一种基于序贯Monte Carlo算法的交通事件重构方法

黄宇+达魏霞 王迤冉

摘要：为了能准确地重构出当前道路场景中的交通流事件，需要合适的模型与方法以及能够代表交通流状态的实时数据。基于交通流非线性非高斯的特点，提出了一种基于序贯Monte Carlo方法的交通流堵塞事件重构模型。提出的模型能够不断的同化真实道路上实时的传感器数据使仿真中的交通流状态与真实路况不断接近。通过分析仿真数据推测出当前真实道路上的堵塞事件及其相关属性，并据此在仿真环境中模拟堵塞，进而实现对真实道路上堵塞事件的重构。理论研究和实验结果表明该模型能够根据重构结果评估当前的道路狀况，合理推测引起拥堵的位置与堵塞范围。

关键词：城市交通；交通流仿真模型；序贯蒙特卡洛算法；动态数据驱动；堵塞事件；事件重构

中图分类号：TP391.9，TP391.41文献标识码：ADOI：10.3969/j.issn.10036199.2017.01.030

1引言

为解决日益严重的交通拥堵问题，研究预测交通流规律的方法与模型，重构交通事件以及探索有效缓解交通拥堵问题的方案已经成为当前的研究热点。交通流具有非高斯、非线性、高维随机的特点，仅通过静态数据则很难准确重构出上述事件。如果对能够反映道路关键性质的实时数据加以充分合理应用，是提高交通事件重构精确性的有效方法之一[1]。

事件重构如今在很多领域都有着较为广泛的应用，比如数字滤波[2]、电力系统[3]、微观粒子研究[4]等。很多场景存在非线性、大数据等特点，导致事件重构的过程十分复杂，引起了学术界的重视。……