基于交通態勢數據的道路擁堵情況分析

摘" 要：道路擁堵情況的識別對交通需求管理具有較大意義，借助高德地圖“交通態勢API”數據，獲得新街口附近5公里范圍道路一周的擁堵情況。結合ArcGIS進行道路可視化，從整體路網擁堵情況、具體道路擁堵情況、道路性質及交通設施等相關角度對擁堵狀況與其影響因素進行系列特征分析。通過分析新街口區域的擁堵、原因及其變化規律，對緩解城市擁堵問題具有重要意義。

關鍵詞：交通態勢；道路擁堵；公共交通

" 中圖分類號：F570" " 文獻標志碼：A

DOI：10.13714/j.cnki.1002-3100.2024.15.020

Abstract： Identification of road congestion has significant implications for traffic demand management. By using the \"traffic congestion API\" data from Gaode map， the congestion situation of roads within a 5-kilometer radius around Xinjiekou in Nanjing is obtained for one week. Integrated with ArcGIS for road visualization， a series of feature analysis is conducted on congestion conditions and their influencing factors， including overall road network congestion， specific road congestion， road characteristics， and transportation facilities. Analyzing the congestion， causes， and patterns of change in the Xinjiekou area is of great significance for alleviating urban congestion issues.

Key words： traffic situation; road congestion; public transportation

0" 引" 言

城市中心是交通擁堵集中出現的地方，以城市中心為基礎，分析交通擁堵產生的時間、地點、原因，對交通管理和交通規劃具有重要意義。路網擁堵狀態識別是瓶頸點交通管理的重要前提，早期的擁堵狀態識別主要依托于人工調查、感應線圈等方式[1]，耗費大量人力和物力，而路段交通量在一周內不同日期之間存在較大差異，傳統方法很難獲得道路網以及長時間段的交通擁堵數據[2-3]。隨著交通大數據的快速發展，浮動車數據、手持終端數據、非結構化視頻數據、多源互聯網數據等均成為交通狀態識別研究的數據來源[4-5]。

已有研究主要關注交通擁堵時空分布特征，道路網平均行程車速、城市交通態勢預測等[6-7]。但受到數據來源的限制，鮮有研究考慮具體道路路段上的交通擁堵情況，以及道路性質、交通設施對交通擁堵的影響。本文針對上述不足，采用高德地圖“交通態勢API”數據，結合ArcGIS的可視化表達和空間分布分析，以南京新街口周圍5公里范圍的道路網交通態勢數據為基礎，分析具體道路路段擁堵產生的時間及空間特征，探討城市交通擁堵與道路性質、公共交通等相互影響過程，為新街口區域交通優化管理政策的制定提供支撐。

1" 高德地圖“交通態勢API”

高德地圖在線平臺通過“交通態勢API”提供不同區域交通態勢的實時情況查詢。“交通態勢API”是指以HTTP形式提供根據用戶輸入的內容返回希望查詢的交通態勢情況，即查詢指定區域或某條具體道路的實時擁堵情況。當用戶指定查詢詳細情況時，返回內容還將包括區域內各路段名稱、方向、路徑點坐標、行程車速等信息。通過“交通態勢API”可以獲取到某個區域內所有道路實時的詳細信息[8]。

" 本文采用Python語言采集上述道路交通態勢數據，交通態勢信息的獲取主要經過四個步驟：（1）申請高德開放平臺“Web服務API”秘鑰（key）；（2）拼接HTTP請求URL；（3）接受HTTP請求返回的數據（JSON），并解析數據；（4）

在ArcGIS中把交通態勢數據轉化為道路矢量[9]。采集流程如圖1所示。

2" 數據基礎情況

研究采集的道路交通態勢數據以南京市新街口為中心點，以5公里為搜索半徑，向北延伸到南京站附近道路，向西延伸到河西新區以北區域，向南延伸到中華門、雨花門附近，向東延伸到明故宮附近道路。本文每次從高德地圖開放平臺上采集到488條路段的交通態勢數據，而每一條道路分為兩個行車方向，因此采集道路約為244條。為進一步分析不同時間道路網的交通態勢數據差異，設置采集時間為2021年11月2日至2021年11月8日，即周一至周日共計7天，這一周的天氣狀況都為晴天，因此排除了天氣對道路擁堵情況的干擾。每天采集時間為08：00—20：00每間隔1個小時采集一次數據，每天采集15次數據，則7天共采集51 240條路段的交通態勢數據，采集的道路路段如圖2所示。

