基于實時路況數(shù)據(jù)的原發(fā)性交通擁堵點判別
——以北京市二環(huán)以內為例

趙 天 天，張 晶，王 彥 兵

(首都師范大學三維信息獲取與應用教育部重點實驗室，北京100048;首都師范大學資源環(huán)境與旅游學院，北京100048)

?

基于實時路況數(shù)據(jù)的原發(fā)性交通擁堵點判別
——以北京市二環(huán)以內為例

趙 天 天，張 晶，王 彥 兵

(首都師范大學三維信息獲取與應用教育部重點實驗室，北京100048;首都師范大學資源環(huán)境與旅游學院，北京100048)

以北京市二環(huán)內道路為研究區(qū)域，將實時路況數(shù)據(jù)矢量化并構建其路網(wǎng)間拓撲關系，根據(jù)原發(fā)性擁擠與繼發(fā)性擁擠時序上的差異，提出定量的擁堵度變化點的判別準則，將擁堵度變化點分為原發(fā)性擁堵、繼發(fā)性擁堵、原發(fā)性消散、繼發(fā)性消散4類。研究發(fā)現(xiàn)原發(fā)性擁堵的時空分布符合居民出行特征，重點集中于二環(huán)內熱點區(qū)域，發(fā)生在岔路口處的概率較大，且驗證了繼發(fā)性較原發(fā)性在時空順序上的滯后性。

交通擁堵；實時路況數(shù)據(jù)；原發(fā)性擁堵；繼發(fā)性擁堵

0 引言

隨著我國城市化進程不斷加快，城市交通擁堵已成為影響居民生活、城市面貌的重大問題。由于城市交通擁堵的影響因素較多，諸如車輛保有量增多、通勤距離增加、交通管理設施不完善等，使得在復雜的交通環(huán)境下難以確定擁堵發(fā)生的根源。1990年，Pisarki[1]按照交通擁擠發(fā)生的原因將其分為常發(fā)性交通擁擠(Recurrent Traffic Congestion)和偶發(fā)性交通擁擠(Non-Recurrent Traffic Congestion)，又根據(jù)擁擠產生時刻的先后順序，將其分為原發(fā)性交通擁堵(Primary Traffic Congestion，指在道路瓶頸處首先形成的交通擁堵)和繼發(fā)性交通擁堵(Secondary Traffic Congestion，指由原發(fā)性交通擁堵的回流和蔓延而形成的交通擁堵)。

近年來，國內學者[2,3]多根據(jù)擁堵產生的先后順序對交通擁堵進行分類，如初始交通擁擠[4]、原始交通擁擠[5]及后續(xù)交通擁擠[4，5]等。郝媛等[6]根據(jù)常發(fā)性擁擠形成時是否受到外界干擾將其分為主動式擁擠和被動式擁擠，其本質與原發(fā)性交通擁擠及繼發(fā)性交通擁擠相同。原發(fā)性交通擁擠是交通疏導的重點[4]，對其發(fā)生的時間和地點進行判別可為交通治理提供決策依據(jù)，但現(xiàn)有的研究中以判別交通擁堵狀態(tài)和常發(fā)性擁擠為主，對于原發(fā)性交通擁擠的判別與分析較少。本文以北京市二環(huán)內道路為研究區(qū)域，以百度實時路況數(shù)據(jù)為數(shù)據(jù)源，根據(jù)原發(fā)性擁擠與繼發(fā)性擁擠時空順序差異，提出擁堵度變化點的判別決策樹，將擁堵度變化點分為原發(fā)性擁堵、繼發(fā)性擁堵、原發(fā)性消散、繼發(fā)性消散4類，分析各類擁堵點的分布特征，有助于決策者快速確定主要交通擁堵源，對交通擁堵進行有效治理。

1 實時路況數(shù)據(jù)預處理

1.1 實時路況數(shù)據(jù)

