基于軌跡數據的山地城市干線交通運行評價探討

林志紅，蔡曉禹,2，陳永光，張夢歌

(1.重慶交通大學 交通運輸學院，重慶 400074；2.山地城市交通系統與安全重慶市重點實驗室，重慶 400074)

在多數城市處于城市化進程快速發展的今天，機動車保有量成冪次增長，交通擁堵加劇。據統計，截至2017年底，全國高峰期間超過26%的城市處于擁堵狀態，55%的城市處于緩行狀態，2017年因交通擁堵香港成為擁堵成本(達15 890元)最高的城市。交通擁堵不僅對居民出行造成一定困難，浪費時間的同時對國家的GDP造成損失，還造成空氣污染、噪聲污染。山地城市內部道路結構薄弱，城市干線同時承擔出入境及過境交通，故保障其干線暢通至關重要。采取交通管控是緩解交通擁堵的有效方法之一，優質管控方案的提出前提是準確的交通評價，交通運行評價可為干線交通管控方案選擇提供有效支持。

1 現有城市交通干線運行評價

1.1 評價指標

現有干線交通運行評價指標除早期美國HCM手冊所使用的服務水平外，還包括交通參數類指標、擁堵類指數、可靠性指標等(見圖1)。

1.1.1 交通參數類指標

城市干線交通評價上交通參數類指標通常選取行程時間、排隊長度、密度、速度、飽和度、占有率、交通量等，如文獻[2]、文獻[3]選取平均行程速度作為評價指標，文獻[4]選取道路延誤時間及飽和度作為評價指標，文獻[5]選取延誤、排隊長度、服務水平作為評價指標，文獻[6]選取流量、速度、占有率等作為評價指標，文獻[7]以路段平均時間為權重系數建立評價指數。

圖1 現狀城市干線交通運行評價指標

1.1.2 擁堵類評價指標

擁堵類指標用于衡量道路擁堵嚴重程度，體現在擁堵持續時間、擁堵度、擁堵路段長度、擁堵里程比、交通擁堵指數等。文獻[8]選取擁堵路段長度、高峰時段擁堵持續時間作為交通阻塞程度評價指標；文獻[9]、文獻[10]選取擁堵持續時間作為擁堵判別標準；文獻[11]選定日交通擁堵指數、擁堵里程比、擁堵持續時間、常發擁堵路段數作為擁堵評價指標；文獻[12]采用交通擁堵指數、擁堵里程比、擁堵持續時間、常發擁堵路段分布作為擁堵評價指標，實現了對北京五環路內路網運行狀態的實時監測。

1.1.3 可靠性評價指標

交通領域的可靠性分為連通可靠性、行程時間可靠性、路網容量可靠性。連通可靠性由文獻[13]提出，它是研究兩地間是否連通的評價指標，適用于極端條件。文獻[14]、文獻[15]分別基于出租車智能卡數據、浮動車數據，選取行程時間可靠性作為可靠性評價指標；文獻[16]從道路使用者角度提出行程時間可靠性；文獻[17]建立了路網容量可靠性雙層規劃模型。為滿足日益復雜的城市交通，延伸出速度可靠性、暢通可靠性等高層次可靠性指標，如文獻[18]計算了不同速度可靠性對應的服務水平等級，文獻[19]提出了暢通可靠性指標。