對于從高德地圖API獲得的數據，在ArcGIS中生成對應空間經緯度坐標的路段，并根據同一路段名進行編號，最終獲得每一個小時，488條道路路段的屬性表數據，每條道路的每一時刻，都可以根據高德數據返回的數值，獲得此條道路路段的擁堵情況。其中，數值越大，表明道路交通越擁堵，反之越暢通。高德地圖劃分出對應道路路況未知“0”，路況暢通“1”，路況緩行“2”，路況擁堵“3”四種擁堵程度等級。在ArcGIS中對獲取到的道路交通態勢進行可視化表達，某時刻道路網的屬性表數據如圖3所示。

3" 道路擁堵情況分析

3.1" 道路網整體擁堵的時間變化特征

分別統計新街口附近5公里范圍內工作日及休息日8：00—22：00的交通擁堵指數，由此得到總體日變化趨勢圖（見圖4和圖5）。其中，折線分別表示工作日和休息日的時均值。從總體日變化趨勢，可得出以新街口為中心的道路網擁堵的路段總數在100條左右，從周一開始，擁堵道路數量呈現遞增趨勢，在周六道路網擁堵情況最為嚴重，達到176條，而周日擁堵情況有所緩解。

" 從每個小時的道路網擁堵路段總數可以看出，工作日與休息日道路擁堵的情況有較大不同。在工作日中，變化趨勢呈明顯“M”型，早高峰為8點左右，晚高峰為18點左右，白天谷值出現在13點，18點過后，道路擁堵情況迅速下降，到晚上21點之后，整個道路網幾乎無擁堵情況發生。本文研究區域位于南京市中心區域，覆蓋了南京市主城區大部分居民的通勤空間，因此結果與南京居民日常出行的早高峰和晚高峰時間相符。在休息日中，8點和9點整個道路網幾乎無擁堵情形發生，交通處于“基本通暢”狀態。而后道路擁堵數逐漸增加，在周六下午15點到達一個小高峰，這是因為此時城市居民出行購物娛樂需求開始增多。到達下午18點來到整個星期的最高峰，在244條道路中，擁堵的道路數約為35條，占比14.3%。18點之后，道路擁堵情況迅速緩解，但下降速度比工作日有明顯的滯后，在22點時，整個道路網仍有少量道路發生擁堵。

從一周整體情況看，新街口附近道路網擁堵情況在下午18點附近最為嚴重，此時道路網擁堵情況呈短時間迅速增加和迅速減少趨勢，道路網壓力較大，因此相關交通部門應重視此時交通擁堵情況，及時做好交通管理以及交通擁堵疏導。城市規劃部門應重視城市通勤時間，實現“錯峰出行”，在早、晚高峰時段，尤其是周五晚18點及周六下午15點，采取相應的措施，合理改善人們的出行模式，鼓勵居民乘坐公共交通。

3.2" 具體擁堵道路時空變化特征

本文在整體道路網擁堵情形的基礎上，針對具體道路的擁堵時空分布特征，做了進一步的研究分析。對研究區域488條路段即244條道路的擁堵時間進行累加統計和排名。

" 基于擁堵時間累加數據，擁堵時間排名前10位如表1所示。研究發現，共計108條道路在一周內發生過擁堵，占比44.3%；在一周內擁堵時間大于等于7個小時的道路共計33條，占比13.5%；共計10條道路在一周內擁堵時間大于等于20個小時，占比4.1%。龍蟠中路輔路、中山東路、豐富路在所有道路中擁堵時間最長，平均每天的擁堵時間都在7個小時以上，因此這些道路的擁堵不僅僅在于高峰時段，而是一直都很擁堵，這些道路的交通政策、交通規劃、交通管理，以及交通設施的供給層面都應給予足夠的重視。對于不同時段的交通擁堵情況分析如下：早高峰時間段（8點左右），擁堵時間最長的道路為長樂路、中山南路和中山北路；晚高峰時間段（18點左右），擁堵時間最長的道路為中山東路、漢中路和長樂路，這三條道路幾乎每天晚高峰都會堵車；周末擁堵時間最長的道路為中山東路、龍蟠中路輔路和豐富路，分別為21小時、14小時、14小時。而廣州路在周末兩天內擁堵的時間僅為3小時，說明在廣州路段，造成擁堵的原因與居民工作日通勤有關。

