毕业设计（论文）-面向中小城市的动态交通诱导系统.doc

清 华 大 学综 合论文训练题目：面向中小城市的动态交通诱导 系统系别：自动化系专业：自动化系姓名：教师：2015 年 6 月 16 日中文摘要全套设计加扣 3012250582交通诱导系统是解决区域交通问题的重要手段。随着信息技术和检测技术 的发展，视频、线圈、微波等物理技术手段被引入到城市交通系统中，海量翔实 的数据提供给交通参与者和决策者进行交通决策和优化，在世界范围内包括中 国，出现了多渠道、多层次的交通诱导系统。然而由于交通诱导系统提供软性 信息，并不能实际代替交通参与者的决策过程，诱导系统的效果没有保证，交 通拥堵等问题时有发生。因此，研究交通诱导系统中的分配算法、制定合理的 信息发布策略，其理论意义和应用价值都显得非常重要。本文对动态交通诱导系统（包括动态交通分配和交通信息诱导）的理论研 究和实际技术进行了广泛的调研。结合中小型城市的交通问题，提出了一个闭 环的、模块化的动态交通诱导系统：包括信息获取和处理模块、控制中心模块、 外围设备模块。本文详细地讨论了系统的闭环工作方式，在此基础上对信息处 理技术、控制中心配流技术和信息发布策略三个方面进行了理论研究和代码实 现。本文通过实际数据和仿真数据，验证了三个技术的有效性，同时验证了系 统的可行性。本文的创新点主要有： 针对中小城市交通信息的预测性、实时性不足的问题，提出了基于时空关 系的多尺度预测方法，通过自适应调整权重，分析时间、空间关系，预测 交通流量。同时基于模拟退火的随机优化方法，反解交通需求的 OD 矩阵。 算法在预测和反解的精确性和实时性上都表现较好。 针对动态交通系统软性信息诱导力度不足的问题，细化了闭环控制技术和 信息发布策略。本文着眼于平稳过程中的信息发布策略，提出将信息发布 策略量化到路阻函数的比例参数之中，从而在参数的调整上实现了闭环控 制，并且理论上确定了参数最优选择的存在唯一性，同时结合多尺度预测 的技术，探讨了闭环控制对于信息发布策略可能带来的“超调”问题的抑 制作用。实验证明算法取得了明显的优化效果。关键词：交通诱导系统动态交通分配交通流预测OD 矩阵闭环 交通系统IABSTRACTTraffic guidance system is commonly recognized as an important method to solve urban traffic transport problems. With the development of information and detection technology, massive accurate data, collected by video, coil and microwave detector, are provided for traffic participants and policymakers for optimizing their transporta- tion decision. Within the scope of the world including China, there are more and more traffic guidance system, being highly integrated with multiple information channels and multiple control hierarchies. However, as the system providing soft guidance informa- tion, it cannot replace the decision-making process of the traffic participants, an thus cannot guarantee the optimal effect. Therefore, it is important to study the dynamic traffic assignment algorithm and information broadcast strategy.In this paper, we have carried out an extensive investigation on the theory and tech- nology of dynamic traffic guidance system, including dynamic traffic assignment and guidance information. Based on the traffic problems of small and medium-sized cities, we proposed a close-loop and modular system, which includes information acquisition and processing module, control center module and the peripheral module. The paper discusses the close-loop working principles of the system, then make a theoretical re- search and implementation of three aspects: information