信息环境下城市快速路交通瓶颈识别技术∗

罗小东,徐昕远

(长沙理工大学交通运输工程学院,湖南长沙 410004)



信息环境下城市快速路交通瓶颈识别技术∗

罗小东,徐昕远

(长沙理工大学交通运输工程学院,湖南长沙 410004)

摘要:在交通系统中,交通拥堵最易发生的位置即为交通瓶颈,识别交通瓶颈是解决交通拥堵问题的关键。随着交通信息化技术的发展,高等级道路上布置了大量检测线圈,用于识别道路交通状态、道路拥堵或畅通路段及道路拥堵起始路段。文中利用检测数据实现交通瓶颈的自动识别,设计以检测数据为输入、交通瓶颈的拥挤持续时长和拥堵蔓延范围为输出的识别算法,通过编程实现上述算法,并应用于实际交通管理中。

关键词:城市交通;快速路;检测数据;交通瓶颈;自动识别

交通瓶颈系统识别的主要目的有两个:一是实现交通瓶颈定位,掌握瓶颈拥挤开始时间与结束时间;二是实现交通瓶颈蔓延范围识别,得到随时间变化的拥挤影响范围。根据交通瓶颈识别时间和交通瓶颈拥挤发生时间的前后关系,交通瓶颈系统识别方法可划分为拥挤发生前实时判别和拥挤发生后系统辨识两种。拥挤发生前的实时判别主要用于拥挤预报和预测,拥挤发生后的系统辨识主要用于交通运行性能评价。

国内外学者对于道路网络交通瓶颈识别方面的研究很多。在国外,Zhang和Levinson在流速的基础上引入容量方法,认为控制匝道可减缓瓶颈激活并促进车流流速。Chao Chen、Alexander Skabardonis等用瓶颈复发频率和影响延迟幅度来评价瓶颈拥堵等级,应用每5 min循环一次的检测器的检测数据,使用速度差作为瓶颈畅通度的指标。在国内,方志耕等通过路网可靠性实现对交通瓶颈的识别,采用模糊聚类分析法、故障树方法的逻辑思想与图论的割集理论,研究了在一定时间范围内路段模糊流量条件可靠性评价,并进行了实证分析;戢晓峰确定了路网瓶颈路段识别的主要影响因子,提出了基于粗糙集的路网瓶颈路段识别方法,通过规则提取识别路网瓶颈路段;姜桂艳等以SCOOT系统感应线圈检测器采集的交通数据为基础,设计了一种基于模糊聚类的城市道路交通状态实时判别算法及其评价方法,并提出了交通状态判别时间间隔的确定方法。整体上来看,国内外学者对于交通瓶颈识别的方法有很多,主要是结合相关经典学说或经典分析模型进行研究。

该文主要研究交通瓶颈的自动识别方法,以感应线圈检测得到的流量、密度、速度等数据为基础,将流量标准化处理后,应用SPSS软件对3项数据进行聚类分析,得到交通断面状态分类;然后相邻断面构成路段,通过上下游两断面交通状态判断该路段的交通状态,基于路段交通状态和交通瓶颈特征设计交通瓶颈判别方法;最后编程实现交通瓶颈的自动识别。

1 路段交通状态判别

将感应线圈检测器获取的交通流量、占有率、速度3项交通数据,采用交通拥堵阈值法、聚类分析法进行对比分类,将10个检测器代表的交通断面的交通状态分为拥堵、畅通两类。所用数据来源于10个每5 min循环一次的感应线圈检测器所测13 h(早上6:00—下午18:55)路段交通数据,路段断面检测器标号及对应距离如图1所示。

1.1 交通阈值法

交通阈值法是目前国内外用于判断交通状态的方法,国际上通常把车流速度作为阈值。国内对交通状态临界速度的定义如下:1)畅通。城市主干路上机动车的平均行程速度不低于30 km/h。2)轻度拥挤。城市主干路上机动车的平均行程速度低于30 km/h,但高于20 km/h。3)拥挤。城市主干路上机动车的平均行程速度低于20 km/h,但高于10km/h。4)严重拥挤。城市主干路上机动车的平均行程速度低于10 km/h。