" 從擁堵道路的空間分布來看（見圖6），擁堵發生的路段主要位于四個區域：位于西北面的中山北路附近，此區域幾條擁堵的道路都與鼓樓環形交叉口相連，該區域擁堵的原因可能與多條主干路相交有關；位于廣州路附近的區域，此處與新街口CBD相連，附近工作地點較多，因此在工作日高峰期間會造成嚴重的擁堵；位于南側區域的夫子廟附近，以中華路為代表擁堵路段，此處靠近旅游區，道路斷頭路多、連通性差，是造成擁堵的原因之一；位于東北側的龍蟠中路附近區域，此處在明故宮附近，工作地較多是此區域產生擁堵的重要原因。從擁堵道路呈現集聚性可以看出，道路擁堵往往呈現相互干擾的情況，一條主干道擁堵，與這條主干道相連的次干路、支路都有大概率發生擁堵。對于交通擁堵的改善，不應著眼于某一條道路，而在深入分析此區域產生擁堵原因基礎上，從土地利用規劃和交通需求管理層面，整體改善道路網擁堵情況。

3.3" 道路擁堵與道路性質關系分析

對一周擁堵時間在14小時以上的道路等級及其斷面形式進行分析，通過表2可以看出，擁堵時間在14小時以上的20條道路中，主干路為5條，次干路為12條，支路為3條，道路擁堵主要發生在次干路中。從擁堵道路的斷面形式可以看出，多為三塊板或一塊板形式，這些道路中，多采用隔離欄的形式將車行道分成三部分，中間為機動車道，兩旁為非機動車道。在一些次干路和支路中，所有的車輛都在同一條車行道上雙向行駛，機非沖突非常嚴重。新街口區域的道路建設演變過程中，道路多為原有道路向兩側拓寬而成，因此鮮有四塊板的道路斷面形式，而只能采用簡單的隔離欄分隔車行道。在一些連通性強的主干路和次干路中，如廣州路、中華路、漢中路等路段，車道數較少，道路紅線寬度過窄，難以滿足道路上產生的交通需求。另一方面，這些連通性的道路兩側多為商住功能，紅線拓寬以及改為四塊板的可能性很低，由此造成了這些道路的擁堵情形在短時間內不能得到改善。為采取有效疏解交通擁堵的方法，應轉為減少這些道路的交通需求，而鼓勵附近居民乘坐公共交通或將交通需求轉移到其他道路上。

3.4" 道路擁堵與交通設施關系分析

3.4.1" 疊加軌道交通站點分析

在道路網上疊加軌道交通線路和軌道交通站點，根據軌道交通站點影響范圍相關研究，取軌道交通站點周圍800米半徑的范圍為影響區域建立緩沖區[10]，將緩沖區與一周累積擁堵時間大于7小時的路段，以空間分布為基礎進行疊加，如圖7所示。從圖7中可以看出，擁堵的道路與軌道交通線路并線的概率較少，而大多位于站點到站點之間，一些擁堵道路周圍無軌道交通站點，甚至不在軌道交通站點周圍800米范圍內。擁堵道路的密度與軌道交通站點的密度大體呈現負相關的關系。由于軌道交通線路的建設和軌道交通站點的開通，居民通勤出行更加的方便，采用軌道交通的時間少于小汽車出行的時間，且軌道交通大多位于地下，對地面道路不造成干擾，可以有效分擔區域的交通需求，減緩道路擁堵情況。從擁堵道路與軌道交通站點的疊加分析中，也為未來軌道交通的建設提供指導意義，例如針對中山北路嚴峻的擁堵情況，可考慮開通一條并線的軌道線路，向南連通廣州路、豐富路，向東連通龍蟠中路、光華路等。

3.4.2" 疊加公交線路分析

將一周累積擁堵時間大于7小時的路段與新街口附近公交線路網疊加，公交線網數據來自開放街道地圖（OpenStreetMap）[11]，將道路分為與公交線路重合的擁堵路段與無公交線路的擁堵路段。疊加結果如圖8所示，在擁堵時間大于7小時的32條道路中，共有18條路段與公交線路并線。南京市新街口附近公交線路已趨于成熟，覆蓋大量主干路和次干路，然而從擁堵道路可以得出，大量擁堵時間較長的次干路仍然沒有公交線路覆蓋。相關研究已經得出交通擁堵與公交線路密度呈現負相關關系，與擁堵道路并線的公交線路可分擔大量交通需求[12]。交通擁堵路段多集中在居住地與工作地之間的次干路上，而公交線路最好的覆蓋范圍就在次干路，從公交線路對道路擁堵的影響來看，一些連通性較強、出行需求較大的次干路上，暫時無公交線路覆蓋，是道路產生擁堵的重要原因之一。

