卡口數(shù)據(jù)挖掘與城市道路交通分析

王蓓，寧平華，段小梅，王世明，司徒惠源

(1.廣州市市政工程設(shè)計研究總院有限公司，廣東廣州510000；2.廣州市公安局交警支隊，廣東廣州510000；3.香港大學(xué)，香港999077)

0 引言

城市道路交通量、車速、密度、通行能力和行車延誤等是衡量城市道路服務(wù)水平、交通擁堵程度、交通基礎(chǔ)設(shè)施布局合理性、交通管理水平等的重要依據(jù)。針對這些指標的調(diào)查方法有跟車法、浮動車法(基于GPS)、試驗車法、人工觀測法、機械觀測法(傳感器)、錄像法和航拍法等。基于已有的調(diào)查方法得到的道路交通指標形成了龐大的調(diào)查指標體系[1]，例如交通量指標體系、車速指標體系、道路通行能力指標體系和行車延誤指標體系等。

隨著交通電子設(shè)備的快速發(fā)展，道路交通調(diào)查手段越來越豐富，指標準確度提高，指標體系擴大。近年來，可收集大樣本綜合信息能力的交通電子設(shè)備被廣泛應(yīng)用[2]，道路高清攝像卡口監(jiān)控系統(tǒng)就是其中之一。高清攝像卡口被安裝在各個公路、城市快速路和城市主干路上，全天記錄經(jīng)過的車輛信息并在線錄入卡口數(shù)據(jù)庫?？跀?shù)據(jù)包括車輛出現(xiàn)的地點(卡口的地理位置)、時間、車牌和車型等信息，具有實時、大樣本和高可靠性等特征。目前，卡口數(shù)據(jù)的分析和應(yīng)用主要集中在違法車輛抓拍、套牌車檢測和可疑車輛識別等方面[3]。然而，融合卡口數(shù)據(jù)中的地理、時間、車牌和車型信息進行交通調(diào)查分析，可獲取例如道路截面交通量、行程時間和延誤等傳統(tǒng)的道路交通指標，甚至可推導(dǎo)傳統(tǒng)交通調(diào)查手段無法獲取的新興中、宏觀道路交通指標，例如車流軌跡特征指標和毗鄰區(qū)域交通量。由卡口數(shù)據(jù)分析得到的道路交通指標可應(yīng)用于交通工程的多個方面，包括城市道路交通系統(tǒng)規(guī)劃、道路交通設(shè)計和道路交通管理等[4]。面對包含多元信息的卡口數(shù)據(jù)，設(shè)計什么交通分析任務(wù)、得到什么道路交通指標、以何種技術(shù)路線去實現(xiàn)，值得深入探討。

1 卡口數(shù)據(jù)分析任務(wù)與技術(shù)方案

在卡口數(shù)據(jù)庫中，一條數(shù)據(jù)至少包括以下字段：拍攝卡口、拍攝時刻、車牌和車型。因為卡口的地理位置是已知和固定的，拍攝卡口字段等同于空間地理位置。使用數(shù)據(jù)庫工具對卡口數(shù)據(jù)按字段進行統(tǒng)計分析[5]，可得到卡口所在道路截面交通量、車型比例和車輛來源地比例等常規(guī)交通調(diào)查指標。將卡口數(shù)據(jù)按照車牌分組并將每輛車經(jīng)過的卡口以及經(jīng)過的時刻按先后順序排列，可得到所有車輛的卡口序列和對應(yīng)的時刻序列。

圖1 車輛卡口序列和區(qū)域序列示例Fig.1 Example of check point sequence and area sequence of a vehicle

基于Hadoop平臺，采用JAVA編程工具對卡口序列和時刻序列進行分析可獲得傳統(tǒng)交通調(diào)查手段無法獲取的交通指標。首先，卡口序列反映了一輛車經(jīng)過的所有區(qū)域。統(tǒng)計所有車輛跨區(qū)的總次數(shù)可獲得宏觀的毗鄰區(qū)域交通量。第二，卡口序列和時刻序列反映了所有車輛的時空軌跡。對特定車輛群體的卡口序列和時刻序列進行數(shù)據(jù)挖掘，發(fā)現(xiàn)規(guī)律，可判斷車輛群在分析時段內(nèi)的重點活動范圍和行駛路徑。第三，基于車輛卡口序列和時刻序列，可標記經(jīng)過分析路段的車輛集合并獲取車輛離開該路段的時刻和路段行程時間數(shù)據(jù)，獲得多項路段運行指標，例如自由流平均行程時間、高峰平均行程時間、TTI指數(shù)①、全日平均速度、同一時刻車輛之間的最大行程時間差等。本文結(jié)合湖北省宜昌市的實例②對卡口數(shù)據(jù)分析任務(wù)和技術(shù)方案進行解釋。

