406 东南大学学报(自然科学版) 第49卷 的优点,但其内在的局限性如数据结构单一、信息该模型对某一公路交通动态演化特性进行了研究 完整度低、采集设备易损坏等决定了这些信息采集随后,又有众多学者对该模型进行了不同改进,并 方式不能有效反映广泛和准确的道路网络信息.随将其应用到单一道路动态交通流演化的研究 着大数据分析和车联网技术的发展,单一的数据采中123.基本图模型也经常被用来分析单一道路 集方式越来越无法满足更高精度的交通数据采集网络层面交通流的演变规律, Musolino等x1利用 需求,因此需要对多源异构交通大数据进行融合分网络基本图的知识对交通规律的演化过程进行了 析为此,更加准确综合的交通信息采集与处理方分析.随着复杂网络的发展,一些学者开始利用复 法开始得到广泛研究和应用 杂网络的相关理论对道路网络交通演化规律进行 多源异构交通信息采集与处理是将不同检测研究,主要包括道路网络拓扑结构的形成、网络特 方式获得的数据进行融合处理,使数据更具有应用性的动态变化等2,这些研究在单一道路层面 性近年来,张量模型作为一种全新的数据融合方的基础上进一步对道路交通网络的复杂特性进行 法,吸引了国内外学者的注意Ran等和Han了拓展在网络失效性方面,刘新全在模拟的道 等口分别利用张量完成法和张量分解法对稀疏浮路交通网络条件下通过贝叶斯网络推理研究了道 动车数据进行了补充和分析,结果证明张量方法可路网络级联失效的演变机理 Danczyk等则根 以对缺失数据进行有效修补,弥补了数据不足的缺据实际道路网络建立了感知-成本模型,并结合具 陷.许多学者对2种交通传感器数据的融合进行了体案例分析了意外事件发生后交通流的变化特性, 研究,提出了不同数据源之间的融合方法31.随全面揭示了密西西比河大桥及附近区域交通网络 后3种交通数据采集方法的融合处理开始得到广中断情况下的道路交通演变规律,在该研究中,感 泛研究:Coue等将激光、雷达和视频传感器数知-成本模型是通过一个假设的指数衰减函数构建 据进行融合,并将其应用到先进的辅助驾驶中,这的,是否适用于其他复杂条件下的交通状况还有待 使车辆的行驶满足了更复杂的交通环境.Zeng证明.另外,地理信息技术在道路网络交通流演化 等对环形线圈数据、AⅥI观测数据和浮动车数分析中也得到了一定的应用,部分研究从时间序 据进行了融合分析,完成了交通事件的自动检测列、空间自相关、时空模式挖掘33等角度 丁宏飞等将微波检测器、视频检测器和浮动车分别分析了交通拥堵的形成原因和交通事故的演 数据进行了有机结合,从而进行了快速路交通事件变机理 的检测 Nantes等集成了环形线圈、手机蓝牙和 总体而言,现有道路交通流演化规律辨识涉及 GPS观测等多种数据源,并对城市道路交通状态单一道路层面和道路网络层面.在单一道路层面 进行了估计 元胞自动机模型、基本图模型已经取得了长足的发 根据研究目的和应用场景的不同,多源异构交展,并得到了广泛研究.在道路网络层面,复杂网络 通信息采集与处理的研究也有所不同,在多源交通分析技术已日趋成熟,基于地理信息技术的道路网 信息完整性方面,大部分研究只涉及到2种或3种络交通流演化分析也开始得到应用 交通数据源的融合,较少涉及4种及以上交通信息3.2道路交通网络态势分析 的融合.在多源交通数据应用方面,研究较多侧重 道路交通网络态势分析主要分为道路网络交 于历史交通事件的检测和用于辅助驾驶决策. 通流估计、道路网络交通状态预测和道路网络交通 状态感知3个过程.交通状态感知是态势分析的基 3道路交通网络动态演化规律辨识础,是指对交通态势要素的提取和分析,收集影响 与态势分析 交通态势的因素,并对其进行分析.交通状态预测 道路交通网络具有时空特性、自组织特性和随和估计主要是在数据采集的基础上,对历史及实时 机特性.分析道路交通网络动态演化规律及交通运交通数据进行分析,根据当前获取的交通发展态 行态势有助于全面了解道路网络的复杂特性,并能势,预测和估计未来可能岀现的变化趋势. 有效掌握交通瓶颈及交通事故的形成机理,为进一 道路网络交通流估计和交通状态预测在以往 步评估道路交通网络安全风险提供技术支撑 的研究中涉及较多3-1),多数的研究都是短时 3.1道路交通网络动态演化规律辨识 (15min以下)交通流状态估计和预测.在交通状 元胞自动机是分析单一道路层面交通流演化态感知方面,Zhu等考虑到基本交通流参数的 规律的一种基础模型, Daganzo于1994年利用影响,提出了车联网环境下基于驾驶员感知的交通 http://journal.seu.edu.cnｈｔｔｐ：／／ｊｏｕｒｎａｌ．ｓｅｕ．ｅｄｕ．ｃｎ 的优点，但其内在的局限性如数据结构单一、信息 完整度低、采集设备易损坏等决定了这些信息采集 方式不能有效反映广泛和准确的道路网络信息．