基于多源数据融合的冰雪条件下车速变化关联性分析

曹眉舒，刘　刚，廖明军，王凯英

(1.山东高速工程设计有限公司，山东 济南　250031；2.福州大学土木工程学院，福建 福州　350116；3.北华大学汽车与建筑工程学院，吉林 吉林　132013；4.道路灾变防治及交通安全教育部工程研究中心，湖南 长沙　410076)



基于多源数据融合的冰雪条件下车速变化关联性分析

曹眉舒1，刘刚2，廖明军3，4，王凯英3

(1.山东高速工程设计有限公司，山东 济南250031；2.福州大学土木工程学院，福建 福州350116；3.北华大学汽车与建筑工程学院，吉林 吉林132013；4.道路灾变防治及交通安全教育部工程研究中心，湖南 长沙410076)

基于多源数据融合，利用关联规则分析中的Apriori算法研究天气条件、路面条件、养护作业等因素与车速变化的关联性，通过速度降低与回复现象有效评估冬季道路养护的效益.结果表明：车速变化与能见度、路面条件和降雪量具有较强关联性，与湿度、风向、工作日、节假日和流量没有相关性.通过数据挖掘技术将存储的多源数据转化为有效的知识和信息，从而可为冬季道路养护提供有效的决策支持.

冬季道路养护；智能交通系统；数据挖掘；Apriori算法

【引用格式】曹眉舒，刘刚，廖明军，等.基于多源数据融合的冰雪条件下车速变化关联性分析[J].北华大学学报(自然科学版)，2016，17(5)：679-683.

为提高冬季道路养护的有效性和减少对环境的影响，各国在养护设备、材料、工艺技术和作业流程优化等方面开展了深入研究，内容涉及自动车辆定位系统、道路气象信息系统、融雪材料、优化调度系统等[1-2].为有效评估冬季道路养护作业的效益，以往的研究主要从交通事故数量和程度降低、交通流状态改善和减少污染物排放3个方面进行分析[3-5].车辆行驶速度是交通流状态评估中的一个重要因素，已有文献[6]利用回归分析、时间序列分析等方法研究了冰雪条件下路面状况、能见度、降雪强度、温度、风速等因素与车速间的关系；《美国道路通行能力手册2010》[7]指出：小雪和大雪天气下车辆行驶速度分别下降8%～10%和30%～40%.随着智能交通系统的广泛应用，产生的交通数据呈爆炸式增长.关联规则分析可以有效揭示不同因素间的联系，通过数据挖掘可以从大量的多源数据中发现有价值的信息.本次研究基于Apriori算法研究冰雪条件下多源数据与车速的关联规则，从而可以为冬季道路养护提供有效的决策支持.

1　数据描述

1.1数据类型

第1类数据来自道路气象信息站系统.该系统通过路面传感器采集路面及周围区域的天气信息，包括气温、气压、降水、湿度、路面状态、路面温度等，记录更新频率为20 min；第2类数据来自自动气象站系统.自动气象站提供区域天气信息，例如能见度、风速、降水量、天气现象等，记录更新频率为1 h；第3类数据来自车辆称重系统.该系统通过车辆称重传感器收集每辆车的车速、车型、车重等信息；第4类数据来自冬季养护车辆的自动车辆跟踪系统.该系统可以自动记录融雪材料的使用、养护工作等信息，例如时间、地点、养护车辆速度、除雪作业情况等.

1.2数据存储与融合

图1为多源数据存储与融合框架，该框架包括3层结构：数据存储层、数据挖掘与分析层、数据交互层.其中，Microsoft SQL Server 2012用来访问和存储数据，数据交互层基于GIS技术来呈现分析结果.最终，有效的速度观测数据为8 857 899条，每条速度观测数据依据时间轴匹配相应的道路气象站信息和天气信息.

2　Apriori算法

Apriori算法过程分为两个主要步骤：1)根据给定的最小项集支持度，通过迭代检索出所有满足条件的项集，即频繁项集；2)根据最小可信度，在所有频繁集中找出符合条件的关联规则，图2是该算法的流程.第1步，统计所有含1个元素项目集出现的频数，并找出那些不小于最小支持度的项目集，即一维最大项目集 M1；从第2步开始循环处理直到再没有最大项目集生成，利用M1产生候选项集N2，找出频繁“2项集”.循环过程：第k步中，根据第k-1步生成的k-1维最大项目集产生k维候选项目集，然后搜索数据库，得到候选项目集的项集支持度，与最小支持度进行比较，从而找到k维最大项目集Mk.

3　结果分析

3.1速度变化分析

为研究冰雪条件下车辆速度的动态变化，本次研究以表1中某路段连续7 d的车速为研究对象.车辆速度和路面状态信息以h为单位计算平均值.图3为连续7 d平均车速和路面状态信息的动态变化，其中，粉色实线表示南向速度，紫色实线表示北向速度，粉色虚线表示南向路面状况信息，紫色虚线表示北向路面状况信息(3为路面干燥，4为微量水分，5为潮湿，7为路面积冰，8为积冰预警).

由表1可知：第1场降雪开始于第2天早上7点左右，第2场降雪开始于第6天早上10点.降雪开始前，虽然路面干燥，但由于能见度降低，速度已经开始下降；当降雪来临时，平均车速降低了30 km/h；随后速度开始升高，并在第1场降雪结束时回复到正常水平.在此期间，路面状况为积冰雪.由图3可知：速度降低和升高与路面状况有直接联系；南向交通和北向交通的速度变化趋势大致相同，但是动态变化过程略有差异.

