谢 斌 万 剑 党 倩 徐海潮 杨 曼

(华设设计集团股份有限公司智能交通技术和设备交通运输行业研发中心 南京 210014)

根据“交通强国、公路先行”的新战略、新要求，需要赋予公路网“主动思考”能力，实现路网运行监测主动预警，提升公路交通行业管理效率。

国内外专家学者对交通运行状态预警算法开展了较多的研究，并取得了一定成果[1-3]。研究较多的主要是时间序列模型、决策树模型、神经网络模型。其中，时间序列模型如果用于路网短时状态的预测，只能挖掘时间维度上的特征和变化，无法结合其他多源的异构因素，体现路网事件预警的复杂和多变，预测准确性难以保障[4]；决策树模型在小规模的单一分类问题中往往具有较好的性能，但一旦网络规模扩大，节点增多且预测目标复杂，决策树模型就难以有效支撑[5-6]；神经网络模型训练和预测非常依赖于样本的支撑，并且其难以解释模型中间的关系和预测过程，无法输出交通拥堵、交通事故风险的可解释性特征[7-8]。目前利用动态贝叶斯模型开展公路交通拥堵、事故风险预警的研究逐渐增多，能够学习变量间的概率依存关系及其随时间变化的规律，能够输出不同状态的概率网，而且可以针对不同地区交通管理系统特征和输入的差异，确保即使部分输入发生了变化，但关联的预测模型仍继续产生可靠的预警。

因此，综合对时间序列模型、决策树模型、神经网络模型及动态贝叶斯网络模型进行分析研究及比选，本项目采用动态贝叶斯网络构建交通拥堵、事故风险预警模型。……