面對(duì)城市道路交通擁堵原因動(dòng)態(tài)實(shí)時(shí)、復(fù)雜多變,識(shí)別方法主觀性強(qiáng)、精度低、實(shí)時(shí)性差、不能自動(dòng)等問題,提出了一種基于貝葉斯網(wǎng)絡(luò)的城市道路交通擁堵多原因自動(dòng)實(shí)時(shí)識(shí)別方法。將研究區(qū)域范圍內(nèi)城市道路交通狀態(tài)的可觀測(cè)變量作為輸入,交通擁堵原因的0-1離散類型作為輸出,將歷史數(shù)據(jù)作為訓(xùn)練集,從而將問題轉(zhuǎn)化為數(shù)據(jù)驅(qū)動(dòng)的多分類問題。該方法首先對(duì)城市道路交通的動(dòng)態(tài)可觀測(cè)變量和多個(gè)擁堵原因之間的關(guān)系進(jìn)行系統(tǒng)的機(jī)理分析和仿真驗(yàn)證,從而構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。再以獲取的實(shí)測(cè)歷史數(shù)據(jù)進(jìn)行參數(shù)學(xué)習(xí)訓(xùn)練,得到完整的貝葉斯網(wǎng)絡(luò)模型。最后,將該道路工作狀態(tài)下交通可觀測(cè)變量輸入該貝葉斯網(wǎng)絡(luò)模型,就能同時(shí)自動(dòng)實(shí)時(shí)識(shí)別出交通擁堵的多個(gè)原因。該方法靈活性高、能更好地表達(dá)節(jié)點(diǎn)相關(guān)性、可解釋性強(qiáng)、能充分利用專家經(jīng)驗(yàn)知識(shí),且能做到自動(dòng)實(shí)時(shí)。對(duì)泉州市泉秀街2019年2月25日至3月3日晚高峰交通進(jìn)行了案例研究。結(jié)果表明:基于貝葉斯網(wǎng)絡(luò)的城市道路交通擁堵多原因識(shí)別模型在有行人影響、車流高峰、停車占道、信號(hào)配時(shí)不合理和過街車流影響的網(wǎng)絡(luò)構(gòu)建上較為合理;與反向傳播神經(jīng)網(wǎng)絡(luò)法、多標(biāo)簽k近鄰算法及多標(biāo)簽嶺回歸法對(duì)比,該方法的平均識(shí)別準(zhǔn)確率總體表現(xiàn)較優(yōu)。 

【文章來(lái)源】：公路交通科技. 2020,37(11)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

調(diào)整后的交通擁堵原因類別

針對(duì)本研究的5個(gè)原因類型,參考福建省泉州市泉秀街(刺桐路至田安路方向)的路段情況,將部分道路分為A, B, C 3段,其道路結(jié)構(gòu)如圖2所示。根據(jù)道路監(jiān)控視頻,路段上可觀測(cè)的交通狀態(tài)變量見表1。為了滿足建模要求,需要將連續(xù)變量處理為離散變量,各變量的設(shè)置同見表1。表1 可觀測(cè)交通狀態(tài)變量Tab.1 Observable traffic state variables 變量 符號(hào) 變量取值 A段停車讓行次數(shù) a1 1. [0, 4]; 2: (4, 6]; 3. (6, 8]; 4. (8, +∞) B段停車讓行次數(shù) a2 1. [0, 4]; 2. (4, 6]; 3. (6, 8]; 4. (8, +∞) C段停車讓行次數(shù) a3 1. [0, 4]; 2. (4, 6]; 3. (6, 8]; 4. (8, +∞) 左轉(zhuǎn)車流二次排隊(duì) a4 1. 存在; 2. 不存在 直行車流二次排隊(duì) a5 1. 存在; 2. 不存在 A段第1車道車流量 a6 1. [0, 40); 2. [40, 50); 3. [50, +∞) A段第2車道車流量 a7 1. [0, 30); 2. [30, 40); 3. [40, +∞) B段第1車道車流量 a8 1. [0, 35); 2. [35, 45); 3. [45, +∞) B段第2車道車流量 a9 1. [0, 30); 2. [30, 40); 3. [40, +∞) C段第1車道車流量 a10 1. [0, 35); 2. [35, 45); 3. [45, +∞) C段第2車道車流量 a11 1. [0, 25); 2. [25, 35); 3. [35, +∞) A段人行橫道流量 a12 1. [0, 50); 2. [50, 70); 3. [70, +∞) B段人行橫道流量 a13 1. [0,115); 2. [115, 140); 3. [140, +∞) C段人行橫道流量 a14 1. [0, 100); 2. [100, 120); 3. [120, +∞) 運(yùn)通路通過車流量 a15 1. [0, 7]; 2. (7, 10]; 3. (10, 13]; 4. (13, +∞) 南淮路通過車流量 a16 1. [0, 7]; 2. (7, 10]; 3. (10, 13]; 4. (13, +∞) 左轉(zhuǎn)流入車流量 a17 1. [0, 20]; 2. (20, 30]; 3. (30, +∞) 右轉(zhuǎn)流入車流量 a18 1. [0, 10]; 2. (10, 20]; 3. (20, +∞) 直行流入車流量 a19 1. [0, 30]; 2. (30, 40]; 3. (40, +∞) 左轉(zhuǎn)流出車流量 a20 1. [0, 20]; 2. (20, 30]; 3. (30, +∞) 直行流出車流量 a21 1. [0, 20]; 2. (20, 30]; 3. (30, +∞) A段兩車道流量差 a22 1. [0, 15]; 2. (15, 20]; 3. (20, +∞) B段兩車道流量差 a23 1. [0, 10]; 2. (10, 15]; 3. (15, +∞) C段兩車道流量差 a24 1. [0, 15]; 2. (15, 20]; 3. (20, +∞)

