论文部分内容阅读
摘 要：城市交通拥堵已成为严重影响城市发展和居民生活的社会问题，必须用科学的方法来解决日益严重交通拥堵状况。本文通过对交通拥堵基础数据采集与处理技术、城市交通拥堵评价指标体系的研究，提出基于路网拓扑结构的城市拥堵自动检测方法，在此基础上利用百度地图交通云开发城市交通实时监测与研判分析平台，并以江苏为例进行大数据应用分析，验证研究成果的实用性。
关键词：大数据；交通拥堵；拥堵监测；监测平台
中图分类号：U491 文献标识码：A 文章编号：1004-7344（2018）27-0199-02
引 言
随着城市化进程的加快，以及机动车保有量的快速增加，城市交通拥堵日益严重。交通拥堵最直接的影响就是降低车辆行驶速度，增加交通延误，造成时间上的浪费，同时也会增加尾气和噪声的排放。交通拥堵作为一类严重影响城市发展和居民生活的社会问题，迫切需要寻求有效的治理手段。综合来看，自动化的拥堵监测是拥堵治理的依据和基础。基于道路拥堵信息为交通規划和管理决策提供更坚实的数据支撑，以更有效地进行交通拥堵治理，进一步提升城市道路交通体验是本次研究的核心。
1 交通拥堵数据基础与评价指标研究
1.1 交通拥堵数据基础
研究交通拥堵所需的数据基础主要包括道路路网数据和实时路况数据。
道路路网数据主要包含道路的地理信息和属性信息，把道路拆分为若干段，每段长度为100～200m，分成的各段即为本次研究的路网基础单位link，每个Link信息包含其表示的这一小段道路的基础信息。本次研究基于百度地图交通云平台开展，平台中全国路网link数约3350万，其中江苏省link数约252万，占全国7.5%。
实时路况数据的数据源种类较多，既包括交通运输行业内的城市浮动车数据，如出租车、公交车、两客一危等车辆的实时行驶定位数据，又包括百度地图后台的导航数据、用户定位数据等。研究通过创新多源数据自动识别差分融合技术，将交通运输行业内外的数据充分融合，以获得更准确的路况实时监测数据，实现多源数据的优势互补。
1.2 评价指标体系
为了更直观有效的分析道路拥堵情况，本文定义了一系列拥堵评价指标，主要包含畅通速度、平均速度、拥堵里程、拥堵时长、拥堵指数等。畅通速度是指路网在畅通状态下的运行速度；平均速度指路网的平均运行速度；拥堵里程为处于拥堵状态的路段长度之和；拥堵时长是指拥堵持续的时间；拥堵指数则为实际通行的时间与畅通状态下通行时间的比值。
2 城市交通拥堵自动检测方法设计和实现
2.1 城市交通拥堵自动检测方法
对交通拥挤状态的判别方法有直接判别法和间接判别法。直接判别法是指利用图像处理技术来发现道路上存在拥挤交通流的一类方法。该方法在较低交通流量的情况下也能有良好的检测效果，但需要在路段上密集地设置检测站，资金投入较高，受天气影响较大。间接判别法是根据拥挤发生时交通流参数的变化来进行判别，本次研究采用间接判别法，通过监测道路上车辆的行驶速度（测算拥堵指数），并建立基于路网拓扑结构的拥堵路段识别模型，对道路拥堵进行识别和自动检测。
2.2 基于路网拓扑结构的拥堵路段识别模型
借用密度聚类DBSCAN算法思想，对拥堵link在空间上进行聚类，从而识别拥堵的集聚现象。具体来说，把每个拥堵的link作为在路网空间下的基本对象，对这些link作空间聚类，得到的聚类结果簇即为拥堵路段。在此基础上，将参与聚类的数据集设为这个区域内所有的拥堵路段，得到的聚类结果簇即为拥堵区域。
3 拥堵监测平台搭建
依托百度地图交通云，合作开发城市交通实时监测与研判分析平台。平台可以实现对城市交通的实时监测、交通预判、数据挖掘等主要功能。
3.1 实时监测
目前平台已覆盖江苏省13个设区市，平台通过对采集到的交通运行大数据进行自动处理分析，可实现对城市各个区域、各条道路交通参数的实时监测，自动识别拥堵路段或区域，对道路拥堵进行报警，同时通过可视化图像展示发布，让管理者可以全面的掌握城市交通的实时信息。实时监测的交通参数主要包括路网平均速度、拥堵里程、拥堵指数等。
