基于可視化的活動中心交通擁堵檢測與分析

李亞男，龐瀟，羅富智，王翔坤，曹夢琦，閆建榮

（四川大學計算機學院，成都 610065）

0 引言

隨著城市化的發展，生活水平的提高。人們在生活之余，對于精神文化的追求也越來越多。為了滿足市民的需要，城市中出現了許多的大型文體活動中心，越來越多的大型文體活動也不斷舉辦。而活動舉辦期間產生的交通流量激增，交通擁堵等問題也接踵而至[1]。給活動中心管理者和活動舉辦方帶來了許多困擾。文本針對上述提到的問題，結合活動中心周邊網約車訂單數據，給出了一套基于可視分析的道路流量及擁堵分析方案。

在結合相關部門需求及實際調研后，本文確定了以下三個分析問題，問題如下：

問題一，分析活動中心10平方公里范圍內的交通流量演變情況；

問題二，找出10平方公里范圍內的擁堵點，并說明擁堵特征及解釋擁堵原因；

問題三，給出針對活動中心周邊的交通疏導方案。

圍繞著三個問題，本文給出了一套完整、可交互的可視化設計方案，能夠從宏觀和切片兩個角度分析活動中心附近的交通流量演變情況，快速發現其中存在的擁堵點，并通過可視化系統，找到擁堵特征及產生原因。為管理人員及活動舉辦方緩解文體活動舉辦期間交通擁堵情況提供了可行的交通疏導方案。

1 可視分析過程

針對需要解決的三個問題，本文的可視分析流程主要分為三個階段。第一階段是是對原始數據進行預處理及有效特征提取，第二階段是設計并實現可視分析策略，第三階段是對可視化結果做分析驗證。

2 數據預處理

本文所用到的數據主要有來自“滴滴”公司提供的2018年5月1日成都中國現代五項賽事中心某活動期間附近內訂單及軌跡數據，總計0.5GB[2]。兩部分數據的描述如下：

（1）訂單數據，記錄當天賽事中心10公里范圍內的訂單的起止地點，主要字段有訂單ID、起止計費時間及上下車經緯度，約5萬行數據；

（2）軌跡數據，記錄數據1中訂單所在車輛行駛過程中的時間和位置信息，主要字段有訂單ID、時間戳及經緯度，約900萬軌跡點數。

原始數據用MySQL[3]數據庫對數據進行存儲，使用Python[4]進行數據的預處理及分析，由于數據中存在GPS信息，使用ArcGIS[5]進行GPS信息與路網信息的匹配，具體過程如下：

（1）對賽事中心十平方公里范圍區域以50×50m的網格進行劃分；

（2）根據GPS數據計算軌跡點的速度，在網格劃分的基礎上實現數據裝箱；

（3）利用ArcGIS手工構建該區域內路段信息，路段信息包括路段ID、路段名、路段類型（主干道、一級道路、貳級道路）、路段經緯度；

（4）將GPS點映射到路網中，實現數據的路段匹配。

3 可視化方案設計及實現

根據提出的三個分析問題，本文設計了可視分析方案，并通過ECharts[6]實現了可視分析系統，系統主要由三個模塊構成，主視圖模塊、流量分析模塊、路段排名模塊，如圖1所示。（a）地圖直觀顯示各個路段的方式對道路的分布情況進行總覽，（b）堆疊條形圖對路段流入車輛、流出車輛、停留車輛進行可視化，（c）折線圖對路段在一天內的流量變化進行可視化。可以通過選擇時間片粒度的方式對整體時間進行切片，從而滑動流量分析視圖中的滑塊對某一時間片的道路狀態以及流量排名進行分析。

圖1 可視分析系統主界面

本系統一共分為兩種分析模式，分別是流量分析和擁堵分析模式，其中前者可以分析不同路段流量的變化情況，后者則分析不同路段的車速情況來發現擁堵并進行分析。本文圍繞三個問題，分別給出了基于可視分析的解釋。

3.1 交通流量演變分析

以基于五分鐘的時間粒度對該區域內整體流量變化情況進行分析，從圖2中流量變化圖可以看出，在全天視角下，00：00-06：00整體區域流量趨近于零，而其他時間整體區域流量呈現出從增至減的過程，該結論符合大眾對夜間車流量少、日間車流量多的認知。此外，可以觀測出17：30之前區域全天流量穩定在200左右，17：30-19：30 流量持續增加達到峰值 600，19：30 過后流量恢復到正常水平。

圖2 流量分析視圖

滑動窗口觀測不同時間下地圖中整體流量變化以及路段排名變化，發現劍南大道，經臨林寺火燒橋沿府河至牧華路三段（自編號：100）、綠野路這三個路段變化較大，基于此，依次在路段排名視圖中選擇這三個路段進行詳細分析。

