路網(wǎng)實(shí)時(shí)交通狀態(tài)數(shù)據(jù)采集與分析

郭富成，王慶國(guó)*，萬(wàn) 婕

（1.武漢科技大學(xué)汽車(chē)與交通工程學(xué)院，湖北 武漢 430065）

傳統(tǒng)的交通狀態(tài)監(jiān)測(cè)只是基于有限的道路斷面，對(duì)交通狀態(tài)的感受局限于“點(diǎn)”和“線(xiàn)”，難以對(duì)宏觀路網(wǎng)的交通狀態(tài)進(jìn)行實(shí)時(shí)感知和把握。隨著各種智能傳感器網(wǎng)絡(luò)的布設(shè)和浮動(dòng)車(chē)等多種實(shí)時(shí)交通信息采集手段的廣泛使用，持續(xù)獲取大范圍路網(wǎng)的實(shí)時(shí)交通狀態(tài)信息成為可能[1-5]。在此基礎(chǔ)上，諸如高德地圖等網(wǎng)絡(luò)地圖都提供路網(wǎng)的實(shí)時(shí)交通狀態(tài)信息服務(wù)。

本文以武漢市路網(wǎng)為研究對(duì)象，基于高德地圖API，首先借助網(wǎng)絡(luò)爬蟲(chóng)技術(shù)，對(duì)路網(wǎng)中主要道路的實(shí)時(shí)交通狀態(tài)數(shù)據(jù)進(jìn)行連續(xù)采集；然后分別從時(shí)間維、空間維和時(shí)空組合維幾個(gè)角度分析研究了武漢市路網(wǎng)交通狀態(tài)的發(fā)展演化規(guī)律。

1 基于高德地圖的路網(wǎng)實(shí)時(shí)交通狀態(tài)數(shù)據(jù)采集

1.1 網(wǎng)絡(luò)地圖中的交通狀態(tài)特點(diǎn)分析

與傳統(tǒng)的基于有限道路斷面采集的交通狀態(tài)相比，網(wǎng)絡(luò)地圖中的交通狀態(tài)具有如下特點(diǎn):

1）時(shí)空覆蓋度高。網(wǎng)絡(luò)地圖中的交通狀態(tài)主要是通過(guò)將浮動(dòng)車(chē)GNSS 數(shù)據(jù)與網(wǎng)絡(luò)地圖的定位導(dǎo)航數(shù)據(jù)進(jìn)行多元融合，并綜合運(yùn)用海量用戶(hù)的出行數(shù)據(jù)上報(bào)機(jī)制和數(shù)據(jù)挖掘等分析手段產(chǎn)生的[6-8]。用戶(hù)的海量性，再加上數(shù)據(jù)挖掘分析手段的使用，使網(wǎng)絡(luò)地圖中的交通狀態(tài)最大限度地實(shí)現(xiàn)了全路網(wǎng)覆蓋和全時(shí)段覆蓋。

2）準(zhǔn)確率高。相對(duì)于基于有限道路斷面采集的交通狀態(tài)數(shù)據(jù)，基于海量用戶(hù)上報(bào)的出行數(shù)據(jù)具有較多的樣本量，由此分析得到的結(jié)果數(shù)據(jù)具有更高的準(zhǔn)確率。

3）方便分析。網(wǎng)絡(luò)地圖提供的交通狀態(tài)數(shù)據(jù)不是由用戶(hù)直接上報(bào)的出行數(shù)據(jù)，而是基于海量數(shù)據(jù)加工后形成的一個(gè)綜合的結(jié)果數(shù)據(jù)。這就使得用戶(hù)在使用時(shí)，無(wú)需對(duì)多源異構(gòu)，甚至包含大量噪聲的原始數(shù)據(jù)進(jìn)行加工處理，大大簡(jiǎn)化了相關(guān)分析。

4）現(xiàn)勢(shì)性強(qiáng)。網(wǎng)絡(luò)地圖以3 min 左右的周期對(duì)交通狀態(tài)進(jìn)行動(dòng)態(tài)更新，并通過(guò)Web 平臺(tái)等向公眾實(shí)時(shí)發(fā)布。因此，其提供的交通狀態(tài)具有很強(qiáng)的現(xiàn)勢(shì)性。

