城市交通流数据优化感知及其技术探究

李成德

摘 要：交通流理论是将交通的特性通过物理和数学的定律来进行描述的一门边缘学科，对于现代交通问题的解决以及交通规划管理上都有着良好的指导意义。本文通过对交通流感知技术的研究进展以及优化感知进行了分析和研究。

关键词：交通流 数据优化 感知技术

引 言

隨着目前城市交通拥堵等问题日益严重，因此就必须要对城市交通进行良好的规划。在利用交通流理论规划城市交通时，对交通信息的感知是最基础的环节之一，而传统的感应线圈等技术只能对固定点数据进行检测，在路网监控上存在着较多的“真空”地带。所以，如何优化城市交通流感知技术，为城市交通拥堵问题的解决提供有效信息就成为了一个重要的课题。

1.交通感知技术硏究进展

交通技术感知技术是所有智能交通系统的应用基础，其中对交通流数据的采集和处理是最基本的一个环节。通过提高所采集的交通流数据的时空精度，并通过微观信号控制系统对交通流进行控制和诱导，使交通流在路网的时空上均衡分布，从而实现对城市交通拥堵问题的有效解决。

随着交通信息感知领域经历了多次的技术变革，感应线圈、摄像头、红外线、压电管、GPS等都是当前得到了广泛应用的检测技术。交通信息感知技术已经实现了从人工、单点、静态的采集向自动化、数据融合、动态采集的发展，采集方式的发展呈现出了多样性的特点。在交通信息感知技术可以采集的数据主要有：车辆计数、交通流量、车辆速度、车辆分类、行程时间等。

城市是大数据最活跃、最丰富的地区之一，特别是对于城市交通运输行业来说，路面的交通流组成了交通大数据中对重要的部分。目前，道路上部署的交通感知设备采集了大量的结构化以及非结构化的数据，主要以感应线圈数据、视频图像数据为主。在交通较为繁忙的城市，仅仅感应线圈每天产生的数据量就可以达到数十GB，并且随着传感器、网络等技术的发展，使城市路网的数据量上升到了PB甚至EB的规模。

2.城市交通流数据优化感知技术分析

城市交通大数据具有数据容量大、数据类型多、价值密度低、局部有效性以及处理快速性等特点。也正是因为这些特点，导致了交通大数据的分析、挖掘和使用有着一定的困难。因此，如何优化交通流数据采集，从大量数据中找到最优数据集来分析交通流参数成为了一个重要的课题。

2.1基于传感器网络的路段交通流数据采集。为了对传统交通信息采集系统只能获取单点数据，不能全面感知交通流动态变化的问题进行解决，交通流数据采集未来会向着获取连续、网络化数据的拉格朗日感知进行发展。根据交通拥堵状况灵活部署感应器节点，通过无线传感器网络节点，运用自适应阈值算法对车辆存在、车辆速度、车辆类别等交通流的离散数据进行采集，并将采集到的信息上传到智能交通控制中心，对相邻传感器所采集的数据相关性进行分析，然后利用交通方程的近似数值解来拟合数据，从而获得该路段连续的、高时空精度的交通流参数。以交通流参数为基础进行建模，找出堵塞因子，然后在信号配时优化模型中进行应用，从而获得更好的信号控制效果，解决交通拥堵。

2.2网络参与式感知。由于根据传感器位置、采集时间点的不同，其采集的数据的价值也有着较大的差异。因此，对数据的价值进行定义，并使交通控制系统选择最佳的数据集就成了的一个非常重要的技术问题。传感器数据集优化选择是传感器位置优化的拓展，随着物联网、车联网的发展，未来车联网边缘会连接大量的传感器节点，根据相关研究显示，只需要在2～5%的路面移动车辆上进行传感器的部署，就可以为交通控制提供有效的数据，这种群体参与式的交通数据感知虽然能够提供大量的数据，但是由于其不确定性较大，因此数据的价值密度较低。所以就需要根据交通流模型以及参数对传感器的部署以及传感器节点数据集的选择进行优化。

2.3基于蚁群算法的数据集选择优化。由于交通流存在着较高的动态性和不确定性，因此可以通过将移动传感器网络建模为时变动态随机网络，并以此模型对传感器网络的动态拓扑以及数据价值的时变定义时变价值网络，把数据价值作为网络的权值，从而将数据集选择优化问题转化为K期望最段路径问题。

蚁群算法是一种仿生优化的随机搜索办法，是K期望最短路径问题的一种较好的算法。该种算法的特点是能够进行全局搜索，分布式计算以及鲁棒性好，对于组合优化方面有着较好的性能，但同时也存在着收敛慢、容易停滞等问题。为了对基本蚁群算法无法对动态随机网络的时变随机参数进行处理，可以使用时间依赖的蚁群算法来完成交通流数据集的选择优化。通过将交通流信息的不确定性与路径选择概率、信息素以及启发式信息相关联，在启发式信息中加入全局的路段选择信息，并对更新信息素的策略和局部搜索策略进行改进，使搜索的收敛速度的得到加快。具体过程如下：以V表示虚拟检测区域的节点数量，M为搜索者蚂蚁群体的数量，t0为搜索开始时间，在任意传感器节点Vi选择相邻节点Vj的概率pij（t）按照轮盘赌的方式选择，当所有蚂蚁都到达目标节点后完成一轮搜索，并对路段的信息素进行更新。蚂蚁在搜索的过程汇总会在节点上释放信息素，信息素的释放由蚂蚁到达目标节点的最短路径的期望信息熵决定，而期望信息熵来源于动态的条件信息熵，信息熵越大，信息素释放越对多，最终根据路段信息素的累积来确定K最短路径。

结 语

智能交通系统是当前解决交通拥堵问题的最有效方案，而交通信息感知则是智能交通的重要基础。在物联网、大数据、云计算迅速发展的背景下，通过对传感器网络、感知模型以及数据集选择等方面进行优化，使交通流数据感知获得了较好的发展。

参考文献：

[1] 温美玲. 基于磁阻传感器的交通信息感知算法研究[D]. 长安大学， 2016.

[2] 赵静. 基于物联网的智能交通流探测技术研究[J]. 科技创新与应用， 2016（34）.