基于车联网大数据的交通路况预测研究

技术广角BroadAngleforTechnology74李业伟摘　要为了减少交通路况拥挤，文章提出了一种基于车联网大数据的交通路况预测方案。新方案介绍交通拥挤现状和现有的解决方案，分析交通路况预测的关键技术，设计一种基于车联网大数据的交通路况预测系统，阐述新系统的体系结构和通信架构。最后，通过系统应用证明新方案不仅减少了城市交通拥堵次数和时间，还提高了出行效率。关键词车联网；大数据；人工智能；交通路况预测基于车联网大数据的交通路况预测研究引言随着居民经济收入的不断增加和机动车辆趋于大众化，城市交通拥堵成为影响居民工作和生活出行的新问题。2001年，杨晓光等人提出了一种信号控制优先通过的交通方法[1]。该方法解决了公交车在城市道路需要优先通过的问题。2012年，董红召和赵玉婷共同提出了一种公交专用车道复用的方法[2]。该方法解决了公交车在城市公交专用车道通行的问题，同时允许机动车辆在非出行高峰期进入公交车专用道通行。2012年，刘小洋等人在城市交通中成功运用了车联网技术[3]。该方法有效利用了车联网信息平台服务居民出行，解决了因传统交通信息不足造成交通拥挤的问题。2015年，段宗涛等人将大数据应用于道路交通中[4]。该方法有效利用了道路交通领域中的大数据，解决了居民出行因信息不准确造成的交通拥挤问题。同年，张红等人提出了一种基于大数据的智能交通方案[5]。该方案主要阐述了智能交通体系架构及相关技术。2016年，王永胜等人提出了一种基于车联网的交通自适应优先方法[6]。该方法有效利用了车联网，解决了道路交通系统采集数据不准确的问题。综上所述，以上方法从不同的角度解决了道路交通中的拥堵问题，但都存在一定的局限性。本文提出了一种基于车联网大数据的交通路况预测方案，并利用人工智能技术对城市交通路况预测进行研究。1交通路况预测关键技术1.1车联网本文车联网采用传感器、通信网络、系统集成等技术，实现人与车、车与车、车与路之间的网络互联和信息互通，从而智能管控人、车、路，实现了智能交通管理，减少了交通拥挤时间和拥挤次数，并将物联网技术这一宏观概念具体体现在现代交通中。本文车联网的特征优势[7]具体体现在以下三方面。1)信息共享。信息共享是本文实现交通路况预测的核心基础。车联网中的信息来源于车联网中不同的传感器，经过分析处理后再向车联网中不同的终端显示器发布。同时，车联网利用通信网络实现人、车、路互联，从而实现信息共享，以满足机动车主的出行需求。2)车载传感器。车载传感器是本文车联网实现的硬件基础，在车联网中主要负责信息采集和信息接收。中国联合网络通信有限公司烟台市分公司 烟台 264000技术广角BroadAngleforTechnology75其中，车载摄像头负责采集车身周边环境信息，同时监控同行机动车辆行车状况。行车记录仪负责记录车前信息，GPS负责采集行车位置信息，油耗等传感器负责采集机动车辆自身信息。同时，车载显示器会及时接收本文系统发布的信息，方便机动车主查看实时交通路况，及时选择行车路线，以及查看机动车辆自身状况等。3)多源数据。多源数据是车联网进行信息共享的基础。为了满足车联网中的机动车主在出行时了解出行路线、交通路况等需求，车联网服务器需要处理来自车联网中的不同传感器上传的不同数据。因此，车联网传感器类型越多，数据类型就越多，从而车联网就越能满足机动车主的不同需求。另外，本文通过智能交通路况预测平台整合了交通生态链信息。同时，本文为广大机动车主提供更准确、更全面的个性化信息服务。1.2车联网大数据随着通信网络技术和传感技术的日新月异，车联网在交通信息服务领域的广泛应用为交通运输领域积累了大量数据。车联网大数据具有“3V”的特点，即Volume(规模大)、Variety(类型多)和Velocity(变化快)。车联网大数据有效解决了交通路况信息不准确的问题，提高了交通路况预测的精准度。车联网大数据技术具有多源性、实时性和相关性三个方面的特性。