基于实时路况数据的原发性交通拥堵点判别——以北京市二环以内为例

赵 天 天，张 晶，王 彦 兵

(首都师范大学三维信息获取与应用教育部重点实验室，北京100048;首都师范大学资源环境与旅游学院，北京100048)



基于实时路况数据的原发性交通拥堵点判别
——以北京市二环以内为例

赵 天 天，张 晶，王 彦 兵

(首都师范大学三维信息获取与应用教育部重点实验室，北京100048;首都师范大学资源环境与旅游学院，北京100048)

以北京市二环内道路为研究区域，将实时路况数据矢量化并构建其路网间拓扑关系，根据原发性拥挤与继发性拥挤时序上的差异，提出定量的拥堵度变化点的判别准则，将拥堵度变化点分为原发性拥堵、继发性拥堵、原发性消散、继发性消散4类。研究发现原发性拥堵的时空分布符合居民出行特征，重点集中于二环内热点区域，发生在岔路口处的概率较大，且验证了继发性较原发性在时空顺序上的滞后性。

交通拥堵；实时路况数据；原发性拥堵；继发性拥堵

0 引言

随着我国城市化进程不断加快，城市交通拥堵已成为影响居民生活、城市面貌的重大问题。由于城市交通拥堵的影响因素较多，诸如车辆保有量增多、通勤距离增加、交通管理设施不完善等，使得在复杂的交通环境下难以确定拥堵发生的根源。1990年，Pisarki[1]按照交通拥挤发生的原因将其分为常发性交通拥挤(Recurrent Traffic Congestion)和偶发性交通拥挤(Non-Recurrent Traffic Congestion)，又根据拥挤产生时刻的先后顺序，将其分为原发性交通拥堵(Primary Traffic Congestion，指在道路瓶颈处首先形成的交通拥堵)和继发性交通拥堵(Secondary Traffic Congestion，指由原发性交通拥堵的回流和蔓延而形成的交通拥堵)。

近年来，国内学者[2,3]多根据拥堵产生的先后顺序对交通拥堵进行分类，如初始交通拥挤[4]、原始交通拥挤[5]及后续交通拥挤[4，5]等。郝媛等[6]根据常发性拥挤形成时是否受到外界干扰将其分为主动式拥挤和被动式拥挤，其本质与原发性交通拥挤及继发性交通拥挤相同。原发性交通拥挤是交通疏导的重点[4]，对其发生的时间和地点进行判别可为交通治理提供决策依据，但现有的研究中以判别交通拥堵状态和常发性拥挤为主，对于原发性交通拥挤的判别与分析较少。本文以北京市二环内道路为研究区域，以百度实时路况数据为数据源，根据原发性拥挤与继发性拥挤时空顺序差异，提出拥堵度变化点的判别决策树，将拥堵度变化点分为原发性拥堵、继发性拥堵、原发性消散、继发性消散4类，分析各类拥堵点的分布特征，有助于决策者快速确定主要交通拥堵源，对交通拥堵进行有效治理。

1 实时路况数据预处理

1.1 实时路况数据

目前，交通流信息可以通过车辆检测器、浮动车GPS数据、公交IC卡数据、低空遥感平台等方式获取[7]，但往往需要大量的前期数据处理工作才能提取到交通流速度信息。实时路况数据是通过道路上的监测设备或车辆上的定位设备获得的，能实时反映城市的道路交通状况。近年来，实时路况数据被应用于多方面研究[8-11]。例如，根据不同等级道路的平均车速，将道路拥堵状况分为3个等级[12]：1)畅通：城市快速路和联络线平均速度高于50 km/h，主干道平均交通速度大于20 km/h；2)缓行：城市快速路和联络线上平均速度高于20 km/h低于50 km/h，主干道的平均速度高于10 km/h低于20 km/h；3)拥挤：城市快速路和联络线上平均速度低于20 km/h，主干道的平均速度低于10 km/h。

尽管实时路况数据仅有3个等级的交通拥堵程度信息，并不具有更加精确的实时速度信息，但通过获取多时相的北京市大范围交通路况数据，可以直接检测到道路拥堵度变化点，免去了繁杂的数据处理、拥堵状态提取等过程，依旧能够满足本研究中提取原发性拥堵点的要求。因此，本文采用从百度地图中下载得到的实时路况数据进行研究。