對(duì)本研究的5種擁堵類型進(jìn)行詳細(xì)分析,貝葉斯網(wǎng)絡(luò)在解決這類問題上有著較突出的優(yōu)點(diǎn)。行人影響主要指行人分散過街情況,分散過街次數(shù)增加理論上造成停車讓行次數(shù)增多[14]、路段的平均速度下降及單位時(shí)間內(nèi)的車流通過數(shù)量降低[15]。車流高峰主要表現(xiàn)為單位時(shí)間內(nèi)路段的進(jìn)入車流過多,造成車速下降,同時(shí)也可能會(huì)因?yàn)楦用芗能嚵魇沟米屝写螖?shù)也增加[16]。停車占道(路邊停車)則會(huì)造成該車道后續(xù)車流停車等待或變換車道行駛,在單位時(shí)間內(nèi)最外側(cè)車道通過車流下降,其他車道車流增多,車道流量差明顯變化[17]。信號(hào)配時(shí)不合理主要是某方向上綠燈時(shí)間過長(zhǎng)導(dǎo)致該方向已無(wú)車通過,而其他方向車流排隊(duì)時(shí)長(zhǎng)過長(zhǎng)或某方向上綠燈過短,造成該方向上還存在過多的剩余車流量未流出即車輛二次排隊(duì)現(xiàn)象嚴(yán)重[18]。而車道流量之差在不同方向車流就存在一定的差值,并且通過固定的綠燈放行時(shí)間難以較好地顯示信號(hào)配時(shí)不合理問題,主要以剩余排隊(duì)車流和方向上的流出量來(lái)反映。過街車流的增多造成的影響與行人影響類似[19],但本研究的“過街車流”不僅包括從與主路相交的支路流出的車流,還包括從主路轉(zhuǎn)向支路的車流,因此若主路左右轉(zhuǎn)車輛流出受阻也會(huì)降低單位時(shí)間內(nèi)的車流通過數(shù)量。根據(jù)以上系統(tǒng)的理論分析得出的節(jié)點(diǎn)關(guān)系結(jié)構(gòu)如圖3所示。由于實(shí)際上引發(fā)一次擁堵的原因可能是單個(gè)也可能是多個(gè),因此分別單列原因類型節(jié)點(diǎn)。本模型的網(wǎng)絡(luò)結(jié)構(gòu)搭建基于專家知識(shí),根據(jù)圖3的分析結(jié)果及表1中所示變量,以變量作為貝葉斯網(wǎng)絡(luò)的節(jié)點(diǎn)用符號(hào)表示,相互間的影響關(guān)系為連接線,構(gòu)建如圖4所示的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。根據(jù)道路的實(shí)際情況和監(jiān)控視頻,可以觀測(cè)并統(tǒng)計(jì)出表1中的數(shù)據(jù)。由于視頻無(wú)法得到速度信息,本試驗(yàn)暫不考慮速度變量。其中,c1至c5分別代表行人影響、車流高峰、停車占道、信號(hào)配時(shí)不合理和過街車流影響5種原因類型。需要注意的是,交通擁堵發(fā)生時(shí),5種原因類型相互獨(dú)立,可能有1種或者多種原因類型同時(shí)發(fā)生。

【參考文獻(xiàn)】：
期刊論文
[1]基于路段流量均衡控制的節(jié)點(diǎn)擁堵治理研究——以重慶市為例[J]. 安萌,祝燁,楊強(qiáng),張?chǎng)?  交通工程. 2018(05)
[2]基于支持向量機(jī)的城市快速路交通擁堵識(shí)別方法[J]. 李宇軒,韋凌翔,陳紅,王永崗,魏語(yǔ)婷.  交通工程. 2018(01)
[3]行人穿越道路對(duì)交通運(yùn)行擁堵預(yù)測(cè)仿真[J]. 崔曼,薛惠鋒,陳福振,卜凡彪.  計(jì)算機(jī)仿真. 2018(02)
[4]基于FCM-粗糙集的多扇區(qū)交通擁擠識(shí)別方法研究[J]. 李桂毅,胡明華,鄭哲.  交通運(yùn)輸系統(tǒng)工程與信息. 2017(06)
[5]行人從眾過街對(duì)機(jī)動(dòng)車流延誤影響分析[J]. 張珩,徐寅峰,吳騰宇.  系統(tǒng)工程學(xué)報(bào). 2016(04)
[6]大城市交通擁堵致因的故障樹分析[J]. 王瀟,王武宏,毛琰,郭宏偉,郭偉偉,金晶.  交通信息與安全. 2012(02)
[7]基于貝葉斯網(wǎng)絡(luò)的城市道路交通事故分析[J]. 趙金寶,鄧衛(wèi),王建.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(06)
[8]基于貝葉斯網(wǎng)絡(luò)的一種事故分析模型[J]. 俞娉婷,劉振元,陳學(xué)廣.  中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2006(04)

博士論文
[1]幾類概率圖模型結(jié)構(gòu)學(xué)習(xí)算法研究[D]. 王靜云.西安電子科技大學(xué) 2018
[2]基于出入流率匹配的區(qū)域交通擁擠測(cè)度與控制研究[D]. 馬亞鋒.西南交通大學(xué) 2018

碩士論文
[1]道路交通擁塞環(huán)境下車輛運(yùn)行規(guī)律分析[D]. 孫亞南.昆明理工大學(xué) 2016
[2]無(wú)信號(hào)T型公路平面交叉口支路與主路交通流相互作用研究[D]. 俞敏健.東南大學(xué) 2015
[3]路邊停車對(duì)路段交通流的影響研究[D]. 馮偉.北京交通大學(xué) 2008



本文編號(hào)：3336664