【文章內(nèi)容簡(jiǎn)介】 異常數(shù)據(jù)原因雖然很多，但是主要是因?yàn)闄z測(cè)電路故障或者傳輸過程中外界環(huán)境對(duì)信號(hào)造成了干擾導(dǎo)致的。我們將出現(xiàn)故障的數(shù)據(jù)分為兩大類，一類是丟失的數(shù)據(jù)，另一類是錯(cuò)誤的數(shù)據(jù)。（1）丟失數(shù)據(jù)的識(shí)別實(shí)際系統(tǒng)中，交通數(shù)據(jù)從采集、傳輸?shù)阶詈筮\(yùn)算的過程中，出現(xiàn)交通數(shù)據(jù)無法上傳而丟失的因素很多，例如兩車間隙太小造成的檢測(cè)器無法分辨、信號(hào)傳輸線路收到干擾或者遭到破壞、檢測(cè)器故障等情況下會(huì)出現(xiàn)某些時(shí)刻的數(shù)據(jù)空白，這種現(xiàn)象會(huì)嚴(yán)重干擾下一步進(jìn)行的數(shù)據(jù)處理工作。因此，為了排除這種故障，通常將一段時(shí)間內(nèi)的數(shù)據(jù)記錄下來，將其定義為某一時(shí)刻的數(shù)據(jù)。例如如果規(guī)定數(shù)據(jù)累加的時(shí)間間隔為15分鐘，那么在8:00到8:15之間測(cè)得的車流量規(guī)定為8:00這一時(shí)刻的數(shù)據(jù)，在此基礎(chǔ)上對(duì)這些時(shí)刻點(diǎn)的數(shù)據(jù)進(jìn)行讀取，若發(fā)現(xiàn)在某一時(shí)刻沒有檢測(cè)到數(shù)據(jù)，則判定為數(shù)據(jù)丟失。（2）錯(cuò)誤數(shù)據(jù)的識(shí)別如果地感線圈或者傳輸線路出現(xiàn)問題，此時(shí)采集到的數(shù)據(jù)是掩蓋了真實(shí)的交通狀況，這會(huì)對(duì)交通流量預(yù)測(cè)造成一定程度上的影響。錯(cuò)誤的數(shù)據(jù)通常表現(xiàn)為異常大或者異常小。閥值法能夠有效的處理這方面的問題。它的算法非常簡(jiǎn)易，只需要設(shè)置一定的區(qū)間，通過判斷所采集的數(shù)據(jù)是否超越了這個(gè)區(qū)間即可分析出這個(gè)數(shù)據(jù)是否是錯(cuò)誤數(shù)據(jù)。由于這種方法計(jì)算量小，計(jì)算速度快，所以一般在線計(jì)算的時(shí)候常常會(huì)采用這種方式進(jìn)行錯(cuò)誤數(shù)據(jù)的識(shí)別，但是這種方法無法準(zhǔn)確的排除錯(cuò)誤數(shù)據(jù) [21]。故障數(shù)據(jù)的處理方法對(duì)于故障數(shù)據(jù)的處理主要有兩種方法：一是將故障數(shù)據(jù)直接剔除，這種方法應(yīng)用條件較為苛刻，其需要大量的數(shù)據(jù)作為基礎(chǔ)，而且其中不能有太多的錯(cuò)誤數(shù)據(jù)。二是使用歷史平均數(shù)據(jù)代替錯(cuò)誤數(shù)據(jù)的原則，對(duì)錯(cuò)誤數(shù)據(jù)進(jìn)行彌補(bǔ)。 車流量預(yù)測(cè)原則連續(xù)性原則所有事物的發(fā)展都是有據(jù)可循的，連續(xù)性原則就是根據(jù)事物發(fā)展的規(guī)律和趨勢(shì)而總結(jié)出來的一般性原則。連續(xù)性原則指事物的發(fā)展過程中今天是和昨天密不可分的，而明天和今天也是一脈相承的。在這類系統(tǒng)中，連續(xù)性原則是一個(gè)顯而易見的特征。許多交通流量的影響因子都具有一定的連續(xù)性。因而影響交通流量的因素連續(xù)性的存在為交通預(yù)測(cè)提供了一種可行的方式和依據(jù)。相關(guān)性原則任何事物都是與周圍的事物相互影響著，因此他們之間的變化不會(huì)是相互獨(dú)立的。