城市道路智能交通管理平台关键技术研究

城市道路智能交通管理平台关键技术探讨顶一下:0踩一下:02014-08-2516:03:14来源：ITS智能交通杂志7月刊评论：0点击：166摘要：城市道路交通管理平台是智能交通领域建设过程中对信息共享、应用系统互联互通、多源数据整合、以及交通信息预料、系统管理和应用的客观需求而提出的一个综合交通信息平台，是缓解交通拥堵、城市道路交通运行管理以及城市道路交通信息共享的迫切须要。第九届中国国际城市智能交通论坛期间，国内外专家围绕城市智能交通发展各抒己见。文/赵怀明1李一林2刘晓波2

城市道路交通管理平台是智能交通领域建设过程中对信息共享、应用系统互联互通、多源数据整合、以及交通信息预料、系统管理和应用的客观需求而提出的一个综合交通信息平台，是缓解交通拥堵、城市道路交通运行管理以及城市道路交通信息共享的迫切须要。第九届中国国际城市智能交通论坛期间，国内外专家围绕城市智能交通发展各抒己见。

道路交通系统是国民经济的命脉，它对城市及区域经济发展和人民生活水平的提高起着极其重要的意义。随着人口增长、国民经济发展及城市化进程的推动，交通需求量急剧增长，全国范围内的大中城市及沿海地区道路基本出现了严峻的交通拥堵现象。如何解决道路交通拥堵问题已经成为交通运输系统可持续发展的一个重要课题。

一般来说，要想解决道路交通拥堵问题主要是降低道路交通负荷，使道路交通通行实力适应交通流的要求，可通过三条途径去实现：1、道路基础设施建设，提高道路交通网络容量。但基础设施建设投资巨大，建设周期长，且当道路交通网络基本完善以后，再修建道路能产生的运输效率已经很低，相反会刺激交通需求的产生；2、交通需求管理，降低道路交通负荷。通过对交通源一系列政策性管理措施，影响交通结构，削减交通需求总量，达到削减道路交通流量的目的；3、交通系统管理，提高道路交通网络的运输效率。通过对交通流的一系列技术性管理措施，对交通流的管制及合理引导，引起交通流在时间上、空间上的重分布，匀称交通负荷，提高道路交通网络的运输效率。

智能交通技术（ITS），是指将先进的信息技术、数据通讯传输技术、电子限制技术、计算机处理技术等应用于交通运输行业从而形成的一种信息化、智能化、社会化的新型运输系统。智能交通系统管理是交通系统管理的主要模式。

一、城市道路交通管理平台建设的必要性

1、缓解交通问题的迫切须要

利用城市道路交通管理平台对交通状况进行全面评估与预料，进而通过信息发布和交通限制手段，来诱导和主动调整城市道路上交通需求的时间与空间均衡分布，进一步提高现有道路网络设施运营管理效率。

2、城市道路交通运行管理的迫切须要

①交通运行管理限制、调度未形成肯定的规模，才智化的协助决策工具须要进一步加强；②交通运输系统分析评估管理缺乏有效的行业数据分析、融合处理和决策数据支撑；③综合交通信息服务须要进一步人性化、特性化，信息服务手段须要进一步丰富。

3、城市道路交通信息共享的迫切须要

目前城市虽已建设多个智能交通系统，但各系统之间相互较为独立，缺乏肯定的信息共享与交互。城市道路交通管理平台可以实现城市道路交通信息资源汇聚、统一管理、共享和交换，它的建设对于带动城市道路交通信息化具有特别重要的实践价值和指导意义。

二、城市道路智能交通管理平台关键技术

文献从军事应用方面介绍了美军智能交通技术，如自动识别监测技术、协助驾驶技术、运输定位技术等在运输物资识别、运输车辆跟踪定位等方面的应用，以及美军的全球运输信息网、全球运输可视网等运输智能化系统建设现状。

文献阐述了目前智能交通的典型应用场景，并从物联网的网络分层架构对智能交通中涉及的关键技术及其发呈现状进行了分析。

文献主要介绍了交通信息提取计算技术、车路协调技术（VehicleInfrastructureIntegration,简称VII）。

而本文将智能交通系统构建分为数据采集阶段、数据传输阶段、数据库平台阶段。主要包括传感器技术、统计分析技术、数据融合技术、图像识别技术、卫星定位技术、地理信息技术、通信技术、互联网技术、数字化多媒体技术、数据库技术、交通仿真技术等。本文仅针对城市道路智能交通管理平台构建中的关键技术进行分析探讨。