2 毗鄰區(qū)域交通量分析

將城市劃分為多個區(qū)域。對于兩個毗鄰且有道路連接的區(qū)域，在分析時段內(nèi)從其中一個區(qū)域到另一個區(qū)域的車輛數(shù)量為單向毗鄰區(qū)域交通量。毗鄰區(qū)域交通量矩陣包含所有的毗鄰區(qū)域交通量，是一個n×n的矩陣，n代表區(qū)域數(shù)量。矩陣元素vi,j代表從區(qū)域i到區(qū)域j的單向毗鄰區(qū)域交通量，如果區(qū)域i與j毗鄰且有道路連接，則vi,j≥0；否則，vi,j=0。使用傳統(tǒng)交通調(diào)查手段無法獲取毗鄰區(qū)域交通量矩陣。以下介紹基于卡口序列得到毗鄰區(qū)域交通量矩陣的方法。

每個卡口歸屬一個區(qū)域。將一輛車的卡口序列映射到區(qū)域序列。以圖1為例，黑色實線代表道路，黑色虛線代表分區(qū)線，箭頭線代表車輛行駛軌跡。該車的卡口序列為HJKA，映射的區(qū)域序列為①④⑧⑤。

在統(tǒng)計所有毗鄰區(qū)域交通量之前，必須先校正區(qū)域序列。校正區(qū)域序列的主要目的是檢查車輛是否在經(jīng)過某些區(qū)域時被漏拍；如若有，補齊漏拍的區(qū)域。判定車輛在某些區(qū)域內(nèi)被漏拍的標準有兩個：一是車輛先后在兩個不毗鄰的區(qū)域內(nèi)被拍攝到，二是車輛先后在兩個沒有道路連接的區(qū)域內(nèi)被拍攝到。校正區(qū)域序列的方法如下：1)假設(shè)所有車輛選取最短路徑到達目的地；2)檢查一輛車的區(qū)域序列中的任意相鄰一對區(qū)域是否滿足毗鄰且兩個區(qū)域有道路連接的條件；3)如果一對相鄰區(qū)域不滿足以上任意一個條件，補充這對區(qū)域之間缺失的區(qū)域，補齊缺失區(qū)域編號使用最短路徑算法[6]。以圖1為例，區(qū)域?qū)Β佗懿粷M足毗鄰條件，需在二者之間補充區(qū)域②；區(qū)域?qū)Β啖莶粷M足道路連接條件，需在二者之間補充區(qū)域⑥和⑦。校正之前的區(qū)域序列是①④⑧⑤，校正之后的區(qū)域序列是①②④⑧⑥⑦⑤。校正后的區(qū)域序列中任意一對相鄰的區(qū)域之間有一次單向毗鄰區(qū)域交通量?；谒熊囕v校正后的區(qū)域序列，統(tǒng)計任意兩個毗鄰且有道路連接的區(qū)域在所有區(qū)域序列中作為相鄰區(qū)域?qū)Τ霈F(xiàn)的次數(shù)，可得到毗鄰區(qū)域交通量矩陣。

將毗鄰區(qū)域交通量矩陣圖形化可得到毗鄰區(qū)域交通量圖，例如圖2展示的是宜昌市中心城區(qū)的毗鄰區(qū)域交通量圖。將毗鄰區(qū)域交通量矩陣中第i行的所有元素值相加，得到進入?yún)^(qū)域i的車輛總數(shù)si。將毗鄰區(qū)域交通量矩陣中第i列的所有元素值相加，得到離開區(qū)域i的車輛總數(shù)di。定義si+di為區(qū)域i的區(qū)域交通活躍度，值越大表示區(qū)域i的交通活躍度越高?？砂磾?shù)值區(qū)間給區(qū)域交通活躍度分級。圖3中紅色部分是宜昌市中心城區(qū)交通活躍度較高的片區(qū)。毗鄰區(qū)域交通量矩陣中元素vi,j和vj,i是區(qū)域i和j之間的雙向毗鄰區(qū)域交通量，將較大交通量與較小交通量的比值定義為區(qū)域交通平衡系數(shù)。平衡系數(shù)的最小值為1，代表雙向交通量相等；平衡系數(shù)越大，雙向交通量越不平衡。以宜昌市為例，大部分毗鄰區(qū)域的區(qū)域交通平衡系數(shù)在1.2以內(nèi)，雙向交通量基本保持平衡。計算所有從區(qū)域i到j(luò)的道路的通行能力總和，得到毗鄰區(qū)域通行能力ci,j。定義毗鄰區(qū)域交通量與毗鄰區(qū)域通行能力的比值為區(qū)域交通服務(wù)度。區(qū)域交通服務(wù)度是判斷區(qū)域間道路連接是否足夠的依據(jù)之一。

