城市平行交通仿真系统研究

巢国平　宋晓鹏　甘灵　赵怀柏

【摘 要】为了提高城市交通管理工作，基于平行仿真系统思想，构建了城市平行交通仿真的架构，并对城市平行交通仿真具体模块和流程进行了阐述。以数据处理模块为示例，采用RBF神经网络算法对城市某路口进行交通流数据进行修补，获得较为可信的结果。城市平行交通仿真为城市智能化发展提供新思路。

【关键词】神经网络算法；交通平行仿真；修补

中图分类号： U491 文献标识码： A 文章编号： 2095-2457（2018）14-0007-003

DOI：10.19694/j.cnki.issn2095-2457.2018.14.003

Research on traffic simulation model based on neural network algorithm

CHAO Guo-ping SONG Xiao-peng GAN Ling ZHAO Huai-bai

（SEITS Shanghai，505 Wuning Road 200063，Shanghai，China）

【Abstract】In order to improve urban traffic management， based on the thought of parallel simulation system，the architecture of urban parallel traffic simulation is constructed， and the concrete modules and processes of urban parallel traffic simulation are expounded.Taking the data processing module as an example，the RBF neural network algorithm is used to repair traffic flow data at a certain intersection in the city，and a more credible result is obtained.Urban parallel traffic simulation provides new ideas for urban intelligent development.

【Key words】Neural network algorithm；Parallel traffic simulation；Repair

0 引言

随着城市的发展，机动车使用的增多，给城市交通带来巨大压力，导致各类交通问题，如交通拥堵等，发展智能交通能够有效缓解交通拥堵等问题。其中，交通仿真作为智能交通一项工具能够辅助交通管理工作。交通仿真是随着计算机技术的进步而发展起来的，它是一种反映复杂道路交通现象的交通分析技术和方法，能够再现交通流时间和空间变化的模拟工具。交通仿真技术是以相似原理、信息技术、系统工程和交通工程等领域的基本理论和专业技术为基础，以计算机为主要工具，利用系统仿真模型模拟道路交通系统的运行状态，采用数字方式或图形方式来描述动态交通系统，以便更好的控制交通系统的一门实用技术[1]。

根据交通流理论，交通仿真软件可分为宏观交通仿真软件和微观交通仿真软件。微观交通仿真软件以车辆为单位描述运行规律，宏观交通仿真软件以交通流描述交通时空变化[2]。由于传统的道路交通仿真软件存在各类问题导致交通仿真不能真实再现交通现象，其主要是问题是：其一，在仿真过程中车辆不能按照交通现场的实际时间生成，而是按照经验分布随机生成车辆，使得仿真过程与实际交通现场不吻合，从而导致仿真评价结果的准确率低；其二，现有成熟的仿真模型只单方面考虑非机动车、行人对机动车干扰，为未充分考虑三者之间相互影响，不能完全适应我国混合交通情况；其三，在线仿真技术模型技术难题；其四，交通仿真模型标定缺乏科学合理的方法[3]。

为解决传统交通仿真的弊端，推进智能交通的发展，引入平行系统概念[4]。平行系统是由中国科学院自动化研究所王飞跃研究提出，平行系统是指由某一个自然的现实系统和对应的一个或多个虚拟或理想的人工系统所组成的共同系统。平行系统由真实系统和虚拟人工系统组成，通过真实系统与人工系统相互连接以及对两者行为活动的对比分析，实现对未来情况的预测分析，并在系统运行中随时调整各自管理控制机制。相对于传统仿真系统，平行仿真系统是与实际系统平行且對等的仿真系统，由被动变为主动、由虚拟静态变为真实动态以及由离线变为在线，即根据实时真实数据驱动仿真系统运行，通过仿真进行实时计算预测分析，再将仿真结果反馈至真实系统，从而控制真实系统[5]。图1为平行系统运行的基本框架。