1.2 基于高德地圖的路網(wǎng)實(shí)時(shí)交通狀態(tài)數(shù)據(jù)的采集

高德地圖主要以2 種形式發(fā)布實(shí)時(shí)交通狀態(tài)，一種是以瓦片數(shù)據(jù)的形式通過(guò)高德地圖APP 向公眾發(fā)布網(wǎng)頁(yè)端路況信息圖層；另一種是提供免費(fèi)Web 服務(wù)，通過(guò)申請(qǐng)“Web 服務(wù)API”密匙，調(diào)用交通路況查詢(xún)API 接口，訪(fǎng)問(wèn)實(shí)時(shí)路況信息。由于第一種形式采取的是柵格圖片的表達(dá)，缺乏道路的語(yǔ)義性描述，也難以通過(guò)相關(guān)運(yùn)算獲取道路速度等信息，所以，本文基于第二種形式，借助網(wǎng)絡(luò)爬蟲(chóng)技術(shù)進(jìn)行交通狀態(tài)數(shù)據(jù)采集[9-10]，其基本過(guò)程主要包括數(shù)據(jù)爬取、數(shù)據(jù)解析與重組、數(shù)據(jù)存儲(chǔ)和線(xiàn)程控制4 個(gè)模塊。

在數(shù)據(jù)爬取模塊，使用python 語(yǔ)言中requests 模塊的get 請(qǐng)求方式，將需要申請(qǐng)的參數(shù)和地址一起發(fā)送到服務(wù)器端。服務(wù)器接受請(qǐng)求后，將數(shù)據(jù)返回客戶(hù)端?？蛻?hù)端接收返回的數(shù)據(jù)，并將該數(shù)據(jù)轉(zhuǎn)化為JSON 格式數(shù)據(jù)。在數(shù)據(jù)解析與重組模塊，根據(jù)JSON 格式數(shù)據(jù)存儲(chǔ)特點(diǎn)和各種交通狀態(tài)對(duì)應(yīng)的特征值，利用get 方法解析出各字段的屬性值，再按照字段排列順序?qū)傩灾颠M(jìn)行重組，保存到列表中。在數(shù)據(jù)存儲(chǔ)模塊，將重組好的數(shù)據(jù)批量存儲(chǔ)到本地MongoDB 數(shù)據(jù)倉(cāng)庫(kù)中，并生成對(duì)應(yīng)的Excel 文件。在線(xiàn)程控制模塊，考慮到一個(gè)數(shù)據(jù)爬取周期的耗時(shí)約為1 min， 20 s。設(shè)定當(dāng)存儲(chǔ)完一個(gè)周期的數(shù)據(jù)或請(qǐng)求超過(guò)5 次未得到響應(yīng)時(shí)，程序休眠1 min，接著進(jìn)行第二次爬取。這樣使得每個(gè)周期的時(shí)間控制在3 min 左右，與高德地圖的交通狀態(tài)更新頻率基本一致。本研究中，通過(guò)程序持續(xù)爬取了研究區(qū)內(nèi)324 條道路的實(shí)時(shí)路況信息，主要是快速路、主干道、次干道。由于權(quán)限限制，支路路況只能獲取小部分。

1.3 數(shù)據(jù)倉(cāng)庫(kù)MongoDB

大數(shù)據(jù)的興起和發(fā)展給數(shù)據(jù)存儲(chǔ)技術(shù)帶來(lái)了全新的挑戰(zhàn)，其數(shù)據(jù)量大、并發(fā)性高、格式復(fù)雜，傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)難以滿(mǎn)足需求[11]。數(shù)據(jù)倉(cāng)庫(kù)可以保存大量面向主體的、集成和動(dòng)態(tài)的數(shù)據(jù)，是決策支持系統(tǒng)和聯(lián)機(jī)分析所用數(shù)據(jù)源的結(jié)構(gòu)化數(shù)據(jù)環(huán)境，用于解決從數(shù)據(jù)中高效、動(dòng)態(tài)、批量地獲取信息的問(wèn)題。通過(guò)對(duì)數(shù)據(jù)倉(cāng)庫(kù)的訪(fǎng)問(wèn)達(dá)到對(duì)獲取的數(shù)據(jù)進(jìn)行分析和應(yīng)用的目的，且允許使用多種技術(shù)訪(fǎng)問(wèn)[12-13]。

