基于數據挖掘的路網交通擁堵特征分析

黃艷國， 劉紅軍， 金超

(江西理工大學電氣工程與自動化學院， 贛州 341000)

隨著各大城市的高速發展，機動車的數量正在大幅增長，全國大多數城市的路網結構無法滿足快速增長的汽車需求，進而導致交通擁堵，而交通擁堵又會引發通勤時間和燃料用量的增加，這無疑是對資源的浪費，更嚴重的是對環境的污染也會加劇[1]。因此，探索和分析區域路網交通擁堵的時空特征至關重要。

交通擁堵是指路網容納不下交通流量所導致的，擁堵強度及其特征的量化是制定緩解擁堵措施的基礎[2]。目前國內外的許多研究者進行了多項研究，主要集中在擁堵較為嚴重的大城市，并提出多個指標來分析擁堵特征，如車流量、車流密度、車輛行駛速度、出行延誤和行駛時間都可用來評估道路擁堵程度及其特征[3]。隨著各種擁堵測量方法不斷發展，道路擁堵指數、擁堵嚴重程度指數和擁堵持續時間指數等也相繼被廣泛采用。王芹等[4]采用平均速度和限行速度構成的速度指標來評價北京高速公路網的擁堵情況；孫建平等[5]通過蔓延理論研究城市道路空間網絡拓撲結構并分析了交通擁堵的時空特性；陳紹寬等[6]通過改進后的時空指數，研究北京二環路段的交通狀況和周圍路網交通擁堵的特征；Tanzina等[7]、Wang等[8]分別利用浮動車數據和行程時間比數據為數據源，對研究區域進行了有效的時空特征分析。在大數據應用方面，何兆成等[9]利用采集的全球定位系統(global positioning system，GPS)數據構建可視化模型來直觀反映區域路網擁堵特征； Rempe等[10]通過獲取實時數據來具體研究區域路網在時空上的分布特征；趙從光[11]通過開發軟件抓取大數據研究了西安市交通擁堵在每日、每周、每月的時空分布特征。

針對上述特征研究發現，利用交通信息數據研究交通擁堵主要集中在微觀層面，采用的數據指標比較單一。基于路網交通擁堵的相關研究，現通過抓取實時出行時間指數數據和道路實測數據相結合的方式，利用大數據聚類分析方法對研究區域路段進行定量化研究，以期更準確地揭示路網擁堵的時空分布特征，為緩解城市道路交通擁堵提供一定參考。

1 研究區域與數據來源

1.1 研究區域概況

各個城市由于城市規模、人口密度、經濟水平、路網結構等存在一定差異，交通擁堵情況也會有所不同，因此有必要對不同城市交通擁堵展開特定研究，從而更好地解決交通相關問題。以贛州市章貢區的道路網絡作為研究對象，章貢區是贛州市的市轄區，也是贛州市的經濟和交通中心，位于昌贛深和渝長廈“一縱一橫”高鐵大動脈的交叉點，交通路網結構如圖1、圖2所示。主要的研究重點區域為文明大道、紅旗大道、南門口、三康廟，紅旗大道處于研究區域的中心地帶，此路段擁堵狀況時常發生。當早晚高峰時段，路段的減速停車排隊長度有時多達幾百米，因此選擇此區域路網作為研究對象，通過對紅旗大道周邊區域當前的交通運行狀況進行調查分析，對研究交通擁堵傳播和緩解交通擁堵具有重要意義[12]。

圖1 研究區域衛星示意圖

1～31表示研究區內道路編號

1.2 數據來源及計算方法

出行時間指數(travel time index，TTI)[13]是研究交通擁堵程度方面使用較多的指標數據，它是車輛實際的行程時間與在自由流狀態行程時間的比值，或者是自由流速度與實際速度的比值，如某條道路行駛時間比為1.3，表示該時段行駛的時間比自由流狀態多0.3倍。值越大表示交通擁堵程度越嚴重，其他如異常天氣(如雨、雪、霧等)或者道路突發情況可能對TTI的數值產生影響。隨著車輛定位技術的發展，各種數據采集變得更加便捷，為城市交通擁堵的研究提供了豐富可靠的數據。根據章貢區部分路段的交通運行情況，從百度地圖上抓取實時路況數據，時效性是百度地圖數據的一大優點，能夠及時更新出行時間指數和道路運行狀態[14]。為了防止出行時間指數數據的抓取數據的缺失，導致數據量不足的情況，另外進行道路固定點采集交通流，經式(1)計算得到出行時間指數數據。

