基于速度和出行时间指数的道路机动性评估方法及应用——以深圳市为例

鞠 炜 奇,杨 家 文,林 雄 斌

(北京大学城市规划与设计学院,广东 深圳518055)



基于速度和出行时间指数的道路机动性评估方法及应用
——以深圳市为例

鞠 炜 奇,杨 家 文*,林 雄 斌

(北京大学城市规划与设计学院,广东 深圳518055)

采用出租车GPS移动轨迹数据,根据道路通行速度和出行时间指数(TTI)构建一种城市道路机动性的评估方法,为居民出行提供决策支撑。以深圳市为例,将该评估方法用于测算1 km×1 km均分方格区内出租车的载客平均速度和道路机动性,并引入出行时间指数计算道路机动性的变化程度。结果表明,以速度和出行时间指数评估道路机动性的空间差异及其动态变化,能为评定道路机动性提供决策支持。

道路通行速度;出行时间指数;出租车GPS数据;道路机动性;深圳市

0 引言

城市交通系统在重塑居民出行方式和城市空间结构等方面发挥着重要作用。然而,随着快速城市化和社会经济的持续发展,大城市的交通问题尤其是其道路机动性(road mobility)恶化带来的时间延误、经济损失和空气污染等,逐渐成为新型城镇化发展的制约因素[1,2]。另一方面,居民通勤等日常“活动-移动”(activity-travel)对道路机动性日渐依赖,交通理念也逐渐从传统工程视角转向人文视角,城市道路机动性作为居民出行条件和出行能力的直接反映,已经成为居民的一项基本生活权利以及理解城市交通问题的重要窗口之一[3,4]。例如,2009年欧盟委员会行动计划指出了城市可持续机动性的重要性[5,6]。

道路通行速度能直观反映道路基础设施的服务水平,而城市道路机动性受到道路基础设施服务水平和非畅通时段道路拥堵等因素的影响。因此,如何衡量道路拥堵状况以及拥堵与道路机动性的关系成为机动性测算的重要方法之一。目前,国内外大城市均积极开展机动性评估及其交通规划的实践。在机动性评价指标中,国外主要有可持续机动性指数[7-9],国内各大城市也尝试了不同算法的城市道路机动性指数,如基于拥堵里程比例(北京市)、基于出行时间(深圳市)、基于道路饱和度和行车速度(上海市)等方法计算拥堵和机动性指数[10]。然而,这些评估指标存在数据获取较难、计算复杂和部分权重赋值的主观性较强等问题,难以客观精确地理解道路机动性的变化及其对交通拥堵的影响,同时由于数据来源和计算方法不一致,难以在各城市间进行量化对比。出行时间指数(Travel Time Index,TTI)由于具备较高的可比性,被广泛应用于美国各城市道路拥堵程度的评估[11-13],随着基于位置服务(LBS)和全球定位系统(GPS)的数据获取技术和空间分析方法的日益成熟,其在城市空间分析和城市交通规划领域的应用也更加广泛[14,15]。因此,本文尝试将出行时间指数拓展到城市机动性评估中,并以深圳市为例,采用出租车GPS数据衡量道路机动性及其变化程度,为中国各大城市道路拥堵和机动性的量化对比提供新的方法。

1 数据描述与处理

出租车GPS数据为深圳市2011年4月18日(周一)至4月24日(周日)共13 798辆出租车的移动轨迹数据,车辆数占当年出租车总量的93.64%。每辆出租车的GPS数据文件均以车牌号(name)命名,GPS点信号约每30 s发送一次,包含7个字段(表1)。

表1 深圳市出租车GPS数据字段信息及含义

Table 1 Field information and meaning of taxi GPS data in Shenzhen

字段名称字段含义name车牌号time采集时间(YYYY/MM/DDhh：mm：ss，年/月/日/时：分：秒)jd经度(东经)wd纬度(北纬)status客运状态(0=空载状态；1=载客状态)v行驶车速(km/h)angle行车方向(0=东；1=东南；2=南；3=西南；4=西；5=西北；6=北；7=东北)

