基于公交浮動車數(shù)據(jù)的城市交通擁堵路段判別

朱興林 溫喜梅 張佳明 劉泓君 李錳錳

(新疆農(nóng)業(yè)大學(xué)交通與物流工程學(xué)院 烏魯木齊 830052)

0 引 言

智能交通系統(tǒng)核心技術(shù)之一是交通信息基礎(chǔ)數(shù)據(jù)的采集.目前廣泛應(yīng)用的浮動車信息采集技術(shù)擁有覆蓋面廣、實時性高、維護成本低,以及可靠性高等優(yōu)點，能夠滿足智能交通系統(tǒng)對數(shù)據(jù)的高要求.除此之外，如何利用這些有效交通信息及時準(zhǔn)確判斷道路擁堵狀態(tài)，并將信息及時發(fā)布給交通參與者，也是智能交通研究的熱點.

20世紀(jì)美國加利福尼亞運輸部[1]提出“加州算法”來實現(xiàn)對道路擁堵狀況判斷，它是通過分析路段上下游截面的道路占有率變化.Kong等[2]利用GPS浮動車數(shù)據(jù)對路段交通流量進行估算，采用模糊理論達到對路段交通擁堵狀況進行判別的目的，此算法能夠?qū)崟r判斷道路交通狀態(tài).趙風(fēng)波等[3]以傳統(tǒng)浮動車檢測技術(shù)作為數(shù)據(jù)來源，運用改進模糊C-均值(FCM)算法對道路交通狀態(tài)進行識別，并將道路交通運行狀態(tài)分為暢通、輕度擁堵、擁堵和嚴重擁堵四個等級，通過對上海部分路段進行仿真實驗研究，可有效判別道路交通狀態(tài).王艷軍等[4]考慮城市道路網(wǎng)復(fù)雜性、道路匹配過于困難等特征，提出適合復(fù)雜城市道路網(wǎng)絡(luò)的地圖匹配方法，創(chuàng)建時空關(guān)聯(lián)模型.符旭等[5]通過浮動車采集技術(shù)獲取車輛的速度參數(shù)，利用擴展卡爾曼濾波估計目標(biāo)路段的交通密度與交通流量，從而實現(xiàn)對擁堵路段的有效判別.前期學(xué)者對交通擁堵進行判別主要以出租車作為浮動車進行數(shù)據(jù)采集，它具有分布廣泛、實時性高、能夠全天候采集交通信息的優(yōu)勢，但同樣有運行線路不固定，地圖匹配算法要求高的缺點.另外部分出租車駕駛員有提前避讓擁堵路段的習(xí)慣，不能全面客觀地反映交通擁堵狀態(tài).公交車具有線路固定、采樣頻率高、發(fā)車時間穩(wěn)定、分布廣和成本低等優(yōu)勢，彌補了出租浮動車存在的缺陷，能進一步提高智能交通系統(tǒng)對交通擁堵狀態(tài)判別的全面性和準(zhǔn)確度.文中提出基于公交浮動車數(shù)據(jù)，利用地理信息系統(tǒng)技術(shù)(ArcGIS)，引入模糊理論實現(xiàn)對城市道路擁堵路段的判別，并通過A市驗證該判別方法的有效性.

1 構(gòu)建公交車與出租車之間速度關(guān)系

目前各大城市對道路交通運行狀態(tài)判別閾值的選取，大多是基于出租車輛的路段平均行駛速度和行程時間進行劃分的，公交車的運行狀況相比于出租車輛具有經(jīng)常性?？空镜奶攸c，因此需要建立出租車與公交車之間的路段平均行駛速度和行程時間之間的關(guān)系，進而確定適合公交車使用的道路交通狀態(tài)等級劃分的判別閾值.公交車輛的運行狀況見圖1.

圖1 公交車行駛狀態(tài)示意圖

由圖1可知:公交車的進出站過程可分為四個部分：①?？?0～t1)：公交車速度為零，?？吭谡九_內(nèi)等待乘客上下車；②出站(t1～t2)：公交車速度由0加速到與出租車輛相同的速度v0；③勻速行駛(t2～t3)：公交車以速度v0做勻速運動；④進站(t3～t4)：公交車速度由v0減速至0，進入站臺.