4" 結論與討論

" 本文為分析新街口附近道路交通擁堵情況，以Python語言獲取高德地圖“交通態勢API”數據，并對獲取到的488條路段擁堵數據，在ArcGIS里進行可視化表達。揭示一周時間每次間隔1小時的道路擁堵情況的內在特征。研究結果顯示：工作日的道路網擁堵在8點和18點到達高峰，休息日的道路網擁堵在18點到達高峰，并在15點有一個小高峰；共計108條道路在一周內發生過擁堵，龍蟠中路輔路、中山東路、豐富路擁堵情況最為嚴重，平均每天的擁堵時間都在7個小時以上；擁堵發生的路段空間分布上主要位于四個區域，且與工作地點具有很強相關性；擁堵主要發生在次干路中，擁堵的道路車道數較少，多為三塊板形式或一塊板形式；擁堵道路的密度與軌道交通站點的密度大體呈現負相關的關系，開通一條與擁堵道路并線的軌道交通線路，將減少道路上交通需求，緩解交通擁堵；一些連通性較強、出行需求較大的次干路上，暫時無公交線路覆蓋，是道路產生擁堵的重要原因之一。

" 從交通需求管理措施上，基于新街口道路擁堵情況的分析，可采取三方面的TDM優化策略。（1）優化城市結構與土地利用策略。道路擁堵與工作地點具有強相關關系，引導城市新區的用地空間布局與開發，進一步提倡“多中心”空間結構規劃，實現分中心與周圍用地的緊密結合，使得分區內部出行發生和吸引得以均衡，以減少人口和就業崗位的分離。（2）優化交通結構策略。繼續完善發展新街口附近區域的軌道交通和公共交通、慢行交通等，限制擁堵區域小汽車的快速增長，改善公交服務、提高公交吸引力等。在市中心擁堵區域，可考慮增加停車收費等投入成本低、技術設備少、操作性強、難度小的經濟手段。（3）優化道路交通流策略。大多擁堵道路的斷面形式和紅線已無法優化、近期可根據擁堵道路的時空間變化特征及時完善交通管理策略，并考慮采用組織單向交通，設置可變車道等策略緩解擁堵。

參考文獻：

[1] 楊兆升，王爽，馬道松. 基礎交通信息融合方法綜述[J]. 公路交通科技，2006，23（3）：111-116.

[2]" K？魻RNER CHRISTINE， HECKER D. Analyzing temporal usage patterns of street segments based on GPS data-a case study in Switzerland[C] // International Review of Management amp; Business Research， 2013.

[3]" CALAFATE C T， SOLER D， CANO J C， et al. Traffic management as a service： The traffic flow pattern classification problem[J]. Mathematical Problems in Engineering， 2015（21）：1-14.

[4] 陸化普，孫智源，屈聞聰. 大數據及其在城市智能交通系統中的應用綜述[J]. 交通運輸系統工程與信息，2015，15（5）：45-52.

[5] 魯小丫，宋志豪，徐柱，等. 利用實時路況數據聚類方法檢測城市交通擁堵點[J]. 地球信息科學學報，2012，14（6）：775-780.

[6] 張建旭，郭力瑋. 基于在線地圖交通態勢分析的路網擁堵狀態識別[J]. 交通運輸系統工程與信息，2018，18（5）：75-81.

[7] 孫秋霞，孫一心，趙術蘭. 基于TPI數據的交通擁堵狀況時空特征分析——以青島市為例[J]. 山東科技大學學報（自然科學版），2018，37（5）：88-96.

[8] 秦異帆，石飛. 地圖時空大數據爬取與規劃分析教程[M]. 南京：東南大學出版社，2019.

[9] 魯武當. 基于交通態勢數據的城市道路平均行程速度時空分布特征及預測研究[D]. 西安：長安大學，2019.

[10] 朱震軍. 面向通勤的軌道站點影響區交通設施配置方法研究[D]. 南京：東南大學，2019.

[11]" CRUCITTI P， PORTA S， LATORA V. Centrality measures in spatial networks of urban streets-art. no. 036125[J]. Physical Review， E. Statistical， Nonlinear， and Soft Matter Physics， 2006，73（2）：1-5.

[12] 吳亮. 城市公交線網優化研究——以蘭州市為例[D]. 蘭州：蘭州交通大學，2014.

收稿日期：2023-07-31

作者簡介：王寶樂（1997—），男，江蘇宿遷人，南京林業大學汽車與交通工程學院碩士研究生，研究方向：道路交通規劃設計與交通安全；韓寶睿（1973—），本文通信作者，男，山東安丘人，南京林業大學汽車與交通工程學院，副教授，博士，碩士生導師，研究方向：交通規劃與交通流特征。

引文格式：王寶樂，韓寶睿，董任，等. 基于交通態勢數據的道路擁堵情況分析[J]. 物流科技，2024，47（15）：80-84.