CN104318773A - 一种基于交通拥堵时空总量的交通拥堵测定方法 - Google Patents

Abstract

本发明公开了一种基于交通拥堵时空总量的交通拥堵测定方法。本发明首先根据道路等级及实际需求将道路分割为若干路段，并计算各路段的行程车速、流量、出行时间比值、饱和度。其次根据路段出行时间比值和饱和度，构建路段交通运行状态识别标准，应用该标准判定每个路段的交通运行状态。然后计算各等级道路的综合权重，对统计范围中单位时间内处于拥堵状态的路段进行加权累积获得统计范围单位时间的拥堵时空总量。最后累积单位时间内的拥堵时空总量获取统计时间段的交通拥堵时空总量。本发明基于海量连续观测数据进行数据分析，实现了城市交通运行状态的长期监测；提出交通拥堵时空总量，从微观、中观、宏观角度同时对交通拥堵状态进行测定。

Description

一种基于交通拥堵时空总量的交通拥堵测定方法

技术领域

本发明属于交通拥堵定量分析与测定技术领域，具体是一种利用城市交通出行的时间、空间特性，对交通拥堵进行综合、定量、科学测定的方法。

背景技术

随着城市化、机动化水平的不断提高，交通拥堵已成为世界各大城市普遍面临的棘手问题。城市交通是一个动态、开放、综合的巨大系统，供求关系复杂，而交通拥堵的产生、演化和消散更是一个复杂过程。全面客观的测定交通拥堵程度、实时精准的掌握交通拥堵态势，是深入分析、研究交通拥堵治理的重要基础和前提。

传统的城市交通拥堵测定多使用流量、车速、延误、服务水平等指标，或人为设定拥堵阈值，此类方法主要存在以下问题：

1)人为设定拥堵阈值、人工判断拥堵程度缺乏科学依据；

2)主要侧重于微观、局部的拥堵测定，缺乏针对整体交通拥堵程度的监测和评定；

3)主要侧重拥堵路段的即时发布，较少涉及长期城市交通运行状态监测；

4)无法用一个指标，从微观、中观、宏观同时对交通拥堵状态进行测定。

发明内容

有鉴于上述现有的交通拥堵测定方法存在的缺陷，本发明提供了一种新颖的、能全面科学测定交通拥堵状态的方法，以解决现有技术的不足。

为了解决现有技术中的上述问题，本发明提供了以下解决方案：

1)根据道路等级及实际需求将道路分割为若干路段。

2)计算单位时间Δt内各路段的行程车速、流量。

3)计算单位时间Δt内各路段的出行时间比值、饱和度。所述出行时间比值为路段当前车速与畅行车速的比值，其中畅行车速为低交通量条件下的车辆行驶速度；所述饱和度为路段当前流量与道路通行能力的比值。

4)根据路段出行时间比值和饱和度，按组内差异尽可能小、组间差异尽可能大的原则聚类分析构建路段交通运行状态识别标准，应用该标准判定每个路段的交通运行状态(分为畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵五个等级)。

5)计算各等级道路的综合权重k。

6)对统计范围中单位时间Δt内处于拥堵状态的路段进行加权累积获得统计范围单位时间的拥堵时空总量。

$\mathrm{TST}\left(\mathrm{\Δt}\right)=[k_1\·\underset{i=1}{\overset{m_1}{\mathrm{\Σ}}}(l_{1,i}\·n_{1,i})+k_2\·\underset{i=1}{\overset{m_2}{\mathrm{\Σ}}}(l_{2,i}\·n_{2,i})+k_3\·\underset{i=1}{\overset{m_3}{\mathrm{\Σ}}}(l_{3,i}\·n_{3,i})+k_4\·\underset{i=1}{\overset{m_4}{\mathrm{\Σ}}}(l_{4,i}\·n_{4,i})]\·\mathrm{\Δt}$

其中k₁、k₂、k₃、k₄分别为快速路、主干路、次干路、支路的道路权重，l_1,i、l_2,i、l_3,i、l_4,i分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段长度，n_1,i、n_2,i、n_3,i、n_4,i分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段车道数，m₁、m₂、m₃、m₄分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段总数。