一件事物的變化必然會(huì)引起周圍其他事物發(fā)生一定的變化，而這件事物的變化必然也是由其他事物的變化引起的。這種事物之間的相互影響就是相關(guān)性。類推性原則不同事物之間常常存在著許多相似之處，在某些情況下，或者某些方面，一種事物的發(fā)展規(guī)律常常和與其聯(lián)系緊密的一種或者幾種事物的發(fā)展規(guī)律表現(xiàn)出相當(dāng)大的相似性，因此我們可以利用這種相似性從這種事物類推出另外的事物的發(fā)展規(guī)律，這就是類推性原則。當(dāng)然，如果有大量的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，類推性原則也不需要也不適合被用來做預(yù)測(cè)。當(dāng)缺乏歷史數(shù)據(jù)時(shí)，類推原則就發(fā)揮了其重要的指導(dǎo)作用。類推性原則應(yīng)用的首要條件是類推性，如果兩事物之間不存在類推關(guān)系，一件事物無法反映出另一事物的變化規(guī)律的話，就不能使用這個(gè)原則做預(yù)測(cè)，不然會(huì)使預(yù)測(cè)結(jié)果嚴(yán)重偏離實(shí)際情況。此外，在應(yīng)用中需要注意的是，相似與相同存在著一定的差異，不能將兩者完全等同起來，就是說，利用這個(gè)原則的時(shí)候需要同時(shí)關(guān)注事物的兩面性，即被測(cè)對(duì)象與預(yù)測(cè)對(duì)象之間的相同與不同[24]。 車流量預(yù)測(cè)模型概述車流量預(yù)測(cè)方法目前主要有回歸分析算法、歷史均值算法、時(shí)間序列算法、人工神經(jīng)元網(wǎng)絡(luò)算法、非參數(shù)回歸算法、卡爾曼濾波算法等，至今為止已提出了近三十種車流量預(yù)測(cè)方法[25]。這些方法當(dāng)中，既有各自的局限性，又有各自的針對(duì)性。利用這一特點(diǎn)，取長(zhǎng)補(bǔ)短，將多種預(yù)測(cè)方法結(jié)合，得到的新方法為車流量預(yù)測(cè)提供了一條可行的捷徑。下面主要介紹了幾種國內(nèi)外常用的預(yù)測(cè)方法。多元線性回歸預(yù)測(cè)方法線性回歸預(yù)測(cè)方法利用的是類推性原則，它先建立一個(gè)因變量和幾個(gè)解釋變量之間的相互關(guān)系，然后通過這個(gè)關(guān)系去對(duì)因變量進(jìn)行分析和估計(jì)。在應(yīng)用這種方法之前，必須先確定這些變量之間存在著相互關(guān)系，絕對(duì)不能是相互獨(dú)立的。使用這種方法建立系統(tǒng)模型的話，需要分析的因素不用太多，參數(shù)的計(jì)算方式也較為簡(jiǎn)單，一般采用的是最小二乘法。建立此模型需要考慮因素相對(duì)較為簡(jiǎn)單，參數(shù)計(jì)算一般采用最小二乘法估計(jì)。但是這種方法只是根據(jù)別的因素推到出來的，因此對(duì)于交通流量的趨勢(shì)跟蹤和非線性的反映比較乏力，一旦出現(xiàn)不確定的干擾，系統(tǒng)的預(yù)測(cè)結(jié)果將會(huì)明顯受到影響。因此，采用這種方法進(jìn)行預(yù)測(cè)的時(shí)候，時(shí)間間隔越短，預(yù)測(cè)結(jié)果的準(zhǔn)確度就會(huì)越低。基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法人工神經(jīng)網(wǎng)絡(luò)，顧名思義，就是指利用計(jì)算機(jī)模仿生物的大腦神經(jīng)反射，從而實(shí)現(xiàn)對(duì)信息的處理的系統(tǒng)。