1、数据采集技术

动态交通数据采集技术主要通过设置于断面以及交叉口的各类交通数据采集设备实现。目前的自动车辆检测技术有环形线圈检测器、超声波检测器、磁性检测器、红外线检测器、微波检测器、基于RFID的车辆检测器、橡胶气压管检测器和视频图像处理技术等。

同时，交通环境检测技术也是动态交通数据采集技术重要的组成部分。交通环境检测器工作原理是将内置传感器获得检测区域内的气象、噪声、路面状况等环境信息传输至交通限制中心（一般交通环境检测器难以综合检测上述风速、风向、噪声等全部指标，常会依据检测区域须要安装对应的交通环境检测器）。

2、数据预处理技术

交通数据预处理主要包括动态交通流数据的有效性检验、缺失数据估计、数据的时间及空间汇合等。以动态交通流数据处理为例，由于固定式车辆检测器受自身工作状态、网络传输、道路交通状况及四周环境等不确定性因素影响，采集数据往往存在错误、丢失、时间点漂移、噪声过大等问题。假如对原始数据不加以质量限制而进行干脆利用，则会对数据的进一步分析处理造成潜在的精确性和牢靠性风险，造成系统人为干预度大、可持续性不强、应用领域受限等不良影响。

动态交通流数据质量限制技术主要解决了两方面的问题，分别为动态交通流数据的有效性检验和缺失数据的动态估计。其中，动态交通流数据的有效性检验采纳阈值约束结合交通流理论的方法，可对实时采集数据的有效性进行判别。缺失数据的动态估计针对不同的数据缺失模式，通过合理利用历史数据，采纳相对最优方法，可实现对缺失数据、错误数据和无效数据的动态估计。

3、多源异构数据融合技术

在数据融合处理方法层面，数据处理中应结合具体的需求指标对指标估计方法等进行评估，不同的指标数据处理模型或算法可能不同。现阶段，比较常用的数据融合方法主要有：表决法、模糊衰退、贝叶斯汇合技术、BP神经网络、卡尔曼滤波法、D-S理论等方法。以基于视频卡口采集的车辆拍照数据及道路、道路断面采集的交通流量、速度、占有率数据为例，路段行程时间数据融合估计及预料流程如图1所示。

图1道路路段行程时间数据融合估计与预料流程就交通数据融合模型而言，交通数据融合模型构建拟重点应用D-S证据推理理论（Dempster首先提出、由Shafer进一步发展），辅之以卡尔曼滤波算法等。D-S证据推理理论的应用涉及三个重要的函数，包括基本概率安排函数（BasicProbabilityAssignmentFunction）（又称作证据函数）、信任函数（BeliefFunction）、以及似然函数（PlausibilityFunction）。证据函数是证据推理理论的基础，信任函数和似然函数可以看作一个概率区间，信任函数为下限函数，表示命题为真的信任程度；似然函数为上限函数，表示命题非假成立的不确定性度量。基于D-S证据推理理论，每个数据源均可以依据自己定义的证据函数，在同一识别框架下做出各自的推断。将多个数据源各自的推断，即证据函数，进行合理的合并方法称为合并法则（CombinationRule）。

4、交通运行状况实时判别技术

实时、精确的交通状态判别是实现城市道路交通状况综合监测功能和交通信息实时发布和诱导功能的关键技术之一，是协助交通管理者制定拥堵疏导方案、评价道路交通性能的重要基础。同时，交通运行状况实时判别技术对提高道路运行效率，优化交通流在路网空间上的分布，削减出行时间，降低尾气排放有着重要的意义。

目前国内外交通运行状况判别多以单参数阈值为主，阅历成分较多，其中最为常用的是美国道路通行实力手册（HCM,HighwayCapacityManual），该手册中将道路服务水平分为A-F六级，并通过道路服务水平来描述交通流在道路中的运行状况。

本文采纳的交通运行状况实时判别技术主要分为四部分内容：

（1）基于历史交通流基础数据，采纳两步聚类算法对不同类型道路的交通流基础数据进行分析，形成与相应路段交通运行特点相适应的最优交通状态分类；

（2）综合考虑交通流运行参数（流量、速度、占有率）之间的关系，将交通流基础数据作为整体进行聚类分析；

（3）采纳时间窗口的储存结构，动态更新数据，获得当前时间间隔的交通流基础数据；

（4）基于数据驱动的模式，更新两步聚类算法参数和聚类中心，重新确定交通状态的最优分类，并判别当前时间间隔的实时交通状态。

时间窗口的实时交通状态判别方法基于历史和实时交通流数据，综合考虑交通流基础数据属性变量间的关系，依据不同类型道路交通流运行特点对交通状态进行合理分类，并能进行动态调整，精确判别道路交通流在行人、非机动车、天气等干扰因素影响下的交通流状态，弥补了传统交通状态判别算法仅利用单类数据、交通状态分类固定、无法进行实时调整、误判率高的局限性，保证了交通状态判别的合理性和精确性。