图1 路段感应线圈分布(单位:m)

利用交通阈值法,采用交通车流量和速度数据进行二次线性拟合,计算得到适合所选道路的交通临界速度。再将每个交通断面的车速与计算所得交通临界速度进行对比,如果断面速度小于临界速度,则该断面处于拥堵状态;如果断面速度大于临界速度,则该断面处于畅通状态。

1.2 聚类分析法

采用SPSS中的K均值聚类分析进行交通断面状态分析。该方法以各个聚类子集内的所有数据样本的均值作为该聚类的代表点,通过迭代把数据集划分为不同类别,使评价聚类性能的准则函数达到最优。这一算法不适合处理离散型属性,但对于连续型属性具有较好的聚类效果。算法步骤如下:

(1)从n个数据对象中任意选择k个对象作为初始聚类中心。

(2)根据每个聚类对象的均值,计算每个对象与这些中心对象的距离,并根据最小距离重新对相应对象进行划分。

(3)重新计算每个有变化聚类的均值。

(4)循环第2～3步,直到每个聚类不再发生变化为止。

采用流量、速度、占有率3项数据作为K均值聚类分析法的对象。在进行聚类分析之前,采用最小-最大标准化方法对流量进行标准化处理,使流量值在所选区间有较好的分布。公式如下:

由于速度和占有率的取值范围较小,不需对速度和占有率作数据转换。

交通断面状态聚类分析就是根据交通流数据之间的关联度将其自动分成2个交通流数据群组,在这个过程中,聚类使得同一群组内的数据具有相似交通状态特性,而属于不同群组的数据相异。

1.3 路段交通特性定性判别

交通瓶颈可分为突发瓶颈和固定瓶颈。突发瓶颈多源于交通突发事故导致的交通拥堵;固定瓶颈则是固定存在于道路某一段,它会在某一特定的时间段处于激活状态。通过之前获得的各断面交通状态判别交通路段状态,将交通路段状态分为4类:1)如果上、下游断面的交通状态都为畅通,则认为该路段处于第一类交通状态,Excel数据表格中用“1”代表该状态;2)如果上、下游断面的交通状态都为拥堵,则认为该路段处于第二类交通状态,Excel数据表格中用“2”代表该状态;3)如果上游断面的交通状态为拥堵,下游断面的交通状态为畅通,则认为该路段处于第三类交通状态,Excel数据表格中用“3”代表该状态;4)如果上游断面的交通状态为畅通,下游断面的交通状态为拥堵,则认为该路段处于第四类交通状态,Excel数据表格中用“4”代表该状态(如图2所示)。

图2 四类交通状态示意图

综上所述,采用交通拥堵阈值法和K均值聚类分析法判别交通断面的拥堵状态,分别得到两种交通断面状态分类。经分析,K均值判别状态比临界速度判别状态更接近于实际交通状态,所得结果如表1所示。

2 交通瓶颈识别

2.1 交通瓶颈的识别特征

瓶颈拥挤特征表现为:1)当某次瓶颈拥挤开始时,下游路段处于畅通状态,上游路段处于排队拥堵状态;2)瓶颈拥挤的结束标志为拥堵排队结束或更下游的排队蔓延到瓶颈拥挤发生位置。

表1 最终交通断面状态

结合上文对路段交通状态的划分,当下游某路段(假设为A路段)处于第三类交通状态,并且同时刻该路段上游某路段(假设为B路段)处于第四类交通状态时,可认为A路段为瓶颈拥挤开始位置、B路段为瓶颈拥挤结束位置,AB之间的长度即为排队长度;从A路段拥堵开始到结束的时间即为此次瓶颈拥挤的持续时间,最大的AB路段长度即为此次瓶颈拥挤的蔓延范围。