processing, traffic assignment and information broadcast strategy. Through actual data and simulation, the effective of the three technology, as well as the feasibility of the system, is successfully verified.The innovation points are as follows: For the shortage that traffic system in small and medium-sized cities cannot guar- antee to be real-time and predictive, the paper proposed a multi-scale predict algo- rithm based on the time and space relationship of the traffic network. The method sets the weights to be self-adaptive. Also, the paper uses simulated annealing to solve out the OD matrix, which represents the travel demand. Experiment re- sults demonstrate that the two algorithms perform well at accuracy and real-time performance. For the shortage of soft guidance information, the paper discusses a close-loopIIinformation strategy. Aiming at stationary process, the paper rises an algorithm that uses the parameters, which represents the information broadcast strategy, to adjust path resistance function. So the close-loop control is performed on the adaption of the parameters during all the time periods. The uniqueness of the optimal parameters for the system is guaranteed. At the same time, with the help of multi-scale predict algorithm, close-loop control suppresses the issue of over- shoot caused by information broadcast strategy. Experiment results demonstrate the advantage of the algorithm.Key words: traffic guidance systemdynamic traffic assignmenttraffic flow forecastOD matrixclose-loop traffic systemIII目录第 1 章绪论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.1中小城市的交通状况和特点以海宁市为例 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2交通诱导系统 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2.1信息处理技术交通诱导的基础 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2.2动态交通分配交通诱导的核心 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.2.3信息发布策略交通诱导的手段 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.3本文技术路线 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.4系统框架和工作流程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.5本章小结和本文内容安排 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8第 2 章交通数据挖掘的实时算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.1基于时空关系的自适应权重交通流预测算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.1.1算法原理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102.1.2点处理和批处理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122.1.3实验结果和分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132.2基于模拟退火的 