點擊劍南大道進行分析，其展示結果如圖3所示，由流量變化圖可以看出在14：00該路段流量開始激增，直至17：30流量減少并穩定在正常水平。

圖3 劍南大道交通流量展示圖

點擊100路段進行分析，其展示結果如圖4所示，其流量變化圖可以看出其流量從16：00開始增加，至18：30 達到高峰，19：30 恢復正常。

圖4 100路段交通流量展示圖

3.2 交通擁堵情況分析

將系統切換至擁堵分析模式，如圖5所示，擁堵分析模式下系統的視圖分為地圖視圖和速度變化圖。其中地圖視圖顯示在當前時間片內各個路段的平均速度，將速度按照一般交通規則進行分段，并映射到不同的顏色。通過滑動時間軸，可見區域內整體的路段速度變化情況，對于變化較為明顯的路段，點選可以看到其一天內的速度變化情況，對比其流量變化情況進行擁堵分析。

圖5 擁堵分析視圖

根據系統發現如下三個擁堵點。

第一擁堵點：劍南大道和龍馬路交叉口，時間為14：00-21：00。通過滑動時間軸，發現劍南大道南段在14：00-15：00內變化明顯，點選分析后如圖6所示，在中午12：00開始，車速有明顯的下降，并在14：00下降到了低谷，此后一天內都處于較為擁堵的狀態。初步分析得知當天在五項賽事中心有演唱會舉行，劍南大道南行的車輛可以在進入中段之前左轉去往五項賽事中心，進入中段之后，中段與南段的十字路口禁止左轉，需要行駛經過南段在武漢西路進行繞行，導致劍南大道南段道路長時間持續擁堵。

圖6 劍南大道速度分析圖

第二擁堵點：經臨林寺火燒橋沿府河至牧華路三段（自編號：100）時間為 16：15-20：00。通過滑動時間軸，發現 100號路在 16：15-20：00內變化明顯，點選分析后如圖7所示，在中午16：10開始，車速有明顯的下降，并在18：20下降到了低谷，19：00擁堵開始出現緩解，直至20：00路段恢復正常狀態。推測自14：00開始，從五項賽事中心離開的車均選擇該道路行駛，導致該路段發生擁堵，直至演唱會開始之后20：00路段擁堵情況逐漸緩解。

圖7 100路段速度分析圖

第三擁堵點：正北上街、麗都街，時間為8：00-20：00。由圖8可知，正北上街從早晨8：00開始一直處于平均速度不超過20km/h的狀態，持續擁堵，結合POI分析可知，該道路附近有天府新區人民醫院，由于其為大型綜合醫院，晝間車流量大，故容易造成擁堵。

3.3 交通疏導方案

擁堵主要發生在活動舉辦的起止時間，以高峰時段17：30-19：00賽事中心周邊的交通情況進行分析，可以發現賽事中心周邊的流量較高的道路為：西側的劍南大道、南側的龍馬路與武漢西路、東側的經火燒橋至牧華路三段、213國道、錦江路東三線。但通過東側主干道天府大道的車輛較少。通過對道路進行點擊可以對通過車輛的OD進行分析。

圖8 正北上街速度分析圖

圖9 賽事中心西側干線OD分析圖

賽題中心西側的主干道為劍南大道，對通過劍南大道的車輛OD進行分析，如圖9所示，OD明顯的分為2個簇：①從城內各區域打車至賽事中心的訂單；②從賽事中心南部的黃龍溪客運中心打車至城內的訂單。因此，可建議高峰時段從南側至城內的車輛避開劍南大道，繞行第二繞城高速或天府大道。

圖10 賽事中心東側干線OD分析

賽事中心東側干線的OD分析如圖10所示，趨勢較為明顯，目的地為賽事中心，同時賽事中心東北部6公里處為廣福地鐵站。通過分析可以發現，至賽事中心的訂單主要經劍南大道與213國道。因此可得到如下推薦交通疏導方案：①從賽事中心南部至城內的訂單避開劍南大道與213國道，繞行第二繞城高速或天府大道；②車輛離開賽事中心后，經武漢西路疏導至天府大道，充分發揮天府大道流通量優勢。

4 結語

本文針對城市中大型活動舉辦場所附近的交通流量進行分析，設計了簡單直觀的可視分析系統。依據活動舉辦場所某日活動期間網約車訂單和軌跡數據進行分析，展示了活動期間附近的地區的流量變化，并通過可視分析系統，發現了其中存在的擁堵點，給出了形成擁堵點的原因。最后，針對產生的擁堵點提出了相應的交通疏導意見。

本系統能夠對道路的流量監測和擁塞疏導提供有效幫助，具有一定的現實意義。