MongoDB 數(shù)據(jù)倉(cāng)庫(kù)因結(jié)構(gòu)簡(jiǎn)單、模式自由、超大容量、可擴(kuò)展性強(qiáng)等特點(diǎn)成功引領(lǐng)了非關(guān)系型數(shù)據(jù)庫(kù)的發(fā)展方向。MongoDB 提供鍵值對(duì)格式的數(shù)據(jù)存儲(chǔ)，不需要關(guān)心數(shù)據(jù)之間的組織形式與結(jié)構(gòu)關(guān)系，也不需要經(jīng)過(guò)SQL 層的解析，因此對(duì)只關(guān)心鍵值對(duì)格式數(shù)據(jù)的研究實(shí)用性很強(qiáng)[14-15]。

本文基于數(shù)據(jù)倉(cāng)庫(kù)MongoDB，對(duì)采集到的實(shí)時(shí)交通狀態(tài)數(shù)據(jù)存儲(chǔ)示例如圖1 所示。

圖1 基于MongoDB 的數(shù)據(jù)存儲(chǔ)

2 路網(wǎng)交通狀態(tài)數(shù)據(jù)的分析

交通問(wèn)題是一個(gè)與時(shí)空位置高度關(guān)聯(lián)的問(wèn)題，在交通系統(tǒng)中，諸如交通流的潮汐現(xiàn)象、常態(tài)性交通擁堵現(xiàn)象、以及多發(fā)性交通事故等典型的交通事件和現(xiàn)象都具有明顯的時(shí)空分布規(guī)律特性。將交通系統(tǒng)中的事件和現(xiàn)象等與其發(fā)生和存在的時(shí)空位置相結(jié)合，研究交通事件和現(xiàn)象的時(shí)空分布和演化規(guī)律，對(duì)于應(yīng)對(duì)目前交通系統(tǒng)存在的諸多典型問(wèn)題，具有重要的基礎(chǔ)性作用。

本文以基于高德地圖獲取的2020-04-17～2020-05-03期間的交通狀態(tài)數(shù)據(jù)為依據(jù)，分別從時(shí)間維、空間維和時(shí)空組合維分析了武漢市主要路網(wǎng)的交通狀態(tài)分布和演化規(guī)律。

2.1 基于時(shí)間維的分析

基于時(shí)間維的分析就是分析交通狀態(tài)的時(shí)態(tài)變化規(guī)律。由于交通狀態(tài)與交通速度直接對(duì)應(yīng)，本文以路網(wǎng)的交通速度表征交通狀態(tài)，將研究期間分為工作日、雙休日和節(jié)假日3 種。以1 個(gè)小時(shí)作為一個(gè)研究時(shí)段，通過(guò)均值法計(jì)算每個(gè)時(shí)段內(nèi)路網(wǎng)的平均交通速度，然后將3 種研究期中交通速度的時(shí)間分布特征進(jìn)行對(duì)比分析。均值法的計(jì)算如式（1）和（2）所示。

式（1）中，Vij表示路網(wǎng)在第i時(shí)間段內(nèi)第j爬取周期的平均交通速度；n表示該周期內(nèi)爬取的道路總數(shù)；vkj表示第j爬取周期的第k條道路的交通速度。式（2）中，Vi表示路網(wǎng)在第i時(shí)間段內(nèi)的平均交通速度；m表示第i時(shí)間段內(nèi)總的爬取周期數(shù)。