由于人工神經(jīng)網(wǎng)絡(luò)有著能夠同時(shí)進(jìn)行多個(gè)復(fù)雜問題的解決能力，并且能夠自主的學(xué)習(xí)、記憶甚至能夠擁有聯(lián)想的能力，這使得這種預(yù)測(cè)算法具備了相當(dāng)高的對(duì)環(huán)境的適應(yīng)能力，對(duì)問題的靈活應(yīng)對(duì)能力以及對(duì)系統(tǒng)的自動(dòng)組織能力，正因?yàn)樗耐怀鰞?yōu)點(diǎn)，該方法受到各行業(yè)應(yīng)用專家和自然科學(xué)領(lǐng)域各專業(yè)學(xué)者的廣泛重視[2629]。然而，在分析人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)的同時(shí)，必須注意到它也存在諸多的缺點(diǎn)，例如學(xué)習(xí)速度慢[30]、樣本依賴性高等，因此在應(yīng)用于嵌入式系統(tǒng)中作為車流量預(yù)測(cè)算法使用時(shí)，對(duì)硬件要求太高，故不太合適。指數(shù)平滑預(yù)測(cè)方法指數(shù)平滑方法[3133]是一種利用對(duì)預(yù)測(cè)時(shí)刻之前若干實(shí)測(cè)數(shù)據(jù)進(jìn)行加權(quán)運(yùn)算，對(duì)得到的結(jié)果再進(jìn)行一系列處理，最終得出預(yù)測(cè)結(jié)果的方法，這種預(yù)測(cè)模型中利用了車流量的最新實(shí)測(cè)信息，不斷更新的最新數(shù)據(jù)使預(yù)測(cè)結(jié)果對(duì)實(shí)際數(shù)據(jù)的跟蹤效果更加理想。其計(jì)算公式如下： (31)其中，是第k日的t +1時(shí)刻的預(yù)測(cè)值，是第k日的t時(shí)刻的實(shí)測(cè)值，α為加權(quán)系數(shù)。由公式可以看出，應(yīng)用指數(shù)平滑預(yù)測(cè)方法時(shí)，通過人為調(diào)整公式(31)中的權(quán)重α值，就可以對(duì)最新數(shù)據(jù)信息在預(yù)測(cè)結(jié)果的中所占的權(quán)重進(jìn)行調(diào)整。應(yīng)用這種算法時(shí)，這個(gè)平滑系數(shù)的取值不同，對(duì)預(yù)測(cè)結(jié)果會(huì)造成非常大的影響，一般會(huì)通過多次迭代計(jì)算后分析其誤差，選出理想的平滑系數(shù)。然而對(duì)于像車流量這樣具有相似性的數(shù)據(jù)，歷史數(shù)據(jù)可以在很大程度上反映出當(dāng)前車流量的特征，如果僅僅是根據(jù)指數(shù)平滑算法來進(jìn)行交通流量預(yù)測(cè)的話，歷史數(shù)據(jù)所反映出來的交通流量的趨勢(shì)會(huì)被棄用，這肯定會(huì)對(duì)預(yù)測(cè)的精度造成了或多或少的影響。 車流量預(yù)測(cè)模型改進(jìn)由于上述幾種方法在車流量預(yù)測(cè)的應(yīng)用中都有各自的缺陷，直接應(yīng)用于車流量預(yù)測(cè)的話會(huì)導(dǎo)致數(shù)據(jù)資源浪費(fèi)，本文針對(duì)指數(shù)平滑預(yù)測(cè)方法無法使用車流量的周相似性特點(diǎn)，提出了一種對(duì)指數(shù)平滑預(yù)測(cè)方法的改進(jìn)方法。壞數(shù)據(jù)的剔除在檢測(cè)過程中，往往有些時(shí)段的數(shù)據(jù)會(huì)因?yàn)槟承┎豢煽刂频囊蛩赝蝗话l(fā)生很大的變化，并且下一時(shí)段就恢復(fù)正常水平（例如某車道有重型貨車啟動(dòng)較慢，導(dǎo)致整個(gè)車道通行量下降；或者某新手在路口啟動(dòng)多次熄火，造成車道擁堵）。