2.2 交通瓶颈算法

该文的研究重点是根据已有交通路段状态数据,通过编程实现交通瓶颈的自动识别。采用Excel内置的VBA语言进行宏编程,用于处理路段交通状态数据。

2.2.1 算法说明

交通状态在数据表中是一个矩阵,该矩阵的横坐标对应时间,纵坐标对应距离。假设从下游向上游线圈编号依次减小。

条件1(必须满足):从最下游开始向上游寻找,若路段交通定性状态矩阵中值等于“3”,且“3”的个数不少于2个,则找到了瓶颈的起始位置,系统自动为该瓶颈编号r。

需要输出:1)自动为所寻瓶颈编号r;2)“3”行中第一个“3”和最后一个“3”所对应横坐标相对时间,持续时间=“3”的个数×5 min。如表2所示,瓶颈r的起始时间为7:45,结束时间为8:00,持续时间为20 min;起始位置为DX08—DX09路段。

表2 瓶颈对应矩阵示例

条件2:1)如果“3”对应行以下的行中“3”所对应列中都有“4”,则说明所检测到的瓶颈的影响范围没有超出数据表,这里可得出瓶颈的影响范围;找出“3”与“4”之间距离最长的一对,分别记录下这一对“3”与“4”对应的纵坐标号,所寻纵坐标号即对应瓶颈的起始位置和结束位置,两位置对应的距离之差即为瓶颈的影响范围。需输出:瓶颈r的起始位置为DX08-DX09路段,结束位置为DX04-DX05路段;影响范围为3 407-1 724=1 683 m。2)如果“3”所对应列下中有一列或多列没有“4”,则说明瓶颈的影响范围超出已有数据,这里无法检测到瓶颈的结束位置,因为无法检测到瓶颈的影响范围。这种情况需要输出:“3”对应的纵坐标号,即瓶颈的起始位置。如表3所示,需要输出:瓶颈r的起始位置为DX05—DX06路段。

表3 不可测影响范围的瓶颈对应的起始位置

最后所有输出的数据将按瓶颈编号r、起始时间、结束时间、持续时间、起始位置、结束位置、影响范围的顺序输出到另一张新表上。

2.2.2 算法设计

(1)读取Excel数据,得到交通路段状态数据,确定数据所在范围maxrow、maxcolumn;令i、j分别对应表格单元格的横纵值,r为瓶颈编号,p、q分别为交通瓶颈的开始、结束时间,x、y分别为瓶颈的起点和终点位置。初始化,令i=3、j=2、r=0、p =0、q=0、x=0、y=0。

(2)以i=i+1进行循环,在j=2行中找到value(i,j)=3且value(i+1,j)=3的单元格(i,j),令p=i、r=1;如果直至j=2行的尾端始终没有找到要求的单元格(i,j),则令j=j+1,在j+1行中寻找所求单元格;如果历遍所有单元格都找不到所求单元格,则输出“没有瓶颈”。

(3)找到所求单元格(i,j)后进行如下处理:1)令m=i,以value(m,j)=3作为条件,以m=m+1作循环。当value(m,j)不为3时停止,令q=m-1。输出:瓶颈r的起始时间value(p,1)、结束时间value(q,1)、持续时间(q-p)×5 min。2)步骤a: 令x=j、o=i、n=j,以n=n+1进行循环,找到value(o,n)=4,如果直至数据最后一行都没有满足的数据,则结束该步;如果value(o,n)=4,令y= n,结束n循环。输出:瓶颈r的起始位置(1,x)。步骤b:令o=o+1、n=j,继续以n=n+1作循环,如果直至数据最后一行都没有满足的数据,则结束该步;如果value(o,n)=4,当n＞y时,令y=n,同时结束n循环;否则,结束n循环。步骤c:重复步骤b直至i=q。输出:瓶颈r的结束位置(1,y),瓶颈影响范围value(2,y)-value(2,x)。