目前，交通流信息可以通過車輛檢測器、浮動車GPS數(shù)據(jù)、公交IC卡數(shù)據(jù)、低空遙感平臺等方式獲取[7]，但往往需要大量的前期數(shù)據(jù)處理工作才能提取到交通流速度信息。實時路況數(shù)據(jù)是通過道路上的監(jiān)測設備或車輛上的定位設備獲得的，能實時反映城市的道路交通狀況。近年來，實時路況數(shù)據(jù)被應用于多方面研究[8-11]。例如，根據(jù)不同等級道路的平均車速，將道路擁堵狀況分為3個等級[12]：1)暢通：城市快速路和聯(lián)絡線平均速度高于50 km/h，主干道平均交通速度大于20 km/h；2)緩行：城市快速路和聯(lián)絡線上平均速度高于20 km/h低于50 km/h，主干道的平均速度高于10 km/h低于20 km/h；3)擁擠：城市快速路和聯(lián)絡線上平均速度低于20 km/h，主干道的平均速度低于10 km/h。

盡管實時路況數(shù)據(jù)僅有3個等級的交通擁堵程度信息，并不具有更加精確的實時速度信息，但通過獲取多時相的北京市大范圍交通路況數(shù)據(jù)，可以直接檢測到道路擁堵度變化點，免去了繁雜的數(shù)據(jù)處理、擁堵狀態(tài)提取等過程，依舊能夠滿足本研究中提取原發(fā)性擁堵點的要求。因此，本文采用從百度地圖中下載得到的實時路況數(shù)據(jù)進行研究。

1.2 數(shù)據(jù)預處理

本研究中獲取北京市二環(huán)以內2013年12月份某一周第17縮放級別的實時路況數(shù)據(jù)，坐標系為WGS84。該數(shù)據(jù)每隔5 min獲取一次，理論上每天共獲取288個時間片，受網(wǎng)絡傳輸速度影響，實際獲取的時間片略少于288個。

為了便于路況信息的存儲與處理，將獲取的柵格格式的實時路況瓦片數(shù)據(jù)以等間距道路點的形式存儲。首先將某一時刻的瓦片數(shù)據(jù)拼接成完整柵格圖，將完整柵格圖矢量化成線狀圖，按50 m距離將線段打斷成點，將其以SHP圖層的格式存儲在計算機中。再逐點讀取不同時間片下該點所處的瓦片圖像位置的像素值，綠色則將其屬性值記為1，表示暢通;橙色則記為2,表示緩行;紅色則記為3,表示擁堵。最終得到帶有路況信息的矢量點圖層,圖1(見封3)顯示的是某工作日早9:00的路況信息。

由于原發(fā)性擁擠與繼發(fā)性擁擠具有先后次序差異，擁堵點的類型與其時空鄰域內的變化有關。但矢量點圖層中的點為離散性的，無法搜索其空間鄰域，因此需要按照實際交通流向記錄道路中點與點之間的拓撲關系。如圖2所示，路段中的點沿交通流均有一個前進方向，而在輔路進出口處以及路口處的點可能會有多個前進方向。將道路點在每個前進方向上最近點(本文簡稱“前方向點”)的唯一標志碼originalID記錄在該點的NP屬性中，每個前方向點的標志碼使用句點分隔開(圖3)。本研究區(qū)域中的道路并非完全閉合，因此將處于交通流末尾的道路點的屬性標記為“END”以示結束。

圖2 交通流向示意 圖3 點圖層前方向點屬性表示例

Fig.2 The schematic diagram of traffic flow directions Fig.3 Attribute table of former direction points

2 道路擁堵點類型判別

2.1 擁堵類型判別依據(jù)

原發(fā)性擁堵點與繼發(fā)性擁堵點空間上相連，只是產生的時間先后不同，因此確定原發(fā)性交通擁堵與繼發(fā)性交通擁堵的關鍵在于對道路產生擁擠時刻的先后判斷[2]。在時間維上，每個道路點的擁堵程度有可能增加，也有可能降低或不變。擁堵度增加則視為擁堵的加劇狀態(tài)，擁堵度降低則視為擁堵的消散狀態(tài)，但并不是所有的擁堵加劇和擁堵消散都為原發(fā)的，只有當該點的擁堵度變化是在時空相鄰的區(qū)域內首先發(fā)生的，才為原發(fā)性的，否則為繼發(fā)性。因此，將時空鄰域內擁堵度首先增加的稱為原發(fā)性擁堵，首先降低的稱為原發(fā)性消散;反之，在時空鄰域內擁堵度并非首先增加的稱為繼發(fā)性擁堵，并非首先降低的稱為繼發(fā)性消散。

