基于CBR的城市道路交通拥堵疏导决策支持技术研究

2022-04-29占海文

中阿科技论坛(中英文) 2022年4期

占海文

（安徽三联学院,安徽合肥 230601）

为解决城市交通拥堵问题，各城市交管部门纷纷建立起交通监控管理平台，以实现对相关交通信息的采集、整理及分析，以此形成相关案例库，当道路中出现新的拥堵时，通过查找案例库的方式，可在最短时间内根据以往经验处理好眼前交通拥堵问题，即通过案例推理的方式解决交通拥堵问题。案例推理技术（CBR）作为一项新技术，在决策支持技术的研究仍较少，且多从预测拥堵的角度探讨其在城市道路拥堵中的应用，关于已经出现拥堵时急需进行疏导的情况的研究仍较少，而在城市道路拥堵疏导决策中应用案例推理技术的更少。鉴于此，将案例推理技术应用于交通拥堵疏导决策支持是一项非常有意义的尝试。

1 工程概况

某市三年内的机动车保有量约有10.5%的年增长量，在一定程度上对道路通行产生了较大压力。该市主城区车流量密度较大，但路网结构中有较多主干道是断头路，系统性较差，缺少次干路和支路，因此对主干道有过大的压力，存在较差的分流效果，使得微循环流通程度难以满足要求。实地调研该地某几个主要路段，结合交管部门的实时数据可知，该市有较为规律的交通拥堵时间，多在下班高峰期产生拥堵。对比不同时间段主要路段的通行状况，可知其拥堵情况多出现在特定时间段内，基于饱和度对主要路段交通通行能力进行对比。其中，饱和度计算公式如下：

式中：

V-实际通行量；

C-可供通行的最大行车量；

根据当前国内对交通饱和度的相关规定，以四个等级划分道路通行能力。具体如表1所示。

表1 道路通行能力

对比实地调查结果可知，在高峰时段有较高的拥堵频率，车辆的行驶速度较慢。且在高峰时段该路段的交叉口出现饱和或超饱和的交通量。综合该市交通现状进行分析可知：

（1）道路拥堵的情况有一定的规律性，多在高峰时段出现，因有较高的机动车出行率，导致道路容易有瞬间饱和的承载量出现；

（2）道路拥堵的情况有相对固定的位置，多在主干道或交叉口位置出现；

（3）交通拥堵的情况有较高的相似度。

为取得更为科学的疏导方案，必须分析其拥堵的原因和具体的疏导方案，以形成两者相互对应的关系，提供可行性方向给后期交通拥堵疏导决策者。

2 道路拥堵原因

当前，关于交通拥堵产生的原因并没有标准答案，基本都是基于各国自身情况组成一套与本国实际相匹配的拥堵案例。因此，要想得出合理可靠的疏导方案，用最短时间发现并解决拥堵情况，杜绝其所带来的安全隐患，就必须对其拥堵原因进行分析。

交通拥堵的原因多种多样，但基本上可以概括为道路车辆容量小于瞬间承载的车辆数，出现交通出口容量和车辆通行量不相符的情况，使得道路交通局部出现通行能力恶化的现象，换言之，导致交通拥堵的原因可分为两大类：突发性和常发性[1]。

常发性的交通拥堵具有一定的规律，如上班高峰期时，往往在相对固定的主路口会产生拥堵，产生这种情况的原因在于拥堵的路口出现超标的车辆容量或所设计的道路存在缺陷[2]。

在图1所示的拥堵曲线中，表示路段通行量与时间的关系，即正常通行所需的时间，表示车辆累计与时间的关系，即完成所积累的车辆数所需要的时间。若以S代表交通需求量，以P代表交通容量，则正常通行时为S≤P，拥堵时为S＞P，图1中的拥堵时间开始于时刻，此时有S＞P，且拥堵最严重的点为，此时S=P，之后开始出现S＜P的情况，即此时道路逐渐畅通，并在开始正常通行，路段通行能力得到有效恢复。

图1 车辆容量超标造成的拥堵曲线

突发性拥堵没有可以遵守的规律，常常会有不可预见的事故出现在某路口，导致交通出现拥堵。因该种情况缺乏规律性，因此难以预见，并且该种拥堵情况出现之后，必须基于现场情况及时进行修正，争取在最短的时间内疏导拥堵的交通，确保路段通行能力得到恢复。一般以交通流动态变化曲线分析该种拥堵。具体如图2所示。

图2 突发性拥堵的车辆通行曲线

图2中，表示车辆在正常通行时的流量，此时有最大的车流量；表示该路段在发生突发性事故后的车流量；表示在疏导完拥堵之后通行能力的变化；表示处理完事故并修正原有通行流量后的新通行流量。从图中可以看出，正常通行时路段的车流量与路段最大容量相比较小；事故出现之后的时间模块分为三个部分，分别是检测时间、反应时间以及处理时间；表示处理完事故之后的环节，此时有最大的拥堵量，该点过后路段通行性能逐渐回升；路段在出现交通事故后可能会有非正常拥堵出现，因此可能会对通行流量进行修正，使其形成新的平衡。

不管是何种原因导致的交通拥堵，在进行交通疏导时还是需要根据常发性以及突发性两种情况进行解决。

3 交通拥堵疏导决策方案的分类

无论是何种疏导交通拥堵的方案，其目的都是采用最短时间疏导完堵塞的交通，确保路段正常通行能力。在交通拥堵疏导系统中，不同的疏导方案有各自的特点，主要包括决策的多样化类型等。因为交通拥堵属于相互管理和制约的情况，因此需基于不同行为特点处理交通拥堵情况[3]，具体可采用如下几种方式：

