動態(tài)交通信息應用實踐——以深圳市為例

丘建棟 段仲淵

（深圳市城市交通規(guī)劃設(shè)計研究中心交通信息與交通工程重點實驗室 廣東 深圳518021）

0 引 言

交通信息是發(fā)現(xiàn)、分析、解決交通問題的基礎(chǔ)。傳統(tǒng)的交通信息主要來源于人工問卷或觀測調(diào)查，受調(diào)查資金與人力制約，調(diào)查通常采用抽樣方法，且調(diào)查時間一般集中于某一特定的時間周期內(nèi)。受主觀因素影響，傳統(tǒng)的人工調(diào)查方法獲得數(shù)據(jù)存在一定的誤差。以城市居民出行抽樣調(diào)查為例，國內(nèi)外采用的抽樣率一般為1.5%～5%，樣本的選取一般采用等距抽樣。受調(diào)查員素質(zhì)及被調(diào)查者配合程度影響，漏報出行情況較嚴重。如果沒有對應有效信息加以輔助校正，調(diào)查結(jié)果將不可信。

對于特定群體特征的統(tǒng)計分析，傳統(tǒng)調(diào)查方法，抽樣率更低，往往不能滿足精度要求。如深圳市2005年居民出行調(diào)查中，全市抽樣率為1.8%，但軌道乘客出行抽樣率僅為0.6%，即在整體均衡抽樣調(diào)查的情況下，并不能保證特定群體的抽樣率達到同等精度要求。

在快速城市化和機動化迅猛發(fā)展背景下，交通變化日趨復雜，交通管理面臨巨大挑戰(zhàn)，各類傳統(tǒng)的調(diào)查方法，不能及時把握交通增長與擁堵分布的變化趨勢。如何把握全市交通運行狀態(tài)，為決策者提供可靠的交通信息，進而提出有效的緩解擁堵對策，日益倍受關(guān)注。

交通信息化技術(shù)在近些年得到廣泛應用，挖掘交通信息數(shù)據(jù)，發(fā)現(xiàn)隱含的有效交通信息，提高信息化利用率，可避免重復調(diào)查造成資源浪費?；诖?，動態(tài)交通信息應用研究成為當前交通信息發(fā)展的一個重要方向。深圳市是國內(nèi)較早開展動態(tài)交通信息采集與應用研究的城市，搭建了城市交通仿真平臺和交通規(guī)劃決策支持系統(tǒng)，在軌道客流預測、常規(guī)公交模型、道路運行仿真、主動交通擁堵管理等領(lǐng)域做了有益探索與實踐，獲得了良好示范效果。

1 深圳市動態(tài)交通信息總體情況

為配合深圳市綜合交通與軌道交通規(guī)劃，1999年建立了基于EMME／2的CTS／RDS模型：綜合交通模型（CTS）是策略性模型，用于全市整體的交通需求預測，包括出行生成、分布、劃分、道路分配等。RDS模型是軌道公交發(fā)展模型，用于研究公交客流的情況，如各公交線路的客流量，公交方式的選擇（軌道或常規(guī)公交）等。

深圳市CTS／RDS模型為典型的四階段模型，2005年根據(jù)居民出行抽樣調(diào)查對模型進行了重新標定。在隨后的仿真一期建設(shè)及國家“十一五”科技支撐項目“新型城市軌道交通技術(shù)”課題二“城市綜合交通與軌道交通規(guī)劃關(guān)鍵技術(shù)研究與示范”的研究過程中，根據(jù)研究成果，對模型進行了技術(shù)流程改造，提出應用動態(tài)交通信息，改變原有5年1次的更新機制，轉(zhuǎn)為按照實際需求滾動更新交通模型，有效縮短了模型更新時間，并顯著節(jié)省調(diào)查費用。