1.1.4 其他評價指標

除上述評價指標外，還有部分應用較少的指標，如文獻[20]中的等效通行能力，文獻[21]中的臨界密度比。

1.2 評價方法

目前，城市干線交通運行評價方法主要有聚類評價法、綜合評價法和神經網絡法(見圖2)。

圖2 現狀城市干線交通運行評價方法

1.2.1 聚類評價法

聚類是指對對象進行分類，包括灰色聚類、模糊聚類、K-均值聚類等。文獻[22]運用灰色聚類評價法評價了快速路基本路段的服務水平；文獻[23]根據灰色聚類理論計算指標權重，使指標之間的權重在評價過程中自動產生而無需經過人為判斷；文獻[24]引入灰色聚類理論分析高速公路基本段的服務水平。文獻[25]利用模糊聚類理論對道路交通狀態進行分類；文獻[26]、文獻[27]利用傳統模糊C均值判斷速度極值、占有率極值處的交通狀態；文獻[28]、文獻[29]提出模糊C均值聚類算法及其改進算法；文獻[30]將已知模糊聚類模型擴展到約束原型；文獻[31]利用模糊C均值聚類法解決指標權重問題；文獻[32]引入K-均值聚類算法實現對道路擁堵程度的定量分析和等級劃分。

1.2.2 綜合評價法

綜合評價法是將多個評價指標轉化成一個反映綜合情況的評價指標，包括模糊評價法、主成分分析法、數據包絡分析法等。文獻[33]建立了道路服務水平的模糊綜合評判模型；文獻[34]基于模糊系統實現了對交通流狀態的劃分；文獻[35]利用層次分析法和模糊綜合評價法建立了快速路系統服務水平二級綜合評價模型；文獻[36]采用模糊綜合評價法建立了城市道路動態權重評價模型；文獻[37]基于主成分分析法建立了城市快速路基本路段服務水平綜合評價模型；文獻[38]提出了主成分分析法和模糊綜合評價法相結合的城市區域交通擁擠定量評價法；文獻[39]基于DEA法構建了城市主干道交通擁堵評價模型。

1.2.3 神經網絡法

神經網絡系統是20世紀40年代后出現的，隨著交通動態系統越發復雜化，神經網絡評價法被應用于交通行業。文獻[40]、文獻[41]根據交通流特性，分別建立了交通狀態神經網絡判別模型、BP神經網絡狀態判別模型；文獻[42]基于車輛視頻識別，建立了快速路交織區運行狀態BP神經網絡判別模型；文獻[43]采用效率、安全性、舒適性指標，構建了城市交通系統BP神經網絡評估模型；文獻[44]通過廣義徑向基神經網絡法計算各路段擁堵度，使用加權平均法對整個路網運行狀態進行了評價。

1.2.4 其他評價方法

在道路運行評價上，除上述主流評價方法外，還有其他評價方法，如文獻[45]中的專家評分實驗法、文獻[46]中基于因式分解的評價方法、文獻[47]中基于拉格朗日坐標的交通流隨機模型。

1.3 現有研究評述

(1) 較多選取交通參數作為交通運行狀態評價指標，擁堵指數僅應用于交通擁堵研究，可靠性指標僅應用于交通可靠性研究，較少將二者應用于交通評價中。擁堵指標旨在反映交通擁堵嚴重性，可靠性指標是從交通使用者方面反映交通運行效率，交通運行狀態評價中可綜合這兩類指標。

(2) 對交通運行狀態的評價一般基于交通流的模糊性，較多使用模糊聚類法、模糊評價法及BP神經網絡法，較少建立簡單可行的多層次評價模型找出交通擁堵所在層次，且多數依賴于線圈檢測數據、人工檢測數據、單一類型數據。

(3) 對干線交通運行的研究集中在平原城市連續流及間斷流，較少考慮山地城市，且干線連續流研究對象集中在基本路段、立交、交織區，較少考慮匝道對干線的影響并將干線作為一個整體考慮。

2 研究熱點及挑戰

2.1 研究熱點

(1) 基于大數據的干線交通評價。城市交通設施的快速發展，使小樣本、人工調查、道路固定檢測器數據無法滿足當前日漸復雜的交通評價，基于巨量、多源的車輛軌跡數據成為交通運行評價的熱點之一。

(2) 挖掘基于大數據的評價方法。評價指標從交通流參數類指標向全面、多角度轉移，評價方法從模糊綜合評價法、層次分析法等數學模型法向挖掘大數據背后交通流規律的評價方法轉變，挖掘基于大數據的干線評價方法成為必然趨勢。