1.2 数据预处理

本研究中获取北京市二环以内2013年12月份某一周第17缩放级别的实时路况数据，坐标系为WGS84。该数据每隔5 min获取一次，理论上每天共获取288个时间片，受网络传输速度影响，实际获取的时间片略少于288个。

为了便于路况信息的存储与处理，将获取的栅格格式的实时路况瓦片数据以等间距道路点的形式存储。首先将某一时刻的瓦片数据拼接成完整栅格图，将完整栅格图矢量化成线状图，按50 m距离将线段打断成点，将其以SHP图层的格式存储在计算机中。再逐点读取不同时间片下该点所处的瓦片图像位置的像素值，绿色则将其属性值记为1，表示畅通;橙色则记为2,表示缓行;红色则记为3,表示拥堵。最终得到带有路况信息的矢量点图层,图1(见封3)显示的是某工作日早9:00的路况信息。

由于原发性拥挤与继发性拥挤具有先后次序差异，拥堵点的类型与其时空邻域内的变化有关。但矢量点图层中的点为离散性的，无法搜索其空间邻域，因此需要按照实际交通流向记录道路中点与点之间的拓扑关系。如图2所示，路段中的点沿交通流均有一个前进方向，而在辅路进出口处以及路口处的点可能会有多个前进方向。将道路点在每个前进方向上最近点(本文简称“前方向点”)的唯一标志码originalID记录在该点的NP属性中，每个前方向点的标志码使用句点分隔开(图3)。本研究区域中的道路并非完全闭合，因此将处于交通流末尾的道路点的属性标记为“END”以示结束。

图2 交通流向示意 图3 点图层前方向点属性表示例

Fig.2 The schematic diagram of traffic flow directions Fig.3 Attribute table of former direction points

2 道路拥堵点类型判别

2.1 拥堵类型判别依据

原发性拥堵点与继发性拥堵点空间上相连，只是产生的时间先后不同，因此确定原发性交通拥堵与继发性交通拥堵的关键在于对道路产生拥挤时刻的先后判断[2]。在时间维上，每个道路点的拥堵程度有可能增加，也有可能降低或不变。拥堵度增加则视为拥堵的加剧状态，拥堵度降低则视为拥堵的消散状态，但并不是所有的拥堵加剧和拥堵消散都为原发的，只有当该点的拥堵度变化是在时空相邻的区域内首先发生的，才为原发性的，否则为继发性。因此，将时空邻域内拥堵度首先增加的称为原发性拥堵，首先降低的称为原发性消散;反之，在时空邻域内拥堵度并非首先增加的称为继发性拥堵，并非首先降低的称为继发性消散。

2.2 拥堵类型判别准则

由于道路的交通状态是否拥堵只受前方向道路的交通状态及前一时刻的交通状况所影响，而不会受后方向道路与后一时刻的交通状态影响。因此本文设定对于某一道路点，该点的空间邻域内的点为该点和该点的前方向点，该点的时间邻域为该点当前时间片及当前时间的前一时间片，拥堵点类型判别的因子为：1)Ci(t)：第i个道路点在当前时刻(t)的拥堵度；2)Ci(t-1)：第i个道路点在前一时刻(t-1)的拥堵度；3)Cj(t)：道路点i的前方向点j在当前时刻(t)的拥堵度；4)Cj(t-1)：道路点i的前方向点j在前一时刻(t-1)的拥堵度。

依照原发性与继发性发生的时序性，提出交通拥堵点判别规则，构建决策树(图4)，当前道路点拥堵度增加时，如果前方向点拥堵度降低或不变，则该点在当前时刻为原发性拥堵点，反之为继发性拥堵点；当前道路点拥堵度降低时，如果前方向点拥堵度增加或不变，则该点在当前时刻为原发性消散点，反之为继发性消散点；当前道路点拥堵度不变时，认为该点当前时刻状态不变。据此将其分为原发性拥堵、原发性消散、继发性拥堵、继发性消散及拥堵度不变。

图4 类型判别决策树

Fig.4 Decision tree of the type discrimination

2.3 拥堵类型判别的实现

本文利用C#语言编程实现以上提出的判别决策树，对2013年12月份某一周的实时路况信息进行判别。但是对于有多个前方向点的道路点，其判别结果会有多个，不便于分析。分析统计结果表明，多数道路点判别结果一致，将多个结果合并即可，而判别结果不一致的道路点不足0.5%，因此本文在分析时只记录出现最多次数的类型，当出现次数相同时只记录最先出现的类型。