基于平行系统理论，葛承垄[6]等人对装备平行仿真技术进行了理论研究；陈森[7]等人研究了飞机编队指控平行仿真系统；袁勇[8]等人结合区块链技术介绍了平行社会发展趋势；方兵[9]等人基于平行仿真系统构建城市交通运输决策支持平台。平行仿真系统是一种实时在线主动式仿真系统，是系统仿真发展的新趋势，应用较为广泛。基于平行系统理论，本文就平行交通仿真进行了深入研究。

1 平行交通仿真架构设计

基于平行仿真理念，构建平行交通仿真架构，如图2所示。真实交通作为仿真的对象，通过多种数据采集手段，为平行交通仿真提供原始数据。随着采集手段的不断创新和丰富，实测数据包括视频数据、卡口数据、线圈数据、信令数据、GPS数据等等。然而实测数据往往并不能直接用作平行交通建模使用，由于检测器的布设和故障，以及检测器本身系统误差等原因，采集的原始数据通常会出现数据缺失、数据错误或者无效数据等原因，需要通过数据修复才能转化为用于建模的标准化交通数据输入计算模型中。

计算模型能够输出一系列评价结果指标，比如延误、排队长度、OD、行程时间、停车次数等等，为决策者制定相应管理措施和政策提供辅助。

决策制定实施之后，检测设备能够获得决策实施后各项检测数据，并与计算模型输出的结果数据进行比对。通过机器学习算法对计算模型进行参数调整和更新，从而保证模型的精度，并且保证模型一直处于最新状态。

2 平行交通仿真具体模块

根据平行交通仿真整体架构，构建平行交通仿真具体模块。交通平行仿真具体模块之间关系以及流程架构如图3：

2.1 数据接入模块

数据接入模块主要包括交通动态数据与交通静态数据。动态数据可以分为两部分，一部分是通过各种检测设备获得的实测交通流数据，包括但不限于视频卡口、线圈等采集的数据；另一部分是各种交通控制设备的实时显示信息，包括但不限于交通信号灯、交通显示屏等等。静态数据中的路网数据库用于管理路网基础数据，包括道路基础属性、基础设施、管理设备等等。当需要对仿真结果进行三维展示时，数据库还应包括道路周边环境数据等。

2.2 数据处理模块

原始数据库内的实测交通流数据，通过数据预处理之后，对错误数据进行清洗，对缺失数据进行修补，并对数据进行标准化处理，从而得到能够直接用于计算模型的标准化数据。

2.3 数据模型模块

计算模型依托于仿真软件本身，其输入要求主要包括车辆生成、车辆行为、路径决策等方面。

2.4 交通模型模块

交互模块的主要目的在于通过交互模块，实现计算结果数据用于展示界面和决策模块。并且通过交互模块实现按照决策调控相应交通设施和计算模型。

2.5 信息生成模块

信息生成模块主要用于交通平行仿真信息的生成，包括路网流量预估、行程时间预估、可达性判断、行程路径诱导、交叉口延误以及排队等。

2.6 决策模块

决策模块主要交通管理工作提供辅助决策。决策内容包括收费政策、公交规划信号优化和公交优先等。

3 数据处理模块方法及示例

3.1 数据处理模块方法示例

数据处理模型包含数据清洗和修补等内容。针对数据修补，本研究利用RBF神经网络进行数据修补。目前应用较为广泛的是BP神经网络，该方法目标函数存在局部极小值和收敛速度慢的问题。相比较，RBF神经网络[10]具有自学习、自组织、自适应功能呢，它对非线性连续函数具有一致逼近性，学习速度快，不会出现局部极小值问题，可以进行大范围的数据融合，并行、高速地处理数据。RBF神经网络的优良特性使得它正在越来越多的领域代替BP神经网络模型。

RBF神经网络结构由输出层、隐含层和输入层组成，其中，输入层将输入矢量直接映射到隐空间，起到传输信号的作用；隐含层含有若干隐单元节点，节点数量视具体求解问题而定。隐含层可对网络输入做出非线性映射，映射函数即RBF，是一个径向对称，双方向衰减的非负非线性函数；输出层则对隐含层的输出采用线性加权求和的映射模式。由此可见，RBF神经网络是线性和非线性的有机统一，即从输入层到隐含层是非线性映射，采用的是非线性优化策略，学习速度较慢；而从隐含层到输出层则是线性变换，采用的是线性优化策略，学习速度较快。