OD 矩阵反算132.2.1模拟退火算法的嫁接 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142.2.2实验结果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162.3本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18第 3 章动态交通分配的实时算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193.1系统目标函数和求解方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193.2DTA 算法实现213.3DTA 算例243.4本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256第4 章诱导信息的量化和发布策略 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 4.1建模与求解 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284.2多尺度预测的必要性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304.3参数的学习过程. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324.4本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35第 5 章TGS 演示平台365.1演示平台设计和开发 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365.2仿真平台功能展示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385.2.1UI 交互385.2.2车流仿真和路网分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 405.3本章小结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41第 6 章结论 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426.1工作的创新点 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426.2未来的展望 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43插图索引 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44表格索引 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45参考文献 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46致谢 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48声明 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49附录 A外文资料书面翻译50附录 B求图每对 od 对的所有路径68主要符号对照表ITS智能交通系统TGS交通诱导系统TIS交通信息系统UE用户平衡，Wardrop 第一准则SO系统最优，Wardrop 第二准则DSO动态系统最优DUO动态用户最优*O*D指代路网结构，* 可以为 M（multiple）或者 S（single），O（origin） 代表路网起点，D（destination）代表路网终点，如 SOSD 代表 单源单汇的路网OD交通需求矩阵，是一个方阵，行列规模同路网节点数G (N , E )路网，包括节点集合和边集合l路段长度i jf路段交通流量，用 f t表示连接 i 和 j 节点的路段上 t 时刻已经i j存在的流量，用 d f t表示 t 时刻新增加的流量，用 c f t表示 t 时i j刻离开的流量路段之间阻抗函数的比例因子，无量纲g()需求群体分裂函数q需求总量At配流方案，系统控制中心对时间段 t 的目标流量分布F t系统控制中心对时间段 t 的驾驶员自动寻路分布的模拟i jFt时间段 t 的路网流量真实分布， f t Ft ，其中 i, j NIt路网系统在时间段 t 采集到的信息，Ft Itd(., .)偏差算子，表示两种交通流分布之间的差异Ithis历史数据Itf ut预测数据Itbro发布数据Itidv个体经验数据ptidv个体路径选择S()发布信息策略R()路阻函数ct0i j()代价函数，t 时间段从 i 到 j 的路段的代价函数，用 ci j 表示自由流的通行代价VII第 1 章绪论本论文主要研究面向中小城市开发的动态交通诱导系统的中心控制模块。 