基于大数据的交通流理论与仿真实验教学研究

来源:用户上传      作者:

　　[摘 要]大数据时代改变着人们的出行行为，进而影响着交通流的分布状态，交通流理论与仿真实验的教学内容因而悄然而变。为了依托大数据提高交通流理论与仿真实验的教学效果，深入解读与剖析交通流大数据的内涵、外延、来源与类型，使用文献调研法，总结和归纳了交通流大数据的常用采集设备与方法以及数据分析与建模情况。本文根据交通流大数据和交通流理论与仿真实验的内在关系，以举例形式说明了交通流理论与仿真实验的教学内容和交通仿真实验指导方案的设计流程;在此基础上，提出了以“数据”为轴线的实践检验思路;最后，概括了新教学模式的特色与优势。顺应时代发展需要，基于大数据的交通流理论与仿真实验教学模式值得推广与借鉴。
　　[关鍵词]教学改革;课程改革;大数据;交通流理论;交通仿真
　　[中图分类号] G420 [文献标识码] A [文章编号] 2095-3437（2019）02-0029-03
　　交通流理论与仿真和交通仿真实验是交通工程专业的主干课程（文中“交通流理论与仿真实验”是指这两门课程）。交通流理论与仿真讲解交通流参数的基本概念、统计分布与关系模型以及描述交通流现象的理论、模型与方法，还讲解交通流数据的获取方法与采集设备以及模拟，再现交通流时空变化和运行规律的仿真原理与手段。当研究交通流参数的统计分布时，需要直接利用概率论的知识;当建立交通流参数的关系模型时，需要直接使用数理统计的知识;当描述车辆的跟驰现象时，跟驰理论在构建线性或非线性跟驰模型以及进行稳定性或稳态流分析的过程中运用微积分知识[1]。其他交通流理论分支（如动态模型、交通波理论、二流理论等）也都需要以高等数学、概率与统计为理论基础[1]。交通仿真在模拟与再现交通流时空变化与运行规律时既离不开高等数学、概率与统计，又离不开计算机知识，特别是程序设计[2]。无论是研究交通流参数的统计分布与相关关系，还是探究各种交通现象背后的规律，还是进行交通流变化与运行状况的模拟，都需要大量的数据[1]。再者，无论是建立模型，还是标定模型参数，还是进行模型验证或灵敏度分析，同样离不开大量的数据。交通仿真实验要求学生掌握交通仿真软件的基本操作，能够使用交通仿真软件建立交通仿真模型，并对仿真数据进行统计分析，进而正确地解释交通现象，发现交通规律，解决交通问题。该课程的先修课为交通流理论与仿真，通过交通仿真软件的应用理解和运用其基本原理、模型和方法，实现综合运用所学知识解决复杂工程问题的能力培养目标。在交通仿真模型建立、运行和输出各个阶段，同样涉及大量交通数据[2]。
　　一、课程内容面临大数据挑战
　　自2009年，“大数据”成为互联网行业的热门词汇，并被应用到其他领域。大数据意味着大量、高速、多样和价值，不需要采用随机分析方法而是直接采用所有数据进行分析与处理[3]。2005年，Google公司推出一款虚拟地球仪软件，将卫星照片、航空照相和GIS布置于一个地球的三维模型上，允许用户使用客户端软件或网页免费浏览全球各地的高清卫星图片[4]。随之，百度、腾讯、高德等互联网信息服务提供商也都相继推出电脑版和手机版的电子地图，为人们的出行提供导航服务。2007年，Google公司率先推出了街景地图服务[5]。腾讯、百度等公司也随后借助全景摄像头提供诸多城市主要街道上的360度全景景观。人们使用这些软件能获得关于路网形式、交通管制、出行信息等表征或影响交通流运行状况的数据。
　　随着互联网技术、移动通信技术、平板电脑、智能手机的发展与更新，越来越多的人几乎每天都通过PC端、iPhone、Android、iPad和Web App等众多终端平台使用电子地图来规划自己的出行路径与时间安排。他们在获取大量的交通信息数据的同时也在不断地制造新的交通信息数据。另一方面，伴随着电子产品与工业装备的更新与集成，数码摄像机、数码照相机、激光测距仪、雷达测速仪、智能手机测速仪、手持GPS、车载GPS、高清视频卡口、高清电子警察、汽车尾气分析仪、行车记录仪等众多设备投入应用。这些设备能用来采集交通流的多方面数据，包括流量、速度、密度、占有率、排队长度等宏观交通流参数，也包括驾驶员行车过程中的车速、加速度、目标车道、换道操作、转弯半径等微观交通流参数。当这些设备被固定安装于道路系统中，随时间推移，每天将提供海量的交通流数据。