3.2 交通预判
根据对历史交通运行数据的分析，通过规律总结，对未来交通趋势进行预判。平台可以实现对未来一周时间的交通预判，内容包括：未来一周每天平均拥堵指数、早晚高峰拥堵指数的预判，未来一周每个小时的平均拥堵指数的预判，未来一天早晚高峰拥堵道路的识别。
3.3 数据挖掘
平台能够对历史数据进行存储，并运用大数据手段进行挖掘分析。通过数据挖掘总结城市交通拥堵的时空规律，为重要节点拥堵治理、重大项目建设评估、重大战略政策制定、节假日拥堵治理等提供大数据支撑。
4 应用分析
依托城市交通实时监测与研判分析平台，结合实时监测获取的机动车导航定位等数据，能够实现重要节点机动车OD出行分析、城市对外出行分析、城市内部交通分析、节假日拥堵分析等一系列大数据分析手段，可以用于解决一些平时难以解决的问题、发现一些平时不易发现的现象。
4.1 机动车出行OD分析
以南京著名的堵点卡子门为例，在实施应天高架东延改善措施之前，需要对项目建成后的交通分流效果进行分析。这就需要分析卡子门立交的机动车OD，但传统的OD调查手段无法在高架这一特殊节点来进行。本文运用大数据手段，依托百度地图导航数据，跟踪经过卡子门立交的机动车运行轨迹，得到其OD分布。结合观测数据可知，出行起终点落在城东片区（沪宁高速以南和宁杭高速以北合围区域）的机动车数量占比约为17%，这部分车辆在应天高架东延建成后恰恰是可以被分流掉的。 4.2 城市对外出行分析
摸清城市人口的迁徙规律是制定区域发展战略的重要依据。通过抓取高铁站、机场、汽车站等枢纽地区旅客的出行定位数据，可以准确的判断任意城市之间的公共客运出行量及方式分担，这是传统交通统计方法无法获得的数据。本文通过抓取南京站、南京南站和禄口国际机场出行人群定位数据，提取并测算出南京去往南、北两个方向上主要节点城市铁路和航空的相对分担率，如图2所示。结果显示，青岛、威海（环渤海地区）以及福州、厦门（海西地区）等城市虽然在高铁出行的优势距离之内，但高铁分担率仅为同类城市的1/4左右，出行仍以飞机为主。说明既有的高铁线路难以满足南京与上述城市之间的联系，迫切需要规划新增直达高铁线路。
4.3 城市内部交通分析
城市越大，城市人口越多，城市往往越拥堵。然而通过大数据监测，我们发现在江苏并非如此。根据城市交通实时监测与研判分析平台的历史监测数据，江苏的13个设区市中，人口最多的苏州市平均拥堵指数为1.47，并不处于全省拥堵第一梯队，徐州才是仅次于南京的江苏第二堵城市，这为全省拥堵治理指明了新的方向。
4.4 节假日拥堵分析
南京市高等学府众多，高校在校生约为81万人，中小学在校生58万人，学生总数139万，占常住人口的比重约为17%。暑假期间，大量学生放假之后，城市交通拥堵能否得到缓解是大家比较关心的一个问题。本文对南京市暑假前后城市道路拥堵变化情况进行了连续观测，结果显示，主城区的平均拥堵指数并没有明显变化，但是早高峰期间主要拥堵道路的平均拥堵时长下降了，这也就是为什么大家都会感觉暑假期间路好走了。
5 结 论
大数据的广泛应用为城市交通拥堵治理提供了新的思路和方法。本次研究开发的交通实时监测与研判分析平台已覆盖江苏省13个设区市，可作为未来城市治堵办公室的依托平台，为城市交通建设管理者提供一套系统的拥堵大数据分析结果支持，协助城市交通建设管理者解决交通管理和出行的问题。依托后台交通大数据的沉淀与挖掘，通过OD分析、区域出行分析等手段，可以为重大项目建设、重大战略实施等提供决策支撑。
参考文献
[1]Bang， K.L. Incident Detection in Europe-Proceedings of the International Symposium on Traffic Control System. Berkeley California， 1979.