(4)重复第2、3步,直至程序历遍所有数据。最后,所有输出数据按瓶颈编号r、起始时间、结束时间、持续时间、起始位置、结束位置、影响范围的顺序输出到另一张新表上。

3 实例分析

3.1 瓶颈分析

利用Excel宏程序对某地城市快速路上10个感应线圈检测器所测13 h(早上6:00—下午18:55)5 min交通数据进行自动分析判别,所得交通瓶颈如表4所示。

表4 所测交通瓶颈

续表4

由表4可知:

(1)DX01—DX10路段(0～3 892 m)的瓶颈多激发于中午12点之前,集中于7:30—10:30,多数瓶颈持续时间较长、影响范围较大,由此判断该路段的瓶颈多源于上班高峰期交通流量过大而引起不同范围的交通拥堵。

(2)DX08—DX09段(2 996～3 407 m)所诱发瓶颈较多。从早晨7:45—下午16:10,产生了8个持续时间、影响范围都不相同的交通瓶颈。下午17:00之前,该路段几乎每小时都有瓶颈激活,其中9:25所激发的瓶颈持续时间最长、影响范围最大。由于瓶颈诱发时间段分布较广,判断该处是一个固定的瓶颈路段。该路段可能存在道路设计问题或涉及到车道数变化,导致交通流量过大时平均车速在这里快速下降而引起车辆排队,诱发瓶颈激活。与道路实际情况对比,发现DX08—DX09段只有两车道,而其上游路段有四车道,有研究表明车道变换行为发生率较高时将导致行车速度较小,这无疑将导致车辆排队、诱发瓶颈激活。

(3)DX07—DX08段(2 591～2 996 m)、DX06—DX07段(2 149～2 591 m)和DX05—DX06 段(1 724～2 149 m)有少量持续时间不等、影响范围较大的瓶颈激活,其激发时间大多分布于早上8:00—11:00。该瓶颈的诱因来源于DX08—DX09段的瓶颈,受下游路段排队影响该段出现瓶颈。由于该段道路为四车道,DX08—DX09段拥堵引发的排队在DX06—DX08(2 149～2 996 m)段很快就消散了,所以该段瓶颈持续时间较短。尽管持续时间较短,但其影响范围还是延伸到了上游路段。

(4)DX04—DX05(1 290～1 724 m)段没有瓶颈激活,根据道路实际情况,该段虽然有车道数变换,但车道数是增加的,所以对车速影响不大,没有引起排队。路段交通状态表显示该段仍然受下游路段瓶颈排队影响。

(5)DX03—DX04(844～1 290 m)段也没有瓶颈激活,路段交通状态表显示该段主要受下游路段瓶颈排队影响。

(6)DX02—DX03段(422～844 m)诱发了4次瓶颈,诱发时间多分布于早上7:00—9:00,且该段时间内诱发的瓶颈持续时间较长、影响范围较大。同样可以判断该处是一个固定的瓶颈路段。该路段涉及到车道数变化,导致交通流量过大时平均车速在这里快速下降,从而引起车辆排队,诱发瓶颈激活。另外,由于该段的车道数比DX08—DX09多,该段瓶颈持续时间和影响范围比DX08—DX09段小。由此可以推断DX01断面上游有一个车道变换的路段,且该路段的车道数是减少的。

3.2 瓶颈排序

根据表4,按瓶颈影响范围进行排序,结果如表5所示。

由表5可知:1)影响范围最广的瓶颈(DX08—DX09路段～DX01—DX02路段)影响范围为2 985 m,激活次数1次,持续时间达到20 min,其激活时间在14:00前后,可以判断该瓶颈主要源于下午上班高峰造成的大范围车辆排队。2)激活次数最多的瓶颈(DX08—DX09路段～DX04—DX05路段)在一天内激活3次,其影响范围达到1 683 m,平均持续时间为18.33 min。其激活时间分布在早上,但不仅局限于上班高峰期。DX04—DX05路段～DX08—DX09路段车道数由四车道变为二车道,该瓶颈的诱发原因主要源于车道数的减少所导致的车速下降。3)平均持续时间最长的瓶颈(DX07—DX08路段～DX01—DX02路段)持续时间为35 min,其影响范围为2 574 m。瓶颈激活时间在8:45前后,可以判断该瓶颈主要源于上午上班高峰造成的大范围车辆排队。