在剔除奇异数据的基础上,计算深圳市各方格区的平均速度和TTI。首先,将所有出租车GPS点的数据(.txt格式)转存到PostgreSQL数据库,然后剔除车速小于0、客运状态值非0也非1、行车方向不在0-7之间及经纬度异常偏离的GPS奇异点。其次,通过SQL语句选出19日(周二)的出租车GPS点为研究对象,将深圳市域划分为1 km×1 km的2 483个均分方格(简称方格),并将当天的GPS点根据经纬度坐标投影到对应方格。而后,建立19日畅通时段和早晚高峰期出租车GPS点和深圳方格网的空间数据库表,利用SQL和PostGIS的空间查询语句计算每个方格内载客GPS点的平均速度,并以此计算每个方格内的TTI值。最后,以速度和TTI为评判指标,分析深圳市道路机动性的空间差异和动态变化特征,并进行ArcGIS空间可视化表达。

2 指标选取说明

由于不同时间和地区城市道路交通基础设施服务水平存在差异,而静态和单一的道路数据难以客观评估城市道路的机动性,这就需要具有时空多维属性的指标对其时空间的现状通行能力和变化程度进行测算。动态的GPS移动轨迹数据具备数据的多元性和动态性,能为时空行为的表达和分析提供有效的技术手段[16]。出租车GPS速度信息和基于此计算的TTI能满足数据动态性和精确性的需求。计算畅通时段深圳市每个1 km×1 km均分方格区内的道路通行速度,以此判别其道路机动性在畅通情形下的空间差异;再计算每个方格区早晚高峰期的TTI,研究其道路机动性因时间上的动态拥堵引起的变化。

2.1 道路通行速度

传统道路通行速度的计算方法具有高成本和低精度的特点。在相同的道路上,出租车与道路中其他各类型机动车的行驶速度趋于一致,其GPS数据格式规范统一,在代表性上具有科学合理性。因此,选取出租车GPS速度反映道路的通行速度(图1)。此外,城市快速路、主干道、次干道本已体现了道路基础设施水平的级差,但现实中同等级道路的各路段通行能力肯定有差别,且会随着时间动态变化,高等级道路各路段的通行能力不一定都比低等级道路各路段的通行能力强。而实时的车辆速度信息可以体现各等级道路各路段动态的道路通行能力,直观反映出具体时(空)间的道路机动性特征,具有良好的时空现实意义。

图1 深圳市19日各时段载客速度波动

Fig.1 Loaded speed fluctuation of each hour in Shenzhen

2.2 出行时间指数(TTI)

作为衡量道路拥堵状况的有效指标,TTI是指在交通拥堵情形下所花费的出行时间与道路通畅情况下所需出行时间的比值。然而,道路基础设施的服务水平在不同时段各不相同,TTI在满足上述出租车GPS速度信息的代表性和时空现实意义的同时,基于其过程变量的特征属性,能实现对各区域不同时段道路机动性水平的动态测评,使得道路机动性在时空多维层面反映出道路的通行能力及其动态变化程度。目前,基于出租车GPS的道路信息提取和空间分析技术已广泛应用于全国各大城市的交通实践。利用GPS数据能提升道路通行速度和TTI值估算的精度,进而有助于大城市道路机动性水平及变化的对比。

3 指标的测度

3.1 速度的测度

为了更好地表达出租车的速度,本文界定了两种类型的速度。第一类是每个出租车GPS点所记录的速度(简称“点速度”),第二类是城市道路的通行速度(简称“通行速度”)。客运状态下的空载和行驶状态中的停滞(点速度为0)会拉低以出租车平均点速度表征的道路通行速度,需明确这些点是否包含在通行速度的计算范围内。对于空载,司机会环顾四周寻找等待上车的乘客,导致其行驶速度偏低(早高峰期空载出租车的平均点速度为16.2 km/h,远低于载客出租车22.9 km/h的平均点速度)而应排除在计算范围外;对于停滞,无非是遇红灯停车和道路拥堵导致车辆无法前行这两类影响道路通行能力的主要客观因素,应包含在计算范围内。因此,选取剔除无效数据后的所有载客GPS点的平均点速度代表各时段的通行速度,公式如下：

(1)

3.2 出行时间指数(TTI)测度

TTI是拥堵时段和畅通时段行车速度的比值,需要相对明确的时空范围。通过计算发现,深圳市19日0：00-7：00点的速度处于当天的高位,而7：00-9：00点和17：00-19：00时段速度显著下降(图1)。据此,定义0：00-7：00为畅通时段,将其速度作为畅通的基准参照速度,7：00-9：00为早高峰时段,17：00-19：00为晚高峰时段。则相对于畅通时段的基准速度,计算19日早、晚高峰时段各方格的TTI值,公式如下：

(2)