作為深圳市智能交通核心工程的深圳市城市交通仿真系統(tǒng)在一期工程中就深圳原特區(qū)范圍內(nèi)的動態(tài)交通信息采集作了有益的嘗試與應用，采集內(nèi)容包括［1－3］：5 000輛出租 車的 FCD 信息，車速每5 min內(nèi)覆蓋原特區(qū)80%以上的道路，67套定點流量采集覆蓋原特區(qū)境界線及二線關(guān)主要路段和中心城區(qū)重要路段，公交乘客刷卡率超過70%，軌道乘客信息采集率達到100%。其信息采集率、采集持續(xù)時間、數(shù)據(jù)可靠性遠遠高于傳統(tǒng)的人工調(diào)查方法。

目前，在城市交通仿真系統(tǒng)在一期工程的基礎(chǔ)上，利用深圳全市14 000余輛出租車（包括紅的、綠的）的實時GPS數(shù)據(jù)（間隔約20 s），每5 min處理前15 min數(shù)據(jù)，可實現(xiàn)中心城區(qū)主要道路（次干路及以上道路）的樣本覆蓋率達到80%以上。通過持續(xù)開展實地跟車調(diào)查進行校核，路段車速算法誤差基本控制在10%以內(nèi)（約±5 km／h），較好地滿足道路交通運行指數(shù)計算和應用發(fā)布的需求［4］。

圖1展示了深圳市動態(tài)交通信息數(shù)據(jù)的來源及在深圳市交通模型建設(shè)、交通規(guī)劃決策支持、交通運行管理、交通信息發(fā)布等方面的實踐應用。

圖1 動態(tài)交通信息數(shù)據(jù)的來源與應用Fig.1 Dynamic traffic information source and application

2 動態(tài)交通信息在軌道客流預測中應用實踐

2.1 現(xiàn)狀軌道客流模型局限

軌道客流模型是客運模型的重要組成部分。從國內(nèi)外軌道客流模型技術(shù)構(gòu)架來看，一般有2種方法，一種是在宏觀綜合交通規(guī)劃模型中的方式劃分模型中，通過概率選擇模型計算各種交通方式的需求量（軌道交通方式作為公共交通的一部分），并通過對公交的網(wǎng)絡流量分配得到軌道網(wǎng)絡的流量（軌道客運量是在客流分配模塊中按客流選擇路徑來區(qū)分）；另外一種方法是在宏觀綜合交通規(guī)劃模型中只作主方式劃分，軌道方式作為公交方式的一種特定方式包含于公交主方式中，并通過軌道交通規(guī)劃模型的子方式劃分將軌道客運需求從公交主方式中分離開，再進行網(wǎng)絡客流分配。比較常見的技術(shù)構(gòu)架是基于綜合交通規(guī)劃模型主方式劃分之上的軌道交通規(guī)劃模型。

受數(shù)據(jù)質(zhì)量的影響，傳統(tǒng)模型在詳細技術(shù)處理流程及校核內(nèi)容上往往難以精細化。目前國內(nèi)軌道交通規(guī)劃模型的校核主要是根據(jù)境界線觀測值、各站上下客量、客運總量來作為校核依據(jù)，且采用的公交子方式劃分模型無法滿足站點接駁客流的分布校核。

2.2 基于動態(tài)交通信息的軌道客流預測改進示例

結(jié)合深圳市動態(tài)信息采集系統(tǒng)，對軌道客流模型的改進主要有：

1）軌道站小區(qū)劃分。在進行軌道客流測試時，為了提高站點上下客流預試精度，通常對CTS模型的交通小區(qū)（見圖2左的“CTS小區(qū)邊界”）進行細分。實踐證明，傳統(tǒng)的交通小區(qū)細分方法可以提高軌道站點的客流測試精度，但小區(qū)連接線自由度對軌道客流仍存在較大的影響。深圳市利用公用信息平臺GIS功能以及詳細的土地利用信息，提出基于軌道站步行范圍的軌道站小區(qū)劃分方法（見圖2右的“軌道站影響區(qū)”），其主要優(yōu)點有：