随 着大数据分析和车联网技术的发展，单一的数据采 集方式越来越无法满足更高精度的交通数据采集 需求，因此需要对多源异构交通大数据进行融合分 析．为此，更加准确、综合的交通信息采集与处理方 法开始得到广泛研究和应用． 多源异构交通信息采集与处理是将不同检测 方式获得的数据进行融合处理，使数据更具有应用 性．近年来，张量模型作为一种全新的数据融合方 法，吸引了国内外学者的注意．Ｒａｎ等［１１］和 Ｈａｎ 等［１２］ 分别利用张量完成法和张量分解法对稀疏浮 动车数据进行了补充和分析，结果证明张量方法可 以对缺失数据进行有效修补，弥补了数据不足的缺 陷．许多学者对 ２种交通传感器数据的融合进行了 研究，提出了不同数据源之间的融合方法［１３１６］ ．随 后 ３种交通数据采集方法的融合处理开始得到广 泛研究：Ｃｏｕｅ等［１７］将激光、雷达和视频传感器数 据进行融合，并将其应用到先进的辅助驾驶中，这 使车辆的行驶满足了更复杂的交通环境．Ｚｅｎｇ 等［１８］ 对环形线圈数据、ＡＶＩ观测数据和浮动车数 据进行了融合分析，完成了交通事件的自动检测． 丁宏飞等［１９］ 将微波检测器、视频检测器和浮动车 数据进行了有机结合，从而进行了快速路交通事件 的检测．Ｎａｎｔｅｓ等［２０］ 集成了环形线圈、手机蓝牙和 ＧＰＳ观测等多种数据源，并对城市道路交通状态 进行了估计． 根据研究目的和应用场景的不同，多源异构交 通信息采集与处理的研究也有所不同，在多源交通 信息完整性方面，大部分研究只涉及到 ２种或 ３种 交通数据源的融合，较少涉及 ４种及以上交通信息 的融合．在多源交通数据应用方面，研究较多侧重 于历史交通事件的检测和用于辅助驾驶决策． ３ 道路交通网络动态演化规律辨识 与态势分析 道路交通网络具有时空特性、自组织特性和随 机特性．分析道路交通网络动态演化规律及交通运 行态势有助于全面了解道路网络的复杂特性，并能 有效掌握交通瓶颈及交通事故的形成机理，为进一 步评估道路交通网络安全风险提供技术支撑． ３．１ 道路交通网络动态演化规律辨识 元胞自动机是分析单一道路层面交通流演化 规律的一种基础模型，Ｄａｇａｎｚｏ［２１］于 １９９４年利用 该模型对某一公路交通动态演化特性进行了研究． 随后，又有众多学者对该模型进行了不同改进，并 将其应用到单一道路动态交通流演化的研究 中［２２２５］ ．基本图模型也经常被用来分析单一道路 网络层面交通流的演变规律，Ｍｕｓｏｌｉｎｏ等［２６］利用 网络基本图的知识对交通规律的演化过程进行了 分析．随着复杂网络的发展，一些学者开始利用复 杂网络的相关理论对道路网络交通演化规律进行 研究，主要包括道路网络拓扑结构的形成、网络特 性的动态变化等［２７２８］ ，这些研究在单一道路层面 的基础上进一步对道路交通网络的复杂特性进行 了拓展．在网络失效性方面，刘新全［２９］ 在模拟的道 路交通网络条件下通过贝叶斯网络推理研究了道 路网络级联失效的演变机理．Ｄａｎｃｚｙｋ等［３０］则根 据实际道路网络建立了感知 成本模型，并结合具 体案例分析了意外事件发生后交通流的变化特性， 全面揭示了密西西比河大桥及附近区域交通网络 中断情况下的道路交通演变规律，在该研究中，感 知 成本模型是通过一个假设的指数衰减函数构建 的，是否适用于其他复杂条件下的交通状况还有待 证明．另外，地理信息技术在道路网络交通流演化 分析中也得到了一定的应用，部分研究从时间序 列［３１］ 、空间自相关［３２］ 、时空模式挖掘［３３３４］等角度 分别分析了交通拥堵的形成原因和交通事故的演 变机理． 总体而言，现有道路交通流演化规律辨识涉及 单一道路层面和道路网络层面．在单一道路层面， 元胞自动机模型、基本图模型已经取得了长足的发 展，并得到了广泛研究．在道路网络层面，复杂网络 分析技术已日趋成熟，基于地理信息技术的道路网 络交通流演化分析也开始得到应用． ３．２ 道路交通网络态势分析 道路交通网络态势分析主要分为道路网络交 通流估计、道路网络交通状态预测和道路网络交通 状态感知 ３个过程．交通状态感知是态势分析的基 础，是指对交通态势要素的提取和分析，收集影响 交通态势的因素，并对其进行分析．交通状态预测 和估计主要是在数据采集的基础上，对历史及实时 交通数据进行分析，根据当前获取的交通发展态 势，预测和估计未来可能出现的变化趋势． 道路网络交通流估计和交通状态预测在以往 的研究中涉及较多［３５４１］ ，多数的研究都是短时 （１５ｍｉｎ以下）交通流状态估计和预测．在交通状 态感知方面，Ｚｈｕ等［４２］考虑到基本交通流参数的 影响，提出了车联网环境下基于驾驶员感知的交通 ４０６ 东南大学学报（自然科学版） 第 ４９卷