這種隨機(jī)情況下測(cè)得的數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果會(huì)產(chǎn)生不利的影響，我們稱其為壞數(shù)據(jù)（有別于錯(cuò)誤數(shù)據(jù)），需要剔除。剔除的原則是與當(dāng)前時(shí)刻歷史平均數(shù)據(jù)比較，若相差超過某一數(shù)值（本設(shè)計(jì)設(shè)定差值為15），則使用對(duì)應(yīng)的歷史數(shù)據(jù)代替檢測(cè)數(shù)據(jù)進(jìn)行計(jì)算。歷史數(shù)據(jù)的引入為了克服指數(shù)平滑預(yù)測(cè)方法無法使用車流量的周相似性的弱點(diǎn)，本方法引入了歷史數(shù)據(jù)，為具有同一特征的最近若干個(gè)歷史數(shù)據(jù)的平均值配置一定的權(quán)重，與反映交通實(shí)時(shí)情況的新鮮數(shù)據(jù)一起加權(quán)后作為輸入數(shù)據(jù)進(jìn)行結(jié)果預(yù)測(cè)。其計(jì)算公式為 (32)通過調(diào)整權(quán)重可以調(diào)整新鮮數(shù)據(jù)信息在預(yù)測(cè)中的作用，本例中根據(jù)實(shí)際數(shù)據(jù)。由于數(shù)據(jù)量有限，故歷史數(shù)據(jù)只取了最近的3個(gè)數(shù)據(jù)的平均值，現(xiàn)實(shí)情況中數(shù)據(jù)量較大，可選擇加大歷史數(shù)據(jù)量。公式改進(jìn)在指數(shù)平滑預(yù)測(cè)方法的公式(31)中，是對(duì)預(yù)測(cè)誤差的補(bǔ)償，但是卻無法完成對(duì)誤差趨勢(shì)的跟蹤。為此，我們引入誤差預(yù)測(cè)量來完成對(duì)誤差趨勢(shì)的跟蹤。 (33)式(33)中，我們假設(shè)了t+1時(shí)刻、t時(shí)刻、t1時(shí)刻的誤差變化規(guī)律相同，即此三個(gè)時(shí)刻的為等差數(shù)列。而對(duì)于公式(31)中的第一部分我們也做了如下改進(jìn)： (34)式(34)我們也做了類似的假設(shè)，其中就是根據(jù)歷史數(shù)據(jù)的變化趨勢(shì)預(yù)測(cè)出的第k日t+1時(shí)刻的車流量。故其最終的車流量預(yù)測(cè)公式為 (35)式中，為加權(quán)系數(shù)。若太大，對(duì)誤差的跟蹤作用過強(qiáng)，使超調(diào)量大；而過小，則對(duì)誤差的跟蹤作用弱，無法達(dá)到補(bǔ)償誤差的跟蹤作用。根據(jù)數(shù)據(jù)誤差平方差最小原則。表31為某路口的4組實(shí)測(cè)數(shù)據(jù)，數(shù)據(jù)來自文獻(xiàn)[21]。前三組作為歷史數(shù)據(jù)，第四組作為需要預(yù)測(cè)的數(shù)據(jù)，分別用指數(shù)平滑預(yù)測(cè)方法和改進(jìn)型指數(shù)平滑預(yù)測(cè)方法對(duì)其進(jìn)行車流量預(yù)測(cè)。表31 車流量實(shí)測(cè)數(shù)據(jù)根據(jù)上表數(shù)據(jù)，我們進(jìn)行車流量預(yù)測(cè)時(shí)，首先計(jì)算前三組歷史數(shù)據(jù)的平均值，然后根據(jù)該平均值剔除第四組數(shù)據(jù)中差距過大的數(shù)據(jù)，用平均值填充。例如7:9:00、9:50、10:110:210:11:011:11:11:45這些時(shí)刻的數(shù)據(jù)由于和平均值相差超過15而被剔除。根據(jù)公式(35)計(jì)算得到預(yù)測(cè)數(shù)據(jù)。