基于車牌識別數據的交通出行特征分析

劉冬杰，陳衛東

(上海市政工程設計研究總院(集團)第七設計院有限公司，青島 266005)

城市道路的服務水平、擁堵程度需借助交通量、通行能力、車速等指標衡量，傳統的交通運行指標調查方法包括人工觀測法、攝像法、跟車法、試驗車法、浮動車法等[1]，消耗較大的人力、物力，且調查樣本量小，不確定性較高，對研究成果影響較大。

隨著大數據技術的發展及智能交通技術的普及，道路交通調查手段也逐漸豐富，交通電子設備被廣泛應用，道路卡口系統逐漸成為交通調查研究的主要手段[2]。卡口攝像頭遍布城市道路，無間斷記錄車輛信息，為城市道路研究提供充足的基礎數據[3]。暢玉皎等[4]通過卡口數據對城市道路分析，得到城市通勤數據。龍小強等[5]通過車牌識別數據，從個體出行及車輛職住地角度對廣州市道路網運行狀態進行分析。王蓓等[6]基于卡口數據，從宏觀、中觀和微觀三個層面對道路交通進行分析。韓國華等[7]基于車牌識別數據，研究居民的出行特征，進而分析城市靜態交通。劉聰等[8]基于車牌識別數據，分析交通擁堵狀態。基于卡口數據分析得到的道路交通指標可應用于交通工程的多個方面，分析結果為城市道路交通系統規劃、道路交通設計和道路交通管理等提供重要參考。

1 研究方法

本文在交通流理論基礎上，結合車輛出行特征，提出交通運行狀態分析框架，如圖1所示。①對車牌識別數據進行預處理，生成車輛初始運行數據；②根據車輛初始運行數據獲取單車運行軌跡及速度；③基于單車運行速度，獲得路段及路網平均運行速度；④根據平均運行速度判斷路網運行狀態，對交通擁堵路段有針對性地提出優化建議。

圖1 交通運行狀態分析框架

1.1 數據預處理

在大量的交通運行數據中，存在著較多的錯誤數據、丟失數據、重復數據，不利于準確分析路網運行狀態，需對過車數據、點位數據和行程時間數據進行預處理，提高分析結果的質量。

1) 卡口過車數據預處理。卡口過車數據包含所有車輛的過車數據，是多運行屬性的匯集，本文僅選取部分屬性數據，通過算法剔除冗余的數據，以提高算法的運行效率。算法利用到的屬性數據為車輛牌照、檢測時段、設施點位位置、設施點位編號等。

在車牌數據收集過程當中，因設施識別率、信號傳輸影響、套牌車等問題的存在，導致卡口過車數據存在異常情況，主要包括數據漏檢、亂碼、錯誤及車輛時空關系不合理等。數據處理主要包括：①車牌信息漏讀，信息顯示為空；②車牌信息錯誤，與正常車位數不一致。

2) 點位數據預處理。點位數據即監控設施所在的位置，通常以經緯度表示，點位數據存在偏差或缺失，大多因為設備回傳存在問題。為避免點位數據錯誤影響研究成果的可靠性，本文借助ArcGIS生成點位位置圖，核查點位數據準確性，修正錯誤點位信息，建立正確的點位數據表。

3) 行程時間預處理。車輛依次經過相鄰道路交叉口，得到的時間差即為行程時間。通過跟蹤記錄行駛車輛，提取車牌及時間信息，得到逐車行程時間數據。由于存在車輛繞行、識別錯誤等問題，行程時間同樣存在異常值，處理方法參考李曉莉等[9]的研究方法，采取上下限值及循環檢測判斷閾值的方式剔除異常數據。

1.2 運行速度采集

1) 單車平均運行速度采集。車輛行駛在道路上，先后經過設置的檢測截面，根據車輛通過檢測截面的時間差，可計算出車輛在路段中的運行速度。在運行速度計算中，城市道路車速不存在超過120 km/h的情況，若存在此類數據，本文將視為無效數據，予以剔除。根據卡口采集數據，提取卡口坐標數據和過車時間數據，根據式(1)求解車輛平均運行速度。

(1)

式中：Vi為車輛i的運行速度；(xj，yj)為卡口j的坐標；(xj-1，yj-1)為卡口j下游卡口j-1的坐標；tj，tj-1分別為車輛i經過卡口j、卡口j-1的時間。

單車平均運行速度計算流程如圖2所示。

圖2 車輛平均運行速度流程

2) 區域平均運行速度采集。區域平均運行速度可衡量整個路網的運行狀態，分析路網服務水平，針對不同道路出現的擁堵問題提出不同的治理措施，對于路網通行能力改善意義重大。根據單車平均運行速度計算方法，利用式(2)可計算區域平均運行速度。

(2)

1.3 道路擁堵狀態判別

交通狀況是駕駛員的一個主觀認識。國外對于交通擁堵狀態的量化界定主要包括以下3種方式：① 日本道路公團。將交通速度作為判別標準，確定高速公路是否處于擁堵狀態；② 美國芝加哥運輸部。將車道占有率作為判別道路擁堵狀態的標準；③ 美國德克薩斯運輸部。將交通延誤作為判別擁堵狀態的標準。

國內對交通擁堵狀態判別標準的相關研究較少，主要根據交通速度進行判別。本文以交通速度作為路網交通狀態判別標準，借鑒梅朵等[10]基于MR-FCM的區域交通狀態識別的研究成果，將路網運行狀態分為暢通、擁堵和嚴重擁堵3種狀態，交通狀態判別指標閾值如表1所示。

