智能交通綜述

智能交通推薦系統(tǒng)綜述劉景明摘要：信息超載是目前網(wǎng)絡(luò)用戶面臨的一個嚴重問題，個性化推薦系統(tǒng)是解決該問題的一個有力工具。同樣的，在智能交通研究領(lǐng)域中，根據(jù)各類交通及出行相關(guān)信息的智能推薦系統(tǒng)可以為司機或出行者提供相關(guān)的推薦服務(wù)，使得用戶能夠最大化地使用有限的城市交通資源，這在某種程度上也可以緩解城市交通壓力和口益增長的出行時間。本文綜合分析了智能交通推薦相關(guān)的研究熱點，為未來的在智能交通推薦領(lǐng)域提供研究方向。關(guān)鍵字：智能交通推薦系統(tǒng)算法.前言近年來，交通擁堵問題越來越成為制約城市發(fā)展的瓶頸問題。然而，由于資金、用地等客觀條件的制約，以道路面積追乍輛數(shù)量的方法并不現(xiàn)實。信息技術(shù)的快速發(fā)展為交通問題的解決帶來了新的方向。借助于監(jiān)測、通信和控制等新一代的信息技術(shù)應(yīng)用的智能交通系統(tǒng)(IntelligentTransportationSystem,ITS)應(yīng)運而生［1］。在智能交通研究領(lǐng)域中,出行規(guī)劃推薦、行車路線推薦和用戶個性化推薦等是比較熱門的方向。已有眾多的學者對智能交通的推薦問題進行了研究。.智能交通系統(tǒng)簡介智能交通系統(tǒng)作為一個信息化的系統(tǒng),它的各個組成部分和各種功能都是以交通信息應(yīng)用為中心展開的，因此，實時、全面、準確的交通信息是實現(xiàn)城市交通智能化的關(guān)鍵。從系統(tǒng)功能上講，這個系統(tǒng)必須將汽車、駕駛者、道路以及相關(guān)的服務(wù)部門相互連接起來，并使道路與汽車的運行功能智能化，從而使公眾能夠高效地使用公路交通設(shè)施和能源。智能交通系統(tǒng)主要子系統(tǒng)交通管理系統(tǒng)QrafTicManagementSystem,TMS)是智能交通系統(tǒng)的最重要組成部分,也是城市智能交通系統(tǒng)的重要基礎(chǔ)部分。交通管理系統(tǒng)的主要體現(xiàn)在集成性、預測性、主動性、實時性等方面，即集成了眾多交通管理功能，井基于全面的檢測信息及預測分析進行主動性交通管理，找脫被動適應(yīng)性管理的滯后性。交通信息服務(wù)系統(tǒng)(Ti'afficInfoiTnationSeiviceSystem.TISS)主要面向公眾出行者，利用無線與有線通信手段，以文字、語音、圖形、視頻等形式實時動態(tài)地提供與出行相關(guān)的各類交通信息，使出行者在整個出行過程中能夠隨時獲得有關(guān)道路交通情況、所需時間、最佳換乘方式、所需費用以及目的地等各種相關(guān)信息，從而引導出行者選擇合適的交通方式、出行路線和出發(fā)時間，以最高的效率和便捷的方式完成出行過程。智能公交系統(tǒng)(PubhcTransportSystem,APTS),是在公交網(wǎng)絡(luò)分配、公交調(diào)度等關(guān)健理論研究的前提卜，利用系統(tǒng)工程的理論和方法，將現(xiàn)代通信、控制、網(wǎng)絡(luò)、GPS、GIS等新技術(shù)集成應(yīng)用于公共交通系統(tǒng)，通過構(gòu)建現(xiàn)代化的信息管理系統(tǒng)和控制調(diào)度模式，實現(xiàn)公共交通調(diào)度、運營、管理的信息化、現(xiàn)代化和智能化，為出行者提供更加安全、舒適、便捷的公共交通服務(wù)。智能交通新技術(shù)的應(yīng)用探索隨著現(xiàn)代交通技術(shù)與電子、通信、計算機等技術(shù)的發(fā)展，如RFID和智能手機的廣泛應(yīng)用、大數(shù)據(jù)分析與云計算技術(shù)的出現(xiàn)等，為智能交通系統(tǒng)的快速發(fā)展提供了強有力的支撐。.國內(nèi)外相關(guān)研究現(xiàn)狀由于智能交通系統(tǒng)是一個龐大復雜的系統(tǒng)，研究者們一般會選取某一個子系統(tǒng)的某一個方向去研究，目前比較的熱門的研究是路徑規(guī)劃，出行推薦，個性化推薦等方向。