基于出租車GPS數(shù)據(jù)的城市道路擁堵判別

郭雪婷 秦艷麗 雷 震

（1.華南理工大學工商管理學院 廣州510640；2.廣西大學數(shù)學與信息科學學院 南寧530004）

0 引 言

近年來，隨著經(jīng)濟的高速發(fā)展以及城市化進程的推進，我國城市的交通擁堵現(xiàn)象日益嚴重，特別是在一些大城市，交通擁堵似乎成為城市的頑疾。針對城市道路交通擁堵問題，國內(nèi)外學者進行了廣泛的研究。Meyer等［1］建立了一些主要城市區(qū)域的擁堵指標。Lindley等［2－3］根據(jù)道路路段以及城市區(qū)域的不同特點，基于充分的調(diào)查數(shù)據(jù)，對擁堵指數(shù)中的參數(shù)進行了設計。鄧衛(wèi)等［4］基于高速公路交通突變理論，提出了在確認交通擁堵出現(xiàn)的同時判別交通擁堵類型的算法。佟炳勛［5］從交通擁堵與道路服務水平的關系出發(fā)，對道路交通擁堵進行了界定。劉夢涵［7］采用累計Logistic回歸法建立了道路交通擁堵強度評價模型。王曦［8］針對交通流速度變量存在混合分布的特點，建立了基于高斯混合分布的交通擁堵評價模型。此外，許多學者使用模糊數(shù)學工具對城市道路的擁堵度進行模糊識別，以此判斷道路交通擁堵情況［9－12］。在前人研究的基礎上，模型運用矩形邊界法來識別道路，利用出租車的行駛速度能夠直接、準確反映道路交通狀態(tài)的特點，并根據(jù)道路的隸屬度客觀、有效的反映交通擁堵的實際狀態(tài)。

1 基于出租車GPS數(shù)據(jù)的擁堵判別模

1.1 數(shù)據(jù)說明

模型中的原始數(shù)據(jù)主要保存了出租車上裝配的GPS終端所采集的數(shù)據(jù)，這些數(shù)據(jù)包括序號、車牌號碼、GPS時間、經(jīng)度、緯度、車輛狀態(tài)（空車、重車）、車輛速度、車輛方向（8個方向）等信息。原始數(shù)據(jù)見表1。

表1 原始GPS數(shù)據(jù)Tab.1 The original GPS data

表中status字段為出租車的空重車狀態(tài)，當值為0時表示車的狀態(tài)為空車，當值為1時表示車的狀態(tài)為重車。由于出租車特殊的行駛特性，部分信息不能真實的反映道路交通狀況，必須進行奇異數(shù)據(jù)的排除。出租車有載客和空載2種狀態(tài)。當出租車載客時，駕駛員為了增加營業(yè)額，通常試圖以較快的速度到達目的地。這種狀態(tài)下的GPS信息可以比較真實的反映道路交通運行狀態(tài)。但是當出租車空載時，駕駛員往往處于覓客中，通常不會以較快的速度行駛，甚至停車待客。此時的GPS信息不能如實反映道路交通運行狀況，是奇異數(shù)據(jù)。因此，對原始GPS數(shù)據(jù)中車輛狀態(tài)status為0（空車）且行駛速度很小的數(shù)據(jù)進行剔除。深圳市位于東經(jīng)113°52′～114°21′，北緯22°27′～22°39′，基于縮短數(shù)據(jù)查詢時間以及提高整體運算性能等方面的考慮，將所有數(shù)據(jù)點的jd減掉114°，wd減掉22°。優(yōu)化后的數(shù)據(jù)見表2。

表2 優(yōu)化后的GPS數(shù)據(jù)Tab.2 The optimized GPS data

1.2 設定擁堵標準

1.2.1 劃分交通擁堵度等級

根據(jù)交通流的分布特性并參考國內(nèi)外相關標準，將城市路網(wǎng)交通擁堵度劃分為以下5個等級：I級：堵塞。車輛速度極低，幾乎不能前行，始終有車輛排隊，基本飽和或超飽和；II級：擁堵。車輛運行速度較低，延誤較大，始終有車輛排隊，延誤基本可以接受，飽和度較高。III級：較擁堵。車輛運行車速較低，有一定延誤，排隊現(xiàn)象時有出現(xiàn)，車流不穩(wěn)定；IV級：較暢通。車輛運行受外界制約較小，車流比較穩(wěn)定；V級：暢通。車輛自由行使，無排隊現(xiàn)象出現(xiàn)。