表1 路網交通狀態判別指標閾值

2 實例分析

2.1 研究區域及數據來源

濰坊市作為山東省內經濟較強的城市，市區車輛較多，高峰時段交通擁堵狀況較為嚴重，尚無基于車牌識別數據進行交通運行狀態分析的案例。依據《濰坊市城市總體規劃(2011—2020)》，濰坊城市建成區在2009年的道路面積率為11.9%，平均路網密度為3.64 km/km2。

為提供交通運行狀況的基礎研究數據，給予交管部門決策依據，本文以Python爬取的濰坊市高新區路網為研究區域，以區域內60 km主干路、67 km次干路、70 km支路和773處卡口(見圖3)，1759.6萬條車輛出行數據作為研究對象，進行交通出行特征分析。

圖3 濰坊市高新區卡口點位

2.2 路網交通流量分析

通過提取連續一周全天交通流量，繪制出交通流量時變圖(圖4)，根據交通量變化曲線，總結出路網交通流量存在周期性、時間相關性和重復性3種特點。

1) 周期性。日交通量變化呈現出波浪形式，工作日波浪幅度強于周末，交通流量呈現較強的日周期性變化現象。早晚高峰出現時間均為7：00—8：00和17：00—18：00，周末全天交通量變化相對較小，交通量隨時間變化呈現出一定的周期性，周期性變化強度工作日整體強于周末。

2) 時間相關性。交通流量時變圖呈現馬鞍形，具體表現為0：00—5：00最小，6：00驟增，7：00—8：00達到波峰，9：00驟減，10：00—15：00趨于穩定，16：00驟增，17：00—18：00達到波峰，19：00—23：00迅速降低至最低點，具有明顯的時間相關性。

3) 重復性。路網交通流量表現出較強的重復性，日早晚高峰出現時間高度一致，日高峰小時交通量差距相對較小，可根據其重復特性進行交通分析。

通過對工作日早高峰(7：00—8：00)區域路網進行分析，發現工作日出行車輛數差距較小，出行交通總量基本保持在27萬輛左右。周一早高峰出行交通總量最多，達到27.42萬輛，周五早高峰出行交通總量最小，為26.55萬輛。整個區域工作日的早高峰出行交通量較為均衡，便于進行整體化分析。

通過對工作日晚高峰(17：00—18：00)區域路網進行分析，發現工作日出行車輛數集中在23萬～27萬輛。周五晚高峰出行交通總量最多，達到26.75萬輛，周四晚高峰出行交通總量最小，為23.57萬輛。整個區域晚高峰出行交通量存在一定的浮動，浮動率達到12%，可針對路網不同的交通流量提出差異化的交通管控措施，保證路網整體通行效率最優。

周末白天(7：00—18：00)交通量整體趨于穩定，總體來看，周六路網交通流量高于周日。

2.3 路網運行速度分析

在提取每輛車運行軌跡的基礎上，依據車輛經過的卡口坐標和過車時間，進而求出車輛運行速度信息。借助車輛運行速度，得到路段平均運行速度，進而獲得路網平均運行速度。基于卡口數據得到各時間段路網平均運行速度如圖5所示。

圖5 路網平均運行速度時變

區域路網白天平均運行速度為30～40 km/h，路網整體處于暢通狀態，運行狀態良好。其中，7：00—9：00路網運行速度為30 km/h以下，處于輕微擁堵狀態，與早高峰居民集中出行有關。17：00—19：00路網平均運行速度為30～40 km/h，晚高峰路網運行狀態相對較好。從晚上20：00至凌晨5：00，路網平均運行速度提升至40 km/h以上，夜間路網處于暢通狀態。

2.4 車輛歸屬地分析

根據2019年12月高新區某一周的車牌識別數據，共采集到97.6萬輛機動車的行駛軌跡，外地車占比高達25.49%，其中，省外車輛共5.7萬輛，占比約5.85%。

2.4.1 省外車輛分析

通過篩選、提取、整理、歸類分析省外車輛數據，依據個體車輛出行特征得到各省比例如圖6所示。

根據圖6，省外車輛中以浙江省車輛最多，占比近40%，浙江、四川、河北、江蘇、廣東等經濟發達省份總占比接近70%，與高新區經濟高度開放、普惠的招商引資政策有關。

圖6 省外車輛占比

2.4.2 省內車輛分析

通過篩選、提取、整理、歸類分析省內車輛數據，依據個體車輛出行特征得到省內比例如圖7所示。

圖7 省內(濰坊除外)主要城市車輛占比

根據圖7，省內的外地車輛以青島、濟南等經濟發達地區為主。青島的車輛占省內車輛(濰坊除外)1/5以上，主要原因是青濰兩地同處山東半島藍色經濟區，經濟往來緊密，且距離較近，居民之間聯系密切。

3 結論

以濰坊市高新區車牌識別數據為研究對象，通過數據篩選、處理、提取等車輛出行分析方法，得出如下結論：

1) 路網交通流量呈現出周期性、時間相關性和重復性特征，可根據居民出行特點，提出有針對性的交通改善措施；

2) 路網總體運行狀況良好，除早高峰時段路網出現擁堵狀態外，其他時間段路網均處于暢通狀態；

3) 區域內通行的車輛中，外地車占比較高，可根據路網中的擁堵節點制定高峰時段外地車限行措施。

卡口車牌識別數據作為一種新型出行數據，蘊含了城市路網運行車輛全面持續的出行信息。本文通過對車牌識別數據的挖掘，提出了能夠有效提取車輛出行信息的分析方法。該方法具有處理數據規模大，運算精度高等特點。借助車牌識別數據得到的路網交通流量、路網平均運行速度及車輛歸屬地等分析結果，對于掌握城市道路網的交通分布特征，為城市交通運行規律研究、交通擁堵緩解措施分析，以及交通需求管理政策制定提供輔助決策信息。