出租車出行推薦的研究孔恿心［2］研究一種基于實時客流分布的路線推薦算法，為空載出租車司機推薦空載穿行時間短且載客概率高的出行路線。提出對推薦路線的衡量標準PVC(PotentialVacationCost)方程，用來計算每條路線的潛在空載開銷，井設(shè)計出出租車出行路線的最小開銷推薦算法。宋慶怡［3］已海量出租車軌跡數(shù)據(jù)為研究對象，以智能打牢推薦為應(yīng)用目標，建立對軌跡數(shù)據(jù)的分布式處理框架和挖掘分析系統(tǒng)，并實現(xiàn)在線的查詢與推薦服務(wù)。解決的問題包括：軌跡預處理、軌跡數(shù)據(jù)聚類、軌跡數(shù)據(jù)查詢、預測和推薦模型建立等多個方面。SantoshThakkar,SupnyaBhosale等［4］提出了一，種基于時空分析的在線出租車推薦系統(tǒng)，分析了高利潤的出租車司機的接送行為和大量的載客出租車的行車軌跡，使用網(wǎng)格聚類算法結(jié)合時空分布分析，幫助出租車司機決定最佳載客地點，減少等待時間，獲得更多利潤。公交車出行推薦的研究陳麗佳，鄒崢蝶等⑸提出基于Dijkstra的智能選擇換乘線路的實現(xiàn)算法，根據(jù)公交換乘的特殊性，采用一?種新式堆結(jié)構(gòu)一一“配對堆Qairingheap)”來實現(xiàn)優(yōu)先隊列，新的算法在原始Dijkstra算法的基礎(chǔ)上，為每個網(wǎng)絡(luò)節(jié)點增加了?個指向堆節(jié)點指針，在算法遍歷到新節(jié)點時，需要構(gòu)造配對堆節(jié)點,并動態(tài)更新配對堆。改進了傳統(tǒng)Dijkstra算法在公交換乘方面的時間和空間復雜度。WonJooLee,JaegeolYim等［6］設(shè)計并實現(xiàn)一個尋找出發(fā)點到目的點之間的最短路徑的推薦系統(tǒng)。分析了現(xiàn)行公交換乘算法不能實現(xiàn)跨站換乘，即使這兩個公車站相距很近。提出一種結(jié)合步行的新的公交換乘算法，將兩個可以步行來往的（小于100米）公車站看作一個站，使用Dijkstra算法找出最短的乘車路徑。其他方面推薦的研究邵闊義，班曉娟［7］提出了一種基于交通網(wǎng)絡(luò)數(shù)據(jù)優(yōu)化的地理信息推薦系統(tǒng)。該系統(tǒng)在協(xié)同過濾推薦模型基礎(chǔ)上結(jié)合交通網(wǎng)絡(luò)數(shù)據(jù)的地理信息對推薦算法進行改進，首先利用傳統(tǒng)的協(xié)同過渡算法對數(shù)據(jù)集進行預處理，而后將地點上下文加入進來，生成包含基于交通網(wǎng)絡(luò)數(shù)據(jù)地點上下文的新的數(shù)據(jù)集,再結(jié)合地理信息推薦算法進行實驗，獲得了更優(yōu)的推薦結(jié)果。劉龍網(wǎng)提出了一個能實現(xiàn)個性化實時路徑推薦服務(wù)的推薦系統(tǒng)框架，該系統(tǒng)能夠為駕車旅行者提供基于車與車通信的實時個性化的路徑推薦服務(wù)。該推薦服務(wù)主要利用車與乍通信收集路徑信息、個性化需求信息以及實時交通信息，根據(jù)路徑信息和個性化路徑偏好，利用模糊邏輯和多目標決策的方法對所有候選路徑進行打分，根據(jù)駕乍旅行者的個性化需求和實時的環(huán)境信息，利用遺傳算法來搜索并生成最優(yōu)路徑推薦給駕車旅行者。潘義勇，馬健雷等⑼提出一種基于可靠性理論建立了動態(tài)隨機網(wǎng)絡(luò)環(huán)境下自適應(yīng)最可靠路徑的算法，反映交通網(wǎng)絡(luò)中考慮可靠性的路徑選擇行為，定義行程時間可靠度為路徑的目標函數(shù)，建立動態(tài)隨機網(wǎng)絡(luò)自適應(yīng)最可靠路徑模型反映交通網(wǎng)絡(luò)的耗時隨機特性、時變特性和風險性；通過最優(yōu)化理論把該問題轉(zhuǎn)化為動態(tài)規(guī)劃問題構(gòu)造動態(tài)規(guī)劃算法求解該問題,并針對實際交通網(wǎng)絡(luò)展開數(shù)值試驗。