基于节点交通数据异常检测的协同交通流疏导控制方法研究

The phenomenon of traffic congestion has seriously affected the efficiency of city operations and the improvement of the quality of life so that the research of theory and methodology of high-performance and intelligent computation providing the main technical support for urban traffic management system has been extremely urgent. Complexity of urban road traffic system and the nonuniform distribution of the specificity of traffic flow let it particular important of the collaborative process control in the traffic flow for efficient and accurate real-time detection of abnormal traffic data flow. In the meanwhile, we also face many difficulties and challenges. Therefore, this project takes the urban intelligent transportation system as the research object. The information fusion technology, fault diagnosis technology and deep learning theory are introduced to implement the research of the traffic flow guidance and control method based on the detection of the abnormal node’s traffic data. The main research contents of this project will be carried out as follows: 1) The theory research of feature modeling of the abnormal traffic flow information; 2) The research of the real-time detection and prediction of the abnormal traffic flow information; 3) The research of the cooperative guidance and control method for the abnormal traffic flow nodes. The research project will provide a complete solution of scientific theories of urban transportation planning, design and dynamic and efficient management, and some innovative results will also provide some technical and theoretical support for enhancing urban traffic control.

日益突出的交通拥堵问题已严重妨碍城市运行效率和生活品质的提高，从而使得为城市交通管理提供主要技术支撑的高性能智能交通系统理论方法研究显得异常迫切。城市交通道路系统的复杂性、道路交通流分布的不均匀性和特殊性，使得在协同交通流疏导控制过程中对异常交通流数据的高效实时准确检测则显得尤为重要，同时也面临着众多困难和挑战。因此，本项目拟以城市智能交通协同系统为对象，以信息融合技术、故障诊断技术和深度学习等智能化方法为技术手段，开展基于交通数据异常检测的协同交通流疏导控制方法研究，重点解决其中的若干个关键性科学问题，其主要研究内容如下：1)交通流异常信息特征建模理论；2)交通流异常信息实时检测与趋势预测方法；3)交通流异常节点协同疏导与控制理论方法。本项目研究成果将为城市交通规划、设计和动态高效管理实践提供一套有效的科学理论方法，部分创新性成果可为城市交通流疏导控制技术水平的提升提供重要理论方法支撑。

本项目以城市智能交通协同系统为对象，以信息融合技术、故障诊断技术以及深度学习方法为技术手段，开展了基于交通数据异常检测的协同交通流疏导控制方法研究。首先，项目组研究了交通流异常信息特征建模理论，提出了基于交通流多重特征的交通流预测模型Res-LSTM；之后，项目组研究了交通流异常信息实时监测与趋势预测方法，提出了基于交通流数据时空特性的SpAE-LSTM混合模型；此外，针对大规模车辆实时检测问题，提出了一种基于视差投影的快速车辆检测方法，降低了车辆分割的复杂度，增强了车辆检测的鲁棒性。接着，提出了一种基于VANET中车辆伴随标签的定位算法，包括车辆节点伴随标签重叠与层次伴随标签检测算法，以及基于标签划分结果的定位算法。最后，研究了两种交通流异常节点协同疏导与控制理论方法。一种是结合短时交通流预测模型、数据决策模型，建立穿域和域内两种路径规划模型，提高道路通过率；另一种是通过公共自行车的调度和需求预测进行交通分流，进一步降低道路拥堵概率。项目组的研究成果为城市交通规划、设计和动态高效管理提供了一套科学的理论方法，而且本项目部分创新成果可以为城市交通流疏导控制技术水平的提升提供重要理论方法支撑。