1、方案简介与功能目标

　　中国城市道路交通（堵塞、事故、污染、能耗）问题日趋突出，并正在各类城市蔓延，交通拥堵都已经成为国内城市的常态，改善交通已成重大民生需求。与发达国家相比有以下几个重要特征：1）供需矛盾明显：国内道路资源总量少（发达国家的1/2）、人均道路面积低、车均道路面积低（为东京的1/2，芝加哥的1/3）；2）职住分离情况严重，呈现城市向心性和潮汐交通特征；3）快速路建设较慢、断头路多、支小路利用率低等城市规划、路网结构不合理；4）人车混合交通、违章停车等人为干扰情况严重；上述诸多因素的重叠加重了交通拥堵。据统计国内百万人口以上城市有80％的路段和90％的路口通行能力已经接近极限（处于极限状态）。

　　智能交通系统是目前国际公认的缓解城市交通问题的有效手段和重要途径，而交通控制是其核心组成部分。经过60多年的发展，智能交通已进入车路协同、主动控制的时代，当前面临的主要挑战在于交通信息多源异构性、交通系统复杂度剧增、交通大数据远远超过传统交通控制平台的承载能力，以及交通控制理念转变（高智能化控制、单目标向多目标、开环向闭环）等方面。

　　本方案直面我国城市交通特征（极大多数城市在极大多数时间内道路通行能力处于极限状态）、改善与可持续发展的重大需求，兼顾现状条件，克服国内外特别是在国内占有率较高的国外引进系统的水土不服（极限状态下的交通控制手段失效），系统地研究了"城市交通海量数据分析技术及协调控制平台"，并在多个城市进行产业化应用。

　　2、技术体系与技术特点

　　2.1解决方案关键技术

　　2.1.1构建高性能的城市交通云计算服务平台

　　交通云计算服务平台为本方案的实现提供了基础设施环境，并提供良好的扩展性和灵活性。交通云平台为服务提供者和服务使用者提供了公共平台，通过该平台，服务提供者和服务使用者可以按照需求，选择不同的服务，并将不同的简单服务进行组合，形成复杂服务，从而完成一项复杂的任务。本项目构建的交通云计算服务平台以OpenStack为基础平台，通过开发自定义的资源管理模块、服务管理模块和服务运行模块来进行资源的虚拟化管理；

　　2.1.2海量交通流数据的采集与预处理技术

　　(1)交通流采集与存储标准

　　交通流采集系统本身具有的系统异构性、动态性、分布性等特点，交通信息具有体量大、数据内容形式多样，复杂程度高等特点，使得资源信息共享与协作问题成为主要问题之一。基于此问题，本项目着重对城市交通流的采集和存储要求进行分析，主导制定了《城市交通流信息采集与存储》国家标准，规范了交通流信息参数采集要求与信息存储格式，为交通信息共享与协作奠定了基础。

　　(2)交通流数据修复的云处理技术

　　云处理修复技术将原始的交通流数据信息以路段为最小单元，定时获取交通数据采集单元上传的数据信息，根据上传数据的特征将采集数据分为稳定交通数据、受损交通数据与缺失交通数据三类。根据分析结果，系统自动选择插值补偿模型进行数据信息的修复；同时，在云处理单元内部，根据路段单元之间的空间关联关系，系统进行上下游数据信息的关联补偿，一定程度上弥补数据信息的缺失。

　　(3)基于分箱法的交通流数据信息过滤技术

　　分箱法的核心思想是通过考察数据的"近邻"来光滑相关数据的值。分箱法是一种局部光滑的方法，而由于交通数据往往具有较高的时间相关性，采用基于时间序列划分的分箱法可以有效实现数据平滑的目的。

　　(4)基于模糊理论和粗糙集的D-S证据理论的多源交通流信息融合方法

　　粗糙集理论与应用的核心用从近似空间导出一对非数值型算子--上近似算子和下近似算子来近似集合，而后者利用数值型算子--似然函数和信任函数来表示证据的强度；集合的上下近似被看作是对是对该集合近似好坏的定性描述，而集合的似然函数和信任函数又可以看作对该集合近似好坏的定量描述；同时粗糙集和模糊集也是刻画不完备信息的两个方面，粗糙集侧重于分类，而模糊集强调集合本身的含糊性。因此，这三者之间进行结合，能够对克服单一理论的局限性和性能的改良起到很好的作用。

　　本项目研究基于D－S证据理论的多源交通流信息融合技术，在进行信息融合时解决三点问题：

　　辨识框架的确定

　　基本概率分配函数M的确定

　　当信息融合时，即当证据出现冲突时的消解问题；

　　在此基础上结合粗糙集理论对各个交通流数据进行必要的预处理，主要是要实现以下两大目的：

　　利用粗糙集的属性规约、核等概念，对原有信息进行约减，去掉冗余属性和重复信息，加快信息融合的速度。

　　利用属性重要性的程度，可以对每一个传感器所得的证据数据提供一个权值，反映该传感器的证据可靠性程度。

　　2.1.3海量数据信息的分析处理技术

　　(1)基于单元-区间协作交通运行状态分析技术及实现

　　传统交通运行状态分析无论是基于断面交通参数的分析亦或基于区间的交通参数分析方法都有其一定的制约性，精度无法进一步提高；针对问题，本项目提出基于单元-区间协作的城市道路交通状态分析方法，通过建立协作模型将路段单元和路段区间联系在一起，构建单元区间矩阵，使得单元的状态能够及时反映区间的整体变化趋势，得到更加合理有效的交通状态结果。

