道路交通狀態指數的模型構建及應用

方志苗,謝皓汛

（1.重慶警察學院基礎教研部,重慶 401331; 2. 重慶市酉陽縣公安局,重慶 409800）

0 引言

近年來，隨著現代化都市道路交通擁堵的日益加劇和交通大數據信息化的快速發展，公安交通管理工作引入大數據應用，對道路交通管理和決策開展科學化和精細化的改革[1]。在日常道路交通路況中，通常以紅、黃、綠來表示道路交通運行的路況[2]。但僅用顏色來表示道路交通運行狀態雖然直觀，卻不能表示不同顏色交通運行狀況的程度差異，更不能區分同一種顏色的程度差異。因此傳統以紅、黃、綠三色定性描述道路交通運行狀態的方式已經跟不上時代發展的步伐[3]。

為實現道路運行狀況的數據化，需要制定數字化的指標來描述道路交通運行狀態[4]。該文立足于公安視頻平臺和高德交通信息發布平臺數據，著眼于交通智能化、可視化的需求，在上海市擁堵指數的基礎上增加車流量指標參數[5]，構建交通狀態指數計算模型，并對指數進行分級。同時在不同路段對該指數計算模型進行驗證以確定局限性，并對交通狀態指數進行展望。

1 研究路段的基本道路工程情況和道路交通狀態

該文模型數據采集于重慶市南岸區的城市快速路海峽路（鵝公巖大橋至四公里立交方向）。海峽路為城市快速路，中央綠化隔離帶寬1.2 m，雙向6車道，雙向車道對稱，車道寬3.75 m，路肩寬0.8 m，道路限速70 km/h，設計速度60 km/h。西接鵝公巖大橋，東連江南立交，相交路段有南濱路、大石路，途經趙家壩立交、南湖立交，是一條進出南岸區的主干道。

根據高德地圖交通信息發布平臺公布的重慶市早晚高峰擁堵排名顯示，海峽路作為重慶市通勤日早高峰擁堵道路中擁堵延時指數（城市居民平均一次出行實際旅行時間與自由流狀態下的旅行時間的比值）最高的一條道路，指數達5.12，其早高峰行車速度6.45 km/h，基本處于堵塞狀態，晚高峰行車速度18.16 km/h，早晚高峰擁堵延時指數介于3.8~6.4，平均耗時比自由流時段多3.1倍。該文在交通狀態指數模型中采用基本通行能力，海峽路段設計速為60 km/h，即通行能力1 800 vel/h。

2 道路交通狀態指數模型構建及應用

上海市道路交通擁堵指數結合行程速度、車道數、自由流速度通過加權計算從宏觀角度得出的交通擁堵指數的數學計算模型，將交通擁堵指數0~100劃分為4個等級，對應暢通、較暢通、擁擠、堵塞四種擁堵情況。

該文提出的交通狀態指數是以一定范圍內各個路段實時采集的高德地圖用戶的平均車速為基本參數，按道路的車流量和通行能力加權計算，并經過標準化后計算生成。計算模型如下：

式中，vf——自由流車輛速度；vi——不同時段行車速度，即運行速度；——路段飽和度；N——路段觀測橫截面經過的實際車流量；C——路段所有車道的通行能力。TSI取值范圍0~10，所得數值越大，道路交通狀態越差（車流密度越大），數值越小，道路交通狀態越好（車流密度越小）。

下述將以海峽路段早高峰時段的實際車流量、運行速度、自由流速度數據著手進行，參照采集斷面車流運行速度、車流量數據所得出的車流密度與高德地圖大數據團隊給出延時擁堵指數（出行旅行時間與自由流暢通時間作比）比較驗證該文所提出的交通狀態指數能更為準確地描述交通擁堵狀況。

2.1 數據收集

采用道路監控視頻人工統計的方式采集車流量。基礎數據采集時間段為2月20日—3月31日，期間在每日早高峰（7：00—9：00）、晚高峰（17：00—19：00）、平峰階段（11：00、13：00和15：00）內每小時隨機采集2個5 min時段，由5 min的車流量得出該小時段的小時車流量，進而得到早高峰、晚高峰、平峰時段的車流量。車流量采集的地點（斷面）選取在公安視頻基礎平臺上重慶南岸海峽路加油站出口右側的視頻監控觀測斷面上。該地段道路運行條件符合整條路段的道路工程條件，無大幅度坡道、立交聚分流等因素的影響，且該斷面位于整個路段的中間路段，所采集的車流量能夠代表海峽路路段的車流量。車輛運行速度數據來自高德地圖交通信息發布平臺，自由流速度為高德用戶無其他交通要素干擾下的運行速度（通常采取的夜間車流量極小時所采集用戶平均在該路段的運行速度66 km/h）。

通過數據整理得到，在采集時間跨度內早高峰時段運行速度介于14~42 km/h，平均速度為31 km/h，車流量介于660~1 710 veh/h；晚高峰時段車輛運行速度介于31~53 km/h，斷面車流量介于1 110~1 640 veh/h；平峰時段車輛運行速度介于30~45 km/h，車流量介于1 270~1 480 veh/h。