7)累积单位时间内的拥堵时空总量获取统计时间段的交通拥堵时空总量。

$\mathrm{TST}\left(t\right)=\underset{i=1}{\overset{\frac{t}{\mathrm{\Δt}}}{\mathrm{\Σ}}}\mathrm{TST}\left({\mathrm{\Δt}}_i\right)$

其中t为统计时间段，Δt_i为统计时间段t内第i个单位时间Δt。

作为优选，所述步骤1)应采用梯次划分法：第一梯次应以道路网节点为划分依据，第二梯次以合适的路段长度为划分依据。对于快速路，一般先以匝道、互通立交为分割节点，路段过长可继续打断，路段划分宜以500-1000米为基本长度，关键地段可降至300米；对于主次干路、支路，一般先以灯控路口为分割节点，路段过长可继续以非灯控路口、重要人行道等为分割节点，路段划分宜以300-500米为基本长度，特殊地段可降低至200米。考虑到中心城区交通拥堵状况相比外围更为复杂，路段长度宜遵循“中心短、外围长”的原则。

作为优选，所述步骤2)可根据车辆GPS数据或车牌识别数据等计算获得各路段的行程车速、流量数据。

作为优选，所述步骤3)可在该路段行程车速的海量历史数据中，选择行程车速最大的前15％样本的均值作为该路段的畅行车速；通行能力按照相应规范计算取值。

作为优选，所述步骤4)中路段交通运行状态判别标准构建步骤如下：

a)采用K-means算法，分别对出行时间比值和饱和度进行聚类分析，得出各等级道路的拥堵、一般、畅通3级拥堵测定阈值。若两次结果的聚类中心差异小于5％，认为聚类结果基本可信。

其中，聚类分析初始设定如下：

b)根据出行时间比值、饱和度的拥堵测定阈值，形成各道路等级的5级拥堵测定方法，5级分别为严重拥堵、中度拥堵、轻度拥堵、畅通、非常畅通。

作为优选，所述步骤5)中道路的综合权重k为道路经过的车辆数与路网内总车辆数的比值，可区分道路等级(如快速路、主干路、次干路、支路)、地域(如核心区、主城区)、时间段(如高峰、非高峰)等进行差异化构建。

作为优选，所述步骤6)中选取处于“严重拥堵”的路段作为路网拥堵时空总量数据源，统计范围可包括道路、核心区、片区、主城区、市域等不同空间粒度。通过比较各统计范围内的拥堵时空总量，可进一步分析各统计范围(如片区)对路网拥堵时空总量的贡献情况。

作为优选，所述步骤7)中，统计时间段可包括高峰、日、周、月、季、年等不同时间粒度。

与现有技术相比，本发明的有益效果在于：

1)本发明基于实际交通运行数据测定交通拥堵状态，更为科学合理。

2)本发明基于海量连续观测数据进行数据分析，实现了城市交通运行状态的长期监测。

3)本发明实现了针对整体路网的交通拥堵测定。

4)本发明用交通拥堵时空总量，从微观、中观、宏观角度同时对交通拥堵状态进行测定。

附图说明

图1为本发明的实例中得到的路网全天交通拥堵时空总量曲线图。

图2为本发明的实例中得到的路网交通拥堵时空总量全月变化曲线图。

具体实施方式

下面结合附图对本发明做进一步详细描述，但不作为对本发明的限定。

本发明方法包括以下步骤：

1)根据道路等级及实际需求将道路分割为若干路段。

2)计算单位时间Δt内各路段的行程车速、流量。

3)计算单位时间Δt内各路段的出行时间比值、饱和度。所述出行时间比值为路段当前车速与畅行车速的比值，其中畅行车速为低交通量条件下的车辆行驶速度；所述饱和度为路段当前流量与道路通行能力的比值。

4)根据路段出行时间比值和饱和度，按组内差异尽可能小、组间差异尽可能大的原则聚类分析构建路段交通运行状态识别标准，应用该标准判定每个路段的交通运行状态(分为畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵五个等级)。

