论文部分内容阅读
【摘要】社会经济快速发展造成的城市问题之一就是城市私家车数量急剧增加，基于传统的城市交通管理模式不能很好应对日益复杂的交通环境状况。城市交通拥堵、城市环境污染以及交通事故频发，这些都在考验着城市交通管理的底线。针对这种情况城市路网交通预测模式研究以及应用就具有十分重要的意义，本文针对此进行简要论述。
【关键词】城市路网 交通模型 研究
【基金项目】2013年海南省哲学社会科学规划课题，编号：HNSK（2）13-17。
【中图分类号】U491 【文献标识码】A 【文章编号】2095-3089（2014）11-0235-02
城市交通准确预测能够有效的改善交通路网状况，为进一步促进城市交通道路的规划与现实交通控制管理具有重要意义。近些年，相关领域的学者在不断的研究关于城市路网交通预测模型问题，并对其预测模型的特性进行了充分的分析，针对这种特性建立了符合城市交通路网规划与管理的策略。城市道路交通主要分为两个方面：一是城市快速路网，一是城市主干道。道路网的主要特征是交通状态数据是动态的、是随机变化的，本文主要从综合模型方面探讨。
一、城市路网交通预测模型建立研究现状分析
城市交通信息预测作为一种基于城市路网信息形成的对未来城市交通状况的测定，其主要是通过对历史的、现有的城市交通信息资源进行分析与计算，并对目标区域进行科学性预测。交通信息预测作为预测学科的分支同样也其重要组成部分。总的来说，交通预测需要依据相关干道的动态信息作为依据，完成对交通流量以及平均速度等参数的计算来达到基本目的。
ATIS（自动终端情报服务Automatic Terminal Information System的简称ATIS或情报通播）以及ATMS（Advanced Traffic Management System先进的交通管理系统）两种系统可以直接应用于城市交通的结果预测，这两种系统能够被应用于为交通管理者提供决策依据，也可以产生相应的出行信息提示。帮助优划城市交通路径以实现节约时间，缓解交通压力的目的。总之，城市交通状态属于一个变化的动态过程，并且这个过程是一种实时的、非线性的、多维且非平稳的过程。并且，由于统计时间在实际操作过程中被缩短，交通状态往往呈现出更多的随机性以及不确定性。城市交通状况在短时间内的变化表现出来的特性又是多时段状态关系。而且交通信息状况还要受到上下游路段的交通状况以及气候等诸多因素的影响。鉴于以上原因，城市交通预测建模具有以下五个方面的要求：
（一）路网交通预测建模应当具有准确性
交通模型的预测结果应当具有准确性，也就是需要满足一定的精准性，才能更好的被利用，缺乏准确性的模型信息必然会造成误导，这样的预测毫无意义可言。
（二）路网交通预测建模的抗变换性
模型应当能适用于全天候不同时段的预测，并在此基础上给予准确率较高且大体偏差小于规定范围的预测结果。
（三）路网交通预测建模的实时性
城市路网交通预测建模与应用应当建立在道路动态信息变化的基础上完成，只有这样城市交通道路的预测信息才具有实际意义和参考价值，缺乏实时性的信息无法成为有用的信息资源，其价值更加随着时间的更迭而无从谈起。城市道路交通预测时间的重要性不言而喻。
（四）路网交通预测建模的动态反馈
预测模型是一种基于交通状态的信息变换掌控，道路状况出现异常时，预测模型也应当能够进行调整并及时更新，并把相应信息及时反馈给信息接收都，使其对出行计划及策略做出及时的调整，达到实时性。
（五）可移植
预测模型在时间上与空间上都能够移植，只需要对模型内部的参数进行调整。预测模型要适应交通状态的具体变化，道路状态出现异常情况时，要能够动态反馈到模型，并对模型的参数等可调节因素及时更新、调整。预测模型需要具备时间上和空间上的双重可移植性，这需要通过调整模型的内部参数获得。
二、城市路网交通预测组合模型
城市路网交通预测的组合模型建立，从功能上看应当具有对相关多种信息进行预测，这种组合式的预测模型相对于单体预测模型优势明显。其能够实现高效率的预测，降低单体预测过程中对随机环境因素造成的影响，并在此基础上提升预测的精确度。组合模型预测形成的根本是组合预测的特质的综合利用，也是基于数据挖掘的基础上产生的。这种预测方法的先进性已经得到了世界各国城市路网交通预测方面专家的认可，相关专业的学者对其进行了大量的研究。其中，变结构组合模型预测方式得到了广泛应用。从系统结构方面初发，变结构的组合预测具备三种方面的特点。首先，组合预测模型中组成要素种类结构变化，即参与组合的预测模型种类随时间的变化。其次，是组合模型中组成要素数量结构的变化，即参与组合的预侧模型数量随时间而变化。最后，是组合模型中各要素之间的比例结构的变化，即各参与组合模型的权重随时间而变化。
其中，wi代表模型 i 的权重，wi（t）相当于前面通式中的 gi（t）。
这样的线控配时方案在实施之初，应当实地验证方案的效果；在实施之后，还应当定期实地验证，即检测车辆平均延误、排队长度等项交通指标。若发现效果不够理想，应根据现场重新调查的各项交通数据（即平均车速、干道与支路上的交通流量与流向等）重新计算配时方案，及时调整配时设计。