　　(2)基于多维数据的拥堵分析方法

　　基于多维数据的拥堵分析方法对城市道路的交通拥堵的频率进行分析，构建常发性拥堵和偶发性拥堵的数据信息结果。该方法以全路网中的路段连续一段时间内的流量、速度、车道占有率数据以及交通状态数据为基础，根据流量、速度和占有率数据计算路段的历史拥堵概率，通过对比交通状态指标值获得定义路段的正、负异常，再对负异常的路段采用基于密度的局部异常因子方法计算异常度，根据正负异常因子计算加权异常度并排序。本方法考虑多维的数据指标，弥补样本空间数据分布不均匀的情况，同时，结合交通数据本身特性，避免了基于密度的局部异常因子方法的局部有限性，有效检测出道路异常点，帮助交管部门指挥道路交通，调节优化道路的使用效率，具有通用性强、可行性强、可靠性高、适用性强的特点。

　　(3)基于时空关联动态交通流预测分析技术

　　交通流预测分析技术主要的难点问题在于精度和实时性的兼顾。基于时空关联的动态交通流预测分析技术围绕上述的难点根据交通流的时空分布特点建立时空矩阵，通过近邻局部线性重构方法对时空矩阵进行训练，获取预测用的一组近邻和权值，经过非负修正后进行预测，最后通过预测值对时空矩阵进行更新，通过该方法可应对预测方法的及时性计算问题；

　　(4)基于多视角融合交通小区动态划分及交通控制区域动态划分方法

　　交通小区的划分主要是对居民交通出行规律进行分析，传统的方式方法根据城市的组团功能进行交通区域的划分，缺少交通数据的定量分析。本项目提出的基于多视角融合的交通小区划分方法，以多源区间交通参数信息为主，结合交通小区的划分原则，将影响因素进行量化，计算交通小区约束矩阵，并进行可伸缩的约束谱聚类分析，最后根据聚类结果获取交通小区划分方案。

　　通过二次划分方法，并基于此建立的最大绿波带优化模型，使得子区的划分更加合理，子区内的协调控制效果更加有效，而以绿波带带宽达到率作为控制子区的调整条件，进一步实现了子区之间的动态调整，提高了交通运行效率。

　　(5)基于分级递阶式区域交通信号协调控制优化技术

　　区域智能协调控制系统采用分级递阶式控制结构，如下图所示：

　　图21.分级递阶系统控制结构

　　2.1.4城市交通多层次主动控制技术协同与集成

　　①多层次主动控制技术的集成

　　本项目构建的多层次的主动控制技术主要从"节点"、"巡线"以及"区域"对交通进行管理和控制，为了更好地进行应用，需要对多层次的主动控制技术进行集成。集成的目的是在同一的应用体系下，实现各种各层次交通控制技术的数据共享和业务同步。通过相互间的数据订阅通知，及时对自身的状态进行审阅变更，从而提高各个系统的控制运转效率，提高交通控制管理能力。

　　②多层次主动控制技术的协同

　　针对节点控制、巡线控制以及区域控制技术在实际应用中存在矛盾和冲突，本项目提出了一种时空分离的交通控制协同技术，分散矛盾、分离冲突，提高道路的整体通行能力。在空间上，基于城市道路分级，提出分层控制策略；通过匝道策略实现"车流总量控制、先下后上"的城市快速路的管理；通过交叉口时空优化实现"减少冲突点、减少延误路段"的城市主干走廊的管理；通过潮汐控制技术实现"集散交通、挖渠吸流"的区域性通道的管理；通过微循环系统实现"消除矛盾节点，加强交通吐纳"的交通小区管理。在时间上，采用动态的优化控制策略，弹性调整区域通行能力；通过可变车道动态控制、匝道动态控制、潮汐控制策略以及信号自适应控制等技术实现减少交通冲突、加强区域疏导、加强车流涌动。

　　2.2技术创新

　　（1）提出了基于"模型容器"和"模型管理"的交通信息处理方法，通过动态组合配置数据处理模型解决多源异构数据信息的修复和融合问题，提高数据信息的质量和精度。

　　（2）构建基于全路网的动态交通流分析及预测模型，提出了基于单元-区间协作的交通状态分析方法，提高交通状态评估精度。建立基于时空关联的动态交通流预测方法，增加预测应用的鲁棒性并提高精度。

　　（3）提出了基于"节点-巡线-区域"交通多层主动控制技术，由点切入、扩展及线、深入至面，构建立体多层的交通控制模式，解决交通拥堵的根本问题，提高道路的通行效率。

　　（4）基于"节点-巡线-区域"交通控制技术协同与集成实现

　　2.3知识产权

　　相关技术成果形成国家标准1项：《城市交通流信息采集与存储》GB/T29192-2012，已获授权发明专利5项、计算机软件著作权29项，出版著作3本、发表论文3篇，正在申请发明专利17项（处于实质审查阶段）。