圖2 交通小區(qū)劃分改進示意圖Fig.2 Traffic analysis zoning method

（1）軌道站影響區(qū)域定義的一致性。軌道站影響區(qū)以軌道站點為中心，半徑750 m的覆蓋范圍，有效克服了軌道沿線小區(qū)劃分大小對軌道站影響人口與崗位計算范圍的不一致性。

（2）軌道站步行接駁距離定義的一致性。通過對軌道站小區(qū)步行距離的一致性定義，可有效克服了傳統(tǒng)方法沿線交通小區(qū)軌道步行接駁距離定義的隨機性。

（3）軌道站影響區(qū)出行特征統(tǒng)計與校核。通過對軌道站影響區(qū)可統(tǒng)計軌道站有效步行范圍內(nèi)客運出行的各項特征指標，并與實際軌道客流進行印證，還可以為軌道客流預測結(jié)果提供更多的論據(jù)，如圖3所示。

圖3 軌道出行分類示意圖Fig.3 Transit trips category

（4）有效反映軌道站周邊用地開發(fā)調(diào)整對客流結(jié)果的影響?？山Y(jié)合軌道沿線土地利用詳規(guī)方便地調(diào)整各軌道站的規(guī)劃人口、崗位，并反映到客流測試結(jié)果中，能進行土地利用開發(fā)時序?qū)土鞯拿舾行詼y試分析。

2）基于軌道站小區(qū)的公交子方式劃分模型。在傳統(tǒng)的公交子方式劃分模型中，通過不同公交方式的綜合費用差函數(shù)來計算出行方式的概率，實際測試表明，受公交線路與公交車速的影響，計算的各站上下客流量及公交換乘比重與真實值相比較離散性較大，表明綜合費用函數(shù)并不能真實反映居民出行行為選擇的真實意愿。深圳市結(jié)合站點小區(qū)劃分方法，提出3類不同分布狀況下的公交子方式劃分曲線模型（圖4所示），并與既有分段模型相結(jié)合，從而有效改善模型擬合精度。

深圳市軌道站影響區(qū)之間及與非影響區(qū)之間的軌道方式選擇概率見圖4、圖5，其中軌道乘距按＜5 km、5～10 km、10～15 km、＞15 km 4種距離進行分段擬合。圖中橫坐標為常規(guī)公交與軌道的綜合費用差（min），縱坐標為選擇軌道方式的概率。

圖4 軌道站影響區(qū)之間軌道方式選擇概率Fig.4 Rail stations zone mode choice probabilities

圖5 軌道站影響區(qū)與非影響區(qū)之間軌道方式選擇概率Fig.5 Rail／no rail stations zone mode choice probabilities

可以看出，不同區(qū)域的公交出行在綜合費用差相同的情況下選擇軌道的概率差異很大，而傳統(tǒng)公交子方式劃分模型很難加以區(qū)分。

3）對軌道客流分布與公交接駁方式的校核。傳統(tǒng)的軌道客流模型校核主要側(cè)重于軌道客運總量及各站上下客量?；诠眯畔⑵脚_的軌道乘客票務和公交IC信息，可以獲得準確的軌道客流分布以及高采樣集的公交換乘信息，從而在總客運量及各站點上下客量校核的基礎(chǔ)上，結(jié)合改進的公交子方式劃分模型，從分布及公交接駁方式上對軌道客運狀態(tài)進行深度校核。

4）對軌道站上下客量及軌道客運總量的校核。在對傳統(tǒng)軌道客流模型改進的基礎(chǔ)上，對軌道各站點上下客量及軌道客運總量進行校核，以保障模型基本的擬合精度要求。圖6是深圳軌道1號線首期工程各站工作日上下客量及軌道總量擬合結(jié)果，總體誤差僅1.4%。

圖6 深圳市軌道1號線工作日現(xiàn)狀各站上下客量擬合Fig.6 Shenzhen Metro Line 1，each station on ＆off ridership comparison during workday