研究結(jié)果可為智能交通系統(tǒng)路徑誘導子系統(tǒng)提供理論支撐和核心技術(shù)。XijunZhang,ZhantingYuan［10］研究了基于位置大數(shù)據(jù)的交通流的預測，給出基于位置大數(shù)據(jù)的智能交通過程的總體設(shè)計。通過數(shù)學模型深度挖掘和分析了蘭州市的GPS大數(shù)據(jù),從而得到了清楚的城市交通分析圖表來預測交通流量。.智能交通推薦相關(guān)的算法Dijkstra算法Dijkstra算法［11］是典型的單源最短路徑算法，月于計算一個節(jié)點到其他所有節(jié)點的最短路徑。主要特點是以起始點為中心向外層層擴展，直到擴展到終點為止。算法步驟：a初始時，S只包含源點，即S={v},v的距離為0°U包含除v外的其他頂點，即U={其余頂點},若V與U中頂點U有邊，則＜U,V＞正常有權(quán)值，若U不是V的出邊鄰接點，則＜u,v＞權(quán)值為8。b從U中選取一個距離v最小的頂點匕把匕加入S中（該選定的距離就是v到k的最短路徑長度c以k為新考慮的中間點，修改U中各頂點的距離：若從源點v到頂點u的距離（經(jīng)過頂點k)比原來距離(不經(jīng)過頂點k)短，則修改頂點u的距離值，修改后的距離值的頂點k的距離加上邊上的權(quán)。d重復步驟b和c直到所有頂點都包含在S中。K?Means算法K-means[12]是一種基于距離的迭代式算法。它將n個觀察實例分類到k個聚類中，以使得每個觀察實例距離它所在的聚類的中心點比其他的聚類中心點的距離更小。算法步驟：a所有的觀測實例中隨機抽取出k個觀測點，作為聚類中心點，然后遍歷其余的觀測點找到距離各自最近的聚類中心點,將其加入到該聚類中。這樣，就有了一個初始的聚類結(jié)果，這是一次迭代的過程。b每個聚類中心都至少有一個觀測實例，這樣，可以求出每個聚類的中心點(means),作為新的聚類中心，然后再遍歷所有的觀測點，找到距離其最近的中心點，加入到該聚類中。c重復步驟b,直到前后兩次迭代得到的聚類中心點一模一樣。計算聚類的中心點的公式1所以：dij=-Xjk|

k=l公式⑴其中人可以隨意取值，可以是負數(shù)，也可以是正數(shù)，或是無窮大。遺傳算法遺傳算法(GeneticAlgo門thm)[13]是一種隨機搜索啟發(fā)式算法，特點是宜接對結(jié)構(gòu)對■象進行操作，沒有函數(shù)求導的限制，采用概率化尋優(yōu)的方式并行搜索。遺傳算法推薦路徑的原理是，結(jié)構(gòu)化編碼路徑中的染色體，根據(jù)適應(yīng)度函數(shù)F(x)計算適應(yīng)度值，應(yīng)用“自然選擇”的思想從種群中依據(jù)概率隨機選取，選擇概率P=F(x)/EF(x),對優(yōu)秀個體進行選擇、交叉和變異操作，產(chǎn)生新一代的候選解群，從中挑選優(yōu)秀個體重復遺傳操作，直到滿足某種收斂指標為止。44蟻群算法蟻群算法(AntColony0Ptlmization)[14]是一種基于種群尋找最短路徑的啟發(fā)式搜索算法，算法通用性強，利用正反饋原理自適應(yīng)的解決問題。個體運動過程中會在路徑上留下信息素，其他個體會根據(jù)信息素濃度選擇前進的路線。蟻群算法中路徑轉(zhuǎn)移概率公式和信息素的更新公式如公式(叨所示：=-—?[—,/)].“"一酮U5F7而加公式(2)信息素更新公式如公式(3)所示：zS=(i?p)”G)+pf公式(3)信息素t表示某時刻節(jié)點1與節(jié)點間的信息量啟發(fā)信息，n表示節(jié)點轉(zhuǎn)移的期望程度，。、B是常數(shù)。P(O<P<1)表示信息索揮發(fā)因子，Q表示局部更新的常數(shù)，是信息素的初始值。粒子群算法粒子群算法PSO(ParticleSwannOptimization)[15]是模擬鳥群覓食的一種基于迭代的優(yōu)化算法，在解決復雜的組合優(yōu)化類問題方面具有優(yōu)越性。