表5 瓶颈排序

综上所述,所测道路(DX10—DX01路段)所诱发的瓶颈持续时间较长、影响范围较广,其诱因主要是上班高峰期交通流量过大所引起的车辆排队。DX08—DX09路段车道数减少,所测瓶颈起始位置多在此处。因此,要改善交通拥堵状况,需在车流量过大的高峰期利用其他道路为该快速路分担车流量或在该快速路上制定限制车牌尾号等相关措施。

4 结论

该文首先通过拥堵阈值法和聚类分析法根据已有检测数据进行交通状态分类,并选用聚类分析法将交通状态分为4种模式;然后根据断面交通状态判断路段交通状态,根据路段交通状态数据设计自动识别瓶颈算法,通过Excel内置的VBA语言进行宏编程实现算法,用于处理交通路段状态数据;最后运用该算法分析了某城市快速路上10个感应线圈检测器所测13 h路段5 min交通数据,得出DX01断面上游有一个车道变换的路段,且该路段的车道数是减少的,同时得出影响范围最广的瓶颈是DX08—DX09路段～DX01—DX02路段、激活次数最多的瓶颈是DX08—DX09路段～DX04—DX05路段、平均持续时间最长的瓶颈是DX07—DX08路段～DX01—DX02路段。

后续可进一步研究能自动通过基础交通数据分析交通瓶颈各项指标来进行交通瓶颈识别的程序,该程序可与环形感应线圈配套使用,当线圈测得交通数据后,自动识别交通瓶颈的程序即可分析得出结果,从而真正实现交通瓶颈的实时自动识别。这样不仅节省人力、物力,且有利于交通管理部门及时解决交通拥堵问题。

参考文献:

[1]杨新苗.城市公路发展技术保障体系关键技术研究[D].北京:中国科学院,2000.

[2]徐慧智,程国柱,裴玉龙.车道变换行为对交通流运行速度影响的研究[J].中国科技论文在线,2010(10).

[3]姜桂艳.道路交通状态判别技术与应用[M].北京:人民交通出版社,2004.

[4]王殿海.交通流理论[M].北京:人民交通出版社,2002.

[5]陆化普,李瑞敏,朱茵.智能交通系统概论[M].北京:中国铁道出版社,2004.

[6]戢晓峰.城市道路交通状态分析方法回顾与展望[J].道路交通与安全,2008,8(3).

[7]姜桂艳,郭海锋,吴超腾.基于感应线圈数据的城市道路交通状态判别方法[J].吉林大学学报:工学版,2008,37(增刊1).

[8]皮晓亮,韩皓,王正.基于环形线圈检测器采集信息的交通状态分类方法应用研究[J].公路交通科技,2006,23(4).

[9]弓晋丽,杨东援.基于检测线圈数据道路交通瓶颈分析[J].公路交通科技,2010,27(7).

[10]王殿海,陈学文,杨绍辉,等.北京市快速路交通瓶颈分析[A].第七届世界华人交通运输学术大会论文集[C].2007.

[11]M J Cassidy,J R Windover.Methodology for assessing dynamics of freeway traffic flow[J].Transportation Research Record,1995,1484.

[12]Chen Chao,Alexander Skabardonis,Pravin Varaiya.Systematic identification of freeway bottleneck[A].The 83rd Transportation Research Board Annual Meeting[C].2004.

收稿日期:2015-10-17

基金项目:∗江西省交通运输厅科技项目(2013C0008)

中图分类号:U491.2

文献标志码:A

文章编号:1671-2668(2016)02-0050-06