3 判别结果分析

3.1 拥堵度变化点时间分布特征

城市交通拥堵以早晚高峰最为严重，交通流拥堵程度的变化也最为频繁。以2 h为间隔，统计某周三(工作日)与同周周日(双休日)两天不同时段的各类型拥堵度变化点的个数，如图5、图6所示。工作日受早晚高峰影响，整体上呈现两个峰值;而双休日居民出行以休闲娱乐居多，与工作日相比，其出行时间与地点弹性较大，峰值变化并不明显。

受工作日居民通勤需求影响，工作日早晚高峰前期(6:00-8:00、16:00-18:00)，出行需求处于显著增加过程(图5)，该时段拥堵点多于消散点，而在早晚高峰后期(8:00-10:00、18:00-20:00)，出行需求显著减少，呈现出消散点多于拥堵点的状态，也从侧面反映出交通流拥堵过程为先拥堵后消散的扩散规律。与之相比，工作日的其他时刻及双休日，出行需求处于相对平衡的状态，拥堵点与消散点较为均衡。

图5 工作日各类型拥堵度变化点数统计 图6 双休日各类型拥堵度变化点数统计

3.2 拥堵度变化点空间分布特征

由于原发性拥挤与继发性拥挤具有先后次序的差异，继发性拥堵点(消散点)往往位于原发性拥堵点(消散点)的后方。如图7(见封3)所示，某工作日8:00，大部分城市主干道发生拥堵度变化，其中红色点为原发性拥堵点，蓝色点为原发性消散点，原发性拥堵点(消散点)数量明显少于继发性拥堵点(消散点)，且原发性拥堵点(消散点)多处于交叉路口，其后方往往跟随多个继发性拥堵点(消散点)，验证了原发性与继发性的空间顺序性。对每个点统计该点一天内发生原发性拥堵的次数，如图8(见封3)、图9(见封3)所示，发生原发性拥堵次数较多的多为热点活动区域周边的交叉路口。其中工作日的原发性拥堵点主要集中在以西直门、广安门、广渠门等为主的大型立交，主要职能为连通二环内外的交通流；以鼓楼、南锣鼓巷、王府井等热点片区为主的周边交叉路口，受其文化价值或商业价值影响导致其周边发生拥堵状况较多；其余发生次数较多的原发性拥堵点主要分布于较大居民片区及医院附近，主要由于停车场等基本设施不完善造成车辆拥挤。

双休日、工作日与发生原发性拥堵的空间位置大致相同，但双休日的原发性拥堵点发生次数明显多于工作日。主要在于工作日居民有固定的出行时间和路径，而双休日的出行较为随机，且出行时间不拘泥于早晚高峰，容易产生更多的交通拥堵。

3.3 各类型拥堵度变化点构成统计

道路点的位置不同，拥有的前方向点数也不同。如图2所示，路段上的点一般只有1个前方向点，而位于进出辅路的道路点一般有2个前方向点，路口位置的道路点一般有3个前方向点，大型交叉路口甚至会有3个以上的前方向点。由于研究区域中的道路并非完全闭合，存在无前方向点的道路点，即交通流出口。对拥有不同前方向点的道路点数进行统计(图10)，路段上的点数远多于交叉路口的点数。

图10 拥有不同前方向点的道路点数统计

Fig.10 The number of points count by the number of different former direction points

以某一工作日的数据为例，该天共获取272个时间片的路况数据，二环以内道路点8 634个，因此得到2 339 814(2 718 634)个时间点。除无前方向点的道路点以外，统计拥有不同前方向点的道路点中不同类型拥堵点所占的比例(图11)。所有时间点中，大部分道路点拥堵度不变，而拥堵度变化点中，拥堵点与消散点数大致相同。路段中的点(只有1个前方向点)中，拥堵度变化点主要为继发性，而在岔路口处的点(有多个前方向点)中，拥堵度变化点主要为原发性。由于路段中的点远多于岔路口处的点，因此原发性道路点主要集中在路段上，但实际上原发性道路点发生在岔路口处的概率更大。

图11 拥有不同前方向点的道路点中4种类型所占百分比

Fig.11 The percentage of different congestions in points which has different number of former direction points