算法基本思想是粒子通過與群體的信息交換，比較個體信息pb和全局極值gb,隨時調(diào)整飛行方向和速度，相互引導使整體聚集高質(zhì)最解的區(qū)域。速度更新公式如公式(4)所示，wo是慣性權(quán)重，Cl、C2是加速常數(shù)，取值范圍是(0,2),口和電是隨機數(shù)，控制粒子的運動方向。v'=Wo?V|+ci?ii(pb「X|)+c”2(gh-xJ公式(4).智能交通推薦的研究重點、難點及發(fā)展方向大數(shù)據(jù)、云計算等技術(shù)為智能交通發(fā)展提供了強大的工具。在智能交通規(guī)劃設(shè)計中利用大數(shù)據(jù)分析、云計算的概念與理念。但同時大數(shù)據(jù)分析和云計算技術(shù)在智能交通應(yīng)用領(lǐng)域同樣面臨著巨大挑戰(zhàn)[16],在智能交通推薦系統(tǒng)中存在的問題主要包括數(shù)據(jù)安全問題、評分問題和非實時問題。數(shù)據(jù)安全問題進行協(xié)同推薦時需要掌握用戶的興趣偏好等用戶信息，但用戶擔心個人數(shù)據(jù)得不到有效保護而不愿暴露個人信息，如出行時間、目的地、偏好地等，因此，現(xiàn)有的推薦系統(tǒng)很難被一些關(guān)注防私的用戶接受或者很難應(yīng)用在一些的私要求較高的領(lǐng)域。這是協(xié)同推薦長期存在的一個問題。既能得到用戶信息而提高性能，又能有效保護用戶信息的推薦系統(tǒng)將是未來的一個研究方向。評分問題大部分現(xiàn)有的推薦系統(tǒng)只是基于單個屬性來對物品進行評分。比如根據(jù)用戶對書或者電影打分來進行評價。然而，在智能交通應(yīng)用中，最終用戶往往根據(jù)多個屬性來選擇物品。例如，位置、距離、價格、天氣和景點類型都是用戶選擇的重要屬性。未來的推薦系統(tǒng)需要引入更精確適用的用戶和對象屬性。非實時問題大多數(shù)現(xiàn)行的推薦系統(tǒng)都沒有考慮推薦系統(tǒng)的及時性。然而，在智能交通應(yīng)用中，越來越多的用戶想要得到基于實時環(huán)境信息和個性化需求的服務(wù)。例如，路徑指引系統(tǒng)可以結(jié)合實時交通信息幫助用戶找到更好的路徑，并且實時交通信息已經(jīng)被應(yīng)用在乍輛路徑服務(wù)領(lǐng)域來提供更好的路徑支持。參考文獻：[1]陸化普，李瑞敏城市智能交通系統(tǒng)的發(fā)展現(xiàn)狀與趨勢[J]工程研究-跨學科視野中的工程,2014,6(1):6-19[2]孔蕙心城市客流分布與出租車出行路線推薦算法的研究[D]北京：北京郵電大學，2015[3]宋慶怡海量出租車軌跡數(shù)據(jù)分析與位置推薦服務(wù)[D]上海：華東師范大學，2015SantoshThakkar,SupriyaBhosale,NanirataGawade,Pi*ofSoniaMehtaProposedAdvanceTaxiRecommenderSystemBasedOnaSpatiotemporalFactorAiialysisModel[J]InternationalJournalofApplicationorInnovationinEngineering&Management,2015,4(4)161-166[5]陳麗佳，鄒崢蛛，李光強.一種公交換乘路線智能選擇的新方法[J]測繪科學,2009,34(6)273-275WonJooLee,JaegeolYim,WonJooLee,JaegeolYimImplementationofaBusTravelPathRecommendationSystemfJ]InternationalJournalofConb'olandAutomation,2015,8(11)93-104[7]邵闊義，班曉娟，王笑琨等基于交通網(wǎng)絡(luò)數(shù)據(jù)優(yōu)化的地理信息推薦系統(tǒng)[口工程科學學報，2015,37(12)1651-1657LongLiuARecommendationFrameworkForRealTimePersonalizationRouteRecommendationServices。Hefei,China,Univ