公交車的路段行程時間等于公交車的路段行程時間加上公交車的減速進站時間、停靠站延誤時間和加速離站時間，進而求得公交車的路段行駛速度，公交車的路段行駛速度與出租車輛的路段行駛速度關(guān)系為

(1)

式中：V為公交車的路段行駛速度，m/s；L為目標(biāo)路段的道路長度，m；v0為出租車輛的行駛速度，m/s；a1為公交車出站時的加速度，m/s2；a2為公交車進站時的加速度，m/s2；T為公交車相對于出租車輛的延誤時間，s.

根據(jù)文獻[6]對公交車停靠特性調(diào)查研究結(jié)果可知：公交車進站、出站的加速度以及相對于出租車的延誤時間見表1.

表1 指標(biāo)建議表

獲得由出租車輛測得的路段交通狀況等級劃分表后，再由式(1)和表(1)中的參數(shù)指標(biāo)完成對路段交通狀況等級劃分表的速度閾值轉(zhuǎn)換.

2 路段交通狀況等級劃分

反映路段不同的交通運行狀況，可以依據(jù)路段平均行駛速度將道路運行狀況劃分為五個等級：暢通、基本暢通、輕度擁堵、中度擁堵及嚴重擁堵，或者可以采用三級劃分方法，將路段運行狀況劃分為暢通、緩慢、擁堵三個等級[7].

為探究交通擁堵對人們心理承受能力影響大小，2018年新疆A市通過獲取司機和隨車人員在車輛行駛途中對道路擁堵狀態(tài)的直觀感受，對道路擁堵等級的各速度區(qū)間進行了劃分，確定適合A市的路段交通狀況等級劃分表[8].此次調(diào)查分別以主干路、次干路為研究對象，各收集了2 130條、397條有效問卷.本文就主干路，對采集到的速度樣本數(shù)據(jù)進行整理分析，當(dāng)樣本量速度區(qū)間為10時，其樣本分布量見表2.

由于不同擁堵等級中存在一些不合理的數(shù)據(jù)，因此需要剔除，以保證結(jié)果的準(zhǔn)確性.首先分析道路各擁堵等級中速度樣本量的個數(shù)及比例分布，再依據(jù)表2中速度區(qū)間對數(shù)據(jù)進行初步篩選，其篩選結(jié)果見表3.

表2 主干路速度區(qū)間樣本分布量

表3 初步篩選出的速度區(qū)間

初步篩選后可以發(fā)現(xiàn):不同的擁堵等級中存在著很多不合理的數(shù)據(jù)，速度分散或集中，因此需要做進一步的篩選，多次篩選后可得各擁堵等級在速度區(qū)間中的樣本數(shù)量和比例分布，其結(jié)果見表4.

表4 主干路各擁堵等級中的速度區(qū)間樣本量占比

根據(jù)表4中主干路各擁堵等級中的速度區(qū)間樣本量占比，可以得到樣本量速度劃分區(qū)間為10:00時主干路劃分標(biāo)準(zhǔn)，其結(jié)果見表5.

表5 主干路交通運行狀況劃分表(速度區(qū)間為10) 單位：km·h-1

繼續(xù)縮小速度劃分區(qū)間，直到速度劃分區(qū)間變?yōu)?時即可得各擁堵感受的速度劃分閾值，同理可得次干道路交通運行狀況的劃分標(biāo)準(zhǔn)，限于篇幅字數(shù)要求，這里不再贅述，其結(jié)果見表6.

表6 路段交通運行狀況劃分表 單位：km·h-1

由于A市的擁堵感受調(diào)查是基于出租車浮動車數(shù)據(jù)進行，因此本文需將路段運行狀況等級劃分標(biāo)準(zhǔn)轉(zhuǎn)換為適合公交車，依據(jù)式(1)來計算，其結(jié)果見表7.

表7 公交車路段運行狀態(tài)劃分表 單位：km·h-1

由表7可知，各運行等級的速度閾值區(qū)間間隔過小，這與實際不相符.因此依據(jù)表7的速度閾值，將路段運行狀況的五級劃分法轉(zhuǎn)換為三級劃分，以擴大運行等級的速度閾值區(qū)間.另外，為解決速度閾值不準(zhǔn)確的問題，本文引入模糊數(shù)學(xué)的思維來構(gòu)建擁堵判別模型，以實現(xiàn)對路段交通運行狀況判別.