（1）预先控制

该种控制情况是面向部分可以预见的事件提前进行部署，如维修道路、开展活动等。该种拥堵情况属于事先可知，可结合现场情况预先采用分流等方式疏导封闭路段的交通，避免有拥堵等情况出现。

（2）不可预见控制

该种情况属于突发事故，如交通事故等，事件具有突发性。若是在主干路等位置发生，则在短时间内降低路段的通行性能，若无法及时进行处理，则会对周边路段的通行性能造成一定的影响。

（3）诱导控制

该种情况主要面向有着严重拥堵的交通情况，多通过分析车流的方式及时对车流进行分流，并及时发布诱导信息，让驾驶者可以提前了解具体情况做出绕行选择，避免后续出现拥堵。

（4）强制管制

该种方案为最高级别的情况，一般通过相关强制措施避免拥堵路段有其他车辆进入。

上述控制措施及原因和道路拥堵程度的联系如图3所示。

图3 控制策略与拥堵原因和拥堵程度的关系图

当出现交通拥堵时，可基于原因与范围选取相关控制策略疏导交通。上述对拥堵疏导方案的分类是基于交通拥堵控制方式的角度上所进行的，若拥堵升级将会改变控制方式，策略又可基于拥堵决策数据类型进行分类：

（1）非结构化数据，该种决策方案多在无规律可循的实际交通中应用，对于交通拥堵的实际情况无法采用相关的数学模型或算法做出定性或定量的研究，多基于管理者经验疏导交通拥堵；

（2）结构化数据，该种方案多在已有固定拥堵模式的路段采用，可基于现有的数学模型分析拥堵情况，从理论上得到交通疏导的最佳方案；

（3）半结构化数据，该种方案结合了上述两种其他方案的特点，规则化处理部分数据，另一部分则基于现场分析得到，两者间的组合使疏导方案更为完整。

4 基于CBR的交通拥堵疏导决策支持系统关键技术

在决策支持系统中，其实现的关键技术在于案例推理的完整模型和案例检索机制。

4.1 案例推理模型

在求解复杂问题时本质上为知识学习的过程。因主观局限性的存在，人们在面对新问题或再次出现的旧问题时，因缺乏成功经验往往难以在短时间内得出解决措施，导致不能及时求解问题或无法求解问题。此时人们应以该领域的旧案例为指导，从环境的角度出发进行求解，消除相关干扰数据，并在决策中反馈相关的正确知识，最终取得满意的答案。案例推理模型是该过程必备的因素。

首先需要分解继续解决的问题，确定问题领域，明确问题特征值。此外，还需进行关键的一步操作，即对特征值权重进行设定，因为在确定了特征值的基础上所设置的值并不合适，则会使结果有所不同，对解决问题的方案造成直接的影响；基于所设定的特征值通过案例推理机制对案例库的源案例进行检索，得到求解问题的初始值，若用户所设定的阈值未有相关案例匹配，则视作无效匹配，此时需在旧案例的检索过程中找出与其最为相似的案例进行修正并补充知识，重复此流程并得出最后满意的答案。具体如图4所示。

图4 案例推理模型

在交通拥堵疏导决策支持系统中，做出决策的过程是管理者、驾驶员及相关交通人员的动态博弈过程，管理者在此过程中期望通过最短而优的行程实现自身目的，其位于整个交通动态分布情况下做出的考虑，使交通保持在相对平衡的状态。管理者决定了从整体角度让交通拥堵疏导决策系统做出决策。其系统决策流程如下。

在该系统中，首先需判定城市路网交通中是否出现拥堵，在拥堵出现时，系统会对交通拥堵地点的特征属性进行提取和优化，如拥堵程度、原因、范围和天气等，以便于下一步决策支持系统案例中的检索。决策支持系统会从案例库中进行检索，包括领域知识和疏导策略，来确定是否有匹配的案例。若案例不匹配则重新回到特征属性提取和优化的步骤进行重新提取和优化，若检索到与其匹配的案例时，即会通过案例推理得出交通拥堵疏导策略，通过对所得策略的评价，确定其是否成功疏导，若该策略可以成功疏导则可形成疏导方案，否则就会回到决策支持系统中重新进行案例检索。

4.2 特征属性的权重设置方案

求解问题的关键在于案例检索方法是否合理，在不同领域和不同案例的表现形式中所对应的检索计算方法也有所不同，但本质上是计算案例的相似度，其方法主要是采用数据挖掘技术。基于本文所探讨的交通拥堵疏导方案，由于探讨的疏导解决方案主要是面向文本类型，并以此进行系统的设计，所以在对计算机的多种方法进行类比之后将计算方法确定为基于聚类分析的方法，原因在于案例库中有多样复杂的案例。在聚类所有案例时，可以基于所需的问题趋向，缩小待检索案例范围，尽可能缩短检索时间，使检索效率得到有效提高[4]。而在计算相似度时舍弃了根据距离做出判定的传统方式，转而采用余弦定理计算相似度。以向量形式表示所有案例，对其和所需解决问题的夹角进行计算，案例相似度可通过所求得的夹角大小进行判断，以取得更优效果。综上分析，其关键技术如图5所示。