基于高速公路收費(fèi)數(shù)據(jù)的交通分析預(yù)測(cè)研究與應(yīng)用

摘要 針對(duì)高速公路路網(wǎng)運(yùn)行壓力大、信息發(fā)布不及時(shí)等問(wèn)題，文章基于高速公路聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)與路網(wǎng)運(yùn)行特征，構(gòu)建了交通運(yùn)行狀態(tài)判別模型與交通流短時(shí)預(yù)測(cè)模型，并搭建了高速公路交通數(shù)據(jù)分析平臺(tái)。結(jié)果表明，模型能夠較為準(zhǔn)確地評(píng)價(jià)路段擁堵等級(jí)并預(yù)測(cè)路段短時(shí)交通流量，分析平臺(tái)可為路網(wǎng)運(yùn)行管理企業(yè)和出行公眾提供信息服務(wù)與決策支持。

關(guān)鍵詞 高速公路；擁堵評(píng)價(jià)；短時(shí)預(yù)測(cè)；信息發(fā)布

中圖分類號(hào) U495 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2096-8949（2025）05-0037-03

0 引言

隨著國(guó)家高速公路快速發(fā)展和人民生活水平不斷提高，公眾對(duì)出行服務(wù)需求由“便其行”向“悅其行”升級(jí)。然而，高速公路供給的增長(zhǎng)速度難以滿足機(jī)動(dòng)車保有量持續(xù)攀升帶來(lái)的路網(wǎng)流量壓力，服務(wù)能力也無(wú)法滿足人民日益增長(zhǎng)的高品質(zhì)服務(wù)需求[1]，如何提升路網(wǎng)通行效率與服務(wù)效能成為高速公路管理單位亟待解決的問(wèn)題。

該文通過(guò)路段運(yùn)行狀態(tài)分析與短時(shí)交通流預(yù)測(cè)，掌握路網(wǎng)流量分布規(guī)律與未來(lái)一段時(shí)間的運(yùn)行狀態(tài)，并通過(guò)交通數(shù)據(jù)分析平臺(tái)為高速運(yùn)營(yíng)管理部門和公眾出行提供數(shù)據(jù)和決策支持。

1 數(shù)據(jù)選取

選取2022年3月1日至3月7日山西壽陽(yáng)收費(fèi)站至杏花收費(fèi)站間的ETC門架數(shù)據(jù)和關(guān)聯(lián)收費(fèi)站數(shù)據(jù)開展研究。其中，ETC門架數(shù)據(jù)包括門架坐標(biāo)、門架編號(hào)、門架類型等基礎(chǔ)數(shù)據(jù)，入口信息、交易時(shí)間、車型、車牌等交易數(shù)據(jù)[2]，以及車型、軸數(shù)、通行記錄等車輛數(shù)據(jù)；收費(fèi)站數(shù)據(jù)包括站點(diǎn)名稱、出入口時(shí)間、車型、行駛里程等流水?dāng)?shù)據(jù)。為掌握高速公路路網(wǎng)最小間隔路段的交通流運(yùn)行態(tài)勢(shì)，以ETC門架為節(jié)點(diǎn)將汾陽(yáng)方向路段拆分為圖1所示的區(qū)間。

2 交通分析與預(yù)測(cè)

2.1 擁堵路段分析

結(jié)合交通運(yùn)行狀態(tài)的影響因素，選取路網(wǎng)交通狀態(tài)的識(shí)別指標(biāo)，并以此為參數(shù)構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的路網(wǎng)交通狀態(tài)判別模型，實(shí)現(xiàn)順暢、較暢通、較擁擠、擁擠和擁堵等5個(gè)等級(jí)運(yùn)行狀態(tài)的分析評(píng)價(jià)。

（1）指標(biāo)選取

綜合考慮交通運(yùn)行狀態(tài)的影響因素，擬選取平均車速、車流量和時(shí)間占有率作為交通狀態(tài)判別的指標(biāo)參數(shù)。

平均車速即路段車輛的平均行駛速度，表示如下：

（1）

式中，Vxc——平均車速（km/h）；L——路段長(zhǎng)度（km）；n——通過(guò)路段的車輛總數(shù)；ti——第i輛車通過(guò)路段的時(shí)間（h）。

