A S. Multivariate forecasting of road traffic flows in the presence of heteroscedasticity and measurement errorsJ. Journal of the Royal Statistical Society. Series C: Applied Statistics, 2013(No.2):251-270.9 Abadi A, Rajabioun T, Ioannou P A. Traffic Flow Prediction for Road Transportation Networks With Limited Traffic DataJ. IEEE Transactions on Intelligent Transportation Systems, 2014(No.2):653-662.10 邱夫成, 兰时勇, 李毅. 基于元胞自动机的多车道机非混合道路交通流 J. 计算