綜上所述，卡口序列分析可得到毗鄰區(qū)域交通量矩陣，以及毗鄰區(qū)域交通量圖、區(qū)域交通活躍度、區(qū)域交通平衡系數(shù)和區(qū)域交通服務(wù)度等指標。

3 車流軌跡分析

基于車輛卡口序列和時刻序列可查找特定車輛群頻繁經(jīng)過的卡口和經(jīng)過卡口的順序。車輛群頻繁經(jīng)過的卡口反映了車輛群的重點活動區(qū)域，頻繁經(jīng)過卡口的順序反映了車輛群采用的重要路徑。車輛群的選擇由分析者決定，選擇在分析時段內(nèi)經(jīng)過核查點卡口的車輛，并分析車輛群在抵達核查點之前以及離開核查點之后的重點活動區(qū)域以及抵達和離開核查點采用的重要路徑。

圖2 宜昌市中心城區(qū)毗鄰區(qū)域交通量Fig.2 Inter-area traffic flow of Yichang central districts

圖3 宜昌市中心城區(qū)道路交通活躍片區(qū)Fig.3 Road traffic-active areas in Yichang central districts

定義分析時段和一個時間閾值m/min。假設(shè)核查點安裝了卡口A。對每輛車的卡口序列進行條件判斷。如果一輛車的卡口序列包含A且對應(yīng)的拍攝時刻在分析時段內(nèi)，標記該車。例如，一輛車的卡口序列為HJKASHSK，對應(yīng)的時刻序列是t1t2t3t4t5t6t7t8。t4在分析時段內(nèi)，標記該車。對標記車輛的卡口序列增加時刻約束，僅保留某時刻在核查點卡口(卡口A)對應(yīng)mmin內(nèi)的卡口。例如，t1，t7和t8皆不在t4的mmin內(nèi)，則去掉HJKASHSK的第1個、第7個和第8個卡口，得到卡口序列JKASH?？谛蛄兄?，卡口A及其之前的片段被定義為該車的上游子序列，卡口A及其之后的片段被定義為下游子序列。則上游子序列是JKA，下游子序列為ASH。

圖4 m min頻繁上游、下游卡口片段樹杈圖Fig.4 Branch diagram of m min frequent upstream and downstream check point sub-sequence

每輛被標記車輛的上游子序列的首個卡口反映了該車在抵達核查點卡口前mmin內(nèi)最早經(jīng)過的卡口，下游子序列的末尾卡口反映了該車在離開核查點卡口后mmin內(nèi)最后抵達的卡口。定義一個卡口作為上游子序列首個卡口的次數(shù)與車輛群車輛數(shù)量的比例為mmin起點交通比例；定義一個卡口作為下游子序列末尾卡口的次數(shù)與車輛群車輛數(shù)量的比例為mmin終點交通比例。計算所有卡口的mmin起點交通比例可獲得車輛群的mmin來源地分布，計算所有卡口的mmin終點交通比例可獲得車輛群的mmin抵達地分布，進而獲得重要mmin來源區(qū)域和重要mmin抵達地區(qū)域。

對車輛群的上游子序列和下游子序列進行頻繁模式挖掘(frequent pattern mining)，并制定關(guān)聯(lián)規(guī)則[7]。上游和下游子序列中出現(xiàn)次數(shù)超過自定義閾值的卡口片段分別反映了車輛群抵達核查點前的mmin重要來源路徑和離開核查點后的mmin重要去向路徑，本文定義為mmin頻繁上游卡口片段和mmin頻繁下游卡口片段。采用GSP算法，得到所有mmin頻繁上游、下游卡口片段。將所有mmin頻繁上游、下游卡口片段用樹杈圖表示。以圖4為例，mmin頻繁上游卡口片段包括UFGA，F(xiàn)GA，GA，WTGA，TGA，QTGA和EGA，代表了mmin重要來源路徑；頻繁下游卡口片段包括AH，AHL，AHM，AHMP，AJ，AJN，AJK和AJKR，代表了mmin重要去向路徑。