2.2 數據處理

早高峰時段，海峽路在采集40日中有24日都處于不穩定流的狀態，13日處于接近不穩定車流，1日處于自由流狀態，飽和度介于0.65~0.97；交通狀態指數介于0.27~6.36，交通狀態指數與車流密度、飽和度的變化趨勢相同。晚高峰時段，有8 d處于不穩定流的狀態，30 d處于接近不穩定車流，2 d處于自由流狀態，飽和度介于0.63~0.94；交通狀態指數介于0.92~4.66，交通狀態指數與車流密度、飽和度的變化趨勢相同。

通過對每時段數據代入公式所得的交通狀態指數和飽和度，并結合服務水平與交通流的狀態關系，得到圖1~2。

圖1 交通狀態指數與飽和度關系

圖2 交通狀態指數與車流密度關系

對圖1~2以二分法將交通狀態指數進行等級劃分。首先將交通狀態指數分為暢通和擁堵兩個顯著差異數據區間，在此基礎之上，在每個半區繼續分為2種指數特征，即形成4個閾值區間，將交通狀態指數分為4級，交通狀態指數越大，車流密度、飽和度越大；交通狀態指數越小，車流密度、飽和度越小。如表1所示。

表1 交通狀態指數路況等級對應表

2.3 數據的差異性比對

經過數據模塊化的統計比對，交通狀態指數在車速低于15 km/h時，交通狀態指數不符合路況對應表的車流密度與路段飽和度的對應值。

在表2所采集統計的7個車速低于16 m/h的通勤時段中，將采集的車流量和車速等數據代入交通狀態指數數學模型中，并將所得值對應到路況對應表中，車流密度、飽和度普遍都有1到2個等級的誤差，此時車流的狀態已處于時走時停、極不穩定的狀態，車流量和速度同時由大變小，直至為零，交通密度隨交通量的減少而增大。此時的交通流狀態早已不屬于正常狀態，屬于堵塞近乎停滯的異常狀態，因此海峽路交通狀態指數在低于16 km/h時（即自由流速度的四分之一時，下文稱非正常車速）不適用于交通狀態指數數學模型計算公式。

表2 車流密度和飽和度對應表

3 交通狀態指數特點分析

3.1 極端路況下的誤差驗證

在速度極低狀態下的7個通勤日中，將采集的車流量、車速代入公式得到交通狀態指數與所對應的車流密度與路段飽和度均不相符，偏差很大。因為此時的道路運行狀況屬于極不正常狀態，車流幾乎處于堵塞停滯狀態。

在車速接近路段自由流速度狀態下的4個通勤日中，將采集的車流量、車速導入數學模型計算公式中所得到的交通狀態指數與所對應車流密度、路段飽和度均相符，并且交通狀態指數與車流密度、飽和度的變化趨勢保持一致，即交通狀態指數越大，車流密度、飽和度越大。

3.2 在其他不同道路條件的道路上的誤差驗證

菜園壩大橋路段不包括坡度和彎道等因素，模型計算公式在正常車速的時間節點上均成立；正常車速的時間節點上不符合交通狀態指數數學模型計算公式，標紅單元格的數值與交通狀態指數對應的車流密度、飽和度閾值區間不相符，如表3所示。因此在不含坡道、彎道的橋梁、隧道路段，該文構建的交通狀態指數數學模型計算公式成立。

表3 菜園壩大橋車流密度和飽和度對應表

另外選取次支干路——中山二路和有坡度影響、彎道參入路段，驗證發現

交通狀態指數數學模型計算公式在隨機采集的四個時間節點中有不相符的情況，因此，該文構建的交通狀態指數數學模型計算公式對上述路段不適用。

3.3 交通狀態指數的優勢

該文所構建的交通狀態指數較高德地圖大數據團隊給出的擁堵延時指數更能在數值上體現出道路交通運行優劣程度上的不同。

在研究路段平均行車速度為32 km/h時四個通勤日中，高德地圖與上海市的擁堵指數均為一個定值（表4所示），而應用交通狀態指數能夠將道路運行狀況體現在數值上，再將交通狀態指數的數值所對應的車流密度、路段飽和度等指標將道路運行狀況體現在具體路況。

表4 交通狀態指數與擁堵指數對比

4 交通狀態指數的展望

在紅黃綠三色評價道路運行狀況時，交通運行態勢預測分析報告中只有單一的車速參數，無法表示車流具體的運行態勢，也就無法就道路運行的實時路況合理施策。而交通狀態指數評價了道路運行的真實情況，能夠表示車流密度，較傳統顏色區別道路運行狀況，能夠以數值的形式直觀地表達車流在道路上的狀況，為道路交通管理部門提供信息化支撐。后續，將坡道系數、轉彎半徑系數、交通設施利用率、重車混入等因素并入評價交通狀態指數的數學模型計算公式當中，形成各有側重、互相補充、多維度考量的交通狀態指數體系。

5 結語

在全力推進大數據建設縱深發展的背景下，推進公安交通管理工作創新，是時代與技術發展的必然趨勢。該文構建的交通狀態指數將道路運行狀況進行量化，得出相應的交通密度、飽和度等指標和對應運行情況，以服務于道路交通管理的量化管理，便于給出具有針對性的舉措，給民眾出行提供數據化、可靠的出行指南。