武漢市路網(wǎng)交通速度隨時(shí)間的分布規(guī)律如圖2 所示。由圖2a 可見(jiàn)，工作日的交通速度呈“W”型分布，具有明顯的早晚高峰現(xiàn)象，速度峰值出現(xiàn)在凌晨2:00～6:00 間，谷值在8:00～10:00、17:00～20:00間。這表明工作日時(shí)，人們的出行活動(dòng)非常規(guī)律，影響交通狀態(tài)的主要因素是上下班的交通行為。

由圖2b 可見(jiàn)，雙休日的交通速度呈“碗口”狀分布:在上午7:00～10:00 呈緩慢下降趨勢(shì)，之后持續(xù)近6 h 的小幅波動(dòng)，至16:00 開(kāi)始出現(xiàn)第二次下降趨勢(shì)，最終在晚間17:00 ～19:00 形成全天最低速度時(shí)段，之后速度緩慢回升。

相比于工作日，雙休日的早高峰時(shí)段，速度下降較為平緩，但持續(xù)時(shí)間較長(zhǎng)，其中的主要原因可能是工作日時(shí)，人們是規(guī)律的上下班通勤，時(shí)間比較集中。而雙休日人們的出行相對(duì)自由分散，同時(shí)增加了娛樂(lè)休閑活動(dòng)，要考慮娛樂(lè)休閑場(chǎng)所的開(kāi)放時(shí)段，以?shī)蕵?lè)休閑為目的的交通出行決定了交通的整體狀態(tài)。

由圖2c 可見(jiàn)，節(jié)假日的交通速度隨時(shí)間的分布狀態(tài)與雙休日接近，從6:00 開(kāi)始速度逐漸降低，在10:00 ～11:00 達(dá)到最小值，而后趨于穩(wěn)定，晚間20:00～21:00 速度開(kāi)始明顯上升。

圖2 平均交通速度時(shí)間分布規(guī)律

與雙休日相比，節(jié)假日的低速狀況持續(xù)時(shí)間更長(zhǎng)。這可能是城市原有交通流疊加了外來(lái)游客流，外來(lái)游客一般早上8:00 ～11:00 前往旅游景點(diǎn)附近，且基本上全天滯留于旅游景點(diǎn)附近，午間稍作休息，下午前往第二個(gè)目的地，導(dǎo)致了節(jié)假日全天低速運(yùn)行狀況持續(xù)時(shí)間較長(zhǎng)。

根據(jù)時(shí)間維的分析，為了改善路網(wǎng)交通狀態(tài)，交管部門(mén)可在早晚高峰時(shí)段采用更優(yōu)化的管控技術(shù)來(lái)均衡路網(wǎng)荷載分布，而出行者應(yīng)該盡量避開(kāi)早晚高峰時(shí)段，選擇更便利的出行時(shí)間。

2.2 基于空間維的分析

基于空間維的分析主要分析交通狀態(tài)的空間分布規(guī)律。本文采用離散點(diǎn)匹配路網(wǎng)的方法，基于ArcGIS10.4 平臺(tái)，研究了工作日和雙休日早晚高峰時(shí)段整點(diǎn)交通狀態(tài)的空間分布特征。

研究發(fā)現(xiàn)，在工作日早高峰時(shí)段，交通擁堵表現(xiàn)為以二環(huán)線(xiàn)為中心，以江漢商業(yè)區(qū)和武昌火車(chē)站為嚴(yán)重?fù)矶聟^(qū)域的分布。隨著時(shí)間的推移，逐步向市中心轉(zhuǎn)移。晚高峰時(shí)段擁堵以解放大道、友誼路、沿江大道、三陽(yáng)路所圍成的區(qū)域?yàn)橹行狞c(diǎn)，呈放射狀向四周擴(kuò)散，最終在二環(huán)線(xiàn)附近形成“環(huán)狀”分布特征。