[2]Levin， M. and GM. Kause. Incident Detection： A Bayesian Approach [J]. Transportation Research Record， No.682，TRB，National Research Council， 1978：52～58.
[3]Parkany， E. and C. Xie. A Complete Review of Incident Detection Algorithms & Their Deployment： What Works and What Doesn’t [J].Prepared for The New England Transportation Consortium， NETCR37 project No.00-7，February 7，2005.
[4]呂 琪，王 慧.基于动态神经网络模犁的交通时间检测算法[J].公路交通科技，2003，20（6）.105～108.
[5]张秀红，陈 力，胡 刚.基于RBF的城市快速路交通异常事件自动检测算法分析.交通科技与经济，2011，2（13）：5～13.
[6]张存保，杨晓光，严新平.基于浮动车的高速公路交通事件自动判别方法的研究[J].武汉理工大学学报，2006，25（2）：1～5.
[7]石征华，侯忠生.城市快速路拥挤度判别方法研究[J].交通与计算机，2006，24（5）：20～23.
收稿日期：2018-8-11
作者简介：朱庆东，男，硕士，从事交通信息化研究、交通大数据研究、信息系统开发管理工作，任江苏省交通通信信息中心副科长。
郑 海，男，中设设计集团工程师，硕士，从事交通运输规划与管理、交通大数据等方面的研究工作。
赵 希，女，硕士，从事电子地图相关产品规划与管理、交通大数据分析研究工作，任百度公司产品经理。
关键词：大数据；交通拥堵；拥堵监测；监测平台
中图分类号：U491 文献标识码：A 文章编号：1004-7344（2018）27-0199-02
引 言
随着城市化进程的加快，以及机动车保有量的快速增加，城市交通拥堵日益严重。交通拥堵最直接的影响就是降低车辆行驶速度，增加交通延误，造成时间上的浪费，同时也会增加尾气和噪声的排放。交通拥堵作为一类严重影响城市发展和居民生活的社会问题，迫切需要寻求有效的治理手段。综合来看，自动化的拥堵监测是拥堵治理的依据和基础。基于道路拥堵信息为交通規划和管理决策提供更坚实的数据支撑，以更有效地进行交通拥堵治理，进一步提升城市道路交通体验是本次研究的核心。
1 交通拥堵数据基础与评价指标研究
1.1 交通拥堵数据基础
研究交通拥堵所需的数据基础主要包括道路路网数据和实时路况数据。
道路路网数据主要包含道路的地理信息和属性信息，把道路拆分为若干段，每段长度为100～200m，分成的各段即为本次研究的路网基础单位link，每个Link信息包含其表示的这一小段道路的基础信息。本次研究基于百度地图交通云平台开展，平台中全国路网link数约3350万，其中江苏省link数约252万，占全国7.5%。
实时路况数据的数据源种类较多，既包括交通运输行业内的城市浮动车数据，如出租车、公交车、两客一危等车辆的实时行驶定位数据，又包括百度地图后台的导航数据、用户定位数据等。研究通过创新多源数据自动识别差分融合技术，将交通运输行业内外的数据充分融合，以获得更准确的路况实时监测数据，实现多源数据的优势互补。
1.2 评价指标体系
为了更直观有效的分析道路拥堵情况，本文定义了一系列拥堵评价指标，主要包含畅通速度、平均速度、拥堵里程、拥堵时长、拥堵指数等。畅通速度是指路网在畅通状态下的运行速度；平均速度指路网的平均运行速度；拥堵里程为处于拥堵状态的路段长度之和；拥堵时长是指拥堵持续的时间；拥堵指数则为实际通行的时间与畅通状态下通行时间的比值。
