详情

原文传递基于多源数据的城市路网状态监测与交通事故风险评估方法研究

论文题名：	基于多源数据的城市路网状态监测与交通事故风险评估方法研究
关键词：	城市路网;状态监测;交通事故;风险评估
摘要：	城市路网作为重要的城市基础设施，与人们的日常生活息息相关。而随着城市人口数量与汽车保有量的不断增长，城市路网承载着日益严峻的负载压力，造成交通拥堵与交通事故频发，严重制约着城市的发展。因此，实时感知和预测城市路网运行状态、以及城市地理空间交通事故高风险区域识别，对于提升城市路网运行效率与交通安全等方面具有重要意义。　　伴随着传感器、物联网、群智感知等技术的发展，在城市运行过程中会产生海量的城市多源大数据：如出租车、公交车等车辆轨迹数据；地感线圈、卡口、摄像头等道路监控数据；温度、空气质量、天气等气象数据；以及记录用户位置信息相关的手机信令数据以及各种应用的地理位置签到记录数据等。这些多源数据之间相互关联，结合大数据及人工智能相关算法能够从中提取出城市交通潜在运行模式，从而为构建城市智能交通系统（IntelligentTransportSystem，ITS）提供数据与理论支持，为提高交通运输效率、缓解交通拥堵、减少交通事故、改善城市规划等提供解决方案。　　然而现有智能交通系统领域中相关研究仍然面临着以下挑战：（1）城市大数据来源不同，难以获取同一时间段不同来源、不同类型的全样本数据，导致研究结果存在一定的片面性和局限性；（2）海量数据对于数据处理能力要求较高，需要耗费大量的存储空间与计算资源，并且难以满足实时性需求，尤其是对于短时预测任务；（3）此外，多源数据之间的潜在关联难以捕捉，如何构建有效的数据融合方案仍然存在一定的挑战。基于此，本文旨在克服以上挑战构建智能交通基础模型，最终分别提出了城市路网状态监测模型、城市路网交通流量预测模型、以及城市地理空间交通事故风险评估模型。具体的，本文主要研究内容如下：　　（1）本文提出了基于手机信令数据与出租车轨迹数据融合的城市路网状态监测模型，以解决目前路网状态监测系统中存在的覆盖范围有限、数据偏差等问题。首先，针对手机信令数据中存在的“乒乓切换”和“数据漂移”等特性，提出了手机信令数据预处理方法，对原始信令数据进行过滤、修正和筛选。在此基础之上，融合7,000辆出租车历史GPS轨迹对手机信令数据进行时空融合插值，以解决数据稀疏问题。接下来，提出了一种基于隐马尔可夫（HMM）的路网匹配算法，将观测到的手机信令序列转换为用户在路网中的真实通行轨迹。最后，通过速度估计模块计算出路网中所有路段的平均通行速度，并实现了城市路网交通状况实时监测可视化。　　（2）本文提出了基于有限数量监测路段历史交通监测数据的交通流量预测模型，降低了对存储空间和计算资源的需求。通过选取有限数量的监测路段，以其历史交通数据为输入，以较低的代价实现了城市路网中所有路段交通流量的预测。首先，根据每条路段在路网中的空间结构信息和属性信息将其转化为Embedding向量。在此基础之上，通过K-means算法对路段进行聚类，每个类的中心节点作为初始的监测路段集合，然后通过本文提出的监测路段选择算法，迭代的选出L条监测路段，其中L远远小于路网中所有路段的总数量。在此之后，以选择的L条监测路段的历史数据作为多头注意力机制模块的输入，并融合目标路段周围的外部特征（包括天气和POI分布），得到在不同的空间、时间、以及外部特征情况下，目标路段与所选取的每条监测道路之间的相关性。最后通过两个全连接层得到最终的预测结果。　　（3）本文通过融合易获取数据，包括城市卫星图像以及人口移动数据、交通数据、POI分布数据、城市路网等，提出了基于卫星图像与多源数据融合的像素级细粒度交通事故风险评估模型。具体的，以目标区域和目标邻域（即扩大一倍的目标区域，用以提取目标区域的边缘信息）的RGB卫星图像和路网二值图像构成的多通道图像作为模型的输入，通过两个VGG-16网络分别捕获其不同层次特征，然后采用空洞卷积（AtrousConvolution）捕获多尺度不同的视觉感受野特征。在此基础之上，通过空间注意力模块融合不同层级的特征，通过通道注意力模块融合目标区域的人口移动模式、交通状况、POI分布状况等外部因素特征，最终得到与目标区域相同大小的图像，每个像素点表示对应位置的交通事故风险的评估值。　　本文的主要创新点如下：　　（1）在提出的城市路网状态监测模型中，通过利用手机信令数据的用户量大、覆盖范围广等优势，解决了基于单一模式交通数据对于城市路网运行状态监测的局限性和片面性。通过与具有高精确度位置信息的车辆GPS轨迹时空融合插值，提高了手机信令数据在城市路网状态监测任务中的可用性。　　（2）在提出的交通流量预测模型中，通过路网的空间结构和属性信息将路段转化成向量，并从中选择少量的监测路段以其历史交通监测数据作为输入，实现对路网中所有路段交通流量的预测，降低了对存储空间和计算资源的需求，具有更高的实用性。　　（3）相比于目前大多数基于城市网格或整条路段级别的交通事故风险评估模型，本文提出的交通事故风险评估模型中，利用易于获取的城市多源数据，实现了像素级细粒度的交通事故风险评估，有助于提供更为合理的交通事故预防指导措施，并且该模型具有较高的实用性和可扩展性，对于在实际应用中以较低的成本提高交通事故风险预测的普适性和实用性具有重要意义。　　综上所述，本文整合城市多源大数据，提出一系列利用多源数据和人工智能算法相结合的智能交通相关模型，所有模型均通过长春市真实数据进行训练并验证，在增强交通监管力度，缓解交通拥堵，提升交通安全等方面提供重要解决方案和技术支撑。
作者：	黄秋阳
专业：	计算机系统结构
导师：	杨永健
授予学位：	博士
授予学位单位：	吉林大学
学位年度：	2021