4 基于速度和TTI的道路机动性判别

4.1 基于速度的道路机动性空间差异判别

《中华人民共和国道路交通安全法实施条例》(2004)规定机动车在道路上行驶不得超过限速标志和标线标明的速度。在没有限速标志、标线的道路上,机动车不得超过下列最高行驶速度：1)没有道路中心线的道路,城市道路限速为30km/h,公路为40km/h;2)同方向只有1条机动车道的道路,城市道路限速为50km/h,公路为70km/h。深圳市的高速公路最高限速主要以80km/h(盐排、盐坝、清平、水官高速等)和100km/h(机荷、梅观高速)为主。据此,将速度划分为[0,30]、(30,50]、(50,80]、(80,100]、(100,+∞)5个区间,并据此将畅通时段的道路机动性分为“差([0,30])、一般((30,50])、较好((50,80])和好((80,+∞))”4种类别。

畅通时段道路的通行能力能得到充分发挥,车辆的行驶速度可直观反映出其所行驶区域的道路机动性。深圳市19日畅通时段的原特区外(主要包括龙岗区和宝安区)快速路穿行区机动性好,而城市次干道或支路集中的关内中心区、龙华新区及龙岗中心区因通行车辆超出路网的承载水平,机动性差;其他区域则主要因为道路等级低,没有形成路网,机动性一般。各区域所分属的机动性类别与其对应的道路基础设施的服务等级或通行能力契合度较高,说明速度能有效判别道路机动性的空间差异。

4.2 基于TTI的道路机动性动态变化判定

道路机动性的变化水平反映了道路机动性的恶化或改善的程度。TTI判定道路机动性动态变化可以直观反映各区域不同时段内机动性水平的变化程度,据此判定道路交通的服务水平在哪些区域下降,也可迅速发现道路通行能力恶化的区域并及时改善。在基于出行时间指数的道路机动性类别划分上,深圳市交通运输委员会的交通指数将比畅通情形下多花费0.3～0.6倍、0.6～0.9倍、0.9～1.2倍和1.2倍以上的时间分别定义为基本畅通、缓行、较拥堵和拥堵(http://szmap.sutpc.com/conginfo.aspx)。据此,将TTI值为1.3以下、1.3～1.6、1.6～1.9、1.9～2.2、2.2以上的方格分别对应为机动性稳定区(Ⅰ区,下降23.1%以内)、下降较微弱区(Ⅱ区,下降23%～37.5%)、下降较明显区(Ⅲ区,下降37.5%～47.4%)、下降明显区(Ⅳ区,下降47.4%～54.5%)和机动性恶化区(Ⅴ区,下降54.5%以上)共5类变化区。通过深圳市早高峰期各方格TTI的计算发现,大部分区域的机动性保持稳定或微弱变化,且以特区外为主;而特区内的福田、罗湖等中心区以及南山前海地区的机动性下降明显或恶化;机动性下降较明显区则呈现无规律的零散点状分布。

为使TTI值更具代表性,剔除途经车辆数低于100的方格后,发现早高峰的机动性恶化区正好集中分布在新安街道至南山区、民治街道至福田区、布吉街道至罗湖区等三大关口处,且其呈现出并排分布多个方格的特点有力说明了早高峰入关车流集聚造成的拥堵具有较强的空间延续性。

5 结论与讨论

本文采用出租车GPS移动轨迹数据,以道路通行速度和出行时间指数构建了城市道路机动性的评估方法,并将其应用于深圳市,测算1km×1km均分方格区内出租车的载客平均速度和道路机动性。计算结果表明,速度表征的道路机动性能较好地反映出道路基础设施的实际通行能力及其空间差异;TTI表征的道路机动性恶化程度也能较好地体现出高峰期各区域道路机动性的变化特征。这种评估方法能有效测算道路机动性的空间差异及其动态变化,为评定道路机动性和制定交通完善策略提供决策帮助。在数据量上验证了以小样本的出租车GPS数据为基础计算的速度和TTI值能有效代表道路中所有车辆的实际通行速度和机动性水平,在静态的空间分布和动态的时间变化上,实现了对现实道路基础设施服务水平的动态测评。

上述研究表明,速度和TTI可作为各城市间可量化、可对比的机动性动态信息评价指标。然而,实际应用中仍有一些问题需要解决。首先,虽然以小样本量的出租车平均载客点速度代替道路中所有车辆的行驶速度以及通过出租车的TTI值反映道路机动性的变化程度具有合理性,但仍会与现实的道路通行状况存在一定的偏差。其次,无论是以速度反映出某区域的通行能力差还是以TTI反映某区域道路服务水平的恶化程度,尚停留在问题描述层面,仍需深入分析机动性下降的原因。此外,在未来研究中,可继续基于出租车GPS移动轨迹的时空间动态数据,进行高精度的时空表达和分析,更好地应用于城市交通出行和交通规划研究。

[1]SCHRANKD,EISELEB,LOMAXT.UrbanMobilityReport[R].Texas:TexasA&MTransportationInstitute,TheTexasA&MUniversitySystem,2012.