(1)

式(1)中：Tt為車輛實際的平均行駛時間，s；Tm為車輛在自由流時平均行駛時間，s；Vm為在自由流時行駛速度，km/h；Vt為實際的行駛速度，km/h。某條道路的TTI指數的計算公式為

(2)

(3)

式中：Vlm(t)為道路l在t時刻的道路限速，即自由流速度，是依據道路等級規定的；Vlt(t)為道路l在t時刻的實際行駛速度；D為道路的長度，km；T1、T2分別為駛入道路的時間和駛出道路的時間。若要計算幾條道路、一個轄區甚至一個城市的TTI指數，則需要根據道路等級和道路間的行駛速度加權處理，公式為

(4)

(5)

式中：n為轄區的道路總數；Di為道路i的長度；Wi為道路的權重，可根據主干道、次干道、支路等級和車流量劃分，道路所能容納的交通流越大，權重就越高；Vit、Vim分別為道路i的實際行駛速度和自由流速度。根據2020年中國發布的《城市道路交通管理評價指標體系》[15]中以道路車輛的平均速度來判定擁堵程度，以此作為研究區域擁堵程度劃分的依據，具體指數數據與擁堵程度劃分如表1所示。

表1 出行時間指數數據與道路運行等級

利用在百度上抓取的交通指標數據和道路定點采集的交通流數據，選取2021年1月4—17日作為分析時間，記錄每天6:00—22:00每隔10 min的數據。在對交通道路進行分析前需將獲得的數據進行處理，從獲得的數據可以發現，出行時間指數在每周之間有很大的周期性，因此先整理數據，數據集為14 d(兩周)。依據出行時間指數的大小范圍，對異常值進行刪除處理，缺失的數據用定點采集的交通流數據進行計算補齊。

城市交通的出行需求大多是市民的通勤出行，市民通勤出行的周期性變化導致城市交通流也有相似的周期性。不同等級的道路如主、次、支路自由流速度差別較為明顯，可根據獲取的指數數據和檢測數據進行計算分類。研究城市交通擁堵的分布特征，需先對獲取的指數數據進行定量研究，針對出行時間指數數據的特點，然后對研究區域的交通擁堵時間特性和空間特性進行分析[16]。

2 出行時間指數聚類分析

城市的交通網絡是由路段和交叉口組成的，不同時間節點、地點都會形成不同的交通流，其特征也不相同。交通擁堵是路網在一定時間內供求不平衡的現象，當交通路網發生擁堵時，根據交通波的車輛流動特性，速度和交通量通常表現為線性關系，上下游的交通量因蔓延發生顯著變化。在路網的上游路段，通行量開始下降，車流密度開始增加，行駛速度的下降導致車輛延誤、行程時間增加。在路網的下游路段，車輛數量數減少，流量也隨之下降，如圖3所示。

圖3 交通擁堵源蔓延示意圖

在城市路網中，交通擁堵一般呈現周期性變化，每周的變化情況大致相同，為了研究不同道路的交通運行狀態，對各路段在6: 00—22: 00的出行時間指數數據采用聚類分析，對工作日的數據進行聚類，聚類算法應用較多的有系統聚類和K-means聚類算法等，聚類分析是將收集的數據進行分類，把差異變化不大的數據分為一類，差異較大的數據分到另一類，然后依次迭代分類。聚類分析方法的具體步驟如下。

步驟1對于K-means聚類算法，首先確定k值，選擇合適的聚類中心。

步驟2輸入數據集D=(x1,x2,…,xn),聚類簇k,最大迭代次數為n；輸出簇D=(y1,y2,…,yk)，從數據D中隨機選取k個樣本，計算xi和k個樣本的距離dij,計算公式為

(6)