　　海量交通信息与交通流数据的提供改变着人们的出行行为与方式，也改变着交通管理者的规划、设计与决策，进而影响着路网交通流的分布特性与规律，也必将深刻影响交通流理论与仿真和交通仿真实验的教学内容与方法。鉴于此，以大数据视阈研究交通流理论与仿真实验的教学模式，将科研资源转化为教学内容，旨在提高交通工程专业本科生解决复杂工程问题的能力。
　　二、交通流大数据解读与剖析
　　（一）内涵与外延
　　大数据是指海量的文本、图像、音频和视频等数据资料。由于类型繁多、价值密度低、变化速度快，人们需要精密的技术手段对大数据进行“提纯”才能获取真实的数据信息[3-5]。交通流大数据的内涵是指能够直接反映交通流时变特性的数据，例如流量、速度、车头时距等。这些数据通常可以直接用于建立数学模型、标定待定参数、检验或验证模型。交通流大数据的外延是指不能直接反映交通流时变特性，但与交通流运行特性相关的数据，例如位置、环境、天气、交通管制等。这些数据通常不能直接用于建立数学模型、标定模型参数、检验或验证模型，但是这些数据往往提供与交通流运行特性相关的背景数据。
　　（二）数据来源与类型
　　随着科学技术的进步，交通流大数据来源丰富多样，不同来源的数据具有不同的技术特点与环境依赖。图1总结了目前比较流行的数据来源。从检测手段来看，常用检测方式有线圈检测、雷达检测、微波检测、视频检测和车载检测等。前四种检测方式通常将检测设备安装在路面上、路侧或车道上方，最后一种检测方式通常将检测设备安装在车辆内部。这些检测方式都能够实时提供大量的交通流数据，因检测原理不同，其通信协议有差别，使得提供的数据格式也各异。因为自动检测和高精度的原因，这些检测方式通常能够提供全天候24小时不间断的交通流数据。然而，受存储容量限制，不同设备会间隔不同的时间对所存数据进行清空。从数据提供途径来看，互联网信息服务提供商包括高德地图、百度地图、谷歌地图等。它们依托数字地图技术和地理信息系统，借助互联网技术和移动通信技术，主营出行信息提供，整合各部门的各类数据，支持个人上传与分享路况信息。当大量用户使用这些服务并参与互动时，在不同空间范围内、不同时间间隔内将产生实时的交通流数据，包括速度、行驶时间、行程时间、拥堵时间、消散时间等。如果考虑历史信息，人们将能够越来越准确地预测交通流运行规律。反过来，这些信息的提供势必影响出行者的路径选择行为，进而影响交通流运行规律。交通流大数据的类型包括文字、数字、日期、图片、视频等。现代交通数据采集设备和信息提供系统大多具有集成性、综合性，交通流大数据除单一类型外常表现为混合类型，例如文字+数字、文字+图片等。 　　（三）采集设备与方法
　　图2展示了交通流大数据的常用采集设备。其中，秒表和皮尺属于人工调查中最简单、传统的两种调查仪器，前者用来测量时间参数，后者用来测量空间参数。数据采集设备包括线圈检测器、雷达测速仪、微波检测器、视频检测器和GPS导航仪，前四种一般由交通管理部门负责安装在道路上的固定位置，最后一种一般由单位或个人安装在机动车辆内部。科技进步使得许多通用电子设备进入寻常百姓家，甚至人手一件。这些设备包括摄像机、照相机、平板电脑、智能手机、录音笔、行车记录仪和激光测距仪，前六种均可提供时间参数，最后一种可提供空间参数。在数据无处不在的时代，这些通用电子设备的持有者会有意识或无意识地成为交通流大数据采集的调查员，所持设备自然而然成为提供交通流大数据的采集设备。
　　交通流大数据往往因为来源不同而具有不同的特点和格式。每种数据具有一定的复用与共享特性，例如，GPS导航仪可提供出行路径规划信息，相关数据可用于分析出行行为特性，也可用于分析交通流运行特性。依据采集设备，采集方法可分为线圈、雷达、红外、视频、音频、车载等。依据数据类型，采集方法可分为图片、音频、视频等。一般来说，针对某一具体任务或目标，在考虑设备可得性以及数据处理复杂性的前提下，需要科学设计交通流大数据的具体采集方法。从上述数据来源和采集设备的特点分析来看，多种来源或设备可能提供同类数据。因此，应以“数据簇”为单元设计交通流大数据的具体采集方案。
　　（四）分析与建模
