基于道路拥堵信息的公交出行规划系统

陶 杰，卢岩文，朱 琪，钱国栋，徐本亮，陆丽芳

（浙江清华长三角研究院先进制造技术研究所，浙江 嘉兴314000）

0 引言

优先发展公共交通已经成为城市交通发展的必然选择，是缓解城市交通问题的一种有效方法[1]。当前道路拥堵情况增多，如何利用道路拥堵信息引导公众选择合适的出行方案，避开道路拥堵，提高出行效率，是公交信息服务系统建设的任务之一，具有重要的实用价值。

对于公交出行的路径规划已经有很多研究，主要围绕路径算法及其优化展开。如李文勇等[2]提出公交出行路径的蚂蚁算法；苏莹等[3]改进了最短路径算法；何胜学等[4]给出了公交网络最优求解算法。已有研究主要针对静态公交信息展开，结合实时动态的道路拥堵信息进行优化的工作还很少。另外，通过移动通信和智能手机获取信息越来越方便。已有较多面向智能手机的公交信息系统研发工作，如鲁斌[5]、李元元[6]等分别开发了基于Android的公交信息系统。

由于道路拥堵情况是动态变化的，其变化影响着出行时间和出行效率，所以即使是熟悉当地公交的人，依然需要道路拥堵信息来帮助他们进行出行方案决策。为此，本系统结合道路拥堵信息，通过移动通信和智能手机向公众提供动态公交出行方案推荐服务。

1 道路拥堵指数

针对道路拥堵，国内外已有较多相关研究，并建立了一系列的拥堵量化指标，这些指标可以分为基于公路通行能力手册（HCM）的指标、基于排队论的指标和基于出行时间的指标等[7-8]。

本文结合道路通行数据采集的可行性、有效性、实时性、方便性，参考公路通行能力手册中的V/C指标和基于排队论的排队指标分别计算路段和交叉口的通行状况，具体如下。

（1）路段指标（路段负荷度D）[7]

式中：Vd指路段实际交通量；Cd指路段通行能力；D为比值，无量纲。则该路段的拥堵指数Id参考祝付玲等[7]的研究，列于表1。

表1 道路拥堵指数

（2）交叉口指标（红绿灯等待灯次W）

本文提出一种简便算法，用于计算红绿灯等待灯次W，见式（2）。

式中：W为拥堵车队通过交叉口的红绿灯等待灯次；q为排队长度；L为排队车辆占用长度；N是一个绿灯信号周期内通过交叉口的实际车辆数。

通过监控视频分析可得到q。考虑城市交通以乘用车为主，根据我国汽车工业协会发布的汽车车型统计分类标准[9]，轻型客车车长范围为：3.5m＜车长≤7m，同时考虑等车间距，本文取L=7。通过与向前3 次平均来平滑N的值，如式（3）所示。

式中：N0、N-1、N-2分别是最近3 次绿灯信号周期内通过的车辆数

参考孙莉芬[10]的研究，将W对应的拥堵指数Iw整理列于表2。

表2 交叉口拥堵指数

综合上述2个指标，出行方案的拥堵指数T是某一出行方案从起点到终点途经的多条路段拥堵状况的综合反映，如式（4）所示。

式中：n是该出行方案途径的路段数量；Id为路段负荷度D对应的道路拥堵指数；Iw是红绿灯等待灯次W对应的拥堵指数。

2 出行系统的设计

2.1 传统的基于B/S架构的设计

传统的出行系统一般基于B/S架构设计，采用WEB-GIS 技术实现。用户需要通过浏览器访问系统来查询所需的出行信息。这种设计存在的不足是如果用户通过电脑上的浏览器访问就不能随时、随地获取所需信息；如果用户用手机通过移动互联网浏览、查询，操作体验不佳，且会消耗较多的网络数据流量。

2.2 基于C/S架构的设计

随着移动互联网的发展和智能手机的普及，移动互联网和智能手机获取信息越来越方便。本系统采用C/S 架构，由服务器端和手机客户端组成。用户在手机上运行相关APP 软件，通过移动互联网随时、随地的访问系统，获取所需的出行信息，其中包括最新更新的动态出行信息，如当前的道路拥堵指数。

系统结构如图1所示，服务器端实现与第三方数据中心对接，为手机客户端提供服务，以及完成数据存储、分析和运算等功能。手机客户端为公众提供公交站点查询、线路查询、出行规划方案查询等。

图1 系统结构图

第三方数据接口是与公安交警数据中心对接，获取道路实时信息。由于目前无法获取道路的实时数据，本系统采用模拟数据驱动系统运行。

2.3 系统实施

服务器端采用IIS（Internet Information Services，互联网信息服务）、ASP（Active Server Pages）、SQL2008数据库进行开发。其中，与第三方数据中心的数据接口是服务器端的，负责从第三方数据中心获取交通信息数据，并按照一定规则计算路段拥堵指数，供出行方案优化时使用。

手机客户端以Android 系统为例，进行应用软件的开发。底层地图采用百度地图，上层数据均通过网络访问本系统服务器获取数据来实现。

3 出行系统的实现

3.1 系统实现的区域范围

本系统以浙江省嘉兴市部分区域为例进行开发，具体为西至中环东路，南至广益路，东至亚澳路，北至南溪西路-南溪东路，如图2所示。

图2 数据选取的区域

通过资料查阅和实地测量，共获取项目涉及的对象包括：90 个公交站点，25 条公交线路，26条道路。

3.2 系统实现过程中的改进

苏莹等[3]提出通过建立公交站点邻接表来优化存储方式，提高运行效率。原文中“邻接表”实际表示的是站点与站点之间的直达关系，故在本文中将其改称为“直达表”。本系统在苏莹等文章的基础之上，从以下两方面加以改进。