在雙休日，交通狀態(tài)整體上優(yōu)于工作日。除了零散分布的點(diǎn)狀擁堵，沒(méi)有出現(xiàn)大范圍的持續(xù)性擁堵。早高峰時(shí)段除了存在時(shí)間上的遲滯現(xiàn)象，空間分布也由商業(yè)辦公區(qū)轉(zhuǎn)移至休閑娛樂(lè)中心區(qū)，如黃鶴樓公園、首義公園和紫陽(yáng)公園三角區(qū)，東湖風(fēng)景區(qū)和漢正街、西北湖等商圈附近擁堵程度明顯高于工作日。晚高峰時(shí)段與工作日相差不大，空間上主要以黃鶴樓公園、首義公園、紫陽(yáng)公園三角區(qū)和漢正街、西北湖、街道口、武廣等大型休閑購(gòu)物商圈為中心形成了塊狀分布格局。

以武漢市三環(huán)線(xiàn)內(nèi)區(qū)域?yàn)槔?，圖3、4 分別表示其在工作日和雙休日的交通狀態(tài)的空間分布。圖中道路顏色為綠色代表交通暢通狀態(tài)，道路顏色為黃色代表交通緩行狀態(tài)，道路顏色為紅色代表交通擁堵?tīng)顟B(tài)。

圖3 工作日空間分布圖

根據(jù)空間維的分析，為了改善路網(wǎng)交通狀態(tài)，規(guī)劃建設(shè)部門(mén)應(yīng)該優(yōu)化路網(wǎng)結(jié)構(gòu)，提高關(guān)鍵路段和交叉口通行能力，達(dá)到整個(gè)路網(wǎng)快速、便捷、高效的通行效率，而出行者的出行路徑應(yīng)盡量避開(kāi)關(guān)鍵路段和交叉口。

2.3 時(shí)空組合維的分析

時(shí)空組合維的分析將更精細(xì)化地研究分析交通狀態(tài)的時(shí)空分布和演化規(guī)律，仍以上述江漢區(qū)的范圍為例，并選取晚高峰中擁堵最嚴(yán)重的時(shí)段，從17:40 開(kāi)始，以每15 min 為一個(gè)周期，探討了交通狀態(tài)由暢通演變?yōu)閾矶?，直至擁堵消散的變化過(guò)程和機(jī)理。

由圖5 可見(jiàn)，多數(shù)擁堵的形成與最鄰近的15 min前的緩行路段相關(guān)，其次是30 min 和45 min 前最鄰近的緩行路段，其對(duì)擁堵形成的重要程度遠(yuǎn)遠(yuǎn)大于附近的嚴(yán)重?fù)矶侣范蔚挠绊?。這反映了在時(shí)空上多數(shù)擁堵的形成都是因?yàn)樽钹徑缆反蠓秶徯?，在短時(shí)間內(nèi)蔓延至其他區(qū)域，然后積聚形成。擁堵多呈現(xiàn)突發(fā)性與形成后維持時(shí)間較長(zhǎng)的特征，這也證明了交通擁堵具有空間上的“傳染性”。擁堵輸通呈現(xiàn)出以重要路段為中心向周?chē)鷶U(kuò)散的方式。

圖5 時(shí)空組合分布

根據(jù)時(shí)空組合維的分析，為了改善路網(wǎng)交通狀態(tài)，交通管理控制部門(mén)應(yīng)以重要路段為中心，及時(shí)疏散化解其周邊的緩行車(chē)流，而不是把主要精力放在疏散嚴(yán)重?fù)矶碌穆范紊稀?/p>

3 結(jié) 語(yǔ)

本文以武漢市路網(wǎng)為研究對(duì)象，基于高德網(wǎng)絡(luò)地圖提供的實(shí)時(shí)交通狀態(tài)信息，分別從時(shí)間維、空間維和時(shí)空組合維的角度，分析了城市路網(wǎng)交通狀態(tài)的演化規(guī)律，借此探尋引發(fā)路網(wǎng)交通擁堵的主要因素，以及路網(wǎng)擁堵發(fā)生的前期狀態(tài)和路網(wǎng)擁堵之間的因果關(guān)系。研究表明，通過(guò)對(duì)路網(wǎng)交通擁堵發(fā)生與發(fā)展的時(shí)空演化規(guī)律的認(rèn)識(shí)，可以為交通規(guī)劃與管控，以及市民出行選擇提供指導(dǎo)和幫助，改善路網(wǎng)交通狀態(tài)。