城市交通诱导系统设计方案.docVIP

PAGE PAGE 3 城市交通诱导系统设计方案 一、引言 “九五”、“十五”期间我国在交通基础设施建设方面投入了大量资金，目前全国范围的交通网已基本形成。然而随着我国城市机动化速度的加快，城市交通拥挤现象却日益严重。 在许多大城市，例如广州，在节假日及上下班高峰期，平时 20 分钟的车程，在拥挤的时候经常是 1 个多小时还不能到达。而事实情况并不是所有的道路同时处于拥挤状况，有相当一部分道路，交通仍然很畅通，所以如果能使车辆均衡地分配在道路网络上，交通拥挤现象将有望大幅度改善。交通诱导是解决交通拥挤的有效途径，它通过调整驾驶员的行驶路线使得路网交通流分配达到所希望的状态，实现路网交通流的均衡分配。其能在不扩大交通基础设施建设的前提下，有效防止交通拥挤，减少车辆在道路上的运行时间，是智能交通研究领域的一个新的发展方向。 二、城市交通诱导系统的基本原理 城市交通诱导系统原理是应用人工智能中的机器学习与推理来处理交通流的短时预测与交通诱导问题。交通流过程是指交通诱导系统所定义的道路网上的动态交通流运行过程。 它是交通诱导的研究对象，是不断进行的实际过程，在这里不必对它做任何处理。交通流状态是用检测手段不断地测出道路网上每个路段、路口的交通流实际数据，这些交通流数据反映了道路网上交通流的实际情况，是人工智能中通常所说的“事实”，依据这些交通流数据，一方面不必做任何假设，可以整理出不同时刻的交通流实际分配的格局“事实”，另一方面按照一定的性能指标要求(如：旅行时间、平均车速、道路负荷的均衡度等人们认可的指标)评价出每个交通诱导信息的效果。从交通流状态、交通诱导信息和交通诱导效果这些事实中可以总结出交通诱导的规律性知识，建立交通诱导知识库，以便以后推理出最佳的交通诱导信息。交通流是不断运动的，每一步交通诱导信息,都是对下一步的交通流状态起作用。所以每一步交通诱导信息的决策必须适应下一步的交通流状态。因此无法避免交通流状态的下一步预测问题。为此，又设计了短时交通流预测的机器学习机制，从不同节拍的交通流状态及交通诱导信息之间的对应关系同样可以总结出交通流预测的规律性知识，生成交通流预测的知识库，这样使系统始终处于不断获取交通流状态“事实”、不断生成与更新短时交通流状态预测及交通诱导的经验知识、不断推理出实时的交通诱导信息的过程之中。 三、城市交通诱导系统的结构 信息流的观点来看，交通诱导系统可分为交通信息的采集、交通信息的处理、诱导信息生成和诱导信息的发布四大部分。如下图所示： （1）交通信息采集 交通信息采集实现对系统所需原始数据的采集，如道路现状、交通流量、交通流速、道路占有率等，并形成交通信息数据库，供诱导信息生成模块和 UTFGS 的其他子系统共同使用。这一步骤是系统工作的基础。 [城市交通诱导系统 Urban Traffic Flow Guidance System] 交通信息采集一般通过在城市道路交叉口设置视频检测摄像机和环形线圈检测器， 城市安装自适应交通信号控制系统是实现交通诱导的前提条件。这个子系统包括两个关键问题：一个是交通信号控制应是实时自适应交通信号控制系统；另一个是接口技术的研究，即把获得的网络中的交通流传送到交通流诱导主机，利用实时动态交通分配模型和相应的软件进行实时交通分配，滚动式预测网络中各路段和交叉口的交通流量，为诱导提供依据。 （2）交通信息的处理 采集到的交通信息是原始交通数据，不能够直接用于生成诱导信息，需要经过适当的处理。首先，由于外界环境的影响和各种检测器在实际中存在检测误差，提供的交通数据不一定是实际情况有误差。因此需要多传感器数据融合提供交通信息进行相互补偿，确保数据准确。然后，建立交通量历史数据库、行程时间历史数据库、城区路网基本信息数据库。其中交通量历史数据和行程时间数据是建立在道路网基本信息数据库的基础之上。这三个数据库相互联系，构成了交通诱导系统的基础。 （3）诱导信息的生成 数据库中的交通信息并不能直接为诱导系统所用，需将其进行相应的处理生成系统可用的信息。一般情况，诱导信息的生成按生成方式分为人工和自动两种。人工诱导信息生成，由有关人员根据交通状况和道路状况，结合以往的经验，选择合适的诱导信息，人工输入系统，这是交通诱导信息系统比较低级的使用方式。诱导信息的自动生成，是智能化交通诱导领先系统的核心，将直接决定系统智能化水平的高低。诱导信息的自动生成，直接依赖于一个实时的统一的交通诱导信息数据库。由这个数据库中的数据，可能由不同的信息采集系统通过不同的采集设备获得，这些数据的实时性必须得到保证，以确保自动生成的信息的实时性。诱导信息自动生成，是根据预先设定的自动诱导模型，由软件自动根据采集到的实时交通数据进行处理、运算及预测，自动生成旅行时间、拥堵状况