將樣本標記為dij距離最小的類別cj，然后又對cj中樣本重新計算出最短距離，重復計算之后，若距離不再發生變化，則結束計算。

步驟3輸出簇分類D=(c1,c2,…,ck)。

道路的平均行駛速度是計算數據的數值變量，以指數數據為分類對象，得出速度變化差異小的相同道路類型，可以揭示不同道路類型的行駛速度特征。由于數據量較大，因此選擇K-means聚類法進行分析，出行時間指數數據將道路運行等級分為5類，因此聚類初始中心選取5個。從聚類結果發現研究區域暢通和基本暢通數據量較少，將其合并為一類，最終聚類分為四類時效果最佳，默認迭代10次，最后將研究區域的道路類型分為4類，四種道路類型指數曲線如圖4所示，道路聚類分析結果如表2所示。

表2 聚類結果

圖4 四種典型道路出行時間指數曲線

第一類路段主要有文明大道、東陽山路等，存在明顯的早、晚高峰，持續時間較短。第二類有高琰路、文山路等，早高峰明顯擁堵，可能是由于處于居住區上班族較多導致的擁堵。第三類有環城路、西郊路等，早、晚高峰存在明顯差異，主要是路段內學校在下午放學時家長接孩子導致的。第四類有紅環南路，路段車輛行駛速度接近道路限速，出行時間指數數據在早高峰期間在1.4左右，晚高峰有所增加，但未達到擁堵階段，屬于基本暢通階段，交通運行良好。

3 擁堵時空分布特征分析

3.1 時間變化特征

時間變化特征是指交通道路狀態隨時間變化而相應變化的特性，聚類分析出的4種不同類型的交通特征后，可對不同分類特征進行特征描述，主要包括早晚高峰和周期性等特征。工作日和周末的交通擁堵模式差異較大，雖然道路運行狀態一直都在波動，但總體仍呈現周期性。如圖5～圖12所示，是區域典型路段的工作日和周末的交通數據圖，首先以同一路段的工作日與周末橫向對比，然后以不同道路的工作日縱向對比來進行分析。

從橫向對比中，以文明大道為例進行分析，如圖5、圖6所示，此類道路是市民上班族上班的必經路，出行需求較高。道路特征是早、晚高峰都有較明顯的高峰，峰值間是指數數據相對較低的平峰。工作日路段早高峰開始大約在早晨7：00，結束的時間大概在上午9：00。晚高峰持續時間為17：30—19：00，這反映了市民在工作日的工作時間，大多企業在8：00—9：30營業，因此交通量從7：00—8：00增加，隨后減少。早高峰形成快但消散較慢，而晚高峰則與此相反。對比工作日來看，周末擁堵狀況明顯好轉，車輛速度波動范圍小，白天的行車速度明顯大于工作日。這是由于在工作日，市民出行方式固定，出行的時段基本相同，在周末，市民沒有相對固定的出行時間，但在下午18：00左右，市民會選擇出門，晚高峰相對于工作日的晚高峰持續時間長。

圖5 文明大道工作日指數變化趨勢

圖6 文明大道周末指數變化趨勢

縱向對比不同路段，對于類型二，以高琰路為例，如圖7、圖8所示，高琰路周圍多為住宅區，工作日早高峰較明顯，市民出行較為集中，而下班時段市民有時加班，有時參加娛樂活動，回家時間不一，因此晚高峰不明顯。對于類型三，以西郊路為例，如圖9、圖10所示，這類道路兩側一般都有學校，在工作日，小學在下午16：30左右放學，家長提前在學校門口接孩子，人員集中勢必會引起道路擁堵等情況，所以晚高峰較早高峰明顯。對于類型四，以紅環南路為例，如圖11、圖12所示，此類道路為文明大道和紅旗大道的連接段，兩端為區域主干道，交通車流大，無論是駛進車輛還是駛出車輛，都能很快地流通，因此全天整體上無明顯擁堵，行駛速度較為平穩。

