城市交通智能路网的关键技术及应用

同济大学电子与信息工程学院 蒋昌俊，丁心军，方钰，张亚英，陈闳中，闫春钢，张栋梁

城市交通智能路网的关键技术及应用

同济大学电子与信息工程学院 蒋昌俊，丁心军，方钰，张亚英，陈闳中，闫春钢，张栋梁

针对现有智能交通系统中，交通信息协调性差、交通控制应变性弱和交通控制与交通信息融合性低的不足，本文以交通控制的多尺度、交通信息感知与处理的高并发、控制与信息的深融合为目标，构建了城市交通协同监控与实时服务一体化理论模型、关键技术与运行系统，力求在现有路网资源条件下，通过突破融合信息感知、并发处理决策、协同智能控制和实时信息服务等技术瓶颈，实现城市智能路网的可测、可管、可控、可用，最终达到路网整体控制效益的协调优化。

智能路网；协同监控； 实时服务；并行处理

1 引言

中国的交通现状与发达国家相比，交通资源的人均占有量很低，但人多、车多，且增长速度已赶超发达国家。同时，在中国，交通违规事件的发生更为频繁。这些都对交通的监控、管理与服务提出了更高的要求。

现有城市智能交通系统在管理与服务技术上已得到较大提高，但仍然不能满足城市交通发展的需要，其最终的运行效果不尽如人意。主要表现在：（1）交通信息协调性差。现有系统仅依赖交通信息采集设备所得到的孤立点信息，未能实现感知手段的协同和感知信息的聚合，从而难以提供实时路网全局状态。（2）交通控制应变性弱。现有系统多为基于路口单点和经验规则的静态控制，还未形成有效的点、线、面相结合的系统的控制方案，难以提供自适应的动态控制，达到路网实时调控的目的。（3）交通控制与交通信息融合性低。一方面缺少路网信息支持的交通控制，难以获得路网整体控制效益；另一方面因为缺少控制信息，导致交通信息服务难以达到路网流量平衡优化的预期目标。

针对上述问题，如图1所示，本文以交通控制的多尺度、交通信息感知与处理的高并发、控制与信息的深融合为目标，构建了城市交通协同监控与实时服务一体化理论模型、关键技术与运行系统，力求在现有路网资源条件下，通过突破融合信息感知、并发处理决策、协同智能控制和实时信息服务等技术瓶颈，实现城市智能路网的可测、可管、可控、可用，最终达到路网整体控制效益的协调优化。

图1 城市交通智能路网信息服务平台

2 交通流量动态平衡的协调控制模型与算法

现有智能交通控制系统仅适用于交通流平稳变化的限制性调整，而对路网流量突发和大幅度变化缺乏良好的应对能力。为此，本文从实现时空多尺度的交通控制出发，按照“路网流量平衡优先、主要干道绿波保障、重要路口协调兼顾”（面-线-点）的多层交互控制原则，提出了面向路网的交通流量动态平衡的协调控制模型与算法，以提升交通路网的均衡通行能力。

2.1 基于拥挤度的动态阻滞交通流模型

现有的交通流动态平衡模型中，路段通行时间为常值，没有反映路网拥堵程度对交通流量的影响，其实际交通控制效果不佳。针对实际路网流量均衡控制问题，本文提出了基于拥挤度的动态阻滞网络流模型（如图2所示）。其中当fijk(t) = fijk(t −1) =…= fijk(t −aij+1)=0，即弧(i, j, k)空载时，拥挤度；当 fijk(t)= 1时，拥挤度，一般情况下有.当 gijk=0时，运行时间 aijk(t)=aij；当 gijk=1时，aijk(t)=+∞。