同樣將這些數(shù)據(jù)剔除之后使用公式(31)，多次調(diào)整值，在時(shí)，其預(yù)測(cè)數(shù)據(jù)誤差的平方差值最小。故改進(jìn)后的預(yù)測(cè)方法預(yù)測(cè)精度更高。 交通信號(hào)動(dòng)態(tài)配時(shí)方案設(shè)計(jì)我們進(jìn)行車流量預(yù)測(cè)的目的是為了根據(jù)車流量來控制交通信號(hào)，此信號(hào)主要包括兩個(gè)方面，一是交通信號(hào)的周期時(shí)長(zhǎng)，即一個(gè)信號(hào)周期所花費(fèi)的時(shí)間；二是每個(gè)周期中，各相位的綠信號(hào)時(shí)長(zhǎng)。故交通信號(hào)的動(dòng)態(tài)調(diào)整也要分兩個(gè)方面進(jìn)行。 周期配時(shí)方案在現(xiàn)實(shí)情況下，司機(jī)從信號(hào)燈由紅變綠到汽車啟動(dòng)需要一定的時(shí)間，這段時(shí)間稱為啟動(dòng)延遲時(shí)間，而在綠燈關(guān)閉后，仍處于路口內(nèi)的車輛還需一定的時(shí)間來通過路口，這段時(shí)間稱為結(jié)束滯后時(shí)間。每一次紅綠燈的變換都伴隨著一段綠燈時(shí)間的損失，一般認(rèn)為綠燈損失時(shí)間=啟動(dòng)延遲時(shí)間結(jié)束滯后時(shí)間，通常為3秒鐘。因?yàn)橛芯G燈損失時(shí)間的存在，若周期過短，可能造成路口內(nèi)等待車輛過多，增加綠燈損失時(shí)間。相反如果周期過長(zhǎng)，在某向無汽車通過時(shí)，還長(zhǎng)時(shí)間保持綠燈同樣是對(duì)綠燈時(shí)間的一種浪費(fèi)。因此本我們需要在車流輛小的時(shí)候適當(dāng)?shù)臏p小周期時(shí)長(zhǎng)，而在車流量大的時(shí)候適當(dāng)增加周期時(shí)長(zhǎng)，以更好的滿足車流量的控制要求。以某路口為例，取一個(gè)周期為一個(gè)計(jì)數(shù)單位，設(shè)該路口各相位的飽和流量均為50輛/分鐘，計(jì)算周期時(shí)長(zhǎng)有4個(gè)步驟： 利用公式(35)預(yù)測(cè)每一相位的車流量； 計(jì)算車流量比： (36)其中為臨界車道(即每相位上車流量最大的那條車道)車流量，為飽和流量； 求和計(jì)算路口的周期流量： (37)其中n為相位數(shù)； 計(jì)算周期時(shí)長(zhǎng)： (38)式中為通過飽和流量時(shí)，使路口通行量最優(yōu)的路口周期有效綠燈時(shí)長(zhǎng)，為各相位黃燈時(shí)間，取為3秒，為各相位綠燈損失時(shí)間，也取3秒。根據(jù)歷史數(shù)據(jù)，該路口在流量飽和時(shí)以3分鐘為周期可使路口通行量最大，故取為180秒。由式(38)也可以看出，周期時(shí)長(zhǎng)越大，有效綠燈時(shí)間所占的比例也越大。 相位配時(shí)方案在交通控制系統(tǒng)中，各個(gè)相位的時(shí)長(zhǎng)是由各個(gè)交叉口的車流量的比來確定的。其計(jì)算過程如下： 通過公式(35)預(yù)測(cè)出各相位的車流量； 計(jì)算各相綠燈時(shí)間： (39)式中為第i相位的時(shí)長(zhǎng)，為第i相位的臨界車輛數(shù)，為有效綠燈時(shí)間，即上一節(jié)中的。 本章小結(jié)本章首先對(duì)車流量數(shù)據(jù)的特點(diǎn)進(jìn)行了介紹，在此基礎(chǔ)上分析了幾種車流量預(yù)測(cè)方法的優(yōu)點(diǎn)和缺陷，進(jìn)而有針對(duì)性的提出了車流量預(yù)測(cè)模型的改進(jìn)方法，最后，據(jù)此對(duì)交通信號(hào)的周期時(shí)長(zhǎng)和相位時(shí)長(zhǎng)提出了對(duì)應(yīng)的調(diào)整手段。