5)计算各等级道路的综合权重k。

6)对统计范围中单位时间Δt内处于拥堵状态的路段进行加权累积获得统计范围单位时间的拥堵时空总量。

$\mathrm{TST}\left(\mathrm{\Δt}\right)=[k_1\·\underset{i=1}{\overset{m_1}{\mathrm{\Σ}}}(l_{1,i}\·n_{1,i})+k_2\·\underset{i=1}{\overset{m_2}{\mathrm{\Σ}}}(l_{2,i}\·n_{2,i})+k_3\·\underset{i=1}{\overset{m_3}{\mathrm{\Σ}}}(l_{3,i}\·n_{3,i})+k_4\·\underset{i=1}{\overset{m_4}{\mathrm{\Σ}}}(l_{4,i}\·n_{4,i})]\·\mathrm{\Δt}$

其中k₁、k₂、k₃、k₄分别为快速路、主干路、次干路、支路的道路权重，l_1,i、l_2,i、l_3,i、l_4,i分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段长度，n_1,i、n_2,i、n_3,i、n_4,i分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段车道数，m₁、m₂、m₃、m₄分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段总数。

7)累积单位时间内的拥堵时空总量获取统计时间段的交通拥堵时空总量。

$\mathrm{TST}\left(t\right)=\underset{i=1}{\overset{\frac{t}{\mathrm{\Δt}}}{\mathrm{\Σ}}}\mathrm{TST}\left({\mathrm{\Δt}}_i\right)$

其中t为统计时间段，Δt_i为统计时间段t内第i个单位时间Δt。

所述步骤1)中，由于下一步将利用车辆GPS数据计算各路段车速，如划分路段过长，易将拥堵的效果平均化，造成“削峰”，不能灵敏地反应路段拥堵的真实情况；如划分路段过短，将造成计算时间过长，且整体道路的拥堵状态过于零散、不连贯。因此，为灵敏、连贯、迅速地反应路段拥堵状况，应采用梯次划分法：第一梯次应以道路网节点为划分依据，第二梯次以合适的路段长度为划分依据。对于快速路，一般先以匝道、互通立交为分割节点，路段过长可继续打断，路段划分宜以500-1000米为基本长度，关键地段可降至300米；对于主次干路、支路，一般先以灯控路口为分割节点，路段过长可继续以非灯控路口、重要人行道等为分割节点，路段划分宜以300-500米为基本长度，特殊地段可降低至200米。考虑到中心城区交通拥堵状况相比外围更为复杂，路段长度宜遵循“中心短、外围长”的原则。

所述步骤2)中，可根据车辆GPS数据或车牌识别数据等计算获得各路段的行程车速、流量数据。

所述步骤3)中，为尽量靠近真值，规避数据漂移、跳跃、失真等造成的误差，可在该路段行程车速的海量历史数据中，选择行程车速最大的前15％样本的均值作为该路段的畅行车速；通行能力按照相应规范计算取值。

所述步骤4)中，路段交通运行状态判别标准构建步骤如下：

a)采用K-means算法，分别对出行时间比值和饱和度进行聚类分析，得出各等级道路的拥堵、一般、畅通3级拥堵测定阈值。若两次结果的聚类中心差异小于5％，认为聚类结果基本可信。

其中，聚类分析初始设定如下：

b)根据出行时间比值、饱和度的拥堵测定阈值，形成各道路等级的5级拥堵测定方法，5级分别为严重拥堵、中度拥堵、轻度拥堵、畅通、非常畅通。

所述步骤5)中，每条道路、每个路段在路网中的地位和作用不尽相同，与道路等级、位置、时间、流量等各个参数均有关系。因此，需要针对不同情况制定道路的综合权重k，k为道路经过的车辆数与路网内总车辆数的比值，可按照道路等级(如快速路、主干路、次干路、支路)、地域(如核心区、主城区)、时间段(如高峰、非高峰)等进行差异化构建。

所述步骤6)中，选取处于“严重拥堵”的路段作为路网拥堵时空总量数据源，统计范围可包括道路、核心区、片区、主城区、市域等不同空间粒度。通过比较各统计范围内的拥堵时空总量，可进一步分析各统计范围(如片区)对路网拥堵时空总量的贡献情况。

所述步骤7)中，统计时间段可包括高峰、日、周、月、季、年等不同时间粒度。

图1为路网全天交通拥堵时空总量曲线图，反映了城市交通拥堵状态一天内随时间的变化情况。

图2为路网月交通拥堵时空总量曲线图，反映了一月内每日平均及早、晚高峰的交通拥堵状态变化情况。

Claims (8)