3 擁擠路段判別模型建立

3.1 模糊理論

模糊理論用數(shù)學(xué)的觀點來刻畫模糊的事物，其特點是沒有二者居其一且必居其一的性質(zhì)[9].使用元素對集合的隸屬程度來描述元素所處于的狀態(tài)，例如有隸屬度函數(shù)UA(x)，UA(x)在[0，1]內(nèi)取值，其值大小會反映x屬于集合A的程度或者具有集合A的性質(zhì)的程度，即隸屬函數(shù)UA(x)的值越接近于1，則表示元素x屬于模糊集合A的程度越大；反之，則表示元素x屬于模糊集合A的程度越小.

3.2 確立隸屬函數(shù)

由于公交車與出租車之間速度關(guān)系獲得的交通運行狀況等級劃分不符合實際.因此，本文將公交車路段運行狀態(tài)五級劃分方法轉(zhuǎn)換為三級劃分法，并引入模糊理論建立模糊評價模型.根據(jù)表7的速度閾值，當(dāng)路段為主干道時，設(shè)定路段平均行駛速度大于14 km/h為暢通狀態(tài)，13～14 km/h為緩慢和暢通的臨界狀態(tài)，11～13 km/h為緩慢狀態(tài)，9.5～11 km/h為擁堵和緩慢的臨界狀態(tài)，小于9.5 km/h為擁堵狀態(tài)，隸屬函數(shù)構(gòu)造圖見圖2.

圖2 主干道公交浮動車平均行駛速度隸屬函數(shù)

各等級隸屬函數(shù)解析式為

(2)

(3)

(4)

當(dāng)路段為次干道時，設(shè)定路段平均行駛速度大于14 km/h為暢通狀態(tài)，11～14 km/h為緩慢和暢通的臨界狀態(tài)，9.5～11 km/h為緩慢狀態(tài)，7～9.5 km/h為擁堵和緩慢的臨界狀態(tài)，小于7 km/h為擁堵狀態(tài).

各等級隸屬函數(shù)解析式為

(5)

(6)

(7)

式中：U1(x)為道路處于擁堵狀態(tài)的隸屬函數(shù)；U2(x)為道路處于緩慢狀態(tài)的隸屬函數(shù)；U3(x)為道路處于暢通狀態(tài)的隸屬函數(shù).將求出的路段平均速度帶入公式，從而得到目標(biāo)路段所處的交通狀態(tài)隸屬度，將隸屬度代入矩陣就能得出一個道路交通狀態(tài)的模糊判別矩陣，V=[擁堵，緩慢，暢通]，即V=[U1(x)，U2(x)，U3(x)]，最后根據(jù)最大隸屬度法，可以判斷道路所處的交通狀態(tài).

4 實例分析

新疆A市的人民路和中山路都是主干道，途徑繁華的商業(yè)區(qū)；紅山路是A市的次干道，周圍有醫(yī)院、學(xué)校等人群聚集場所，高峰時段的三條路交通擁堵狀況較為嚴重，具有代表性，因此將人民路、中山路和紅山路的部分路段作為試驗路段.

人民路的試驗區(qū)域范圍是東經(jīng)87.61767°～87.622572°，北緯43.789823°～43.790508°，即試驗路段為人民路與建中路交叉口到人民路與和平南路交叉口.

中山路的試驗區(qū)域范圍是東經(jīng)87.615084°～87.6175°，北緯43.79301°～43.793211°，即試驗路段為中山路與紅旗路交叉口到中山路與解放北路交叉口.

紅山路的試驗區(qū)域范圍是東經(jīng)87.62342°～87.629927°，北緯43.808636°～43.810088°，即試驗路段為紅山路與紅山路北八巷交叉口到紅山路與五星南路交叉口.

選取2019年4月26日星期五非高峰時段15:30—16:00與高峰時段19:30—20:00的公交浮動車數(shù)據(jù)，通過對比分析這兩段時間內(nèi)參數(shù)指標(biāo)的數(shù)值，判斷兩個時段內(nèi)試驗路段道路交通狀態(tài).