5、交通流参数短时预料技术

交通预料是实现智能交通限制与管理的关键环节，目前的探讨成果以交通参数的短时预料为主，如预料15分钟时间间隔以内的交通量、行驶速度以及行程时间等参数。预料模型的选择与构建是交通参数预料的关键，模型的合理性及可操作性对预料结果的精确性和实时性起确定作用。现有的交通参数预料模型主要可分为统计模型和人工智能模型两类。其中统计模型包括：支持向量机模型、历史平均模型、卡尔曼滤波模型、时间序列模型等；人工智能模型主要指各类神经网络模型。

本文将交通流参数短时预料技术分为两部分，其一是针对目前城市道路行程时间数据估计和预料以单一视频号牌识别数据为基础、行程时间数据覆盖范围较低这一缺点，提出了基于数据融合的城市道路行程时间估计与预料技术；其二是针对目前仅采纳单变量进行交通状态预料以及对预料牢靠性分析的不足，提出了城市道路交通状态多变量时间序列预料及牢靠性预料技术。

城市道路行程时间估计与预料技术主要包括四个方面：（1）交通流时空改变特征分析及运行状态时空演化模型构建；（2）采纳数据融合技术的路段交通流状态参数估计；（3）行程时间短时预料；（4）行程时间牢靠性指标预料模型构建。

城市道路交通状态多变量时间序列预料及牢靠性预料技术是实现交通状况预料预报功能的支撑技术。该技术主要分为两部分：（1）构建基于流量和速度双变量的城市道路多变量时间序列模型，以实现城市道路交通状态短时预料；（2）构建多变量时间序列模型预料结果的异方差检验及多变量自回来条件异方差模型，以分析交通状态时间序列模型预料的牢靠性。

交通流时空改变特征分析是在实测交通流数据基础上对交通参数的时间连续性及离散型特性进行分析，并探讨不同交通状态下的交通基本状态参数在路段空间上的分布特征。在交通流时空改变特征基础上，利用车辆排队机元胞传输等交通流基础理论构建不同状态（自由流状态、拥挤状态、堵塞状态、事故状态）下的交通流时空演化模型。基于该模型，估计路段交通流量、空间平均速度等参数，并利用Dampster-Shafer证据推理数据融合理论获得路段空间平均速度。行程时间短时预料是利用多变量时间序列模型构建路段空间速度实时预料模型，在该模型的基础上构建交通传播影响下的路途行程时间短时（5分钟）预料模型。最终，利用广义自回来条件异方差（GARCH）模型构建以方差为牢靠性指标的预料模型构建方法。

在城市道路交通状态多量时间序列方法探讨方面，基于Johansen协整检验以及Granger因果检验，分析、验证流量与速度两个变量之间的长期均衡关系，在此基础上，构建交通状态多变量预料的向量误差修正VEC（3）模型；在城市道路交通状态预料牢靠性分析方法探讨方面，通过构建自回来条件异方差模型来量化评估时间序列模型预料结果的牢靠性，为了捕获和预料用于牢靠性评估的时间序列异方差，分别构建单变量自回来条件异方差GARCH（1,1）模型和多变量自回来条件异方差MGARCH（1,1）模型，并基于置信区间宽度（CI）、无效覆盖率（KP）等指标对单变量时间序列与多变量时间序列预料的牢靠性进行对比分析。各类模型可

靠性评估结果表明，单变量GARCH（1,1）与多变量MGARCH（1,1）两种自回来条件异方差模型预料的牢靠性显著优于传统的单变量ARIMA（0,1,1）和多变量VEC（3）时间序列模型，并且多变量MGARCH（1,1）模型预料的牢靠性略优于单变量GARCH（1,1）模型。

6、交通发布与诱导技术

交通信息发布技术。信息发布系统发布内容的实现主要依靠：（1）对各种道路基本信息及实时采集动态交通信息进行分析和处理，经过与发布信息学问库对比后，形成可发布的文字和图形信息；（2）在系统建立动态信息分析模型及算法。