2.2 擁堵類型判別準則

由于道路的交通狀態(tài)是否擁堵只受前方向道路的交通狀態(tài)及前一時刻的交通狀況所影響，而不會受后方向道路與后一時刻的交通狀態(tài)影響。因此本文設定對于某一道路點，該點的空間鄰域內的點為該點和該點的前方向點，該點的時間鄰域為該點當前時間片及當前時間的前一時間片，擁堵點類型判別的因子為：1)Ci(t)：第i個道路點在當前時刻(t)的擁堵度；2)Ci(t-1)：第i個道路點在前一時刻(t-1)的擁堵度；3)Cj(t)：道路點i的前方向點j在當前時刻(t)的擁堵度；4)Cj(t-1)：道路點i的前方向點j在前一時刻(t-1)的擁堵度。

依照原發(fā)性與繼發(fā)性發(fā)生的時序性，提出交通擁堵點判別規(guī)則，構建決策樹(圖4)，當前道路點擁堵度增加時，如果前方向點擁堵度降低或不變，則該點在當前時刻為原發(fā)性擁堵點，反之為繼發(fā)性擁堵點；當前道路點擁堵度降低時，如果前方向點擁堵度增加或不變，則該點在當前時刻為原發(fā)性消散點，反之為繼發(fā)性消散點；當前道路點擁堵度不變時，認為該點當前時刻狀態(tài)不變。據(jù)此將其分為原發(fā)性擁堵、原發(fā)性消散、繼發(fā)性擁堵、繼發(fā)性消散及擁堵度不變。

圖4 類型判別決策樹

Fig.4 Decision tree of the type discrimination

2.3 擁堵類型判別的實現(xiàn)

本文利用C#語言編程實現(xiàn)以上提出的判別決策樹，對2013年12月份某一周的實時路況信息進行判別。但是對于有多個前方向點的道路點，其判別結果會有多個，不便于分析。分析統(tǒng)計結果表明，多數(shù)道路點判別結果一致，將多個結果合并即可，而判別結果不一致的道路點不足0.5%，因此本文在分析時只記錄出現(xiàn)最多次數(shù)的類型，當出現(xiàn)次數(shù)相同時只記錄最先出現(xiàn)的類型。

3 判別結果分析

3.1 擁堵度變化點時間分布特征

城市交通擁堵以早晚高峰最為嚴重，交通流擁堵程度的變化也最為頻繁。以2 h為間隔，統(tǒng)計某周三(工作日)與同周周日(雙休日)兩天不同時段的各類型擁堵度變化點的個數(shù)，如圖5、圖6所示。工作日受早晚高峰影響，整體上呈現(xiàn)兩個峰值;而雙休日居民出行以休閑娛樂居多，與工作日相比，其出行時間與地點彈性較大，峰值變化并不明顯。

受工作日居民通勤需求影響，工作日早晚高峰前期(6:00-8:00、16:00-18:00)，出行需求處于顯著增加過程(圖5)，該時段擁堵點多于消散點，而在早晚高峰后期(8:00-10:00、18:00-20:00)，出行需求顯著減少，呈現(xiàn)出消散點多于擁堵點的狀態(tài)，也從側面反映出交通流擁堵過程為先擁堵后消散的擴散規(guī)律。與之相比，工作日的其他時刻及雙休日，出行需求處于相對平衡的狀態(tài)，擁堵點與消散點較為均衡。