三、模型评价
该模型表达了流量速度密度在路网空间中随时间变化的数量化关系，只要路段流量和速度连续可观，就可求出路段新增加的流量、邻接路段间流量转移系数以及路网总流量，只要样本足够，总可找出增加的流量、流量转移系数、路网总流量的变化规律或概率分布，从而通过该模型算出某一时刻路段的流量，即预测出变化规律，再用该预测流量与该路段最大通行量对比就可判断拥塞。模型中由于边界条件并无特殊规定，故一般来说，路网边界可以定出相应边界方程即可，这就意味着我们可以将一个复杂的路网细分为若干个较小的子网，子网之间的连接占满足边界方程，从而极大地方便了我们对复杂路网的模拟和分析。所得到的路网总流量也很有意义，它投映了路网的总体负载和效率，并以一定的分布存在于各路段，由于它是时间的变量，反映了路网各时间点的总流量，对评价和规划路网极有意义。如果我们将路网划分为若干子网，求出各子网的总流量，显然有利于我们对关键子网的分析和评价。如果我们进一步将各子网看作一个流量点来分析路内各组团的时间流量关系，则不但对路网区域评价，就是对城市规划也极有意义。总之，该构型是一组较完整的路网流量动态模型，使用方便、灵活，可用于路网模拟、流量预测、路网评价与规划等。
综上所述，本文主要针对路网交通当中的随机交通状况进行分析，并以此作为交通预测的基本信息源。综合分析高速公路网以及城市主干道网路两种交通状况的数据结果发现，基于时间以及空间的预测模型建立十分有效。本文通过对预测方法的改良，具体考察综合模型交通状态预测效果与应用。
参考文献：
[1]许伦辉，傅惠，交通信息智能预测理论与方法，科学出版社，2009.
[2]J. Kwon， B. Coifman， and P. Bickel， “Day-to-day travel time trends and travel time predictionfrom loop detector data，” Transportation Research Record. no. 1717， TRB， Washington， D.C.，pp. 120-129， 2012.
[3]H. Sun， H. X. Liu， H. Xiao， R. R. He， and B. Ran， “Short-term traffic forecasting using thelocal linear regression model，” Proc. 82nd TRB Annual Meeting， Washington， D.C.， 2010.
【关键词】城市路网 交通模型 研究
【基金项目】2013年海南省哲学社会科学规划课题，编号：HNSK（2）13-17。
【中图分类号】U491 【文献标识码】A 【文章编号】2095-3089（2014）11-0235-02
城市交通准确预测能够有效的改善交通路网状况，为进一步促进城市交通道路的规划与现实交通控制管理具有重要意义。近些年，相关领域的学者在不断的研究关于城市路网交通预测模型问题，并对其预测模型的特性进行了充分的分析，针对这种特性建立了符合城市交通路网规划与管理的策略。城市道路交通主要分为两个方面：一是城市快速路网，一是城市主干道。道路网的主要特征是交通状态数据是动态的、是随机变化的，本文主要从综合模型方面探讨。
一、城市路网交通预测模型建立研究现状分析
城市交通信息预测作为一种基于城市路网信息形成的对未来城市交通状况的测定，其主要是通过对历史的、现有的城市交通信息资源进行分析与计算，并对目标区域进行科学性预测。交通信息预测作为预测学科的分支同样也其重要组成部分。总的来说，交通预测需要依据相关干道的动态信息作为依据，完成对交通流量以及平均速度等参数的计算来达到基本目的。
ATIS（自动终端情报服务Automatic Terminal Information System的简称ATIS或情报通播）以及ATMS（Advanced Traffic Management System先进的交通管理系统）两种系统可以直接应用于城市交通的结果预测，这两种系统能够被应用于为交通管理者提供决策依据，也可以产生相应的出行信息提示。帮助优划城市交通路径以实现节约时间，缓解交通压力的目的。总之，城市交通状态属于一个变化的动态过程，并且这个过程是一种实时的、非线性的、多维且非平稳的过程。并且，由于统计时间在实际操作过程中被缩短，交通状态往往呈现出更多的随机性以及不确定性。城市交通状况在短时间内的变化表现出来的特性又是多时段状态关系。而且交通信息状况还要受到上下游路段的交通状况以及气候等诸多因素的影响。鉴于以上原因，城市交通预测建模具有以下五个方面的要求：
（一）路网交通预测建模应当具有准确性
交通模型的预测结果应当具有准确性，也就是需要满足一定的精准性，才能更好的被利用，缺乏准确性的模型信息必然会造成误导，这样的预测毫无意义可言。