（1）原文未区分公交路线的上行、下行和内环、外环。本系统将上行、下行和内环、外环分开为两条记录来保存。

（2）考虑公交换乘时可能通过步行来完成，以某站点为中心，在其1 000m 半径范围内，查找其他邻近站点，并计算步行距离，建立站点邻接表。

如上所述，表3为直达表。以第一行为例，表示站点编号为1 和3 的站点是经过线路编号为1 的公交线路直达的，两个站点距离为632m。

表3 公交站点之间的站点直达表

表4为邻接表，以第一行为例，表示站点编号为1 和2 的站点步行距离小于1 000m，属于邻接表，实际距离为92m。

表4 公交站点步行邻接表

3.3 出行方案的算法

根据数据库的特性，在计算出行方案时，通过建立数据库关联查询视图来实现出行方案的搜索。

1次换乘的具体实现方法如下。

第一步：确定起点和终点。用户在手机端提交起点和终点，服务器端通过文字或地理空间位置查找匹配的起点和终点公交站。查找到的公交站点如果不唯一，则将相关站点反馈给用户，由用户指定唯一的起点站和终点站。

第二步：查找直达方案。利用上述公交直达表，直接查找是否有直达的出行方案。若有，则列出；若无，则进行下一步。

第三步：查找1 次换乘。利用公交直达表，查找从起点可以直达的所有站点，将这些站点作为换乘的起点，再在直达表中逐个查找是否有到终点的直达方案。若有，则该站点即为1 次换乘点，并列出该出行方案；若无，则进行下一步。

第四步：查找1次步行换乘。查找起点可以直达的所有站点，用这些站点在邻接表中查找通过步行可以换乘的所有站点，将这些站点作为步行换乘后的起点，按第三步的方法，逐个查找是否有到达终点的直达出行方案。若有，则该站点为1次步行换乘点，将该出行方案列出；若无，则进行下一步。

2 次换乘的方法类似。在本系统中未考虑3 次及以上换乘方法，故不再讨论。

通过运算，列出所有出行方案后，为每种方案匹配途经的道路数据，合计每种方案途经道路的拥堵指数。合计指数越大，说明该方案途经道路拥堵情况越严重。根据通行指数从小到大的顺序将出行方案推荐展示给用户。

3.4 出行系统实例

系统主要功能有公交站点查询、公交线路查询以及出行方案查询。以浙江清华长三角研究院为起点，南湖区政府为终点的出行方案查询为例，分别输入起点站和终点站，点搜索按钮，提交查询条件给服务器。服务器系统根据提交的起点和终点，计算并反馈出行方案给客户端。如图3所示，在每一种方案后面有拥堵指数信息，其中，0表示通畅，3表示中度拥堵，5表示途经路段有严重拥堵情况。据此，公众可以选择避开道路拥堵的出行方案。

图3 出行方案展示

4 结语

针对当前道路拥堵增多的情况，本文结合道路拥堵信息对公交出行规划系统进行优化。实践表明，本系统贴合实际情况，能引导出行者避开拥堵路段，提高出行效率，可为公众提供更丰富、更全面的信息，也更具实用价值，能提高公交系统服务水平，有助于引导公众选择公交出行方式。

本文所用的道路拥堵数据为实时监测数据，仅反映当前道路通行状况，没有考虑拥堵发生时间和持续时间，因而在引导公众选择公交出行方案时仍存在较大的局限性。因此，有待进一步深入开展针对道路拥堵的预测研究，例如如何利用安装在道路上的传感器、视频监测等设备获取的海量道路通行数据，进行数据分析与挖掘，特别是经常发生的、具有周期性的道路拥堵，研究造成其拥堵的影响因素、发生时间、持续时间等，进一步预测拥堵的起止时间，最大程度满足公众对公共出行信息的全面获取，帮助其优化出行规划。这将在原有道路基础设施不改善的情况下，引导公众选择合适的出行方案，充分利用道路资源，改善城市道路通行水平和城市环境。

[1] 王远，石琴.公交优先——现代城市交通发展的必然选择[J].交通标准化，2005（1）：113-116.

[2] 李文勇，王炜，陈学武.公交出行路径蚂蚁算法[J].交通运输工程学报，2004，4（4）：102-105.

[3] 苏莹，王英杰，余卓渊.一种建立公交网络的最短路径改进算法[J].地球信息科学，2005，7（2）：99-104.

[4] 何胜学，范炳全.公交网络最优路径求解算法[J].交通运输工程与信息学报，2007，5（1）：22-27.

[5] 李元元，贾璐.基于Android 平台的手机终端公交查询系统设计[J].计算机与现代化，2013（6）：159-161.

[6] 鲁斌. Android 手机查询公交信息系统的设计与实现[D].西安：西安电子科技大学，2012.

[7] 祝付玲，王曦，邓卫.城市道路交通拥堵评价指标体系研究[D].南京：东南大学，2006.

[8] 杨永辉，黄磊，刘昌平.基于视频分析的车辆排队长度检测[J].计算机应用研究，2011，28（3）：1037-1041.

[9] 商务部市场建设司.中国汽车工业协会关于汽车车型统计新分类解读[EB/OL].(2005-11-24)[2005-11-24].http://scjss.mofcom.gov.cn/aarticle/bz/jingjxx/200511/20051100 863661.html.

[10] 孙莉芬. 城市交通拥挤疏导决策支持系统的研究[D].武汉：华中科技大学，2005.