图2 交通流量动态平衡的分布式控制模型与算法

2.2 交通路网时空多尺度动态协调控制技术

交通路网客观存在着时间和空间多尺度协调控制的要求。为此，本文一方面，基于路口等待车辆队列长度，提供实时自适应路口信号控制；同时根据路网流量变化，实现了多尺度控制策略更新技术，平稳状态控制策略“分”级更新，降低计算负载；突变状态控制策略“秒”级更新，保证实时性和精准控制；另一方面，综合路口、路段、路网多个空间尺度，在兼顾重要路口通行效率和保证主干道绿波通畅的约束下，通过牺牲次干道的通行效益，给出了路网流量均衡为总体控制目标的协调控制策略。

3 交通状态在线协同的自适应监控模型与系统

现有智能交通系统未能充分利用交通感知手段，缺乏海量交通数据的聚合、协同和实时处理能力，因而无法获知交通路网的客观状态。为此，本文提出了交通状态在线协同的自适应监控模型，解决了单路口多摄像头同步协同和路口间多摄像头异步协同问题，建立了基于视频信号的交通状态协同监测与信号灯自适应控制系统。

3.1 基于视频信号的流量监测与信号灯自适应控制

如图3所示，通过混合高斯模型实现路口监控场景的背景建模，利用差分法和改进的Otsu算法实现对运动前景目标的实时分割。通过三维车辆队列到摄像机二维表面的投影，获得道路车辆位移，进而计算路口车队长度。采用模糊推理方法，以路口各相位车队长度为输入，分别计算当前相位的“绿灯饥渴度”，和下一相位的“切换急切度”，计算得出当前相位所需绿灯时间。

图3 基于视频信号的路况监测与信号灯自适应控制

3.2 多路口交通协同监控模型及其协议

针对多路口协同监控中的单路口多摄像头同步协同和路口间多摄像头异步协同问题，图4显示出了交通监控协同Petri网模型，其中采用了组合化和层次化建模与分析方法，实现了协同机制的有效刻画和分析验证，保证了多路口、多摄像头的并发监控效果。

图4 多路口交通监控协同跟踪

4 交通数据并发分析的分布式优化算法与系统

现有的多机计算环境中，主机间负载均衡多为通过相邻主机的局部传递负载来完成，具有平衡过程长、效率低、算法收敛、速度较慢等问题，无法应对城市路网路况计算、车流仿真和信息服务中海量道路、车辆疏密分布严重不均衡且不稳定的需求。为此，本文提出了分布式计算环境下，面向交通数据快速合理的任务分割与负载均衡策略，构建了交通数据并发分析的分布式支撑系统。

图5 计算任务全局导向的负载平衡算法

采用树型编码模式，以整体到局部的调整方式对计算空间进行动态分割和优化。设单元Cellx的负载为loadx (0 ≤ k ≤ 2N)，则对于每个分割线Li，δ代表Li两边的负载的差异，图5中分别示出了δ的计算方法、Li的偏移量offseti的定义、算法的运行结果及性能分析结果。

5 结语

本文针对城市交通智能路网提出的一系列关键技术层次有序、互为依托，形成了具有鲜明技术特色、系统性的城市智能交通协同监控与实时服务解决方案。

而未来智能交通系统应向更便捷、更有序、更安全、更高效的方向发展。未来智能交通系统将通过交通控制服务、交通信息服务、车辆网络、道路网络等基础设施的互联互通与协同工作，以交通云计算平台为支撑，对交通大数据实时采集、高效传输与处理，甚至通过无人驾驶车辆，向交通出行者和管理者提供更快、更准、更易于使用的交通信息服务，形成更加有序的交通出行与交通管理，极大减少交通违法违章和交通事故，降低交通基础设施的建设、更新与维护成本以及交通出行、交通管理、交通污染治理等交通成本。

[1] Jiang, CJ (Jiang, CJ); Zhang, ZH (Zhang, ZH); et al. Urban traffic information service application grid[J]. JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY, Volume: 20, Issue: 1, 134-140.