从结构模块上分，整个系统包括四个部分：第一部分是硬件架构，主要是检测 器，包括线圈、微波测量仪、视频监控器等，实现交通信息的采集功能；第二 部分是控制中心模块，实现信息的处理、分析和制定信息发布策略的功能；第 三部分是分散的手持或车载终端模块，实现用户信息的采集和接收诱导信息的 功能，并且提供用户出行辅助功能；第四部分是控制中心模块和分散的终端之 间的通信模块，实现通信功能。本论文研究和实现的是第二个部分的功能。本论文的工作作为自动化系系统工程研究所智能交通实验室项目中等城 市道路交通智能联网联控技术集成及示范（国家科技支撑计划）的一部分，最 终应用在海宁市、泰州市的交通诱导上。本章作为论文的绪论，结合中小城市的交通状况和特点，介绍交通诱导集 成系统的研究背景，包括系统关键理论及其发展现状，同时对目前现有的具有 类似功能的智能交通系统进行简单的分析，通过比较长处和不足，确定本文的 技术路线和研究框架。1.1中小城市的交通状况和特点以海宁市为例随着中小城市规模日益扩大，交通拥堵问题日趋严重。以浙江省海宁市为 例分析交通系统存在的问题，对研究其他中小规模城市也有借鉴意义。海宁市 总面积 700 平方公里，人口约 100 万，是一个县级市，在 2013 年福布斯中国大 陆最佳县级城市中排名第十。迅猛的经济发展给海宁市发展滞后的交通基础设 施和智能交通系统提出了新的挑战：车辆增长率高，年平均增长率为 26.78%， 车型混杂；驾驶员数量激增，新手上路情况多，驾驶行为习惯不规范；道路增 长滞后（年增长仅为 50 余公里），基础改造不完善，城区功能混杂（中心区域 集中了政府、居民区和主要商业区），路网结构不甚合理（受制于东西两山和横 贯的河流）；潮汐现象明显。与这些难题相应的，海宁市的智能交通系统并不完善，没有完整的城市交 通系统进行宏观调控，具体表现在：检测器布局不完善，部分路段没有任何检9测器，大部分检测器还在施工；信息发布滞后，不能发挥已有基础设施的潜力；缺乏针对特定时间段的交通方案，一旦拥堵并不能及时合理调配交通流。2012 年底，海宁交警制订了海宁市智能交通“三年科技行动”实施方案（2013-2015），计划用三年时间，投资 5000 万元，采用当今智能交通领域先进 的设备和较为前沿的理念，对交通流量，速度，占有率等要素进行实时采集、计 算、分析，形成出行诱导信息，达到服务领导决策、服务公众出行、服务交警 勤务，进而缓解交通拥堵的目的。2013 年实施一期项目，主要内容包括交通流 量采集、制高点监控、诱导信息发布屏、集成软件平台四大部分。目前，海宁 市二期项目正在落实，本课题作为项目的分支之一，对海宁市整体交通系统的 建设有非常实用的价值。1.2交通诱导系统随着检测手段的多样化、系统集成技术的提高，智能交通系统（以下简称 ITS）在很多城市取得了重大的突破。智能交通系统以检测、控制和集成为手 段，以优化道路资源利用和减小道路运行成本为目标，在一定基础设施的情况 下，发挥其应有的交通负载潜力。其中，交通诱导系统，尤其是动态的诱导系 统（如无特殊强调，下文提到的诱导系统和算法均在动态范围下讨论），是研究 的热点和难点。交通诱导系统（以下简称 TGS）在假定驾驶员的出行需求（以下称为 OD 矩阵）已知的情况下，通过信息交互引导驾驶员的出行计划，从而达到系统的 优化目标。交通诱导系统的任务特性决定了它的难点来自于这样三个方面：一是信息实时性和精确性难以保证。受限于硬件条件和气候、突发事件等 因素，采集到的数据存在污染是不可避免的。在这种情况下，应该结合历史数 据对未采集到的数据进行估计。此外，在交通系统中，还存在着一些不可测但 是非常重要的物理量，包括 OD 矩阵在内1,2。对这些不可测的物理量提供一个 实时的估算技术是非常重要的课题。二是信息的潜在收益和风险难以评估。首先，TGS 提供的软信息不能完全 取代驾驶员的决策，甚至没有较好的模型来评价信息指引对驾驶员决策的影响 程度。虽然交通决策者期望指引信息能够带来完全收益的格局，然而由于系统 的“超调”现象，这些信息也可能带来负面影响3,4。这要求 TGS 有非常好的 容错性；其次，信息的繁杂和驾驶员的个体信息处理能力有时不相匹配。对驾驶员的信息交互手段繁多，信息的种类多种多样，包括了指导性信息（比如通知驾驶员走 A 路线而不是 B）、辅助性信息（比如通知驾驶员系统计算走 A 路 线花费 10 分钟，而 B 路线花费 8 分钟）、原始信息（比如通知驾驶员走 A 路线 短，但是目前拥堵路段长度已知，而 B 恰恰相反，路线较长但是无拥堵）3；还 有，发布的信息需要有预见性，也要考虑个体的经验，从而使得问题更加复杂。三是交通系统是一个多优化目标的系统，而且其最优解往往并不能通过数 学方法加以解析，其实时性更加难以保证。因此退而求其次的，我们希望开发 的通常是一个实时的能够带来优化效果的算法。相对于其难点而言，TGS 的手段是充分运用信息技术：一方面依赖于历史 信息、采集信息的充分挖掘，一方面依赖于一套成熟的、容错率较高的指导信 息发布策略。如果把这两种信息作为“输入 - 输出”对来看，那么中间的核心 处理过程就是动态交通分配算法。下面将从三个方面进行综述。1.2.1 信息处理技术交通诱导的基础交通流预测是 TGS 的基础性工作。