从数据流程上来看，对外发布的有效数据发布信息数据主要从平台数据库实时获得，然后经过筛选、处理、分类后，形成最终的可发布信息，再传递到各种不同的对外接口。发布数据中的道路交通状况数据以及出行相关的其它数据并不是每次处理的时候都有的，因此须要推断哪些数据是否存在再做处理。发布处理流程如图2所示。

图2信息发布处理流程发布数据的对外接口包括与交通广播、可变情报板、网站、短信服务系统、交通电视等的接口。为便于管理，信息发布子系统拟采纳两级信息管理模式，即系统供应信息分类和信息条目的两级管理接口，系统管理员和可以采纳非编程方式，对信息分类和信息条目自由编辑，以便信息的组织。同时在显示视频监控设施可用状况下，可对拟发布信息加以验证，以保证发布信息的精确性。

交通诱导技术。交通诱导技术最关键的部分是路径诱导算法，交通诱导由于路网对象的困难和特别、求解的实时性要求，以及与交通限制系统相互耦合等特性，须要考虑实时的道路交通信息来供应最短路径，即动态路径诱导。其中，路径诱导算法的动态性是通过权值的动态性来显示的，一般将动态的路段平均行程时间或路段长度作为动态路段权值。若以路段长度为路段权值，即为传统的"最短路"问题；若以路段平均行程时间为路段权值，即为"最短时间"问题。

7、交通信号限制策略及配时优化技术

交通信号限制策略。交通信号限制策略主要包括单点自适应信号限制、单双向协调线控、区域联控等多种形式。在不同的交通状况下，其相对的交通信号限制策略应当有所不同，结合国内外信号限制的具体阅历以及我国道路实际状况，其交通信号限制的总体策略制定如下：

·平峰时段：单点优化，降低交叉口延误，提高交叉口通行实力；主干道双向绿波，削减干线车辆停车次数，确保干线的畅通性。

·高峰时段：主干道单向绿波，削减干线车辆停车次数，提高干线通行效率；或区域优化限制，限制关键交叉口和上游交叉口的交通需求，防止交通堵塞；其它交叉口均采纳单点优化限制。

·低峰时段：单点优化，缩短信号限制周期，降低交叉口延误，提高效率。

·特勤车辆信号优先：依据实时采集的特勤车辆位置信息，实时提取车辆运行速度数据，实时调整信号配时。

交通信号配时优化技术。交通信号配时优化技术主要包括四个方面：（1）单点自适应信号优化限制；（2）基于路段速度区间的单双向协调优化限制（3）区域协同联控；（4）特勤车辆信号优先限制。

单点自适应信号优化限制。主要考虑到交通流的空间分布困难性，基于交通流时空演化模型，构建基于元胞的车辆到达分布模型，并结合最小二乘法等统计方法对转向比例估计模型进行标定，实现交叉口交通流转向比例的估计，进而对交叉口的将来交通需求进行预料；在此基础上，以平衡交叉口各流向饱和度为目标，采纳美国2010马路通行实力手册方法实现交叉口信号配时周期、绿灯时间等参数生成，从而实现单点自适应信号优化限制。

干线单双向协调优化。在NEMA相序模型由传统方法确定的前提下，依据城市路段速度牢靠性区间引入通过系数，再依据交叉口及其所相位供需平衡关系引入供需平衡系数，以城市干道交叉口绿波带宽权重最大化为优化目标，运用混合循环非线性线性整数规划（MINLP）的方法得出相应的公共周期，绿时安排，以及相位差，从而实现考虑城市通行需求，以及路段速度牢靠性区间的城市干道信号协调限制，完成干线道路交通信号限制的协调联动的优化。

区域协调联控。基于对将来15min交通需求的预料，采纳美国2010马路通行实力手册方法，对关键交叉口进行实时判别；在此基础上，以交通需求为状态参数，构建基于状态空间卡尔曼滤波模型的交叉口（群）限制交通需求递推预料方法，对关键交叉口及其上游交叉口（群）拟限制交通需求的实时预料；进而在固定相位假设下，交通信号协同优化限制配时参数主要包括周期长、绿信比和相位差三个参数的生成。

特勤车辆信号优先技术。基于信号优先路途配置信息和实时GPS数据，利用GIS技术，通过电子围栏自动判别须要执行信号优先限制方案的信号交叉口，通过路段地图匹配和解锁延时器自动判别须要复原正常信号限制方