3 動態(tài)交通信息在常規(guī)公交模型中應用實踐

目前，IC卡已在我國很多城市得到應用，持卡使用公共交通出行的居民數(shù)量不斷增多，很多大中城市持公交卡出行消費的乘客比例達到60%以上（深圳市與北京市接近80%、廣州市接近70%），并且有不斷增長的趨勢［6－7］，公交IC 卡的使用率完全可以達到數(shù)據(jù)分析的抽樣率要求。相對于公交跟車調(diào)查小于10%抽樣率、居民出行調(diào)查小于3%抽樣率，使用IC卡來推算OD矩陣的抽樣率遠高于傳統(tǒng)方法。

利用視頻監(jiān)控、IC卡收費、GPS定位信息等，無需外業(yè)跟車調(diào)查，分析乘客出行鏈，推算公交OD［8］。持卡人在刷卡瞬間，POS設(shè)備將記錄刷卡時間，并發(fā)送數(shù)據(jù)到公交運營數(shù)據(jù)中心。POS設(shè)備與車輛ID有一一對應關(guān)系，車輛ID和車載GPS與設(shè)備有一一對應關(guān)系，查找刷卡時間一定范圍內(nèi)車載GPS的坐標信息，結(jié)合公交模型中線網(wǎng)GIS站點坐標，匹配到某線路的站點位置，最終返回持卡人的上車位置。乘客上車站點邏輯推理過程見圖7。

獲得的OD矩陣為抽樣矩陣，需要通過全樣本的客流量進行擴樣成完整的OD矩陣。由于視頻監(jiān)控系統(tǒng)能識別前后門乘客的上下車情況，利用視頻錄像文件，在內(nèi)業(yè)即可完成乘客上下客流量調(diào)查。OD擴樣分2步進行。第一步：根據(jù)獲得監(jiān)測視頻上客量全樣本的數(shù)據(jù)，通過各個站點的上客量可以進行初次擴樣；第二步：根據(jù)線路客流量進行二次系數(shù)調(diào)整擴樣。

圖7 IC卡與GPS相結(jié)合的邏輯推理過程Fig.7 IC card combination with GPS process of logical reasoning

通過以上方法可以獲取完整的現(xiàn)狀公交OD矩陣，結(jié)合模型軟件［9］中的公交線路和站點，建立公交模型，在模型軟件中把公交OD分配到線網(wǎng)中，選取若干核查線，對比模型分配流量與實際調(diào)查流量的差異，若誤差大于10%，需要調(diào)整公交分配參數(shù)或者檢查獲取公交OD計算過程。若誤差精度在10%以內(nèi)，模型基本可以用于各類的規(guī)劃分析。

建立公交模型的主要目的是計算現(xiàn)狀公交線網(wǎng)或規(guī)劃公交線網(wǎng)的各種評估指標，如客運量、滿載率、斷面客流量等數(shù)據(jù)，圖8解釋公交模型整體分析過程。運用IC卡等動態(tài)信息輔助交通模型建設(shè)，已經(jīng)成功用于深圳市公交線網(wǎng)管理與規(guī)劃決策系統(tǒng)。

4 動態(tài)交通信息在道路運行評估中應用實踐

深圳市交通運行評估必要滿足以下原則：體現(xiàn)深圳多中心、二線關(guān)、跨境交通的特點、有利于交通決策的需要、有利于市民了解、動態(tài)數(shù)據(jù)便于獲得且技術(shù)成熟。為滿足以上原則，選取全市14 000余輛出租車（浮動車）的實時GPS數(shù)據(jù)，計算行程車速指標?；诟榆嚨膭討B(tài)交通信息，具有覆蓋面廣、投資省、數(shù)據(jù)采集準確多樣等優(yōu)點。以浮動車車速為基礎(chǔ)，換算成交通指數(shù)，能夠以最簡單的方式反映道路交通運行在強度、時間、空間等方面的“三維”特征，應用中選擇簡單直觀圖表形式來進行表現(xiàn)，方便市民和決策者認讀和理解。