1)多源性。车联网大数据不仅来源于车载摄像头、GPS、道路摄像头、测速仪、RFID等传感器，还来源于气象局、道路施工方等。因此，车联网大数据来源越广泛，汇集数据就越多，分析结果就越精确，交通路况预测就越准确。2)实时性。本文系统通过3G/4G移动网络和光纤互联网等通信网络实现数据上传和信息发布，保证了数据传输的实时性，从而提高了交通路况预测的可靠性。3)相关性。在车联网大数据环境下，本文研究的重点是寻找车联网大数据中道路与行使的机动车辆之间的相关关系。道路与机动车辆之间的相关关系为交通路况预测奠定了基础。同时，本文通过相关关系还能分析出异常交通路况出现的原因。2基于车联网大数据的交通路况预测系统机动车辆的运动行为根本上是人的主观行为和交通指挥的宏观决策行为。因此，本文选取机动车辆作为交通路况预测研究的对象，利用人工智能技术中的BP算法对车联网大数据进行智能分析，为车主实时提供路况信息，为交通管理部门提供交通路况预测结果。交通路况预测系统主要由交通路况预测平台、通信网络和智能车载终端3个主要功能模块组成。智能交通路况预测系统图如图1所示。䖖䖶ؑ᚟ᴽ࣑ؑ᚟䚃䐟ؑ᚟Ӕ䙊䐟ߥ亴⍻ᒣਠ䖖㚄㖁བྷᮠᦞӪᐕᲪ㜭ᰐ㓯䙊ؑ㖁㔌Ր䗃䖖䖭Ც㜭㓸ㄟ〫ࣘᲪ㜭㓸ㄟӔ䙊ѝᗳབྷቿ图1智能交通路况预测系统图交通路况预测平台是整个系统的“心脏”，主要搭建在交通指挥中心。交通路况预测平台预测路况的准确度取决于机动车辆、车主、路边设施、高速收费站、交警、气象局、道路施工方等信息数据，数据越多，准确度越高。因此，本文采用人工智能技术对车联网大数据进行智能分析，并预测交通路况。预测结果会通过通信网络实时发布到所有车联网智能终端上，方便机动车主第一时间了解所处道路路况，助力车主根据自己的出行计划及时调整行使路线。通信网络是整个系统的“血管”，主要负责智能终端和交通路况预测平台之间的数据传输。通信网络通过无线和有线的紧密结合，满足了平台与车、平台与路、技术广角BroadAngleforTechnology76平台与人、车与车、车与路、车与人的通信需求，实现道路局域网和车载局域网之间的信息共享。智能终端是整个系统的“器官”，主要分为车载智能终端和道路智能终端。智能终端又被称为传感器，主要被用于采集车辆信息，以及附近车辆和道路的相关信息等。道路传感器主要负责采集道路上机动车辆信息以及采集道路通行状况等。另外，车载智能终端和道路智能终端都有通信功能，尤其车载智能终端还能实现自主导航、智能报警、油耗提醒等功能。3交通路况预测系统实现本文交通路况预测系统通过传感技术、通信技术等手段采集车联网大数据，再通过人工智能技术对车联网大数据进行智能分析，最后预测的路况信息助力交通管理，方便车联网车主根据预测路况调整出行路线，减少交通拥堵。3.1体系结构本文系统网络结构参考车联网3层体系结构[8]，分别从感知层、传送层和应用层进行阐述(如表1)。应用层行车导航管理、对讲系统、交通路况预测系统等传输层3G/4G、WLAN、光纤互联网等感知层摄像头、GPS定位、RFID、行车记录仪、油耗传感器等表1本文系统网络体系结构表1)感知层。本文系统的感知层主要负责机动车辆、交通路况以及道路环境等信息的采集。系统通过交通摄像头、测速仪、GPS定位、RFID、油耗等传感器实现交通数据的采集，从而形成车联网大数据，为人工智能分析下一步交通路况预测提供基础数据。2)传输层。本文系统的传输层主要负责感知层数据的传输，通过4G流量卡、WLAN以及光纤互联网实现基础数据上传至系统服务器，同时通过3G语音网络实现语音通信，从而保证车联网大数据的实时性，进而保障本文系统及时做出下一步精准的交通路况预测。3)应用层。本文系统的应用层主要向各位机动车主提供交通路况的预测，通过车载终端等APP帮助各位机动车主及时了解所行驶道路路况，为自己选择出行路线提供参考，从而减少交通拥堵次数和时间。3.2通信架构本文系统通信网络是由4G流量卡、WLAN和互联网组成。