車流量是指單位時(shí)間內(nèi)通過(guò)檢測(cè)斷面的車輛數(shù)量，表示如下：

（2）

式中，Q——平均車流量（Pch/h）；N——平均通過(guò)某路段的車輛數(shù)；T——平均檢測(cè)時(shí)長(zhǎng)（h）。

時(shí)間占有率是指車輛占用實(shí)際時(shí)長(zhǎng)與檢測(cè)總時(shí)長(zhǎng)的比值，表示如下：

（3）

式中，Qt——平均時(shí)間占有率（%）；T——平均檢測(cè)時(shí)長(zhǎng)（h）；ti——平均第i輛車所占時(shí)長(zhǎng)（h）；n——平均檢測(cè)時(shí)段內(nèi)通過(guò)的車輛數(shù)。

（2）模型建立

考慮上述參數(shù)時(shí)空分布規(guī)律的隨機(jī)變化性，選定相鄰門架對(duì)應(yīng)的車道平均車速、車流量、時(shí)間占有率及其組合變量，作為神經(jīng)網(wǎng)絡(luò)判別交通狀態(tài)的輸入變量[3]，網(wǎng)絡(luò)輸出為交通流狀態(tài)。同時(shí)，選擇梯度算法進(jìn)行神經(jīng)網(wǎng)絡(luò)的權(quán)值參數(shù)調(diào)整，隱含層采用S形非線性函數(shù)，采用線性傳遞函數(shù)輸出神經(jīng)元激活函數(shù)。

S形非線性函數(shù)表示如下：

（4）

線性傳遞函數(shù)表示如下：

（5）

梯度算法表示如下：

（6）

在完成輸入?yún)?shù)選擇和模型結(jié)構(gòu)標(biāo)定后，依次進(jìn)行樣本數(shù)據(jù)處理和輸入、訓(xùn)練樣本參數(shù)初始化、隱含層節(jié)點(diǎn)計(jì)算、輸入層誤差計(jì)算、誤差判別等工作[3]，并針對(duì)模型預(yù)測(cè)效果進(jìn)行測(cè)試檢驗(yàn)。

（3）擁堵評(píng)價(jià)

通過(guò)對(duì)2022年3月1日至7日雙向28個(gè)路段的運(yùn)行狀態(tài)進(jìn)行評(píng)價(jià)時(shí)發(fā)現(xiàn)，全路段呈現(xiàn)顯著的早晚高峰特征，且日均最大擁堵發(fā)生在上午9—11時(shí)和下午16—18時(shí)。同時(shí)，表現(xiàn)出“擁堵”狀態(tài)的路段共8個(gè)，其中汾陽(yáng)方向“擁堵”次數(shù)由高到低的路段依次為3—5、11—13、1—3、19—15?；诖?，可通過(guò)分析山西路網(wǎng)歷史通行數(shù)據(jù)掌握易擁堵的路段名稱及程度。

2.2 短時(shí)交通流預(yù)測(cè)

SARIMA模型廣泛應(yīng)用于高速公路交通流的預(yù)測(cè)分析，在識(shí)別時(shí)間序列平穩(wěn)性的基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行一階季節(jié)差分處理，消除季節(jié)趨勢(shì)后用AIC準(zhǔn)則選擇最優(yōu)模型進(jìn)行短時(shí)流量預(yù)測(cè)。此次實(shí)驗(yàn)訓(xùn)練集和測(cè)試集的總樣本共336個(gè)，其中訓(xùn)練集290個(gè)，占總樣本的86.3%。

（1）序列平穩(wěn)性識(shí)別

以路段9—11為例，根據(jù)時(shí)間序列散點(diǎn)圖、自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖，以ADF單位根檢驗(yàn)其方差、趨勢(shì)及其季節(jié)性變化規(guī)律，對(duì)序列平穩(wěn)性進(jìn)行識(shí)別[4-5]，結(jié)果如圖2所示：