RBF神经网络隐含层的激活函数采用径向基函数，通常定义为空间任一点到某一中心之间欧氏距离的单调函数。其中高斯函数是最常用的径向基函数，R（xp-ci）=exp·-||x-c||式中：||xp-ci||为欧式范数；c为高斯函数的中心；σ为高斯函数的方差。此时，RBF神经网络模型的输出是对隐含层神经元输出的线性加权求和。

式中，xp为第p个输入样本，p=1，2，…2，共有p个输入样本；ci为隐含层结点的中心，i=1，2，…h，隐含层共有h个结点；ωij为隐含层到输出层的连接权值，j=1，2，…，n，共有n个输出结点；yj为与输入样本对应网 络的第j个输出结点的实际输出。

3.2 实际应用案例

利用2017年12月上海市某一路口采集的线圈流量数据进行相关测试。该路口的某一进口道有5条车道，利用历史车道流量数据进行RBF神经网络训练，最后通过其中4条车道的流量数据来对第5条车道的流量数据进行修补。修补结果如下：

通过以下3个指标来对预测结果进行评价：

（1）平均相对误差（Mean Relative Error， MRE），其数值越小代表预测值与真实值越接近。

MRE=0.1054

（2）决定系数R2：决定系数的大小决定了相关的密切程度。当R2越接近1时，表示相关的方程式参考价值越高；相反，越接近0时，表示参考价值越低。

R2=0.9389

（3）均等系数（Equality Coefficient， EC）：反映了预测值与真实值得拟合度，一般0.9以上认为是较好的拟合度。

EC=0.9248

评价指标显示，RBF神经网络在流量数据修补方面具有可行性和有效性，并从修复精度方面证明了RBF神经网络是一种十分适用于交通领域中数据修补的技术，能够很好地支持实时的流量数据修补工作。

4 总结

本文基于平行仿真思想，构建了城市平行交通仿真的架构和具体模块等。并以数据处理模块为示例，采用RBF神经网络算法对城市某路口进行交通流数据进行修补，并从修复精度方面证明了RBF神经网络是一种十分适用于交通领域中数据修补的技术。根据城市平行交通仿真的研究，后续将针对数据模型、交通模型等做進一步研究，以提高交通管理工作。

【参考文献】

[1]邹智军，杨东援.道路交通仿真研究综述[J].交通运输工程学报.2001，1（2）：88-91.

[2]张立东，王英龙，贾磊，等.交通仿真研究现状分析[J].计算机仿真，2006，23（6）：254-256.

[3]邹智军.新一代交通仿真技术综述[J].系统仿真学报. 2010，22（9）：2037～2042.

[4]王飞跃.平行系统方法与复杂系统的管理和控制[J].控制与决策.2004，19（5）：485-489.

[5]方冰，张翠侠.基于平行仿真的城市交通运输决策支持平台[J].指挥信息系统与技术.2017，8（03）：16-21.

[6]葛承垄，朱元昌，邸彦强等.装备平行仿真技术的基础理论问题[J].系统工程与电子技术.2017，39（5）：1169～1177.

[7]陈森，孙黎阳，刘晓光.舰船电子工程[J].飞机编队指控平行仿真系统研究.2016，36（4）：88～90.

[8]袁勇，王飞跃，区块链技术发展现状与展望[J].自动化学报.2016，42（4）：481～494.

[9]方冰，张翠侠.基于平行仿真的城市交通运输决策支持平台[J].指挥信息系统与技术.2017，8（3）：16-21.

[10]赵怀柏，王逸凡，宋晓鹏.基于遗传算法优化BP神经网络的交通流预测[J].交通与运输（学术版）.2017（2）：32-36.