[2]SWEETM.Trafficcongestion′seconomicimpacts:EvidencefromUSmetropolitanregions[J].UrbanStudies,2014,51(10):2088-2110.

[3] 潘海啸.中国城市机动性20年发展的回顾[J].国外城市规划,2005,20(3):41-45.

[4] 赵守谅,陈婷婷.城市·休闲·机动性：基于城市休闲发展的一组思考[J].城市发展研究,2010,17(5):108-113.

[5]MAYAD.EncouraginggoodpracticeinthedevelopmentofSustainableUrbanMobilityPlans[J].CaseStudiesonTransportPolicy,2015,3(1):3-11.

[6]DEMISSIEMG,CORREIAGHA,BENTOC.Exploringcellularnetworkhandoverinformationforurbanmobilityanalysis[J].JournalofTransportGeography,2013,31:164-170.

[7]CHAKRABARTTYA,GUPTAS.TrafficcongestionintheMetropolitanCityofKolkata[J].JournalofInfrastructureDevelopment,2014,6(1):43-59.

[8]MIRANDAHF,SILVAANR.Benchmarkingsustainableurbanmobility:ThecaseofCuritiba,Brazil[J].TransportPolicy,2012,21:141-151.

[9]HUGINGH,GLENSORH,LAHO.Needforaholisticassessmentofurbanmobilitymeasures——Reviewofexistingmethodsanddesignofasimplifiedapproach[J].TransportationResearchProcedia,2014,4:3-13.

[10] 淑健,杨敬锋.国内外交通拥堵评价指标计算方法研究[J].公路与汽运,2014(1):57-61.

[11] TEXAS TRANSPORTATION INSTITUTE,THE TEXAS A&M UNIVERSITY SYSTEM,BATTELLE MEMORIAL INSTITUTE.International Border Crossing Truck Travel Time for 2001[R].Texas:Texas A&M Transportation Institute,2002.

[12] CAMBRIGE SYSTEMATICS,TEXAS TRANSPORTATION INSTITUTE.Traffic Congestion and Reliability[R].Massachusetts:Cambridge Systematics,Inc Texas Transportation Institute,2005.

[13] PETERSON L.WSDOT′s Quarterly Performance Report on Transportation Systems,Programs,and Department Management[R].Washington:Washington State Department of Transportation,2014.

[14] 赵永,王岩松.空间分析研究进展[J].地理与地理信息科学,2011,27(5):1-8.

[15] 隋殿志,叶信岳,甘甜.开放式GIS在大数据时代的机遇与障碍[J].地理科学进展,2014,33(6):723-737.

[16] 赵莹,柴彦威,陈洁,等.时空行为数据的GIS分析方法[J].地理与地理信息科学,2009,25(5):1-5.

Measuring Road Mobility by Speed and Travel Time Index and Its Implication:A Case Study of Shenzhen

JU Wei-qi,YANG Jia-wen,LIN Xiong-bin

(SchoolofUrbanPlanningandDesign,PekingUniversity,Shenzhen518055,China)

In this paper,a new method to calculate urban road mobility was constructed based on average speed and travel time index (TTI)by using loaded taxi GPS data.It then takes Shenzhen as case to study the feasibility of this method to estimate urban road mobility in 1 km×1 km evenly divided squares.This research finds that this road mobility measurement presents certain effectiveness and also provides potential planning implications for individual travel decision-making.

road speed;travel time index;taxi GPS data;road mobility;Shenzhen City

2015-02-22;

2015-05-18

国家自然科学基金面上项目(41371168);深圳市海外高层次人才创新创业专项资金项目(KQCX20130628093909157)

鞠炜奇(1991-),男,硕士研究生,主要研究方向为城市区域交通规划与政策。*通讯作者E-mail:yangjw@pkusz.edu.cn

10.3969/j.issn.1672-0504.2015.05.014

F291.1;P228.4

A

1672-0504(2015)05-0065-04