圖5 工作日各類型擁堵度變化點數(shù)統(tǒng)計 圖6 雙休日各類型擁堵度變化點數(shù)統(tǒng)計

3.2 擁堵度變化點空間分布特征

由于原發(fā)性擁擠與繼發(fā)性擁擠具有先后次序的差異，繼發(fā)性擁堵點(消散點)往往位于原發(fā)性擁堵點(消散點)的后方。如圖7(見封3)所示，某工作日8:00，大部分城市主干道發(fā)生擁堵度變化，其中紅色點為原發(fā)性擁堵點，藍色點為原發(fā)性消散點，原發(fā)性擁堵點(消散點)數(shù)量明顯少于繼發(fā)性擁堵點(消散點)，且原發(fā)性擁堵點(消散點)多處于交叉路口，其后方往往跟隨多個繼發(fā)性擁堵點(消散點)，驗證了原發(fā)性與繼發(fā)性的空間順序性。對每個點統(tǒng)計該點一天內發(fā)生原發(fā)性擁堵的次數(shù)，如圖8(見封3)、圖9(見封3)所示，發(fā)生原發(fā)性擁堵次數(shù)較多的多為熱點活動區(qū)域周邊的交叉路口。其中工作日的原發(fā)性擁堵點主要集中在以西直門、廣安門、廣渠門等為主的大型立交，主要職能為連通二環(huán)內外的交通流；以鼓樓、南鑼鼓巷、王府井等熱點片區(qū)為主的周邊交叉路口，受其文化價值或商業(yè)價值影響導致其周邊發(fā)生擁堵狀況較多；其余發(fā)生次數(shù)較多的原發(fā)性擁堵點主要分布于較大居民片區(qū)及醫(yī)院附近，主要由于停車場等基本設施不完善造成車輛擁擠。

雙休日、工作日與發(fā)生原發(fā)性擁堵的空間位置大致相同，但雙休日的原發(fā)性擁堵點發(fā)生次數(shù)明顯多于工作日。主要在于工作日居民有固定的出行時間和路徑，而雙休日的出行較為隨機，且出行時間不拘泥于早晚高峰，容易產生更多的交通擁堵。

3.3 各類型擁堵度變化點構成統(tǒng)計

道路點的位置不同，擁有的前方向點數(shù)也不同。如圖2所示，路段上的點一般只有1個前方向點，而位于進出輔路的道路點一般有2個前方向點，路口位置的道路點一般有3個前方向點，大型交叉路口甚至會有3個以上的前方向點。由于研究區(qū)域中的道路并非完全閉合，存在無前方向點的道路點，即交通流出口。對擁有不同前方向點的道路點數(shù)進行統(tǒng)計(圖10)，路段上的點數(shù)遠多于交叉路口的點數(shù)。

圖10 擁有不同前方向點的道路點數(shù)統(tǒng)計

Fig.10 The number of points count by the number of different former direction points

以某一工作日的數(shù)據(jù)為例，該天共獲取272個時間片的路況數(shù)據(jù)，二環(huán)以內道路點8 634個，因此得到2 339 814(2 718 634)個時間點。除無前方向點的道路點以外，統(tǒng)計擁有不同前方向點的道路點中不同類型擁堵點所占的比例(圖11)。所有時間點中，大部分道路點擁堵度不變，而擁堵度變化點中，擁堵點與消散點數(shù)大致相同。路段中的點(只有1個前方向點)中，擁堵度變化點主要為繼發(fā)性，而在岔路口處的點(有多個前方向點)中，擁堵度變化點主要為原發(fā)性。由于路段中的點遠多于岔路口處的點，因此原發(fā)性道路點主要集中在路段上，但實際上原發(fā)性道路點發(fā)生在岔路口處的概率更大。

圖11 擁有不同前方向點的道路點中4種類型所占百分比

Fig.11 The percentage of different congestions in points which has different number of former direction points

4 結論

區(qū)分原發(fā)性擁堵與繼發(fā)性擁堵并確定原發(fā)性擁堵的時空特征是解決交通擁堵問題的前提。本文根據(jù)原發(fā)性擁堵與繼發(fā)性擁堵的時空順序差異，提出類型判別決策樹，并基于實時路況數(shù)據(jù)對北京市二環(huán)內道路進行判別，發(fā)現(xiàn)原發(fā)性擁堵點的時空分布符合居民出行特征，且發(fā)生于交通路口處概率更大。