1.2.2 設定擁堵標準

將交通擁堵評判指標分為五級：堵塞、擁堵、較擁堵、較暢通、暢通。設集合U1，U2合分別表示路段和路口交通擁堵度，根據(jù)其隸屬度的大小，規(guī)定：Ui≥0.9為“堵塞”；0.75≤Ui≤0.9為“擁堵”；0.5≤Ui≤0.75為“較擁堵”；0.35≤Ui≤0.5為“較暢通”；Ui＜0.35為“暢通”。

1.3 擁堵路段、路口及其擁堵時段的篩選模型

1.3.1 路段識別

在將GPS定位點匹配到具體路段上時，采用了邊界矩形的判斷法。以每條路段的2個頂點以及描述其形狀的多個點確定一個矩形區(qū)域，稱為該路段的邊界矩形。

1）對于南北或東西走向的道路，直接用矩形框來識別（如圖1、2）。實際操作時，只需要存儲矩形框?qū)蔷€上的2個頂點，即最小經(jīng)緯度（minjd，minwd）和最大經(jīng)緯度（maxjd，maxwd），就可以存儲道路的經(jīng)緯度信息。例如，車輛某一時刻發(fā)出一個包含經(jīng)緯度信息（jd，wd）的GPS數(shù)據(jù)，如果該數(shù)據(jù)滿足minjd＜jd＜maxjd、minwd＜wd＜maxwd，那么其經(jīng)緯度點就落入這個矩形框，即可判斷這一時刻車輛行駛的道路。

圖1 東西向Fig.1 East－west

圖2 南北向Fig.2 North－south

2）然而在實際情況中，不是所有的道路都是東西或南北走向的，因此用平行四邊形框來識別道路，通過存儲4個頂點的經(jīng)緯度來確定平行四邊形框。如圖3，直線的函數(shù)表達式分別為

假設車輛發(fā)出的GPS數(shù)據(jù)信息是（jd，wd），如果該點落入圖3的平行四邊形框，則該點在直線L1的下方，在直線L2的上方，并且minjd＜jd＜maxjd。

圖3 其他方向Fig.3 Other directions

通過以上2種方法就可以快速地識別道路的信息，并保留了路段本身的形狀信息，因此具有實時性和準確性。

1.3.2 計算一輛出租車通過某路段的平均速度第j輛出租車通過第i條路段的平均速度為

式中：t1為出租車進入目標路段的第一個GPS數(shù)據(jù)信息中的時間；t2為出租車離開目標路段前的最后一個GPS數(shù)據(jù)信息 中的時間。l為該路段的長度，記路段的經(jīng)度范圍為jd∈［α1，α2］，wd∈［β1，β2］，地球半徑為R地，則I的計算公式如下。

1.3.3 計算某路段平均行程速度

1.3.4 擁堵狀態(tài)判別

2 應用實例(以深圳市的局部地區(qū)道路為例)

2.1 確定區(qū)域內(nèi)所有路段和路段長度

對選定區(qū)域內(nèi)的出租車GPS數(shù)據(jù)進行奇異數(shù)據(jù)剔除之后，采用邊界矩形法選取了選定區(qū)域內(nèi)的88條路段（road1－road88）進行擁堵判別。由于傾斜道路的識別和判斷在程序中實現(xiàn)需要的時間很長，為了節(jié)省計算機運行時間，僅僅取南北和東西走向的道路作為實例。路段劃選取效果如圖4中矩形框選出的路段：

圖4 路段選取Fig.4 The selection of roads

2.2 計算24 h內(nèi)通過88條路段所需的平均時間

通過Matlab編程計算通過24 h內(nèi)通過88條路段所需的平均時間，具體算法如下：

圖5 平均速度計算算法Fig.5 Algorithm for calculating average speed

在以上程序流程圖中i＝1，2，3，…，88表示88條路，j＝1，2，3，，…，n表示經(jīng)過第i某條路的車輛數(shù)，s表示車輛在某路段上行駛的距離，l為路段的長度則表示第j輛車經(jīng)過第i條路時的平均速度表示所有經(jīng)過第i條路的車輛的平均速度。