由圖2（a）可以看出，Dickey-Fuller統(tǒng)計(jì)量p值為0，即現(xiàn)有證據(jù)下路段9—11的數(shù)據(jù)平穩(wěn)，且數(shù)據(jù)具有明顯的周期性特征。同時(shí)，由圖2（b）和（c）可以看出時(shí)間序列具有相關(guān)性，且非白噪聲，因此考慮建立季節(jié)ARIMA模型。

（2）模型建立

對(duì)序列數(shù)據(jù)進(jìn)行一階季節(jié)差分處理后，Dickey-Fuller統(tǒng)計(jì)量p值仍為0，即在顯著性水平為0.05的情況下，差分后的序列依舊平穩(wěn)。同時(shí)，考慮一階季節(jié)性差分后的數(shù)據(jù)偏相關(guān)函數(shù)、自相關(guān)函數(shù)均拖尾，需建立SARIMA （p，d，q）（P，D，Q）模型，其中D=1，p，d，P，Q均在[0，4]區(qū)間內(nèi)遍歷，并根據(jù)AIC準(zhǔn)則選取最優(yōu)模型。

（3）動(dòng)態(tài)預(yù)測(cè)

基于SARIMA（2，0，3）（0，1，2）模型進(jìn)行交通流的動(dòng)態(tài)預(yù)測(cè)。如圖3所示，為路段9—11的真實(shí)值與預(yù)測(cè)值的對(duì)比。由圖3可以看出，曲線大致吻合，平均絕對(duì)百分比誤差MAPE為0.089 821，模型預(yù)測(cè)準(zhǔn)確率較高。

3 交通數(shù)據(jù)分析平臺(tái)建設(shè)與應(yīng)用

高速公路交通數(shù)據(jù)分析平臺(tái)匯聚高速路段、ETC門架、收費(fèi)站、事件等數(shù)據(jù)，通過(guò)互聯(lián)網(wǎng)、移動(dòng)專網(wǎng)或交通專網(wǎng)等將流量、流向、路況等數(shù)據(jù)上傳至服務(wù)器，再通過(guò)平臺(tái)層的交通預(yù)測(cè)、路段運(yùn)行評(píng)價(jià)、定向信息推送等算法庫(kù)，實(shí)現(xiàn)路網(wǎng)運(yùn)行態(tài)勢(shì)的實(shí)時(shí)監(jiān)測(cè)與預(yù)測(cè)分析。

3.1 功能實(shí)現(xiàn)

（1）地圖總覽

重點(diǎn)展示山西省內(nèi)路段、收費(fèi)站，以及門架的名稱、位置、編號(hào)等基礎(chǔ)信息，支持點(diǎn)擊相應(yīng)路段、收費(fèi)站和門架以信息彈框方式展示月、季、年、節(jié)假日等對(duì)應(yīng)流量、流向信息。

（2）路網(wǎng)車流量

重點(diǎn)展示全省車流總量、客貨車占比，省內(nèi)當(dāng)月每日車流量、客貨車流量、跨省流量及其他車流量增長(zhǎng)趨勢(shì)，進(jìn)出省車流總數(shù)、客貨車占比等跨省流量情況，往來(lái)省份車流總量、客貨車流量排名，以及省內(nèi)各路段月均、日均車流量等。

（3）收費(fèi)站車流量

重點(diǎn)展示省內(nèi)收費(fèi)站車流總量，排名前20的收費(fèi)站出入口車流總量，客貨車、跨省等的車流量，以及出入口跨省車流量排名前10、節(jié)假日日均車流量排名前10的收費(fèi)站流量等。

（4）ETC門架流量

重點(diǎn)展示各門架上下行車流總量，客貨車流量，跨省、重點(diǎn)車輛、空車等流量，節(jié)假日門架每日上、下行車流總量，客貨車、跨省、重點(diǎn)車輛、空車等流量。