圖8 公交模型分析流程Fig.8 Public Transit Model Constructed Processing

4.1 動態(tài)交通信息，實時反映擁堵強度

交通運行指數(shù)的實時數(shù)值及其變化情況，能夠描述評估范圍內(nèi)（如全市、中心城區(qū)、重點片區(qū)或路段等）的擁堵狀況及趨勢。采取曲線圖、片區(qū)擁堵圖等形式，見圖9、圖10。

圖9 交通擁堵強度曲線圖表現(xiàn)形式Fig.9 Traffic congestion intensity graph form

圖10 交通擁堵片區(qū)分布圖Fig.10 Area distribution of traffic congestion

4.2 動態(tài)交通信息，實時反饋擁堵的時空特征

利用交通運行指數(shù)的實時變化情況，能夠統(tǒng)計評估范圍內(nèi)各擁堵等級的持續(xù)時間和空間分布。通過分析輕度擁堵和擁堵等級的時長和頻率，識別擁堵路段。見圖11、圖12。

圖11 各道路等級持續(xù)時間（單位：min）Fig.11 Duration of each road class（unit：minute）

5 動態(tài)交通信息在主動交通管理中應用實踐

區(qū)別于傳統(tǒng)的交通擁堵改善，交通擁堵主動管理是一種以跟蹤、定量化評估交通運行狀況為基礎(chǔ)，以定量化評估交通擁堵為手段，強調(diào)提前預防、主動響應的管理策略。一方面通過跟蹤開展定量化評估，及時識別現(xiàn)狀交通擁堵和未來潛在交通擁堵，作為開展交通擁堵主動管理工作的基礎(chǔ)；另一方面強調(diào)構(gòu)建科學的響應機制作為交通擁堵管理的關(guān)鍵環(huán)節(jié)，更具“主動性”地選擇交通擁堵管理響應的對象、時機及對策，以實現(xiàn)對當前擁堵問題的及時響應與處理，以及對潛在擁堵問題的預防性改善。交通擁堵主動管理流程見圖13。

交通擁堵主動管理流程的基礎(chǔ)是識別擁堵狀態(tài)。利用交通指數(shù)分析路段及區(qū)域的擁堵程度，識別常發(fā)擁堵路段和小區(qū)，為確定近期交通改善的重點（由片區(qū)到路段）提供參考。常發(fā)擁堵具有規(guī)律性和常態(tài)性特點，是對正常出行造成長期影響、最受公眾關(guān)注的一類擁堵。一般將在一定時間周期內(nèi)，高頻率、較長時間處于擁堵的路段或片區(qū)，稱為常發(fā)擁堵路段或片區(qū)。

圖12 濱河路典型日晚高峰擁堵時空圖Fig.12 Binhe Road PM peak congestion temporal map

圖13 交通擁堵主動管理流程圖Fig.13 Traffic congestion active management flowchart

在時間－空間坐標系上，將特定時空上的交通運行狀態(tài)用不同顏色表示，得到交通擁堵時空分布圖。通過時空分布圖可以分析不同類型的交通擁堵在時間、空間的分布及擴散等特征，能夠輔助識別擁堵類型。通過挖掘動態(tài)交通信息背后的根源，把擁堵進行詳細分類，有力地指導深圳市近幾年的交通管理對策實施。

6 動態(tài)交通數(shù)據(jù)的改進方向

根據(jù)目前常見動態(tài)交通數(shù)據(jù)采集內(nèi)容，交通模型改進方向包括：

1）結(jié)合定點采集數(shù)據(jù)和手機定位信息，嚴格劃分軌道沿線各站的交通小區(qū)，并精確計算軌道站點影響區(qū)的現(xiàn)狀及規(guī)劃人口與崗位，克服傳統(tǒng)軌道沿線交通小區(qū)細分方法對站點客流的影響。