图4描绘了降雪前、降雪中和降雪后路段通行能力和速度的变化趋势.由图4可知：自由流速度和道路通行能力在降雪中显著降低，在降雪结束后回复到了正常状态，这也表明了冬季道路养护的有效性.

3.2关联规则分析

在进行关联规则分析前，首先需要对各因素进行分组，然后通过分析各个因素的分布来确定相应的阈值和最小支持度.首先，车速数据被分成冬季和夏季两个区间，图5的累积频率分布曲线描述了路段全年的车速分布情况.结果表明：夏、冬两个季节速度分布的差异明显(红线表示冬季，绿线表示夏季)，速度中位数在冬季下降了2 km/h，冬季的速度标准差明显高于夏季.

图6为日降雪量和路面状况的统计分布信息.由图6可以明显看到全年分布和冬季分布的差异，这些因素可能和冰雪条件下车速降低有较强的关联性.

通过分析所有因素的分布确定了每个项的属性值，见表2.通过Apriori算法计算可以得到如下结论：如果路面干燥，温度大于-1 ℃，风速小于40 km/h，降雪量小于3 cm，那么车速大于110 km/h的置信度为70%；如果速度大于90 km/h且小于110 km/h时，与降雪量和路面条件密切相关，置信度为60%～65%；路面积冰与温度及降雪量相关，置信度为61%；能见度对车速影响非常大；车速与气压、湿度和风向没有相关性；车速与工作日、节假日和流量没有很强的相关性.

4　结　　论

关联规则是数据挖掘的一个重要课题，用于从大量数据中挖掘出有价值数据项之间的相关关系.本次研究基于气象信息、交通流信息和冬季道路养护信息等多源数据的融合，利用Apriori算法研究了车速和各种因素的关联规则.研究结果表明：车速变化与能见度、路面条件和降雪量有较强的关联性，与湿度、风向、工作日、节假日和流量没有相关性.研究结果可以用来度量冬季道路养护在提高道路机动性方面的效益和解释冰雪条件下速度变化的各种诱因，未来可基于关联规则的分析结果开展冰雪条件下交通流状态的预测研究.

[1] Fay L，Veneziano A，Ye Z，etal.Costs and benefits of tools to maintain winter roads[J].Transportation Research Record：Journal of the Transportation Research Board，2010，2169：174-186.

[2] Perrier N，Langevin A，Campbell J F.A survey of models and algorithms for winter road maintenance.Part I：system design for spreading and plowing[J].Computers & Operations Research，2006，33(1)：209-238.

[3] Ye Z，Veneziano D，Shi X.Estimating statewide benefits of winter maintenance operations[J].Transportation Research Record：Journal of the Transportation Research Board，2013，2329：17-23.

[4] Datla S，Sharma S.Variation of impact of cold temperature and snowfall and their interaction on traffic volume[J].Transportation Research Record：Journal of the Transportation Research Board，2010,2169：107-115.

[5] Kwon T，Fu L，Jiang C.Effect of winter weather and road surface conditions on macroscopic traffic parameters[J].Transportation Research Record：Journal of the Transportation Research Board，2013,2329：54-62.

[6] Lee C，Loh W，Qin X，etal.Development of new performance measure for winter maintenance by using vehicle speed data[J].Transportation Research Record：Journal of the Transportation Research Board，2008，2055：89-98.

[7] Highway Capacity Manual [M].Washington D C：Transportation Research Board，2010.

[8] Yanbin Y，Chia-Chu C.A parallel apriori algorithm for frequent itemsets mining.Fourth International Conference on in Software Engineering Research[C]//Management and Applications Seattle：IEEE，2006：87-94.

【责任编辑：郭伟】

Use of Multi-source Data Fusion to Measure Winter Road Maintenance Performance

Cao Meishu1，Liu Gang2，Liao Mingjun3，4，Wang Kaiying3

(1.Shandong Hi-Speed Group Co.LTD，Jinan 250031，China；2.CollegeofCivilEngineeringofFuzhouUniversity，Fuzhou350116，China；3.AutomotiveandCivilEngineeringCollegeofBeihuaUniversity，Jilin132013，China；4.EngineeringResearchCenterofCatastrophicProphylaxisandTreatmentofRoad&TrafficSafetyofMinistryofEducation，ChangshaUniversityofScience&Technology，Changsha410076，China)

Based on multi-source data fusion，this study used Apriori algorithm to investigate the association rules between speed reduction and weather condition，pavement condition as well as road maintenance operations.The phenomenon of speed reduction and recovery can prove the mobility benefit of winter maintenance.The results showed that speed reduction has a great association with visibility，pavement condition，snowfall，has not association with humidity，direction of wind，vocation and so on.Data mining technique is useful to transform the abundant of stored data into useful information and knowledge,therefore，it can provide decision-support information for winter road maintenance.

winter road maintenance；intelligent transportation system；data mining；Apriori algorithm

1009-4822(2016)05-0679-05

10.11713/j.issn.1009-4822.2016.05.027

2016-04-13

长沙理工大学交通运输工程及测绘科学与技术领域研究基地开放基金项目(kfj150401)；吉林市杰出青年科技引导项目(201467009).

曹眉舒(1980-)，男，高级工程师，主要从事交通规划设计研究，E-mail:1439467358@qq.com；通信作者：廖明军(1974-)，男，博士，副教授，主要从事道路交通规划设计研究，E-mail:mjliao@163.com.

U418.41

A