圖5 車輛群Q1和Q2的15 min重要來源路徑和去向路徑Fig.5 15-min frequent from-and-go routes of vehicle groups Q1 and Q2

以宜昌市為例進行車輛群分析。選定云集路—沿江大道交叉口的卡口A為核查點1，云集路—東山大道交叉口的卡口B為核查點2。本案例有兩個研究對象：1)沿著沿江大道從北向南被卡口A拍攝的車輛群Q1；2)沿著東山大道從北向南被卡口B拍攝的車輛群Q2。圖5展示了車輛群Q1和Q2的重要來源路徑和去向路徑。圖6展示了車輛群Q1和Q2的15 min來源地和抵達地分布。觀察可得，從北向南經(jīng)過卡口A的車輛多數(shù)來自北側(cè)緊鄰長江的片區(qū)和江對岸片區(qū)，多數(shù)沿著沿江大道前往南側(cè)臨江片區(qū)和向南出城；從北向南經(jīng)過卡口B的車輛多數(shù)來自離江中心城區(qū)內(nèi)的多個小區(qū)和片區(qū)，分成多個方向前往多個片區(qū)。該案例揭示了沿江大道主要服務(wù)于臨江片區(qū)中長距離出行的用戶，東山大道主要服務(wù)于離江地區(qū)中短距離出行的用戶。

綜上所述，基于卡口序列可以獲得特定車輛群在抵達核查點卡口之前的mmin來源地分布、重點來源區(qū)域和重要來源路徑，以及離開核查點卡口之后的mmin抵達地分布、重點抵達區(qū)域和重要去向路徑。

4 道路運行狀況分析

基于卡口序列和時刻序列可以獲取經(jīng)過分析路段車輛的行程時間以及車輛離開該路段的時刻數(shù)據(jù)，并進行路段運行狀況分析。前提條件是分析路段的起點和終點都安裝了卡口。以圖7中的城市快速路為例，卡口A和卡口B分別安裝在路段的起點和終點，路段中可能還安裝了其他卡口，例如卡口C和卡口D。對每輛車的卡口序列進行條件判斷，判斷條件為：卡口序列是否含有ACDB的片段。假如有，則獲取該車在卡口A和在卡口B的拍攝時刻間隔作為該車的行程時間，以及該車在卡口B的拍攝時刻作為離開路段的時刻。

所有經(jīng)過路段的車輛的行程時間和離開時刻都可以通過以上方法提取，并形成數(shù)據(jù)集合φ。然而，根據(jù)此方法提取的數(shù)據(jù)有可能包含了噪聲數(shù)據(jù)。噪聲數(shù)據(jù)的存在是因為部分車輛不是連續(xù)地從卡口A所在斷面行駛到卡口B所在斷面，而是從中間的其他出口(如圖7中其他出入口道)離開、經(jīng)過一定時間后再進入路段。這類數(shù)據(jù)屬于噪聲數(shù)據(jù)，必須剔除，否則會影響行程時間分析結(jié)果的準確性。噪聲數(shù)據(jù)清洗算法一般分為兩個步驟：1)將全日內(nèi)行程時間絕對值過高和過低的數(shù)據(jù)剔除。例如，95%數(shù)據(jù)的行程時間都在800 s以內(nèi)而有一個數(shù)據(jù)的行程時間是2 000 s，則剔除該數(shù)據(jù)；2)將不同時間區(qū)間內(nèi)行程時間相對值過高和過低的數(shù)據(jù)剔除，例如在0點到1點間，數(shù)據(jù)的行程時間集中在200 s而有一個數(shù)據(jù)的行程時間是600 s，則剔除該數(shù)據(jù)。經(jīng)過清洗的數(shù)據(jù)可以形成路段行程時間-時刻散點圖。0:00—6:00的平均行程時間為平均自由流時間，結(jié)合路段長度可得到平均自由流速度。觀察行程時間高峰和平峰，可獲得高峰(平峰)的平均行程時間和速度、行程時間高峰(平峰)對應(yīng)的時刻、高峰(平峰)持續(xù)時間、高峰(平峰)最長行程時間以及最短行程時間等。同一個時刻的最長行程時間減去最短行程時間等于行程時間帶寬，反映了行程時間的最大差異。另外，可獲得的指標還包括TTI指數(shù)、道路運行等級(反映道路擁堵水平)等。

