单春萍 侯少友 左志强

摘要：随着人工智能的快速发展，所以在智能交通方面也取得了很多突破性的进展。本研究即是在国内外智能交通的基础上，提出的一种新的智能交通最优路径的分析规划模型。该模型是建立在大数据基础上，通过车载GPS定位系统和车主手机使用的导航软件来定位车主目前所处的地理位置，并利用卫星和航空摄影以及流动车观测等技术来进行实时数据收集，将收集的数据传输至我们的分析系统，最后通过云端数据库和人工智能技术进行相关道路实时路况分析和全局规划与决策，用以帮助驾驶人选择最佳路线到达目的地，节约时间和经济成本，提高驾驶体验。

关键词：大数据;人工智能;云端数据库;最优路径选择

引言

经济的发展和科技的进步，使得机动车辆成为公众出行最主要的交通工具之一，但是城市内的道路设施却因为空间资源的有限而无法满足机动车的高速增长，使得交通拥堵成为一个世界性的普遍现象和社会问题，虽然国家通过修建更多道路来减轻交通压力实现难度还是很高，而智能交通系统利用信息与通信、传感技术、计算机技术对卫星定位系统打点轨迹实时分析处理，提供实时路况信息供出行者指定最优的合适路线，极大提高道路利用率，减少交通拥堵现状，是解决交通拥堵问题的最有效方式[1]。

目前人工智能正处于发展中状态，小到手机的操作系统，大到人造卫星的正常运行，都与人工智能息息相关。人工智能从诞生以来，理论和技术的日益成熟，应用领域也随之不断扩大，不难设想，如果这项科学技术能够以稳定、健康的方式发展下去，未来它将带给人类无穷的财富将会成为人类智慧的“容器”。本研究最大的特色即是探索人工智能在最优道路规划方面的应用，具有较强的实践意义。

一、大数据应用分析

通过车辆里安装的GPS定位系统或者车主手机使用的导航软件来定位车主目前所处的地理位置，利用卫星来进行实时数据收集，将收集的数据传输至我们的分析系统，经过云端数据分析处理后，将最佳行驶路线以及地形通过点、线，面的方式進行表达，最终以矢量模型的形式发送到用户手上。

由于道路状况变化过快，故我们必须时刻更新后台数据库的数据信息，一般的数据库已经远远不能满足需求，所以利用云端的数据库进行数据的实时更新与数据分析。

大数据对云端数据库的作用包括两个层面：

①提升数据覆盖范围和数据实时性;

②使基础数据和动态数据在广度、深度上得到强化。

（1）交通量的调查方法

①仪器自动计测法与GPS法：以司机、乘客手机上的地图软件和车辆上安装的GPS来采集实时车速为主，以摄像头，道路雷达测速测量车速为辅，判别道路是否拥挤。

②航空摄影法：利用航空摄影技术来进行交通量检查，其观测点是一个空间连续的移动断面，因此航空摄影法车流量Q航的计算为：

Q航=KVS

Q=Q1+Q2

式中：Q----顺向、逆向双向交通流量;

Q1、Q2----顺向、逆向车流量;

VS----车流空间平均车速/（km/h）

③流动车观测法及人工观测法：通过用户的照片拍摄以及用户在地图软件的道路状况反馈、实地外采以及人工建模处理等来了解道路状况[2]。

（2）数据库部分代码：

DROP TABLE IF EXISTS `city`;

CREATE TABLE `city`（

`id` int（9）NOT NULL AUTO_INCREMENT，

`city_name` varchar（255）DEFAULT NULL COMMENT'城市名'，

`city_code` int（6）NOT NULL COMMENT'城市邮编'，

`leave` varchar（1）NOT NULL COMMENT'城市等级：0：省份;1：城市'，

`creat_time` datetime NOT NULL COMMENT'创建时间'，

`modify_time` datetime DEFAULT NULL COMMENT'修改时间'，

PRIMARY KEY（`id`）

）ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8;

INSERT INTO `city` VALUES（'1'，'合肥'，'230000'，'1'，'2018-11-03 09：08：49'，'2018-12-25 17：03：10'）;

INSERT INTO `city` VALUES（'2'，'阜阳'，'236000'，'1'，'2018-11-03 11：10：04'，'2018-12-25 18：10：17'）;

（3）车辆多路线规划代码：

int stratFlag = 0;

try{

stratFlag = mAMapNavi.stratConvert（hightspeed，congestion，cost，avoidhightspeed，true）;

}catch（Exception e）{

LOGGER.debug（"多线路规划失败："+ e.printStackTrace（））;

}

public void multiLineSelectionSuccess（int[]routes）{

routeOverlays.clear（）;

