大数据环境下城市路网交通多模式拥堵预测及容错控制研究

Under the environment of big data, the flow prediction and control based on data-driven for urban road network traffic congestion is an important thing for control management of municipal traffic network, which improves traffic management and service level of road network and has important practical significance. However, the existing congestion prediction and control methods don’t apply to deal with the problem above due to some characteristics for complex condition of road, such as, the variability and potential for modes of traffic congestion and flow control, the uncertainty for traffic characteristics parameter, complexity of mappings between the traffic characteristics and the congestion prediction-control modes and so on. Thus some researches will be made in the project as below with the respect to theory: firstly, the novel open framework and schema structure for identifying the traffic jams will be put forward; secondly, the discrimination rules and algorithms based on data-driven of traffic congestion fault-tolerant interval value will be solved under the environment of big data; thirdly, the discrimination rules and algorithms based on data-driven for transportation system vulnerability will be brought forward under the situation of big data; fourthly, the data-driven prediction and fault tolerant control methods of multimodal traffic congestion in urban road network will be raised with big data. Meanwhile, the Chongqing mountain road network system will be regarded as the application object to verify the theoretical results of this project.. The research will provide a new idea and tool for traffic-jam prediction and control of urban road network under the environment of big data, and then, it will promote the development of networked command control technology for the traffic jam of road network.

大数据环境下城市路网交通拥堵的预测及控制是城市交通网络化控制管理中的重要问题，对提高路网的交通管理及服务水平，具有重要实际意义。目前，对于具有交通拥堵及控制模式多变性与潜在性、交通状态特征参数不确定性、交通拥堵状态特征和预测控制模式之间的映射关系复杂等特点的复杂路网，已有的拥堵预测及控制方法不再适用。为此，本项目在理论上拟研究：1）新型的开放式交通拥堵辨识框架及模式结构；2）数据驱动的交通拥堵容错区间值判别规则及算法；3）数据驱动的交通系统脆弱性判别规则及算法；4）数据驱动的城市路网交通多模式拥堵预测及容错控制方法。在工程上，以具有山地特色的重庆市交通路网系统为应用对象，对本项目的理论研究成果进行应用验证。. 通过本项目的研究，可以为大数据环境下城市路网交通的拥堵预测及控制策略提供一种新的研究思路，进而促进路网交通畅通的网络化指挥控制技术的发展。

本课题针对大数据环境下具有交通拥堵及控制模式多变性与潜在性、交通状态特征参数不确定性、交通拥堵状态特征和预测控制模式之间的映射关系复杂等特点的复杂路网，开展了路网交通多模式拥堵预测及容错控制方法研究。在理论上，针对大数据环境下城市路网交通拥堵预测及容错控制的关键问题，围绕路网系统各交通装备之间交通信息资源传输的实时性、自动性、开放性以及网络化需求，在以交巡警巡逻车、交通检测车、线圈、摄像头、交通信号灯等为控制节点和信息采集中心的全路网安全监控体系框架下，构建了考虑不确定信息的多模态拥堵辨识框架及模式结构解决方案；同时，构建基于人在环中的“人-机-环境”交通系统工程模式，综合考虑交通信息资源传输的实时性、自动性以及开放性等需求，以交通信息传输机制、交通流跟驰机理以及畅通控制准确度等基本准则，构建了适用于大数据环境下海量交通数据的在检拥堵和潜在拥堵的容错控制区间值的判别规则和算法、交通系统脆弱性判别规则及算法、交通拥堵预测及容错控制方法。最后，以项目组所在学院半实物模拟仿真平台和重庆市部分区域路段的交通实际数据，完成了应用仿真分析验证。在此基础上，综合考虑车路协同控制作用，延伸研究了多模态数据信息融合的交通数据安全协议问题。. 本课题所建立的理论框架模型不仅可以为城市路网交通安全的网络控制需求提供决策依据，保证大数据环境下城市路网交通的拥堵预测及控制策略提供一种新的研究思路，改善交通系统的可测性和管理型，提高路网的交通管理及服务水平；还可以为战地交通、工业AGV系统等应用示范场景提供理论支撑工具，进而促进路网交通畅通的网络化指挥控制技术的发展。