最直接的原因有两个：第一，交通流决 定了道路通行能力，也就是路阻，从而影响交通参与者的出行决策；第二，预 测交通流用于反算 OD 矩阵，从而影响交通决策者的全局优化决策。交通流预测主要的方法分为两类，一类是基于统计关系的方法，主要有时 序平滑法5,6、置信区间法等，这些方法是对于传统的平稳道路流量过程的建模 分析，通过历史数据和路网的空间结构对流量进行分析，并不能适应流量波动 较为剧烈的情形，另外一类是基于数据挖掘的方法，主要有参数回归、非参数 估计和神经网络的方法，这类方法强调对数据本身的研究，在大数据的背景下 取得了较为成功的应用。交通 OD 矩阵反算也是 TGS 的基础性工作，用于路网资源调度。解决这个 问题最常见的方法是数学规划（包括线性规划或者非线性规划）、路网平衡1 和 基于模糊集的方法7。1.2.2 动态交通分配交通诱导的核心动态交通配流（以下简称 DTA）是 ITS 的理论核心之一。为了诱导用户需 求在路网上形成最优分布，首先需要知道这个分布是什么样的，DTA 理论就用 于回答这个问题。胡婷等8 对几十年的理论发展和不足做了一个较为精确的总结。交通配流就是将已经预测出来的 OD 需求按照一定规则分配到路网的各条 道路上。由于实际路网的复杂性（OD 对太多，OD 之间的路段部分重合），进行 交通配流一直是一项比较艰难的工作。Wardrop9 提出了路网均衡的两个概念， 分别称为 Wardrop 第一准则和第二准则。第一准则描述的是路网中的所有驾驶 员经过长期地博弈行为，最终不能单独改变自己的路径规划来获得更低的出行 代价，下面简记为 UE；第二准则描述的是所有驾驶员的出行代价之和最小，下 面简记为 SO。Wardrop 提出两条准则之后，如何求解 Wardrop 均衡就成了研究者的重要 课题。这方面的理论研究从静态交通配流到动态交通配流，都有大量的参考文 献和算法。除了研究最优解之外，也有不少实用的 DTA 算法，包括数学规划方 法、计算机模拟方法和近似算法10。1.2.3信息发布策略交通诱导的手段信息发布策略是诱导交通参与者的出行决策，使交通流量如同交通决策者 期望的系统最优的目标分布。可以说，信息发布策略是诱导算法的表现形式。 常见的信息发布载体有城市主干道 LED 显示屏、手持设备、车载终端、交通电 台，等等，这些只能提供辅助决策的信息，我们称之为软信息。Ben 的论文4 中，以结构框图的方式讨论了驾驶员决策模型、驾驶员出发 前的信息整合模型、驾驶员旅途中的信息更新模型。后续的信息发布研究工作 都是在他的基础上进行公式化推演的。这个理论问题很多其他的表现形式，包 括：停车场收费定价问题11、道路征税12 问题，等等。不同的是，这些问题涉 及收费，可以更好地结合用户的效益模型，然而相同的是，这些问题都假设用 户是“足够”理性的（至少是相对的），通过对用户的期望效益产生影响，从而 优化系统目标函数。受到这些理论的启发，本文细化了发布“虚假”信息的方法。这里所指的 虚假有一个度，即不能使得用户对信息的置信度大幅度下降。对用户心理的研 究增加了本文的难度，并不在本文的讨论范围之内。1.3本文技术路线作为实际项目进行稳定工作的时候，TGS 需要考虑的因素还有很多，目前 流行的做法是将平稳运行的交通控制和突发事件预案两者并行，比如中国的银 江交通诱导屏系统软件 V3.0，智合集成停车引导服务的交通诱导软件 。在无突发事件的过程中，综合上述的三项技术，实现决策者和参与者的信息交互， 是诱导系统的惯用设计方法。对 TGS 的理论研究工作中，有一种做法是将系统的全运行时间段划分为时 间序列，从而将问题作为动态规划进行考虑，并且进行反向求解13。这种做法 假设提前知道用户的服务需求水平（至少是一个区间），而在实际情况下交通流 需要预测，这种假设是不可行的，而且这种解法并不能保证系统的稳定性，也 不能保证在数据污染的情况下稳定工作。本文认为，解出最优解并不是一个多么振奋人心的消息，能够让系统长期 实时地运行并且稳定在较优的解区间内，才是实际工作应该追求的目标。目前 并没有重要的文献和实际系统14,15 着重讨论基于实际交通流分布和配流分布 的信息发布策略，本文着眼于这种策略，使之起到优化调度的功用，同时审慎 分析了交通系统的动态特性对策略性质的影响。因为在一个急剧扩张的中小城 市的过渡时期，一个着重考虑动态特性的诱导系统对交通系统整体运营的稳定 性，有至关重要的作用。基于前人的研究和工程，本文提出技术路线如图1.1。1.4系统框架和工作流程结合前面对于 TGS 的模块化“输入控制中心输出”的讨论，本节 细化 TGS 的框架（如图1.2），对各个模块给出数学化的描述，同时明确了 TGS 各个模块的功能。我们知道，一个系统的稳定运行离不开负反馈的控制原理。在 TGS 中，交 通决策者的信息发布可以视为对交通系统施加控制量；交通参与者的决策导致 车辆上路、换道等行为，相应地可以视为系统的单位阶跃输入；将流量分布和 实际分布的差异视为控制偏差。从而可以将闭环反馈的控制机理引入到 TGS 中，图 1.1技术路线得到系统的闭环工作流程（如图1.3）。下面进行数学化描述，在此之前明确区分 两个概念：路径和路段，路段时相邻节点直接邻接的边，路径是若干相互连接 的边的集合。（1）数据采集和处理模块 包括框图中的信息采集、信息处理和数据库三个方面，主要功能是结合当前数据、历史数据和系统矫正误差，供决策者进行决策。 信息采集：交通系统的道路参数有很多，其中最重要的道路参数分别是车流量、速度和道路占有率，基于这三者可以拟合车辆通行路段的代价函数。