第四章 無線通信的實(shí)現(xiàn)第四章 無線通信的實(shí)現(xiàn)本章將使用AT89C52單片機(jī)作為控制器，實(shí)現(xiàn)GPRS模塊與遠(yuǎn)程監(jiān)控系統(tǒng)之間數(shù)據(jù)傳輸?shù)墓δ堋?協(xié)議分析 TCP/IP協(xié)議分析TCP/IP（Transmission Control Protocol/Internet Protocol），即傳輸控制協(xié)議/因特網(wǎng)互聯(lián)協(xié)議，也可以稱之為網(wǎng)絡(luò)通訊協(xié)議，它是互聯(lián)網(wǎng)最基本的協(xié)議，同時(shí)也是國際互聯(lián)網(wǎng)絡(luò)的基礎(chǔ)。TCP/IP協(xié)議為網(wǎng)絡(luò)設(shè)備與互聯(lián)網(wǎng)之間的數(shù)據(jù)傳輸規(guī)定了一個(gè)準(zhǔn)則，同時(shí)也可以用于規(guī)范兩個(gè)設(shè)備之間的數(shù)據(jù)通信。TCP/IP協(xié)議由4個(gè)層級(jí)組成，每一層都有其固定的任務(wù)，并且同時(shí)需要為上一層提供一些數(shù)據(jù)支持。這個(gè)協(xié)議主要有傳輸層的協(xié)議和網(wǎng)絡(luò)層的協(xié)議共同構(gòu)成。其作用可以概括為：協(xié)議負(fù)責(zé)數(shù)據(jù)的匹配認(rèn)證，主要用于發(fā)現(xiàn)問題和處理問題，就像檢驗(yàn)裝置，一旦數(shù)據(jù)出現(xiàn)故障，就會(huì)要求重新發(fā)送；而協(xié)議負(fù)責(zé)地址匹配，它會(huì)為網(wǎng)絡(luò)中所有的設(shè)備終端設(shè)置一個(gè)網(wǎng)絡(luò)地址，借此可以方便的定位各終端的網(wǎng)絡(luò)位置[34]。再將協(xié)議進(jìn)行細(xì)分的話，還可以分為四層結(jié)構(gòu)：網(wǎng)絡(luò)接口層、網(wǎng)絡(luò)層、傳輸層和應(yīng)用層。協(xié)議與傳統(tǒng)的開放式系統(tǒng)的參考模型存在明顯的不同，一是協(xié)議的層級(jí)劃分方面存在區(qū)別，傳統(tǒng)的開放式系統(tǒng)的參考模型可劃分為七層，包括：物理層、數(shù)據(jù)鏈路層、網(wǎng)絡(luò)層、傳輸層、會(huì)話層、表示層和應(yīng)用層，每層負(fù)責(zé)完成指定功能，而協(xié)議則僅包含四層；二是在每個(gè)層級(jí)的服務(wù)功能方面也有這不同之處，傳統(tǒng)的開放式系統(tǒng)的參考模型下，只有在相同的層次上硬件才能完成數(shù)據(jù)的交換，而TCP/IP協(xié)議結(jié)構(gòu)下，每一層都為它的上一級(jí)提供服務(wù)，相同層次的數(shù)據(jù)無法實(shí)現(xiàn)交換。TCP/IP體系結(jié)構(gòu)所對(duì)應(yīng)的結(jié)構(gòu)和協(xié)議如表41所示。 表41 TCP/IP體系結(jié)構(gòu)對(duì)應(yīng)的OSI結(jié)構(gòu)和協(xié)議應(yīng)用層應(yīng)用層TFTP,HTTP,SNMP,FTP,SMTP,DNS,Telnet表示層會(huì)話層傳輸層傳輸層TCP,UDP互聯(lián)網(wǎng)絡(luò)層網(wǎng)絡(luò)層IP,ICMP,OSPF,BGP,IGMP,ARP,RARP網(wǎng)絡(luò)接口層數(shù)據(jù)鏈路層SLIP,CSLIP