4 结论

区分原发性拥堵与继发性拥堵并确定原发性拥堵的时空特征是解决交通拥堵问题的前提。本文根据原发性拥堵与继发性拥堵的时空顺序差异，提出类型判别决策树，并基于实时路况数据对北京市二环内道路进行判别，发现原发性拥堵点的时空分布符合居民出行特征，且发生于交通路口处概率更大。

本文提出的判别方法具有一定的普适性，但尚不十分严谨，如现有研究中主要关注于拥堵度变化的点，而忽略了持续拥堵且拥堵度不变的点以及原发性拥堵点可能向道路前方扩散等问题。在今后的研究中，将继续探索更为精确的拥堵类型及其判别方法，并结合土地利用数据进一步分析与原发性拥堵的相关性及其产生机制，深入探索拥堵产生的根源。

[1] PISARKI A E．Summary of the Recommendations of the Workshop on National Urban Congestion Monitoring[R]．U.S.Department of Transportation，Federal Highway Administration，Office of Highway Information Management，1990．

[2] 刘建华．城市道路常发性交通拥挤扩散范围估计方法研究[D]．吉林：吉林大学，2007．

[3] 刘梦涵．面向特大城市的分层次交通拥堵评价模型及算法[D]．北京：北京交通大学，2009．

[4] 王德章．论城市车流交通拥堵的机理及其评价[J]．辽宁警专学报，2010(6)：75-78．

[5] 谈晓洁，周晶，盛昭瀚．城市交通拥挤特征及疏导决策分析[J]．管理工程学报，2003(1)：56-60．

[6] 郝媛，徐天东，孙立军．城市快速路常发性交通拥挤分析[J]．交通与计算机,2007(2)：91-94,98．

[7] 陈阳舟，田秋芳，张利国．基于神经网络的城市快速路交通拥堵判别算法[J]．计算机测量与控制，2011(1)：167-169．

[8] OSCAR F，LI Z，ANAS M．Real-time traffic information for emergency evacuations[J]．Journal of Transportation Safety & Security，2010，2(1)：69-83．

[9] JEAN B，ANDREI B，ALASTAIR B，et al．Using real-time road traffic data to evaluate congestion[J]．Dependable and Historic Computing，2011，6875：93-117．

[10] 鲁小丫，宋志豪，徐柱，等．利用实时路况数据聚类方法检测城市交通拥堵点[J]．地球信息科学学报，2012(6)：775-780．

[11] 吴正明，陆淑伟．基于实时交通最优路径算法的研究[J]．机械与电子，2011(10)：20-22．

[12] 贾森．基于实时信息的城市道路交通状态判别方法研究[D]．北京：北京交通大学，2007．

Research on Primary Traffic Congestion Recognition Based on Real-Time Traffic Data: A Case Study of Area within the Second Ring Road in Beijing

ZHAO Tian-tian,ZHANG Jing,WANG Yan-bing

(KeyLabof3DInformationAcquisitionandApplicationofMinistryofEducation,CapitalNormalUniversity,Beijing100048;CollegeofResourceEnvironmentandTourism,CapitalNormalUniversity,Beijing100048,China)

There are amount of factors of traffic congestion,and the complexity of propagation mechanisms of traffic flow makes it difficult to discover the target to solve traffic congestion problem.According to the difference in sequentially between primary traffic congestion and secondary traffic congestion,a criteria to distinguish traffic congestion was proposed in this paper.That can divide congestion degree changing point into primary congestion,secondary congestion,primary dissipation and secondary dissipation.The data of research is the real-time traffic data within the Second Ring Road in Beijing.The results show that the occurrence of primary congestion is significantly less than secondary congestion,and secondary congestion always lags behind primary congestion,which verifies the difference in sequentially between them.And the spatial and temporal distribution of primary congestion is consistent with the characteristics of residents travel.It always focuses on hot spots region in the research area,furthermore,the ratio of primary congestion happens in the intersection is more than that in the road.

traffic congestion;real-time traffic data;primary traffic congestion;secondary traffic congestion

2014-10-17；

2014-12-31

2013年度首都师范大学文化研究院重点项目(ICS-2013-A-01)

赵天天(1990-)，女，硕士研究生，研究方向为交通地理信息系统。E-mail：zhaott7@hotmail.com

10.3969/j.issn.1672-0504.2015.03.020

U121;P208

A

1672-0504(2015)03-0104-04