道路交通网络节点分配优化策略研究进展_卢东祥.pdf

2023 年第 36 卷第 3 期Electronic Sci.Tech./Mar.15，2023h t t p s:/j o u r n a l.x i d i a n.e d u.c n收稿日期:2022-01-30基金项目:江苏省高校自然科学研究重大项目(20KJA190001)Major Project of Natural Science esearch in Universities of Jiangsu(20KJA190001)作者简介:卢东祥(1979 )，男，副教授。研究方向:计算机应用技术、科技成果转化。道路交通网络节点分配优化策略研究进展卢东祥(盐城师范学院，江苏 盐城 224002)摘要为了进一步提高城市道路交通网络的通行效率，粒子群优化和神经网络等多种智能优化算法受到越来越多的关注。近年来，深度学习技术的普及与应用大幅提升了城市交通网络的节点识别效率，而交通网络的节点调度又扩展了深度学习技术的应用。文中详细分析了交通节点调度所面临的关键问题，归纳并总结了相关网络节点分配的研究现状。在此基础上，深入研讨了城市交通网络节点调度与深度学习的应用前景，并对交通网络节点分配优化策略的未来研究方向进行了展望。关键词交通网络;节点调度;深度学习;机器学习;车联网;智能算法;启发式搜索;协同控制中图分类号TN929 5;U495文献标识码A文章编号1007 7820(2023)03 081 06doi:10.16180/ki.issn1007 7820.2023.03.013esearch Progress of Node Assignment Optimization Strategy inoad Traffic NetworkLU Dongxiang(Yancheng Normal University，Yancheng 224002，China)AbstractIn order to further improve the traffic efficiency of urban road traffic network，a variety of intelligentoptimization algorithms such as particle swarm optimization algorithm and neural network algorithm have attracted ex-tensive attention ecently，the popularization and application of deep learning technology has greatly improved theefficiency of node identification of urban traffic network，and the node scheduling of traffic network has expanded theapplication of deep learning technology In this study，the key problems of traffic node scheduling are analyzed in de-tail，and the research status of relevant network node allocation is summarized On this basis，the proposed studythoroughly discusses and analyzes the application prospect of node scheduling and deep learning in urban transporta-tion network，and prospects the future research direction of node allocation optimization strategy in transportation net-workKeywordstransportation network;node scheduling;deep learning;machine learning;vehicle networking;intel-ligent algorithm;heuristic search;collaborative control随着计算机和物联网等多种技术的发展及应用，城市交通网络也逐渐实现了网络化与数字化。利用各类技术对道路交通网络的节点调度水平进行优化，可大幅提升相关网络的通行效率。在实际应用过程中，城市机动车保有量与城市道路的拓扑结构得到了大幅度提升。这直接导致节点的分配策略或算法难以满足城市发展的实际需求，加剧了城市拥堵及能源浪费的情况。针对交通网络日益复杂的现状，研究人员逐渐引入复杂网络的概念，并对具有较高复杂度的城市交通拓扑进行了全面的模拟和分析。其基本步骤为:首先设定交通网络中的节点权重值，完成复杂网络的建模与分析;然后计算不同的网络拓扑指标，并分析交通网络的多项复杂度，即中心度、最短路径长度以及 K系数中心度等核心指标;最后基于已知的复杂度计算结果，利用变异系数和属性决策等方法，对交通网络的节点进行分配与优化，从而制定有效且实用的节点分配方案，缓解日益严重的城市交通拥堵现状。为了提高复杂交通网络的通行效率，研究人员曾提出一系列具有较高指导价值与参考意义的研究方法。文献 1从实际的道路规划出发，总结了道路交通所面临的各类问题，并逐渐引入道路交通网络的节点概念，具有一定的前瞻性和参考价值。文献 2在道路交通规划中，首次利用 IBM 公司的计算设备进行了必要的道路交通仿真，减少了繁琐的人工操作与人为失误，提升了道路交通网络规划的速度及精度，且该研究在理论和实践层面均给出了具有较高借鉴价值的18Electronic Science and Technology卢东祥:道路交通网络节点分配优化策略研究进展h t t p s:/j o u r n a l.x i d i a n.e d u.c n解决方法。