本文系统通过车载4G流量卡、交通道路互联网，以及社区WLAN实现交通信息互传，从而形成了车载局域网和道路局域网。本文系统通信架构如图2所示。1)车载局域网。车载局域网主要是通过3G网络实现语音组网，从而实现车主与车主、车主与平台话务员等之间的语音通信。同时，车载局域网通过4G网络实现移动数据组网，从而实现车与车、车与路边设施、车与平台等之间的数据互联互通。本文将处于传感层的机动车辆作为本系统的一个传感单元，传感单元再通过自身的摄像头、GPS等传感器将采集的数据通过4G移动网络实时上传至系统服务器，同时传感单元中车主可以随时通过3G网络实现语音信息的上传。另外，传感单元中的车主可以通过3G和4G移动网络实时从系统服务器获取自己所需的服务。车主出行时可以通过4G移动网络从系统服务器获取实时路况，以便机动车主及时选择下一步行驶的路线。同时，车主可以通过3G移动网络与同行的车主进行语音交流，还可以拨打平台热线从交通指挥中心获取相应的服务。2)道路局域网。道路局域网主要通过光纤互联网和WLAN实现道路数据组网，从而通过道路摄像头、测速仪等传感器将路面信息及时上传至系统服务器。本文系统不仅通过道路摄像头、测速仪等传感器抓拍交通违章机动车辆，还可以实时监控机动车辆和施工道路等路面状况。同时，本文系统将道路传感器和车载传感器等采集的数据在系统服务器端汇集成车联网大数据，再经过人工智能分析，将车联网大数据分类处理，可满足车主获取违章信息、交通路况实时信息、交通路况预测信息等不同的需求。另外，本文系统会将人工智能分析结果通过光纤互联网实时传输至交通道路屏幕上，为车主提供各种信息技术广角BroadAngleforTechnology77图2本文系统通信架构图服务，方便车主参考出行。3.3人工智能为了实时分析车联网大数据，并获取准确度高的交通路况预测信息，本文采用人工智能技术中的BP算法[9]。本文利用具有与人脑相近特性的BP算法，在算法输入层输入车联网数据，在隐含层进行不断反复加权调整处理，直至在输出层输出下一步的交通路况数据。如果输出层获取的数据不够真实，则反向输入车联网大数据，根据误差再次调整权重，从而获得与真实交通路况不断接近的数据。本文BP算法网络拓扑结构图如图3所示。1X2XnX1YmYijwjkw䗃ޕቲ䗃ࠪቲ䳀ਜ਼ቲ图3BP算法网络拓扑结构图其中，X1，X2，…，Xn是车联网大数据，ijw和jkw为BP算法的调整权重，Y1，…，Ym是交通路况预测数据。本文BP算法。1)初始化。假设输入层个数为n，隐含层个数为l，输出层个数为m。输入层至隐含层的权重为ijw，隐含层至输出层的权重为jkw，输入层至隐含层的偏置为aj，隐含层至输出层的偏置为bk。学习率为η，激活函数为()gx。()11xgxe−=+(1)2)隐含层输出。1njijijiHgwxa==+∑(2)3)输出层输出。1lkjjkkjoHwb==+∑(3)4)误差计算。2112mkkEe==∑(4)其中，kkkeYO=−，kY为期望输出值。5)权重更新。()11mijijjjijkkkjkjkjkwwHHxwewwHeηη==+−=+∑(5)6)偏置更新。()11mjjjjijkkkkkkaaHHxwebbeηη==+−=+∑(6)本文利用BP算法处理车联网大数据，不仅可以实时分析，还能对交通路况做出预测。同时，车联网大数据本身具有数据实时性和相关性，再经过人工智能技术处理，可以更好地挖掘车联网大数据，从而快速找到车联网大数据之间的相关性，提高交通路况预测的准确度。4结束语交通路况预测系统将成为智慧交通不可或缺的一部分，它将助力城市交通管理，方便广大机动车主实时了解交通道路行驶状况，避免交通拥堵，为车主出行选择行使路线提供有效参考。参考文献[1]杨晓光,林瑜,杭明升.信号控制交叉口公共汽车优先信号确定方法研究[J].中国公路学报,2001,14(Z1):101-104[2]董红召,赵玉婷.基于PARAMICS的公交专用道时分复用方法研究及