本文提出的判別方法具有一定的普適性，但尚不十分嚴謹，如現(xiàn)有研究中主要關注于擁堵度變化的點，而忽略了持續(xù)擁堵且擁堵度不變的點以及原發(fā)性擁堵點可能向道路前方擴散等問題。在今后的研究中，將繼續(xù)探索更為精確的擁堵類型及其判別方法，并結合土地利用數(shù)據(jù)進一步分析與原發(fā)性擁堵的相關性及其產生機制，深入探索擁堵產生的根源。

[1] PISARKI A E．Summary of the Recommendations of the Workshop on National Urban Congestion Monitoring[R]．U.S.Department of Transportation，F(xiàn)ederal Highway Administration，Office of Highway Information Management，1990．

[2] 劉建華．城市道路常發(fā)性交通擁擠擴散范圍估計方法研究[D]．吉林：吉林大學，2007．

[3] 劉夢涵．面向特大城市的分層次交通擁堵評價模型及算法[D]．北京：北京交通大學，2009．

[4] 王德章．論城市車流交通擁堵的機理及其評價[J]．遼寧警專學報，2010(6)：75-78．

[5] 談曉潔，周晶，盛昭瀚．城市交通擁擠特征及疏導決策分析[J]．管理工程學報，2003(1)：56-60．

[6] 郝媛，徐天東，孫立軍．城市快速路常發(fā)性交通擁擠分析[J]．交通與計算機,2007(2)：91-94,98．

[7] 陳陽舟，田秋芳，張利國．基于神經(jīng)網(wǎng)絡的城市快速路交通擁堵判別算法[J]．計算機測量與控制，2011(1)：167-169．

[8] OSCAR F，LI Z，ANAS M．Real-time traffic information for emergency evacuations[J]．Journal of Transportation Safety & Security，2010，2(1)：69-83．

[9] JEAN B，ANDREI B，ALASTAIR B，et al．Using real-time road traffic data to evaluate congestion[J]．Dependable and Historic Computing，2011，6875：93-117．

[10] 魯小丫，宋志豪，徐柱，等．利用實時路況數(shù)據(jù)聚類方法檢測城市交通擁堵點[J]．地球信息科學學報，2012(6)：775-780．

[11] 吳正明，陸淑偉．基于實時交通最優(yōu)路徑算法的研究[J]．機械與電子，2011(10)：20-22．

[12] 賈森．基于實時信息的城市道路交通狀態(tài)判別方法研究[D]．北京：北京交通大學，2007．

Research on Primary Traffic Congestion Recognition Based on Real-Time Traffic Data: A Case Study of Area within the Second Ring Road in Beijing

ZHAO Tian-tian,ZHANG Jing,WANG Yan-bing

(KeyLabof3DInformationAcquisitionandApplicationofMinistryofEducation,CapitalNormalUniversity,Beijing100048;CollegeofResourceEnvironmentandTourism,CapitalNormalUniversity,Beijing100048,China)

There are amount of factors of traffic congestion,and the complexity of propagation mechanisms of traffic flow makes it difficult to discover the target to solve traffic congestion problem.According to the difference in sequentially between primary traffic congestion and secondary traffic congestion,a criteria to distinguish traffic congestion was proposed in this paper.That can divide congestion degree changing point into primary congestion,secondary congestion,primary dissipation and secondary dissipation.The data of research is the real-time traffic data within the Second Ring Road in Beijing.The results show that the occurrence of primary congestion is significantly less than secondary congestion,and secondary congestion always lags behind primary congestion,which verifies the difference in sequentially between them.And the spatial and temporal distribution of primary congestion is consistent with the characteristics of residents travel.It always focuses on hot spots region in the research area,furthermore,the ratio of primary congestion happens in the intersection is more than that in the road.

traffic congestion;real-time traffic data;primary traffic congestion;secondary traffic congestion

2014-10-17；

2014-12-31

2013年度首都師范大學文化研究院重點項目(ICS-2013-A-01)

趙天天(1990-)，女，碩士研究生，研究方向為交通地理信息系統(tǒng)。E-mail：zhaott7@hotmail.com

10.3969/j.issn.1672-0504.2015.03.020

U121;P208

A

1672-0504(2015)03-0104-04