圖7 高琰路工作日指數變化趨勢

圖8 高琰路周末指數變化趨勢

圖9 西郊路工作日指數變化趨勢

圖10 西郊路周末指數變化趨勢

圖11 紅環南路工作日指數變化趨勢

圖12 紅環南路周末指數變化趨勢

3.2 空間變化特征

交通擁堵的空間變化過程由道路結構和出行需求共同作用。由于復雜的路網結構，交通流在交叉口轉向時極易發生擁堵，當某個交叉口發生擁堵時，其空間傳播并不是均勻地擴散到相鄰的路段上，如發生擁堵點時，會以0.1、0.2、0.5不等的傳播率進行擁堵擴散，其中后續主路段受其影響較大，如圖13所示。上游路段與下游路段有相同的網絡拓撲結構，但因各路段與交叉口的通行量及距交叉口的位置不同，所受擁堵影響也不同。若路網結構單一，車輛就極易朝一個方向行駛，也就不會因轉向而降低車速。

圖13 交通擁堵傳播路徑示意圖

根據交通時間分布特征來看，一周的工作日和周末交通擁堵有差異，其具體是在時間上的不同，周末的擁堵發生時間一般要滯后于工作日，但周末擁堵的持續時間要比工作日大，因此可以通過具體擁堵點，對擁堵的空間變化進行分析。以1月4日早高峰為例分析研究區域擁堵空間特征，如圖14所示，顏色深淺代表擁堵程度，以1～10為變化程度。由于1月4日是工作日，學校正常上課、公司正常營業等條件，因此早高峰在早晨7：00左右，各路段口交通車流陸續增加，車速降低，擁堵開始形成。

圖14 研究區域早高峰擁堵熱力圖

在早晨7:00左右，只有幾個路段口出現擁堵現象，為典型的點擁堵階段，較嚴重的路口有南門口和三康廟等。在7:25左右，擁堵開始加劇，由交叉口向路段逐漸擴散，通過早高峰的路況數據可以直觀反映出擁堵的路段及擴散方向，其中高琰路和文山路上升較快，高琰路和文山路相離不遠，很快由兩個交叉口引起的點擁堵逐漸形成線擁堵。在7:50左右，擁堵進一步擴大，高琰路和文山路屬于支路，道路通行量較小，又是居民和學校集聚地，附近有住宅區、小學和商場等，路口的擁堵逐漸向外擴散，先影響上游如廉泉路和福壽路等路段，隨后擁堵向下游蔓延，由高琰路逐漸向文明大道和紅旗大道擴散，形成了面擁堵狀態。在工作日期間，由于出行時間較為集中，在8:20左右，面擁堵漸漸傳播到其他路段，但其他主路通行量較大，擁堵得到減緩，最后處于正常通行狀態。在早高峰期間整體上大部分路段呈現中度擁堵狀態，個別路段樞紐處于嚴重擁堵狀態，在早高峰形成期間交通擁堵表現出點、線并存的空間擁堵特征，點擁堵多發生于路段口處，若路段口的不同方向的擁堵程度較高，則此路口可認定為擁堵源。結合地圖可以發現，擁堵點的附近一般分布著大型商場、學校、住宅區等人流較大的場所，如南門口、三康廟附近都有大型商場，中間路段多為學校等，并由此點擁堵向周圍擴散蔓延形成線甚至面擁堵的趨勢。可以看出，交通擁堵在路網中的分布主要有點擁堵、線擁堵及面擁堵3種形式，通過道路上某個局部路段的擁堵，沿道路交通線向外傳播蔓延，若交通需求持續增長而未有效疏解，則最終演變為區域性的擁堵。

4 結論

基于研究區域的出行時間指數數據，結合檢測的數據對交通運行指數進行了計算和分析，為分析不同道路的交通狀態特征，采用數據挖掘分析的方法，將所研究的道路進行劃分，從時間維度和空間視角對路段特征和擁堵規律進行闡述，總結了區域交通擁堵的周期性和擁堵擴散的蔓延趨勢，在時間上存在每日、每周的相似性，在空間上表現為由點向線再到面的擁堵擴散規律，對于任何一種路網拓撲結構，以出行時間指數數據來分析路網擁堵特征，可以促進對交通擁堵演化的研究。后續在交通指數數據豐富的條件下，也會引入不同季度的天氣和交通事故數據，為整個區域的交通擁堵管理提供一定支持。