[2] Ding, Zhijun; Zhang, Zhaohui; Jiang, Changjun; Pan, Meiqin. Formal model of workflow integration and its application in STISAG[R]. Proceedings- 2006 10th International Conference on Computer Supported Cooperative Work in Design, CSCWD 2006, 1173-1178.

[3] Shi Youqun, Yan Chungang, Jiang Changjun, Fang Yu. Resource integration and information services in urban ITS supported by grid technology[R]. Proceedings of the World Congress on Intelligent Control and Automation (WCICA), (6), 5283 - 5286.

[4] Lin Lan, Yan Chun-Gang, Xin Xiao-Gang, Jiang, Chang-Jun. Optimal path algorithm in varying-weight networks based on stable branch[C]. Tien Tzu HsuehPao/Acta Electronica Sinica, 2006, 7 (34): 1222 - 1225.

[5] Lin Lan, Yan Chun-Gang, Jiang Chang-Jun, Zhou Xiang Dong. Complexity and approximate algorithm of shortest paths in dynamic networks[J]. JisuanjiXuebao/Chinese Journal of Computers, 2007, 4 (30): 608 - 614.

[6] Jiang Chang-Jun, Zeng Guo-Sun, Chen Hong-Zhong, Miao Duo-Qian, Zhang Zhao-Hui, Zhi Qing, Yue Feng, Fu, You. Research on traffic information grids[J]. Jisuanji Yanjiu yu Fazhan/Computer Research and Development, 2003, 12 (40): 1677.

[7] Zhang Dongliang, Jiang Changjun, Li Shu. Research on dynamic load balancing algorithms for parallel transportation simulations[C]. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2007.

[8] Zhang Dong-Liang, Sha Jing, Jiang Chang-Jun. Research on large-scale transportation simulation and application under environment of grid[J]. Xitong Fangzhen Xuebao / Journal of System Simulation, 2008, 8 (20): 4330 - 4333.

Key Technology and Application of Urban Transportation Intelligent Road Network

Aiming at the problems of the existing intelligent transportation systems, including: (1) poor coordination of traffic information; (2) weak contingency of traffic control; (3) low integration of traffic control and information, this paper constructs the theory, the key technologies and the running system for overall urban transportation cooperative control and real time service for the sake of realizing not only the multi-scale traffic control, the high concurrencyof traffic information perception and processing, but also the deep integration of control and information. The main purpose is to realize the measurable, controllable, manageable, and available of the urban transportation network and achieve the coordination and optimization oftheoverall networkcontrol efficiency, by means of breaking through the technique bottleneck of information collaborative fusion, concurrent decisionmaking processing, intelligent control and real-time information service.

Intelligent road network; Cooperative monitoring; Real-time service; Parallel processing

蒋昌俊（1962-），男，安徽安庆人，同济大学教授，博士生导师，东华大学教授。1995年于中国科学院自动化研究所获控制理论与工程博士学位，1997年于中国科学院计算技术研究所计算机科学与技术学科完成博士后工作。主要研究方向为智能交通、网络信息服务、并行计算等。

丁志军（1974-），男，山东泰安人，教授，博士生导师。2007年于同济大学获得计算机应用技术博士学位。现就职于同济大学，主要研究方向为网络信息服务、并行计算等。

方钰（1977-），女，河南洛阳人，教授，2006年于同济大学获得计算机应用技术博士学位。现就职于同济大学，主要研究方向为智能交通、传感器网络、移动计算等。

张亚英（1975-），女，江苏吴江人，副教授，博士。现就职于同济大学，主要研究方向为智能交通、传感器网络、移动计算等。

陈闳中（1951-），男，上海人，教授，博士生导师，硕士。现就职于同济大学，主要研究方向为分布式系统、操作系统、并行计算等。

闫春钢（1963-），女，黑龙江双鸭山人，教授，博士生导师。博士。现就职于同济大学，主要研究方向为Petri网、并发系统、网络信息服务等。

张栋梁（1977-），男，吉林白山人，同济大学博士后。主要研究方向为高性能计算、计算机仿真等。