2.2 干線交通運行評價面臨的挑戰

(1) 大數據的處理。如今交通出行量暴增，交通數據量成倍增長，大數據為交通研究更貼合實際帶來了可能。但如何處理海量數據，如何剔除匹配錯誤的數據，如何從大數據中計算各指標值成為一大挑戰。

(2) 干線及影響區的復雜性。連續流干線由匝道、交織區、基本路段組成，干線交通流極其復雜，不同組成之間的交通流相互影響，且與干線相連接的影響區與干線交通流之間相互作用。干線及其影響區的復雜交通流給準確的交通運行評價帶來困難，也是未來對干線交通運行評價的極大挑戰。

(3) 準確、客觀的評價模型。交通管控的前提是準確的交通運行評價，而準確的交通運行評價的前提是客觀、精準的評價模型。需選取表征匝道運行的微觀評價指標及表征主線運行的宏觀評價指標，依次建立包含匝道、立交內主線段、立交、基本路段、干線的多層次多指標綜合評價模型。

3 城市交通干線運行評價研究

3.1 軌跡交通數據

交通數據可通過固定式數據采集器及移動式數據采集器得到，固定式數據包括地磁、傳感器、卡口等不可移動式交通設施獲取的數據，移動式數據分為GPS、視頻、圖片、移動通信等移動設施采集獲得的數據。由于固定式采集器具有布設不密集、設置于露天環境、使用通信線路等特性，這類數據的獲取無法保證其有效性。GPS等移動信息采集器具有數據回傳密集、反映出行者軌跡、覆蓋范圍廣、數據連續、穩定的特點，能反映交通運行規律。為保證交通運行評價數據的可靠性，選取基于GPS的移動數據采集器所獲得的交通數據如出租車數據、駕圖數據作為研究數據，采集的信息包含車輛經緯度、回傳信息時刻、車輛ID、瞬時速度等。

3.2 研究思路

3.2.1 評價指標體系構建

選取能表征干線交通運行特征的指標，如匝道、立交內主線排隊長度、車輛群體通行時間、停車率等，立交評價指標選取上考慮主線和匝道的重要性及二者的不均衡性構建綜合指標；基本路段進一步提取停車率、通行時間等交通參數，升化為交通擁堵指數、時間可靠性等指標；干線評價指標的選取則綜合考慮立交及主線評價指標，通過權重系數融合為干線綜合評價指標(見圖3)。

圖3 城市干線交通運行評價指標

3.2.2 多指標綜合模型構建

考慮匝道與主線的交通重要性、立交與基本路段的交通重要性，利用客觀權重系數確定法確定各綜合指標的權重系數，同時考慮同一層次各組成部分的不均衡性(如立交層次內匝道與立交主線間的不均衡性)建立面向匝道(立交內主線)、立交、干線的多指標多層次綜合評價模型，并劃分交通運行評價等級。

4 結語

城市干線交通運行評價經歷了3個階段：第一階段是早期的以美國HCM手冊為代表的干線服務水平評價，數據采集主要依靠人工；第二階段利用平均速度、飽和度、服務水平等交通流參數作為指標，數據采集通過線圈等固定檢測器及人工獲取，引入綜合評價等評價方法；第三階段嘗試基于GPS信息的多源軌跡數據采集技術，選取更貼合實際交通流特征的評價指標，并采用通過大數據挖掘干線運行特征的評價方法，實現交通干線運行的精準評價。近年來，隨著對大數據的深入研究及應用技術的逐漸成熟，運用大數據分析交通運行特征、挖掘交通流運行的根本規律及分析交通流存在的問題成為必然趨勢。如何借助GPS浮動車數據，結合交通流特征分析，選取交通干線各組成的運行評價指標構建綜合評價模型及評價標準是未來對交通干線準確評價的研究方向。