HashMap<Integer，AMapNaviPath>paths = mAMapNavi.getNaviPaths（）;

for（int i = 0;i < routes.length;i++）{

AMapNaviPath path = paths.get（routes[i]）;

if（path！= null）{

drawRoutes（routes[i]，path）;

}

}

}

aMapNavi.selectRouteId（routeIds[routeIndex]）;

二、Artificial Intelligence

（1）交通特性：

在整个交通系统中，司机的信息处理过程总体概括就是感知、判断决策和操纵三个阶段不断循环往复的过程[3]。本系统是通过智能感知的方法为司机提供较好的决策意见。

以往的感知是司机通过视觉、听觉等感觉器官来感知行车的环境、条件和信息，如道路线形、交通标志、人与车等。智能的感知则是通过大数据平台，掌握车辆从起点到终点的数目、车速、车距、路状、交通标志、红绿灯个数及停留时间等一系列与驾驶有关的特性数据。通过对比可以发现以前的感知只是司机的局部感知，而智能感知从全局的数据出发，完成了全程的驾驶感知，所以全局规划决策优于局部观察决策[4]。

（2）决策模型：

以前的判断决策形式是通过司机在感知信息的基础上，结合驾驶经验和技能，做出判断，来确定有利于汽车安全顺畅的行驶措施，这涉及很多个人技能与经验，很容易造成各种突发情况[5]。而本系统提出的新的智能决策模型将很好的避免这类问题，更好的完成决策。

预测：

根据交通系统中是否接入人工智能道路分析系统的车辆及其它因素，现将预测分为三种情况。

①没有接入人工智能道路分析系统和导航系统的预测方式。对于电瓶车、摩托车、拖拉机、轮式专用车械、自行车等车可以根据以前统计的数据直接进行拟合，因为数量较少，行驶情况变化不大，对主道路不会产生较大的影响。

②没有接入人工智能道路分析系统和接入导航系统的预测方式。接入导航系统的车辆，可以通过导航系统的定位数据和其他数据，利用人工智能算法模型来预测这些车辆的走向趋势。

③接入人工智能通路分析系统和导航系统的预测方式。通过关于决策驾驶的数据直接预测适合车辆的最优的行驶路径，将得到非常失败的效果。因为这是一个开系统，假设有很多车都被规划行驶那条原本不拥堵的道路，下一刻将会变的非常拥堵，所以必须要形成闭系统来进行预测规划。

本系统的解决方法如下：智能系统多级化分析。首先通过影响驾驶路线的数据来预测车辆走向并初步规划路径，然后将车辆的规划路径数据传递给下一层再做出新的规划来校正原来路径数据，再继续向下传递。接着校正，最终形成从个人车辆到一条路再到一个社区一直到整个城市的闭合的人工智能道路分析系统。

规划：

通过上述三种情况的预测，再经过数据整合分析，用接入人工智能通路分析系统和导航系统的预测方式来完成整个城市的车辆路径规划问题[6]。

（3）训练模型：

通过来源于交通平台的各种数据（上述中预测规划的数据、优秀驾驶员的经验数据等其他的交通数据）来训练我们的人工智能道路分析系统的模型，完善模型，给出最佳的决策意见，来解决道路拥堵问题。

三、小结

本研究以智能交通网络为基础，对车辆行驶的最优路径规划方案进行研究。所做具体工作如下：

（1）利用大数据和人工智能对样本数据进行计算，推算出当前道路的平均通行速度和路面突发事件进而确定智能交通路网模型对车辆最优行驶路线;

（2）通过物联网技术将所有车辆的方位进行实时统计，并通过一定时间内的数据使用人工智能自主分析得出每个车辆的行驶趋势，预测以后某个时间段内的道路情况，最终给出最佳行驶路线;

（3）从三个方面对比提出人工智能通路分析系统的必要性。

参考文献：

[1]王赛政.动态交通条件下车辆导航系统的最优路径规划方法研究[D].长沙理工大学，2010.

[2]梁卜文.大数据时代下的智能交通[J].科技风，2018 （03）：213.

[3]陆杨洁.智能交通系统中车辆最优行驶路线规划设计[D].浙江工业大学，2015.

[4]高子初，张宁.用大数据智能交通技术管理复杂多车道道路的新策略[J].科技与创新，2018 （01）：25-26.

[5]胡辉，胡松，蔡映雪，陳伽，尹辉，蔡昭权.基于北斗卫星定位的智能交通车辆管理系统[J].现代计算机（专业版），2017 （25）：48-51.

[6]李娟.智能交通管控平台重点车辆管理系统的设计与实现[D].山东大学，2016.