圖6 車輛群Q1和Q2的15 min來源地和抵達地分布Fig.6 15-min origin and destination distributions of vehicle groups Q1 and Q2

以宜昌市東山大道的南部港窯—王家河路段作為研究對象，其位于中心城區(qū)邊界處，港窯位于北側(cè)，王家河位于南側(cè)，該路段中間有交叉口可出入東山大道。獲取該路段的行程時間-時刻散點圖(見圖8)。由圖8a可以看出，北向南道路凌晨時段(0:00—5:00)的車輛行程時間為400 s左右。日間(6:00—18:00)車輛行程時間集中分布在420～720 s，行程時間帶寬為300 s。日間無通行時間高峰，TTI指數(shù)為1.5。另外統(tǒng)計得到港窯和王家河道路截面北向南全日交通量分別是2.1萬pcu和1.1萬pcu，說明至少有50%從港窯出發(fā)的車輛并沒有抵達王家河，而是從港窯和王家河中間的其他出口離開。結(jié)合行程時間指數(shù)特征，可得出東山大道港窯—王家河路段全日交通量不大、交通不擁堵。由圖8b可以看出，南向北道路凌晨時段的車輛行程時間集中在400 s左右，日間出現(xiàn)兩次行程時間高峰。高峰行程時間集中在750～900 s，帶寬為150 s；非高峰行程時間集中在500～700 s，帶寬為200 s。高峰TTI指數(shù)為2.0。另外統(tǒng)計得到王家河和港窯道路截面南向北全日交通量分別是1.3萬pcu和1.6萬pcu，說明有少量的車輛在王家河和港窯之間的其他入口進入東山大道。結(jié)合行程時間指數(shù)特征，發(fā)現(xiàn)該路段的特征是交通量低、早晚高峰延誤高，意味著南向北道路在早晚高峰時段處于擁堵狀態(tài)。

圖7 城市快速路卡口示意Fig.7 Check points on urban expressway

可以看出，東山大道港窯—王家河路段的雙向道路運行狀況差異明顯。該路段雖然位于中心城區(qū)邊界，但王家河不是重要交通吸引地，從港窯到王家河的交通需求小，因此北向南道路不擁堵。作為重要的入城通道，南向北道路有典型的早晚擁堵雙高峰。造成雙向道路運行差異的原因與宜昌市的城市道路分布和城市功能分區(qū)緊密相關(guān)，在此不做深入探討。另外，行程時間帶寬代表車輛的停車延誤(包括信號燈延誤和等待行人過街時間)。雙向道路的行程時間帶寬均在150 s以上，北向南帶寬高達400 s以上。應(yīng)考慮采用信號燈綠波帶、設(shè)置人行天橋等措施減小停車延誤。

綜上所述，基于卡口序列和時刻序列可獲得分析路段的行程時間-時刻散點圖，并得到一系列指標作為交通分析的重要依據(jù)。

5 卡口數(shù)據(jù)道路交通分析框架

機動車的卡口序列和時刻序列數(shù)據(jù)包含城市所有機動車的移動軌跡，隱藏著大量珍貴的道路出行規(guī)律，亟須有效的技術(shù)手段將其獲取。以上介紹的3個分析任務(wù)和技術(shù)方案僅僅是冰山一角。然而，卡口數(shù)據(jù)挖掘與城市道路交通分析在學(xué)術(shù)研究和工程應(yīng)用中依然是新興技術(shù)，沒有統(tǒng)一的行業(yè)技術(shù)標準。

通過研究和實踐，本文總結(jié)提出B2T(Bottom to Top)流程，指導(dǎo)卡口數(shù)據(jù)分析，也可以伸延到其他類型的交通數(shù)據(jù)分析。B2T流程包含三大步驟，涉及四個層面(見圖9)。步驟1：通過統(tǒng)計方法和數(shù)據(jù)挖掘算法從海量、多元的數(shù)據(jù)層提煉出各式各樣的交通指標，得到指標層。步驟2：對指標層中的交通指標進行專業(yè)解讀，得到城市出行特征信息，指導(dǎo)工程應(yīng)用。步驟3：對信息層進行歸納提煉，得到深層次的出行規(guī)律。數(shù)據(jù)層是整個信息金字塔的最底部，規(guī)律層是最上層。數(shù)據(jù)分析即由下向上提煉信息，得到信息金字塔最頂部、最有價值信息的過程。