（二）路网交通预测建模的抗变换性
模型应当能适用于全天候不同时段的预测，并在此基础上给予准确率较高且大体偏差小于规定范围的预测结果。
（三）路网交通预测建模的实时性
城市路网交通预测建模与应用应当建立在道路动态信息变化的基础上完成，只有这样城市交通道路的预测信息才具有实际意义和参考价值，缺乏实时性的信息无法成为有用的信息资源，其价值更加随着时间的更迭而无从谈起。城市道路交通预测时间的重要性不言而喻。
（四）路网交通预测建模的动态反馈
预测模型是一种基于交通状态的信息变换掌控，道路状况出现异常时，预测模型也应当能够进行调整并及时更新，并把相应信息及时反馈给信息接收都，使其对出行计划及策略做出及时的调整，达到实时性。
（五）可移植
预测模型在时间上与空间上都能够移植，只需要对模型内部的参数进行调整。预测模型要适应交通状态的具体变化，道路状态出现异常情况时，要能够动态反馈到模型，并对模型的参数等可调节因素及时更新、调整。预测模型需要具备时间上和空间上的双重可移植性，这需要通过调整模型的内部参数获得。
二、城市路网交通预测组合模型
城市路网交通预测的组合模型建立，从功能上看应当具有对相关多种信息进行预测，这种组合式的预测模型相对于单体预测模型优势明显。其能够实现高效率的预测，降低单体预测过程中对随机环境因素造成的影响，并在此基础上提升预测的精确度。组合模型预测形成的根本是组合预测的特质的综合利用，也是基于数据挖掘的基础上产生的。这种预测方法的先进性已经得到了世界各国城市路网交通预测方面专家的认可，相关专业的学者对其进行了大量的研究。其中，变结构组合模型预测方式得到了广泛应用。从系统结构方面初发，变结构的组合预测具备三种方面的特点。首先，组合预测模型中组成要素种类结构变化，即参与组合的预测模型种类随时间的变化。其次，是组合模型中组成要素数量结构的变化，即参与组合的预侧模型数量随时间而变化。最后，是组合模型中各要素之间的比例结构的变化，即各参与组合模型的权重随时间而变化。
其中，wi代表模型 i 的权重，wi（t）相当于前面通式中的 gi（t）。
这样的线控配时方案在实施之初，应当实地验证方案的效果；在实施之后，还应当定期实地验证，即检测车辆平均延误、排队长度等项交通指标。若发现效果不够理想，应根据现场重新调查的各项交通数据（即平均车速、干道与支路上的交通流量与流向等）重新计算配时方案，及时调整配时设计。
三、模型评价
该模型表达了流量速度密度在路网空间中随时间变化的数量化关系，只要路段流量和速度连续可观，就可求出路段新增加的流量、邻接路段间流量转移系数以及路网总流量，只要样本足够，总可找出增加的流量、流量转移系数、路网总流量的变化规律或概率分布，从而通过该模型算出某一时刻路段的流量，即预测出变化规律，再用该预测流量与该路段最大通行量对比就可判断拥塞。模型中由于边界条件并无特殊规定，故一般来说，路网边界可以定出相应边界方程即可，这就意味着我们可以将一个复杂的路网细分为若干个较小的子网，子网之间的连接占满足边界方程，从而极大地方便了我们对复杂路网的模拟和分析。所得到的路网总流量也很有意义，它投映了路网的总体负载和效率，并以一定的分布存在于各路段，由于它是时间的变量，反映了路网各时间点的总流量，对评价和规划路网极有意义。如果我们将路网划分为若干子网，求出各子网的总流量，显然有利于我们对关键子网的分析和评价。如果我们进一步将各子网看作一个流量点来分析路内各组团的时间流量关系，则不但对路网区域评价，就是对城市规划也极有意义。总之，该构型是一组较完整的路网流量动态模型，使用方便、灵活，可用于路网模拟、流量预测、路网评价与规划等。
综上所述，本文主要针对路网交通当中的随机交通状况进行分析，并以此作为交通预测的基本信息源。综合分析高速公路网以及城市主干道网路两种交通状况的数据结果发现，基于时间以及空间的预测模型建立十分有效。本文通过对预测方法的改良，具体考察综合模型交通状态预测效果与应用。
参考文献：
[1]许伦辉，傅惠，交通信息智能预测理论与方法，科学出版社，2009.
[2]J. Kwon， B. Coifman， and P. Bickel， “Day-to-day travel time trends and travel time predictionfrom loop detector data，” Transportation Research Record. no. 1717， TRB， Washington， D.C.，pp. 120-129， 2012.
[3]H. Sun， H. X. Liu， H. Xiao， R. R. He， and B. Ran， “Short-term traffic forecasting using thelocal linear regression model，” Proc. 82nd TRB Annual Meeting， Washington， D.C.， 2010.