　　大数据需要专门技术进行“提纯”才能获取真实信息。交通流大数据同样需要专门技术进行精细化统计分析与数学建模，才能真实地揭示交通流运行规律，准确地解释交通流现象及其原因。就某种交通流现象，传统上只需使用微积分或数理统计的某一知识点就能定性解释或定量描述。然而，网络交通流现象非常复杂，出行者路径选择行为会影响交通流时空分布，出行信息提供或交通流诱导也会影响交通流时空分布。网络交通流时空分布是众多出行者个人习惯以及随机选择在多种交通管理、控制、引导系统干预下的一种综合表现。对于交通流大数据，有必要立足高等数学、概率与统计、运筹学等基础理论，借助C语言、MATLAB等程序设计方法，采用诸如神经网络、遗传算法、粒子群等智能算法，编制交通流大数据分析程序，并进行统计、分析与挖掘，进而依据数据关联性建立数学模型。
　　三、基于大数据的课程教学方案
　　（一）教学内容设计
　　基于核心知识点体系，将交通流大数据的来源、采集、处理与分析进行有机融合，科学设计交通流理论与仿真的教学内容。以交通流数据为核心，在每一个教学环节，首先向学生讲清楚其中涉及哪些数据，然后说明这些数据可能来源于哪些设备、可能通过哪些方法来获得，再次讲明白这些数据能够得到哪些交通流参数，最后阐明由这些参数可以建立哪些交通流模型、解释哪些交通流现象、解决哪些交通问题[6]。
　　（二）实验方案设计
　　依据核心知识点体系，有机融合交通流大数据的来源、采集、处理与分析，科学设计交通仿真实验的指导方案。该方案分为基础数据、模型参数、仿真模型和评价输出四个阶段，每个阶段涉及若干子项内容，每项内容又涉及大量数据。以干线道路交通流仿真过程为例，实验方案共分为六个步骤：第一，利用百度地图获取目标对象的卫星地图，使用测距工具得到必要的几何数据，并与实测数据进行对比。第二，利用百度街景获取目标对象的实景照片，与实测数据进行比对，得到道路渠化与交通管制的属性数据。第三，利用交通仿真软件建立基础路网，输入静态数据。第四，在完成所有参数配置后，运行交通仿真模型，观察交通流运行状况，获取动态数据。第五，导出交通仿真结果，获得交通流运行状况的评价数据。第六，对评价数据进行统计分析，获得所需的统计分析数据，并以图表形式进行结果展示。
　　（三）实践检验
　　按照上述教学内容和实验方案的设计思路，考虑知识点逻辑关系和学生学习心理，将交通流大数据的概念、数据、模型与方法等进行有机融合，制作形成课堂教学和实验指导的多媒体课件，以“数据”为轴线进行交通流理论与仿真实验的理论和实践教学。在教学过程中，以交通工程专业本科生为对象载体，运用所设计的教学方案和多媒体课件，通过交通流数据的采集、处理与加工使学生直观认识交通现象，深刻理解理论模型与方法，灵活应用已学知识，快速获取新知识，进而具备掌握交通流数据统计分析方法、构建新交通流模型的能力，从而增强提出、分析和解决问题的能力。同时，还要依据教学效果的反馈情况，对教学内容和方法进行改进和完善，不断深化大数据视阈的教学理念与模式。
　　四、结语
　　为提高交通流理论与仿真实验的教学质量，基于大数据背景提出教学改革思路。首先，分析专业课程交通流理论与仿真和交通仿真實验与通识课程高等数学、概率与统计、C语言程序设计的关系，从教学角度剖析大数据时代对交通流理论与仿真和交通仿真实验的深刻影响。然后，解读交通流大数据的内涵、外延、来源与类型，和总结归纳了交通流大数据的常用采集设备与方法以及数据分析与建模情况。最后，依据核心知识点体系，以“数据”为轴线设计教学内容和实验方案，并提出教学实践检验思路。在大数据背景下，基于资源最优配置理念，以科研为引领，促进教学相长，将科研成果向教学环节转化，势必有助于培养学生解决复杂工程问题的能力以及创新思维与意识。
　　[ 参 考 文 献 ]
　　[1] 邵春福， 魏丽英， 贾斌. 交通流理论[M]. 北京： 电子工业出版社， 2012.
　　[2] 孙剑. 微观交通仿真分析指南[M]. 上海： 同济大学出版社， 2014.
　　[3] 张昕， 曾鹏， 张瑞， 张帆. 交通大数据的特征及价值[J]. 软件导刊， 2016（3）： 130-132.
　　[4] 陈修治， 陈燕乔， 苏泳娴. 基于谷歌地球和GPS的物品定位跟踪系统[J]. 计算机工程与设计， 2011（9）： 3014-3018.
　　[5] 董玉森， 徐冉， 袁晏明， 杨坤光. 街景地图在周口店实践教学中的应用[J]. 中国教育技术装备， 2014 （16）： 131-134.
　　[6] 姚荣涵， 潘宝峰， 赵胜川. 问题驱动和案例主导的交通规划教学研究[J]. 大学教育， 2017（10）： 1-3.
　　[责任编辑：钟 岚]
转载注明来源:https://www.xzbu.com/9/view-15167639.htm