圖8 東山大道港窯—王家河路段車輛行程時間-時刻散點圖Fig.8 Travel time and time of day relationship at Dongshan Avenue(Gangyao-Wangjiahe Section)

在信息金字塔中，指標層的獲取最為復(fù)雜。首先，指標層是連接數(shù)據(jù)層和信息層的重要媒介。已有的交通調(diào)研指標體系固然重要，但新興交通指標體系更能體現(xiàn)數(shù)據(jù)挖掘的優(yōu)勢，展現(xiàn)數(shù)據(jù)的潛在信息價值。第二，從數(shù)據(jù)層到指標層的轉(zhuǎn)化是一個開放的探索過程，沒有傳統(tǒng)、固定的數(shù)據(jù)挖掘流程，數(shù)據(jù)挖掘算法也并非一成不變。第三，指標層的獲取同時受到數(shù)據(jù)層和信息層的制約。能提取的新興交通指標未必有信息價值，有信息價值的傳統(tǒng)、新興交通指標可能無法通過已有的數(shù)據(jù)挖掘算法提取。確定新興交通指標體系、制定分析任務(wù)、設(shè)計和測試挖掘算法是一個反復(fù)嘗試、不停迭代的過程。同時，亟須一個可擴展的交通分析框架去總結(jié)已有的嘗試成果，為未來的行業(yè)技術(shù)標準化打下基礎(chǔ)。

本文提出卡口數(shù)據(jù)道路交通分析框架，分為3個部分：數(shù)據(jù)分析、指標體系和工程應(yīng)用(見圖10)。數(shù)據(jù)分析是核心技術(shù)部分，包含分析任務(wù)(例如前文提及的3個分析任務(wù))以及實現(xiàn)任務(wù)的統(tǒng)計方法和數(shù)據(jù)挖掘算法(本文中未作深入展示)。指標體系包含數(shù)據(jù)處理后得到的交通指標，例如本文提及的從三大分析任務(wù)中得到的具體指標。工程應(yīng)用是深入剖析指標體系隱藏的交通現(xiàn)象和規(guī)律，并用其指導(dǎo)實際的城市交通規(guī)劃、建設(shè)和管理項目。例如，本文提及的宜昌案例中的道路交通分析結(jié)果，可作為基礎(chǔ)現(xiàn)狀信息在宜昌市城市道路交通建設(shè)中起到指導(dǎo)作用。卡口數(shù)據(jù)道路交通分析框架可擴容，可添加新的數(shù)據(jù)分析、指標體系和工程應(yīng)用，為卡口數(shù)據(jù)挖掘與城市道路交通分析的行業(yè)規(guī)范制定提供基礎(chǔ)。

圖9 B2T流程Fig.9 B2T procedure

圖10 卡口數(shù)據(jù)道路交通分析框架Fig.10 Analysis framework of traffic camera data-based road traffic

6 結(jié)語

卡口數(shù)據(jù)分析不僅可以用于交警執(zhí)法，還可用于城市交通規(guī)劃、建設(shè)和管理。本文分別從毗鄰區(qū)域交通量、車流軌跡和道路運行狀況層面進行分析，提出一系列傳統(tǒng)交通調(diào)查手段無法獲取的交通指標，例如區(qū)域交通活躍度、區(qū)域交通平衡系數(shù)、區(qū)域交通服務(wù)度、mmin車輛來源地和抵達地分布、重要來源和去向路徑、道路最短和最長行程時間、道路行程時間帶寬等。結(jié)合湖北省宜昌市的數(shù)據(jù)，展示了宜昌市中心城區(qū)的交通量分布特征、重點核查點的車流來源和去向特征，以及重要城市道路的雙向運行特征比較等。這些數(shù)據(jù)分析成果可以幫助城市綜合交通體系規(guī)劃、交通專項規(guī)劃、建設(shè)項目交通影響評價、交通需求分析和預(yù)測、建設(shè)項目交通后評估、交通改善設(shè)計和實施、交通運行評估和智能交通管控平臺的建設(shè)等。

注釋：

Notes:

①交通時間指數(shù)(Travel Time Index,TTI)是美國《道路通行能力手冊》(Highway Capacity Manual)收錄的用以評估道路交通擁堵程度的指標，等于高峰行程時間除以自由流行程時間，值越大代表道路越擁堵。

②卡口數(shù)據(jù)來源于湖北省宜昌市公安局交警支隊。