2）根據(jù)公交刷卡記錄，結(jié)合公交GPS數(shù)據(jù)，以及乘客票務信息，推算各站點的公交接駁比重以及公交、軌道客流分布，從而校核模型中的接駁換乘比重、公交及軌道客流分布等，克服以往僅校核軌道站點上下客流量和斷面量的作法，提高模型的客運分布精度。

3）擴大動態(tài)交通信息的數(shù)據(jù)來源，采用多源數(shù)據(jù)融合技術(shù)，不斷提高信息精度，提升動態(tài)交通信息對道路運行評估，交通規(guī)劃與管理的應用支持。

7 結(jié)束語

國內(nèi)城市出行信息化應用快速提升，依托各智能交通系統(tǒng)的信息化數(shù)據(jù)，將促進城市交通規(guī)劃決策變革。論文系統(tǒng)地探討了交通信息化在深圳市交通規(guī)劃中的實踐應用，尤其是動態(tài)交通信息的引入，有力地支撐了近些年的深圳交通規(guī)劃和道路運營管理。希望本文能給其它城市帶來借鑒，同時吸引更多的同行學者，對信息化數(shù)據(jù)的應用與融合進行更深層次的研究探討。

展望未來，深圳市將在交通仿真系統(tǒng)續(xù)建工程中繼續(xù)加強動態(tài)信息對交通規(guī)劃決策支持以及模型改進相關(guān)研究，同時建議國內(nèi)有條件的城市共同努力，推動動態(tài)交通信息在交通規(guī)劃方面的應用，提高交通規(guī)劃、決策支持的技術(shù)水平，改善交通模型的準確性和可靠性。

［1］ 深圳市城市交通規(guī)劃設(shè)計研究中心有限公司.基于城市智能交通公用信息平臺的城市軌道交通系統(tǒng)規(guī)劃支持研究［R］.深圳：深圳市城市交通規(guī)劃設(shè)計研究中心有限公司，2008.

［2］ 深圳市新產(chǎn)業(yè)投資咨詢有限公司.深圳市交通仿真系統(tǒng)信息采集及服務擴展可行性研究報告［R］.深圳：深圳市規(guī)劃局，2008.

［3］ 深圳市城市交通規(guī)劃設(shè)計研究中心有限公司，同濟大學，上海寶信軟件股份有限公司.深圳市城市交通仿真系統(tǒng)［R］.深圳：深圳市城市交通規(guī)劃設(shè)計研究中心有限公司，2006.

［4］ 陳 蔚，段仲淵，周子益，等.基于出行時間的道路交通運行指數(shù)算法與應用研究［C］∥中國城市交通規(guī)劃年會會議論文集，福州：中國城市規(guī)劃協(xié)會，2012：1703－1711.

［5］ 段仲淵.深圳市軌道網(wǎng)絡規(guī)劃［R］.深圳：深圳市城市交通規(guī)劃設(shè)計研究中心有限公司，2006：216.

［6］ 戴 霄，陳學武，李文勇.公交IC卡信息處理的數(shù)據(jù)挖掘技術(shù)研究［J］.交通與計算機，2006，24（1）：40－42.

［7］ 袁 勇.公交IC卡數(shù)據(jù)挖掘技術(shù)及應用研究［D］.長春：吉林大學，2009：8－9.

［8］ 丘建棟，葛 華，邵 源，等.運用智能公交技術(shù)快速構(gòu)建公交模型的新方法［C］∥中國城市交通規(guī)劃年會會議論文集，福州：中國城市規(guī)劃協(xié)會，2012：1573－1580.

［9］ Caliper Corporation.TransCAD Transportation GIS Software（Travel Demand Modeling with TransCAD 5.0）［M］.America：Caliper Corporation，2010：417－421.

［10］ 張曉春，羅麗梅，陳 蔚，等.從“被動改善”到“主動管理”的交通擁堵管理策略轉(zhuǎn)變［C］∥中國城市交通規(guī)劃年會會議論文集，福州：中國城市規(guī)劃協(xié)會，2012：1437－1442.