1.一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于该方法包括如下步骤：

1)根据道路等级及实际需求将道路分割为若干路段；

2)计算单位时间Δt内各路段的行程车速、流量；

3)计算单位时间Δt内各路段的出行时间比值、饱和度；所述出行时间比值为路段当前车速与畅行车速的比值，其中畅行车速为低交通量条件下的车辆行驶速度；所述饱和度为路段当前流量与道路通行能力的比值；

4)根据路段出行时间比值和饱和度，按组内差异尽可能小、组间差异尽可能大的原则聚类分析构建路段交通运行状态识别标准，应用该标准判定每个路段的交通运行状态，分为畅通、基本畅通、轻度拥堵、中度拥堵、严重拥堵五个等级；

5)计算各等级道路的综合权重k；

6)对统计范围中单位时间Δt内处于拥堵状态的路段进行加权累积获得统计范围单位时间的拥堵时空总量；

$\mathrm{TST}\left(\mathrm{\Δt}\right)=[k_1\·\underset{i=1}{\overset{m_1}{\mathrm{\Σ}}}(l_{1,i}\·n_{1,i})+k_2\·\underset{i=1}{\overset{m_2}{\mathrm{\Σ}}}(l_{2,i}\·n_{2,i})+k_3\·\underset{i=1}{\overset{m_3}{\mathrm{\Σ}}}(l_{3,i}\·n_{3,i})+k_4\underset{i=1}{\overset{m_4}{\mathrm{\Σ}}}(l_{4,i}\·n_{4,i})]\·\mathrm{\Δt}$

其中k₁、k₂、k₃、k₄分别为快速路、主干路、次干路、支路的道路权重，l_1,i、l_2,i、l_3,i、l_4,i分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段长度，n_1,i、n_2,i、n_3,i、n_4,i分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段车道数，m₁、m₂、m₃、m₄分别为快速路、主干路、次干路、支路处于严重拥堵状态下的路段总数；

7)累积单位时间内的拥堵时空总量获取统计时间段的交通拥堵时空总量；

$\mathrm{TST}\left(t\right)=\underset{i=1}{\overset{\frac{t}{\mathrm{\Δt}}}{\mathrm{\Σ}}}\mathrm{TST}\left({\mathrm{\Δt}}_i\right)$

其中t为统计时间段，Δt_i为统计时间段t内第i个单位时间Δt。

2.根据权利要求1所述的一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于：所述步骤1)采用梯次划分法：第一梯次以道路网节点为划分依据，第二梯次以合适的路段长度为划分依据；对于快速路，先以匝道、互通立交为分割节点，路段过长可继续打断，路段划分宜以500-1000米为基本长度；对于主次干路、支路，先以灯控路口为分割节点，路段过长可继续以非灯控路口、重要人行道为分割节点，路段划分宜以300-500米为基本长度。

3.根据权利要求1所述的一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于：步骤2)根据车辆GPS数据或车牌识别数据计算获得各路段的行车车速、流量数据。

4.根据权利要求1所述的一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于：步骤3)畅行车速是在路段行程车速的海量历史数据中，选择行程车速最大的前15％样本的均值作为该路段的畅行车速；通行能力按照相应规范计算取值。

5.根据权利要求1所述的一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于：步骤4)中路段交通运行状态判别标准，构建步骤如下：

a)采用K-means算法，分别对出行时间比值和饱和度进行聚类分析，得出各等级道路的拥堵、一般、畅通三级拥堵测定阈值；若两次结果的聚类中心差异小于5％，认为聚类结果基本可信；

其中，聚类分析初始设定如下：

b)根据出行时间比值、饱和度的拥堵测定阈值，形成各道路等级的五级拥堵测定：

分别为严重拥堵、中度拥堵、轻度拥堵、畅通、非常畅通。

6.根据权利要求1所述的一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于：步骤5)中道路的综合权重k为道路经过的车辆数与路网内总车辆数的比值，可按照道路等级、地域、时间段进行差异化构建。

7.根据权利要求1所述的一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于：步骤6)选取处于“严重拥堵”的路段作为路网拥堵时空总量数据源，统计范围包括道路、核心区、片区、主城区、市域等不同空间粒度。

8.根据权利要求1所述的一种基于交通拥堵时空总量的交通拥堵测定方法，其特征在于：步骤7)中统计时间段可包括高峰、日、周、月、季、年等不同时间粒度。