其 他道路参数包括道路施工、天气环境、突发状况等等，本文并不考虑在内。预测数据：在动态系统中，考虑到未来数据的不可测，需要基于历史数据对未来车流量、道路占有率进行预测，从而得到对整个路网每条道路通行代价 的预测。图 1.2TGS 框架图 1.3TGS 工作流程矫正误差：采集到的路网交通流分布和系统的配流分布之间的误差是系统 算法在上一时刻产生的偏差项，需要在迭代过程中进行矫正。S() = f1(d(At , Ft )(1-2) (1-3)（2）信息生成和发布模块 包括框图中的控制中心和信息生成与发布模块，主要功能是进行交通配流，使得所有驾驶员在道路的总通行代价达到最优化的目标。本文主要研究 LED 显示屏终端的信息发布（另一个重要工作车载终端的辅 助驾驶，这一方面由实验室的侯恺哲同学的毕设工作给出），通过发布集体信息 和个性化信息，对用户的行为进行指导。（3）用户决策和评价模块：用户的个性化决策形成了下一时刻的路网车流分布。 (1-5)TGS 的可行性依赖于算法的实时性，第2章和第3章的实验结果保证了这一 点；研究 TGS 的稳定性和控制量的调制作用则由第4 章进行分析。1.5本章小结和本文内容安排本章通过对中小城市的交通特点的分析，结合对目前交通系统的调研，从 宏观上提出了一个闭环的 TGS，明确其框架和工作流程，并且给出了数学化的 表达。这些表达涉及了很多不知道形式或者参数的抽象函数，在本文后续的讨 论和代码中，对这些函数提出了自己的细化方法。论文接下来的章节按照这样的方式进行论述：第2章到第4章分模块实现， 其中第2章重点论述信息处理的算法和实现，主要涵盖实时多尺度流量预测算法 和 OD 矩阵的反算算法；第3章重点论述动态配流算法，主要比较计算机模拟、 随机算法的 Logit 模型和增量 0-1 算法求解动态用户平衡的精度和速度，其次移 植 Frank-Wolfe 算法实现了系统最优的凸优化模型求解；第4章论述信息发布策 略的制定，主要分析了控制信息发布策略解的存在唯一性，同时证明多尺度预 测算法对于系统稳定性的好处，并且给出了具体的实施策略；第5章开发了一个演示平台；第6章是结论，主要对整体的框架的优势、不足和创新性进行深入的探讨和总结。第 2 章交通数据挖掘的实时算法本章论述对采集得到的交通信息的实时处理方法，包括了多尺度流量预测 算法、OD 矩阵的逆推算法。其中，对于流量预测算法，采用的是基于时空关系 的自适应权重的预测方式；对于 OD 矩阵的逆推，采用的是基于模拟退火的优 化方法。本章对这些方法都给出了对应的实验结果和分析讨论。2.1基于时空关系的自适应权重交通流预测算法2.1.1算法原理交通流预测的时段通常选为 15 分钟，在一些情况下也会考虑分钟流量、5 分钟流量和小时流量。本文将考虑 5 分钟流量和最普遍的 15 分钟流量。本文首先考察交通流预测的四种方法，然后通过组合算法的方式对之进行 改进。首先考虑基于统计学的方法，一是历史平均算法（以下简称 HA），其受 噪声点影响较大；二是时序平滑方法（以下简称 TS），TS 方法利用时序关系， 然而由于交通流周期明显，这种方法抹平了不同时段的周期特性；其次考虑基 于数据挖掘的方法，一是非参数方法，典型的是 kmeans 聚类算法，这种算法用 预先聚类的方法确定待预测点的归属，然后用同类的已知点进行平均作为其估 计值；二是神经网络（以下简称 NN）方法，典型的是 RBF 网络和 grnn 网络， 其最大的缺点模型缺乏解释性，此外，并没有重要的文献对网络的输入进行讨 论，也没有公布数据来源16,17，导致重复他们的工作成为不现实的事情。我们考察一下上面的两类技术路线，第一类走的是白箱建模的路线，认为 交通流的预测可以通过物理模型来求取，第二类走的是黑箱建模的路线，认为 交通流的预测只需要选择好输入，而对于中间的影响过程机理毫不关心，因此 在输入的选择上显得太过于随意化。本文提出基于时空关系的自适应权重预测 算法（以下简称 SW），本质上是灰箱建模的路线。算法框架分成三步：第一步，按照预设为三类，基于 kmeans 聚类方法对采集到的历史交通流数 据进行分类，结果如图2.1所示。根据交通流状态的转换，确定划分为三个时 间段（0:007:00,7:0019:00,19:0024:00）。1019500450400Haining West Road, Coil No. 6, Date:2015.3.2distance of all cluster 165691.827600500Haining West Road, Coil No. 6, Date:2015.3.3distance of all cluster 169537.5464350traffic flow300400250traffic flow30020015020010050100(a)0020406080100time(0:0024:00,step:15min)(b)0020406080100time(0:0024:00,step:15min)2015.3.22015.3.3图 2.1海宁市道路交通流特性第 二 步， 对 三 个 时 间 段 分 别 训 练 一 个 自 适 应 的 加 权 平 均 模 型， 模 型 的f输 入 有 五 个， 分 别 是 前 三 天 该 时 刻 流 量t1,2,3、当 天 前 五 个 时 刻 的 流 量f ti, i = 1, 2, ., 5，邻接三个上游路口上一时刻的流量 p f t1，该时刻的时间 t，当天前四个时刻的流量的导数（也就是逐项差）ti =