2.3 擁堵判別結果

利用上述算法，計算88條路段分別在24 h內(nèi)的平均行程速度，以road1為例，計算結果如表3：

由表3得出road1的擁堵時段為03：00－04：00時、04：00－05：00時、07：00－08：00時。同樣，可以得到所有88條道路的擁堵狀態(tài)和擁堵時段。

表3 每條道路的擁堵狀態(tài)Tab.3 The congestion state of each road

將篩選出的擁堵路段及路口在散點圖中畫出，見圖6，加粗矩形框中的路段為擁堵路段，圈出的路口即為擁堵路口。

圖6 判別結果Fig.6 Discriminant result

3 結 論

3.1 模型優(yōu)點

1）模型中利用出租車GPS數(shù)據(jù)中的0，1狀態(tài)變化剔除奇異數(shù)據(jù)，并針對出租車GPS數(shù)據(jù)信息具有準確性和實時性的特點，利用分區(qū)搜索和邊界矩形法相結合的方法較好地識別出不同的路段和路口。

2）模型考慮到不同路段由于路況等不同，對不同路段設定了不同的擁堵標準。

3.2 模型結果分析

1）對擁堵路段路口的分析。該模型篩選出的一些擁堵的路段和路口與深圳市電子地圖匹配后，發(fā)現(xiàn)某些路段的確在日常交通中經(jīng)常出現(xiàn)擁堵現(xiàn)象，如梅林路、中康路、紅荔路、華富路。

2）對擁堵時段的分析。該模型篩選出的擁堵時段不是很理想。導致這種結果的原因可能是選取的路段長度太短，這樣出租車通過這條路段所花時間很短，以致沒有出租車在這段路上行駛時的GPS信息，從而影響了最終的篩選結果。

3.3 模型不足之處及改進方向

1）因為不同級別的道路設計速度、道路速限、可容納車流量等因素有所不同，所以應將城市快速路、主干路、次干路和支路的道路功能劃分與路段劃分結合起來。

2）在對城市交通狀態(tài)進行指標設定時，由于出租車GPS數(shù)據(jù)的限制，只考慮了出租車的行程速度，這樣考慮不夠全面。若給出道路的通行能力和紅綠燈等信息，則應結合道路的飽和度、排隊長度及出租車的運行延誤、時間占有率、二次停車率等指標對道路的擁堵狀況進行更全面的分析。

［1］ Meyer，Michael.Alternative methods for measuring congestion levels［R］.Symposium on Curbing Gridlock－peak－period Fees to Relieve－Traffic Congestion，Washington D C：Transportation Research Board，1993.

［2］ Lindley，Jeffrey.Urban freeway congestion：quantification of the problem and effectiveness of potential solutions［J］.ITE Journal，1987，57（1）：27－32.

［3］ Boarnet M G，Eugene Jae Kim，Parkany E Y.Measuring traffic congestion［C］∥77th Annual Meeting of Transportation Research Board， Washington DC.：Tranportation Research Board of the national academies，1998.

［4］ 鄧 衛(wèi)，李峻利.高速公路常發(fā)性與偶發(fā)性交通擁堵的判別［J］.東南大學學報.1994，24（2）：60－65.

［5］ 佟炳勛.交通擁堵與道路服務水平［J］.道路交通與安全，2004（4）：10－14.

［6］ 劉夢涵，于 雷，張雪蓮，等.基于累計Logistic回歸道路交通擁堵強度評價模型［J］.北京交通大學學報，2008，32（6）：53－56.

［7］ 蔣金亮，宋 瑞，李 晉，等.基于DEA的城市道路交通擁堵評價［J］.交通信息與安全，2011，29（3）：10－14.

［8］ 王 曦，祝付玲.基于高斯混合分布的交通擁堵評價模型［J］.公路交通科技，2011，28（2）：127－132.

［9］ 夏 雪，鄧 衛(wèi)，胡啟洲.城市道路路段交通擁擠的模糊評價及對策［J］.科技與經(jīng)濟，2007，9（4）：117－119.

［10］ Francois，Mi，Willis，Dev Ren Qiliang.Research on H－fuzzy evaluation method for traffic congestion of city road－network［C］∥Information Management and Industrial Engineering，Taipei：ICIII，2008.

［11］ 龍小強，譚云龍.基于模糊綜合評價的城市道路交通擁堵評價研究［J］.交通工程與安全.2011（11）：114－116.

［12］ 張一鳴，尹春橋，王 鵬.基于模糊推理的交通擁堵判別方法［J］.交通工程，2012（2）：64－69.