基于神经网络的城市快速路交通拥挤识别方法的研究

2022-09-11

1 引言

随着我国城市化进程的加快, 城市机动车保有量在日益增长。快速路基础设施的建设速度跟不上交通需求的增长速度, 导致城市快速路交通拥挤在愈加突出, 城市快速路交通拥挤已经成为制约城市发展的重大问题。城市快速路交通拥挤主要表现在行车速度下降, 出行时间增加等, 严重影响城市的整体功能。交通拥堵会造成人员出行时间延长、运营成本上升、活动效率下降、交通事故增多与环境污染加剧等非可持续发展的被动局面。

2 城市快速路交通拥挤的成因

2.1 经济快速发展和城市急剧扩张

一方面, 自从上世纪90年代以来, 我国的经济进入高速发展阶段, 增长比例超过10%。经济高速增长, 带来的是居民收入提高, 人民生活水平提高, 机动车保有量在持续高速增长, 产生了大量的交通需求。

另一方面, 城市规模的扩大, 城市化进程加快, 城市人口急剧增长, 城市交通量随着增长, 带来大量的出行需求, 城市快速路交通拥挤带来的坏影响已经成为城市日常生活的一部分。

2.2 快速路建设滞后, 混合交通严重

城市快速路建设需要经历规划、设计、建设等过程, 是一个由国家或地方政府投资主导长期、慢增长的过程。随着居民生活水平的提高, 小汽车进入家庭, 机动车保有量在急剧增长。这种城市快速路建设滞后与机动车保有量快速增长的矛盾, 必要造成城市快速路交通拥挤。再者, 行人和非机动车安全意识不强, 违章占机动车道, 机非混行现象严重, 造成交通事故频发。

3 城市快速路交通拥挤状态的参数

3.1 城市快速路交通拥挤的基本参数

根据交通拥挤的成因, 城市快速路交通拥挤可以分为常发拥挤和偶发拥挤。常发性的交通拥挤指的是:具备规律性, 一般时间和地点较为固定。比如:城市快速路在早晚高峰时段由于交通量过大出现的交通拥挤。偶发性的交通拥挤指的是:不具备规律性, 一般是由一些特殊的交通事件造成的交通拥挤。比如:天气不良、车辆抛锚, 车辆碰撞等。此时, 快速路的交通量流量较低, 但是由于交通事件的存在造成快速路通行能力下降明显, 从而导致快速路交通拥挤。

城市快速路一般通过交通量、行车速度、车道占用率等基本参数表征所处的交通拥挤状态。

3.2 偶发性交通拥挤和常发性拥挤的差异

常发性的交通拥挤是因为交通量超过了快速路的通行能力而造成的交通拥挤, 从交通不拥挤到拥挤需要精力一个过程, 因此, 整个过程当中表征交通拥挤状态的交通量、行车速度、车道占用率三个参数是连续变化的。

偶发性的交通拥挤是因为交通事件的发生造成快速路通行能力暂时下降而引起的交通拥挤。因此, 整个过程当中表征交通拥挤状态的交通量、行车速度、车道占用率三个参数呈不连续状态, 并且交通事件前后的差值随严重性而增大, 交通量和车道占有率曲线的变化可以反映出偶发性交通拥挤的交通流特性。

4 基于神经网络的案例研究

论文通过模拟采集一条城市快速路上的交通流运行状态的交通量、行车速度、车道占用率等参数作为神经网络的输入参数, 并对神经网络进行训练。然后将在另一条城市快速路上采集到交通运行状态的参数对基于神经网络的识别方法进行验证。

4.1 数据来源

(1) 训练数据

论文通过选择某一条城市快速路作为研究对象, 在对城市快速路的交通流进行观测和测量之后, 运用软件对处于不同交通条件下的交通拥挤程度及位置的交通拥挤状况进行模拟。通过模拟发现, 快速路交通拥挤发生在第25min, 前10分钟处于非交通拥挤状态, 后10min处于交通拥挤状态。以30s为一个时段采集反映交通流运行状态的交通量、行车速度、车道占用率等数据。

(2) 验证数据

论文选择安装有线圈检测器的某一条城市快速路作为验证数据的采集快速路, 快速路全长8km, 线圈检测器的平均间距为500米。每隔2min统计一次反映交通流运行状态的交通量、行车速度、车道占用率等数据。

4.2 实证研究结果

论文采用交通量、行车速度、车道占有率作为神经网络的输入参数, 利用软件模拟出最佳的神经网络模型为:4个输入层、18个隐层和1个输出层的三层神经网络。

论文将快速路的交通拥挤指数作为神经网络的输出, 交通拥挤指数表示快速路的交通状态运行情况。论文选取0.4作为快速路交通状态为拥挤的临界值, 即当快速路在某一时刻交通拥挤指数超过0.4的时候, 表示该快速路发生了交通拥挤。基于神经网络对所选快速路进行模拟发现, 快速路所选的路段在一天之内发生了一次交通拥挤:一次发生在7:00, 一直持续到13:00, 交通量和车道占用率在交错上升, 而且, 每辆车的波动都会影响到该路段上其他车流, 因此, 判断该路段发生了常发性拥挤。通过观察交通拥堵时空图, 也是比较吻合。

5 结论

城市快速路交通拥挤既与快速路上交通量的大小有关, 也与车辆驾驶人员的心理承受能力有关系。因此, 城市快速路交通拥挤的识别方法也不是唯一的。论文基于神经网络对城市快速路的交通拥挤状态进行了识别, 并验证了是与实际情况吻合的。说明基于神经网络的模型可以很好的识别城市快速路的交通拥挤状态, 为城市快速路交通拥挤改善提供了决策支持依据。

摘要：城市快速路交通拥挤现象越来越普遍, 不同类型的交通拥挤对快速路的交通流影响也不同, 也要采取针对性的改善措施。因此, 研究能够有效识别城市快速路交通拥挤的方法也是很有意义的。本文首先分析了城市快速路产生交通拥挤的成因, 然后介绍了城市快速路交通拥挤状态的参数, 最后结合神经网络对城市快速路采集的动态交通参数进行了案例分析。结果表明:可以有效得识别城市快速路的交通拥挤, 对缓解城市交通拥堵具有显著的意义。

关键词：城市快速路,交通拥挤,神经网络