采用地理信息系統(tǒng)(ArcGIS)軟件對A市的公交浮動車數(shù)據(jù)進行處理，運用ArcGIS中的地理配準(zhǔn)功能將電子地圖進行配準(zhǔn)，將公交浮動車數(shù)據(jù)導(dǎo)入ArcGIS，并依據(jù)經(jīng)緯度數(shù)據(jù)與X、Y字段進行匹配，完成地圖匹配，匹配的結(jié)果見圖3.

圖3 地圖匹配后界面

根據(jù)已導(dǎo)入的公交浮動車數(shù)據(jù)，在數(shù)據(jù)屬性表中對屬性內(nèi)容進行篩分，以篩選人民路試驗路段中15:30—15:40的數(shù)據(jù)為例，在數(shù)據(jù)屬性表中將屬性篩選條件設(shè)置為：87.61767°≤經(jīng)度≤87.622572°，43.789823°≤緯度≤43.790508°，1530≤業(yè)務(wù)時間≤1540.篩選結(jié)果見表8.

表8 試驗路段15:30—15:40的數(shù)據(jù)

依據(jù)數(shù)據(jù)篩選結(jié)果，運用ArcGIS工具箱中的匯總統(tǒng)計工具可以計算試驗路段中的路段平均行駛速度，以人民路的試驗路段中15:30—15:40的數(shù)據(jù)為例，打開ArcGIS中的匯總統(tǒng)計數(shù)據(jù)工具，輸入表的選項中選擇15:30—15:40時間段的數(shù)據(jù)，統(tǒng)計字段的選項中選擇GPS速度，分組字段的選項中選擇車載機編號，這樣就能根據(jù)單一浮動車的數(shù)據(jù)對路段平均行駛速度進行計算，計算結(jié)果見表9.

表9 單一浮動車的路段平均行駛速度計算結(jié)果

再根據(jù)每輛車的路段平均行駛速度繼續(xù)求平均值，最終得到人民路的試驗路段中15:30—15:40 的路段平均速度為5.02 m/s，進行單位換算后，結(jié)果為18.1 km/h.同理可以求得紅山路與中山路的兩條試驗路段中所有時段的路段平均速度，計算結(jié)果見表10.

表10 試驗路段各時段的平均行駛速度

將表10中試驗路段各時段的平均行駛速度帶入道路交通狀態(tài)判別模型中，通過隸屬函數(shù)式(2)～(7)計算，得出各時段路段平均速度的隸屬重要程度，并建立模糊判別矩陣，其判別結(jié)果見表11.

表11 試驗路段各時段交通狀態(tài)隸屬重要程度判斷結(jié)果

最后按照最大隸屬重要程度的原則，判別出試驗路段上各時段的交通狀態(tài).交通狀態(tài)的判別結(jié)果見表12.

表12 試驗路段中各時段的交通狀態(tài)

試驗結(jié)果表明，人民路、中山路與紅山路試驗路段中各時段的交通狀態(tài)判別結(jié)果，與其對應(yīng)的高峰時段、非高峰時段的實際交通狀態(tài)是一致的，因此本文通過公交浮動車數(shù)據(jù)來判別擁堵路段是可行的，并具有一定的實用性.

5 結(jié) 束 語

鑒于出租浮動車線路不固定、地圖匹配難度大的缺陷，提出采用基于公交浮動車數(shù)據(jù)的擁堵路段判別方法.在分析公交車與出租車之間路段平均速度關(guān)系基礎(chǔ)上，研究確定適合公交車路段平均速度的速度閾值，引入模糊理論解決由于換算造成速度閾值不準(zhǔn)確問題，據(jù)此建立路段擁堵判別模型，最后通過ArcGIS軟件對A市部分路段的實際交通數(shù)據(jù)進行擁堵判別分析，并與實際交通運行狀態(tài)進行對比.試驗結(jié)果表明，基于公交浮動車擁堵判別模型能夠準(zhǔn)確判別路段的交通擁堵狀態(tài).

公交浮動車數(shù)據(jù)擁堵判別模型同樣也存在一定不足，目前該模型僅能對常規(guī)公交車浮動車數(shù)據(jù)進行處理，對于擁有公交專用道的快速公交還缺乏有效的判別手段，因此建立多源交通信息采集方法相結(jié)合的綜合交通運行狀況判別體系，才能夠更好地提升智能交通信息系統(tǒng)的全面性和準(zhǔn)確性.