2 城市交通拥堵自动检测方法设计和实现
2.1 城市交通拥堵自动检测方法
对交通拥挤状态的判别方法有直接判别法和间接判别法。直接判别法是指利用图像处理技术来发现道路上存在拥挤交通流的一类方法。该方法在较低交通流量的情况下也能有良好的检测效果，但需要在路段上密集地设置检测站，资金投入较高，受天气影响较大。间接判别法是根据拥挤发生时交通流参数的变化来进行判别，本次研究采用间接判别法，通过监测道路上车辆的行驶速度（测算拥堵指数），并建立基于路网拓扑结构的拥堵路段识别模型，对道路拥堵进行识别和自动检测。
2.2 基于路网拓扑结构的拥堵路段识别模型
借用密度聚类DBSCAN算法思想，对拥堵link在空间上进行聚类，从而识别拥堵的集聚现象。具体来说，把每个拥堵的link作为在路网空间下的基本对象，对这些link作空间聚类，得到的聚类结果簇即为拥堵路段。在此基础上，将参与聚类的数据集设为这个区域内所有的拥堵路段，得到的聚类结果簇即为拥堵区域。
3 拥堵监测平台搭建
依托百度地图交通云，合作开发城市交通实时监测与研判分析平台。平台可以实现对城市交通的实时监测、交通预判、数据挖掘等主要功能。
3.1 实时监测
目前平台已覆盖江苏省13个设区市，平台通过对采集到的交通运行大数据进行自动处理分析，可实现对城市各个区域、各条道路交通参数的实时监测，自动识别拥堵路段或区域，对道路拥堵进行报警，同时通过可视化图像展示发布，让管理者可以全面的掌握城市交通的实时信息。实时监测的交通参数主要包括路网平均速度、拥堵里程、拥堵指数等。
3.2 交通预判
根据对历史交通运行数据的分析，通过规律总结，对未来交通趋势进行预判。平台可以实现对未来一周时间的交通预判，内容包括：未来一周每天平均拥堵指数、早晚高峰拥堵指数的预判，未来一周每个小时的平均拥堵指数的预判，未来一天早晚高峰拥堵道路的识别。
3.3 数据挖掘
平台能够对历史数据进行存储，并运用大数据手段进行挖掘分析。通过数据挖掘总结城市交通拥堵的时空规律，为重要节点拥堵治理、重大项目建设评估、重大战略政策制定、节假日拥堵治理等提供大数据支撑。
4 应用分析
依托城市交通实时监测与研判分析平台，结合实时监测获取的机动车导航定位等数据，能够实现重要节点机动车OD出行分析、城市对外出行分析、城市内部交通分析、节假日拥堵分析等一系列大数据分析手段，可以用于解决一些平时难以解决的问题、发现一些平时不易发现的现象。
4.1 机动车出行OD分析
以南京著名的堵点卡子门为例，在实施应天高架东延改善措施之前，需要对项目建成后的交通分流效果进行分析。这就需要分析卡子门立交的机动车OD，但传统的OD调查手段无法在高架这一特殊节点来进行。本文运用大数据手段，依托百度地图导航数据，跟踪经过卡子门立交的机动车运行轨迹，得到其OD分布。结合观测数据可知，出行起终点落在城东片区（沪宁高速以南和宁杭高速以北合围区域）的机动车数量占比约为17%，这部分车辆在应天高架东延建成后恰恰是可以被分流掉的。 4.2 城市对外出行分析
摸清城市人口的迁徙规律是制定区域发展战略的重要依据。通过抓取高铁站、机场、汽车站等枢纽地区旅客的出行定位数据，可以准确的判断任意城市之间的公共客运出行量及方式分担，这是传统交通统计方法无法获得的数据。本文通过抓取南京站、南京南站和禄口国际机场出行人群定位数据，提取并测算出南京去往南、北两个方向上主要节点城市铁路和航空的相对分担率，如图2所示。结果显示，青岛、威海（环渤海地区）以及福州、厦门（海西地区）等城市虽然在高铁出行的优势距离之内，但高铁分担率仅为同类城市的1/4左右，出行仍以飞机为主。说明既有的高铁线路难以满足南京与上述城市之间的联系，迫切需要规划新增直达高铁线路。