（5）統(tǒng)計(jì)分析

重點(diǎn)展示開展路段、收費(fèi)站、省界門架等流量、流向數(shù)據(jù)的統(tǒng)計(jì)分析，支持報(bào)表一鍵導(dǎo)出。

3.2 交通預(yù)測(cè)

構(gòu)建高速公路數(shù)據(jù)分析、交通預(yù)測(cè)、路段運(yùn)行評(píng)價(jià)、定向信息推送等場(chǎng)景算法庫(kù)，實(shí)現(xiàn)易擁堵路段、時(shí)段及程度，易擁堵收費(fèi)站、時(shí)段及程度，管制路段及時(shí)段等實(shí)時(shí)監(jiān)測(cè)與預(yù)測(cè)分析，為路徑規(guī)劃、差異化信息推送及公眾出行決策等提供算法支撐。

3.3 信息發(fā)布

為提升公眾快速通行體驗(yàn)感和品質(zhì)服務(wù)獲得感，基于交通數(shù)據(jù)分析平臺(tái)算法庫(kù)的預(yù)測(cè)結(jié)果，利用山西出行服務(wù)APP/小程序、情報(bào)板等渠道為公眾提供實(shí)時(shí)路況、流量預(yù)測(cè)等信息服務(wù)，具體包括以下幾個(gè)方面：

節(jié)假日專報(bào)。以專報(bào)方式向出行公眾發(fā)布車流高峰時(shí)段、易擁堵路段、易飽和服務(wù)區(qū)、大流量收費(fèi)站等服務(wù)信息。

路徑規(guī)劃。用戶輸入出發(fā)時(shí)間、出發(fā)地和目的地后，為其展示規(guī)劃路徑的通行路線、通行時(shí)長(zhǎng)、途經(jīng)路段擁堵程度及沿途收費(fèi)站狀態(tài)等信息。

實(shí)時(shí)預(yù)警?；谟脩粑恢?，通過(guò)彈窗、語(yǔ)音播報(bào)等方式為用戶個(gè)性化推送擁堵等預(yù)測(cè)信息，也可通過(guò)情報(bào)板向公眾無(wú)差別發(fā)布擁堵信息。

4 結(jié)束語(yǔ)

針對(duì)高速公路路網(wǎng)運(yùn)行效率與服務(wù)效能提升的迫切需求，該文首先通過(guò)構(gòu)建交通運(yùn)行狀態(tài)判別模型實(shí)現(xiàn)了路段擁堵的分級(jí)評(píng)價(jià)，并基于動(dòng)態(tài)SARIMA模型實(shí)現(xiàn)了交通態(tài)勢(shì)的短時(shí)預(yù)測(cè)；其次，搭建了高速公路交通數(shù)據(jù)分析平臺(tái)，實(shí)現(xiàn)路網(wǎng)運(yùn)行態(tài)勢(shì)的監(jiān)測(cè)與預(yù)測(cè)；最后，通過(guò)移動(dòng)終端、可變情報(bào)板等渠道為公眾出行時(shí)間和路線選擇提供了科學(xué)的決策支持。

參考文獻(xiàn)

[1]紀(jì)宏瑋.高速公路公眾出行服務(wù)平臺(tái)設(shè)計(jì)及實(shí)現(xiàn)[J].信息與電腦（理論版）， 2023（13）：160-163.

[2]謝鵬遠(yuǎn).高速公路AI稽核系統(tǒng)建設(shè)及數(shù)據(jù)分析[J].中國(guó)交通信息化， 2022（7）：95-98+103.

[3]單飛，章晨，何杰，等.基于聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)的高速公路交通擁擠識(shí)別方法研究[J].山東交通科技， 2016（3）：6-9+17.

[4]尹左斌，鄭鵬輝，梅家農(nóng)，等.ARIMA模型在鐵路貨運(yùn)量預(yù)測(cè)中的應(yīng)用[J].鐵道貨運(yùn)， 2008（6）：8-11+1.

[5]倪利華，陳笑蓉.ARIMA模型結(jié)合小波去噪的貴陽(yáng)城市交通流預(yù)測(cè)[J].貴州大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2011（5）：87-91+103.