通过阐述交通网络节点的理论研究过程，本文分析了相关节点分配的研究现状，深入探讨了道路交通规划实践所面临的关键问题，并对复杂交通网络的未来研究方向进行了展望和预测。1节点分配策略在复杂的交通网络中，节点分配策略需要以较小的代价实现流量的均衡，从而缓解实际城市交通应用环境中的拥堵现象。而在具体研究中，复杂的交通网络通常被建模为一个由多节点和多条边组成的加权有向图。其中所有节点均对应于实际交通中的道路交叉点，并具有不同的关键程度，而所有有向边则对应于交通中的实际道路，也具有不同的权值。面对日益复杂的实际道路交通网络，为了提升城市通行效率且减少社会的能源消耗，按照复杂交通网络的建模方法，已有研究工作大致可分为节点重要度和规划算法等类型，主要成果有:(1)在复杂交通网络中，节点具有不同的重要程度，按照该重要程度实现对交通网络中所有节点的识别与划分，是复杂交通网络的主要研究内容之一。依据不同的研究内容，节点重要度可以有不同的评价方式，其重要度数据既可以是一维的，也可以是多维的。通常而言，节点重要度的数值越大，则节点在交通网络中的地位越高;(2)利用节点重要度对交通流量进行合理的分配也是复杂交通网络中的关键研究内容。通常，传统交通分配方法主要有 Dijkstra 算法、Floyd 算法以及Frank Wolf 算法等，能够实现多项特殊的交通规划功能。然而随着交通状况的持续恶化，传统算法已无法满足当前交通规划与分配的多项需求。因此在交通网络的研究过程中，除了节点和边的识别及分类，新型交通分配算法的设计与分析也是复杂交通网络的重要研究内容之一，其可大幅提升城市交通网络的规划水平和通行效率。2节点识别在复杂交通网络中，节点是具有重要地位的基础和单元，而对关键节点的识别与控制研究则属于交通领域中的基础研究。该研究的进展对城市交通拥堵的缓解具有重要影响。针对关键节点的识别研究主要可分为 3 个阶段:(1)在研究早期，研究人员在简易交通数据的基础上，总结了若干关键节点的识别算法，但其计算效率与准确程度通常较低。文献 3 首次设计并实现通用的城市交通网络模拟系统，通过对关键交通节点进行基本的识别和分类，辅助相关人员提出可行的交通规划方案，进而为后续研究提供一定的参考。但受限于时代与科技的发展，该研究结果已不适用于当前交通的状况。文献 4通过统计实际交通的速度、流量等时间变量，提出关键节点的辨识方法，并设计了宏观网络级的交通流模型，初步奠定了现代交通网络的研究基础。文献 5 提出了一种结合交通仿真与路径分配能力的模型，首次实现了车载实时信息对拥挤交通网络性能的分析在交通领域的研究中，该研究工作具有较高的创新性及一定的参考价值。文献 6 从交通网络的拓扑结构出发，将节点识别问题转化为经典的组合优化问题，从而得到了性质优良的局部极小值，该方法具有较好的创新性及参考价值。文献 7 分别从全局与局部的角度引入中央及局部调度单元，提出了一种适用于在线控制的交通控制递进结构，其对实用的交通控制操作具有一定的指导意义。文献 8 进一步划分交通网络的层次，提出了一种全新的节点层次划分规则，从而避免节点识别的不可靠解，并充分考虑大规模交通网络的未来应用场景;(2)在研究中期，较多研究人员从神经网络(Neu-ral Networks)算法、图论(Graph Theory)和数据统计等理论角度出发，提出大量具备较高精确度和计算效率的关键节点识别算法。但其中部分研究工作的复杂度较高，难以应用于交通网络的日常管理、规划。文献 9基于人工神经网络(Artificial Neural Network，ANN)与模糊专家系统(Fuzzy Expert System，FES)提出了实时的节点识别方法，其交通控制的理论及实践性能均较为优异。文献 10 通过引入立体视觉、运动分析等方法，提出了适用于市区交通的驾驶员实时辅助算法，且为智能交通的节点识别提供必要的实时数据，此方法具有一定的前瞻性和创新性。文献 11基于车载激光扫描仪，提出了一种具有实时数据处理能力的高速目标检测及跟踪算法，其可精准地实现道路节点的识别和分类，并进一步明确动态交通场景检测和建模的系统架构，且该方法首次引入了由传感器组成的智能交通系统概念。文献 12通过引入传统的Kashani 模型，设计了综合日常交通和高速公路的宏观控制模型。该模型能将节点识别的范围扩展到高速公路的范围，故具有较优的交通预测功能。文献 13 综合使用 GPS 接收器和神经网络算法，提出具有极高实用价值的节点辨识算法，分别从宏观及微观角度来实现多种交通路况的预测、分析，从而以较高的精度实现对交通堵塞情况的预测和分析。文献 14通过引入加权拓扑网络，将复杂交通网络中的节点识别上升到定量研究，详细证明了大规模城市交通通勤过程的高28卢东祥:道路交通网络节点分配优化策略研究进展Electronic Science and Technologyh t t p s:/j o u r n a l.x i d i a n.e d u.c n度异质性，同时还考虑了社会人口增量与交通网络之间的关系，进而为交通评估、决策和规划提供切实的分析工具。文献 17 在小区传播模型的基础上，提出一种具有预测和节点识别功能的交通拥塞传播模型，该模型通过精确地估计交通链路及网络的平均行程速度，有效地防止了交通网络的拥堵情况。文献 18 通过引入 GIS 技术和复杂网络理论，深度分析了城市街道网络的基本拓扑性质，进而实现更加精确的关键节点识别算法，其对城市应急管理、应急交通调度与导航均具有较高的借鉴价值。文献 19在加权复杂交通网络的基础上，以网络内聚度为指标，采用加权节点收缩法对节点的重要性进行评价，从而提出了具有较高精确度的节点识别分析算法，并为后续的节点识别研究提供重要的参考;(3)在研究后期