4.3 城市内部交通分析
城市越大，城市人口越多，城市往往越拥堵。然而通过大数据监测，我们发现在江苏并非如此。根据城市交通实时监测与研判分析平台的历史监测数据，江苏的13个设区市中，人口最多的苏州市平均拥堵指数为1.47，并不处于全省拥堵第一梯队，徐州才是仅次于南京的江苏第二堵城市，这为全省拥堵治理指明了新的方向。
4.4 节假日拥堵分析
南京市高等学府众多，高校在校生约为81万人，中小学在校生58万人，学生总数139万，占常住人口的比重约为17%。暑假期间，大量学生放假之后，城市交通拥堵能否得到缓解是大家比较关心的一个问题。本文对南京市暑假前后城市道路拥堵变化情况进行了连续观测，结果显示，主城区的平均拥堵指数并没有明显变化，但是早高峰期间主要拥堵道路的平均拥堵时长下降了，这也就是为什么大家都会感觉暑假期间路好走了。
5 结 论
大数据的广泛应用为城市交通拥堵治理提供了新的思路和方法。本次研究开发的交通实时监测与研判分析平台已覆盖江苏省13个设区市，可作为未来城市治堵办公室的依托平台，为城市交通建设管理者提供一套系统的拥堵大数据分析结果支持，协助城市交通建设管理者解决交通管理和出行的问题。依托后台交通大数据的沉淀与挖掘，通过OD分析、区域出行分析等手段，可以为重大项目建设、重大战略实施等提供决策支撑。
参考文献
[1]Bang， K.L. Incident Detection in Europe-Proceedings of the International Symposium on Traffic Control System. Berkeley California， 1979.
[2]Levin， M. and GM. Kause. Incident Detection： A Bayesian Approach [J]. Transportation Research Record， No.682，TRB，National Research Council， 1978：52～58.
[3]Parkany， E. and C. Xie. A Complete Review of Incident Detection Algorithms & Their Deployment： What Works and What Doesn’t [J].Prepared for The New England Transportation Consortium， NETCR37 project No.00-7，February 7，2005.
[4]呂 琪，王 慧.基于动态神经网络模犁的交通时间检测算法[J].公路交通科技，2003，20（6）.105～108.
[5]张秀红，陈 力，胡 刚.基于RBF的城市快速路交通异常事件自动检测算法分析.交通科技与经济，2011，2（13）：5～13.
[6]张存保，杨晓光，严新平.基于浮动车的高速公路交通事件自动判别方法的研究[J].武汉理工大学学报，2006，25（2）：1～5.
[7]石征华，侯忠生.城市快速路拥挤度判别方法研究[J].交通与计算机，2006，24（5）：20～23.
收稿日期：2018-8-11
作者简介：朱庆东，男，硕士，从事交通信息化研究、交通大数据研究、信息系统开发管理工作，任江苏省交通通信信息中心副科长。
郑 海，男，中设设计集团工程师，硕士，从事交通运输规划与管理、交通大数据等方面的研究工作。
赵 希，女，硕士，从事电子地图相关产品规划与管理、交通大数据分析研究工作，任百度公司产品经理。