基于车牌识别数据的出行特征研究

韩国华，蒋雨薇，丘建栋，黄 练

(1.深圳市综合交通运行指挥中心，深圳 518000；2、广东省交通信息工程技术研究中心，广东 广州 510000)

基于车牌识别数据的出行特征研究

韩国华1，蒋雨薇2，丘建栋2，黄 练1

(1.深圳市综合交通运行指挥中心，深圳 518000；2、广东省交通信息工程技术研究中心，广东 广州 510000)

随着大数据技术的推陈出新，越来越多的数据源可以用来研究居民的出行特征。本研究通过首次采用建筑停车场的车牌识别数据研究不同建筑业态吸引客流的出行时间特征、来源地空间分布情况、出行平均时耗等内容，从而为城市空间功能布局规划、停车场规划、停车场周边道路交通改善等提供参考。

车牌识别数据；出行特征研究；数据挖掘

1 数据来源

车牌识别数据是通过在停车场或者道路安装车牌识别设备，采用视频识别技术检测车辆的车牌信息，获取车辆在全市不同区域的出行轨迹信息，进而统计停车场的进出量以及判别车辆的来源去向信息。本研究采用了深圳市9月份5 308个停车场车牌识别监测点的数据信息，选取包括中心区(罗湖区、福田区和南山区)与外围区(宝安区、龙岗区、光明区等其他行政区)的商业和办公等综合性建筑(以下简称综合类)、纯商业类建筑(商业)、纯办公类建筑(办公)共3种建筑业态类型进行研究。

2 出行特征分析

2.1 商业建筑

分别选取深圳市南山区的保利文化广场和城市外围宝山区的沙井京基百纳广场作为商业建筑的研究对象。

(1)客流到达量时间分布分析

选取不同的工作日和非工作日，统计研究对象每小时的客流到达量。

图1 深圳市保利文化广场客流到达量时间分布图

图2 沙井京基百纳广场客流到达量时间分布图

对于纯商业类建筑，非工作日的客流到达量略大于工作日，城市外围区域比中心城区高峰提前一个小时。商业类建筑与综合体建筑最大的不同是周末的客流到达量明显高于工作日；处于中心城区内的商业建筑，周末和工作日的客流吸引量时间分布曲线趋势比较接近，而处于城市外围的商业建筑则不同，周末和工作日没有明显的分布规律，且工作日客流吸引量的时间分布曲线比较凌乱。

(2)到达客流出行时耗分析

到达客流出行时耗分析是分析研究对象的到达客流所需要花费的时间。根据几个商业体的出行时耗得知， 50%以上的人群出行花费时间在40 min以内，其中20 min的出行时耗占比均较大，城市外围商业体的到达客流在周末的出行时间花费更多。在周末的14点～19点之间，出行花费时间更长。但并不是商场位于城市外围出行花费时间就能更少。根据沙井京基百纳广场统计得到的数据，从周末的早上10到第二天凌晨，除了早上10点～11点、16点～17点、21点～22点以及23点到第二天零点，其余时段都需要花费超过30 min的时间才能到达目的地。

(3)到达客流的出行时耗空间位置分析

出行时耗空间位置分析，分析到达客流基于不同来源地的出行时耗分布情况，反映的是交通条件的好坏对出行时间的影响。

根据出行时耗空间位置分析可以得知，商业体的客流来源与空间位置有关，而空间位置只是商业体到达客流出行时耗的影响因素之一。首先，对客流来源分布进行分析。保利文化广场以南山区为主要客流来源地，车公庙地区作为第二客流来源地，然后北向宝安，东向罗湖延伸；沙井京基百纳广场以周边客流为主，少量经广深公路延伸至南山和福田区。

其次，空间位置并不是商业体到达客流的时耗的唯一因素。从上图可以得知，即使是距离商业体1 km的范围内有相当大比例的到达客流出行时耗超过30 min以上。

2.2 办公类建筑

办公类建筑的研究对象选取的是位于福田区的时代科技大厦和位于城市外围龙岗区的正中时代大厦。

(1)客流到达量时间分布分析

统计工作日期间研究对象每小时的到达客流量。

图3 时代科技大厦客流吸引量到达时间分布图

图4 正中时代大厦客流吸引量到达时间分布图

办公类建筑的工作日到达客流时间分布趋势比较接近，有明显的早高峰，且城市外围的早高峰早于中心城区。首先办公类建筑不同天数的车辆到达曲线拟合度相当高，曲线趋势接近一致，不存在地域差异；其次，作为中心城区的办公楼，时代科技大厦早高峰在8点～9点之间，而位于城市外围的正中时代大厦的吸引量到达高峰出现在7点～8点之间，比中心城区提前一个小时。

(2)早高峰期间通勤到达客流出行时耗分析

选择工作日早高峰期间的通勤到达客流分析办公建筑的出行特征。根据早高峰出行时耗分析可以得知，城市外围和城市中心区的办公楼工作日早高峰期间的出行时耗特征基本接近一致。作为纯办公楼的正中时代广场和时代科技大厦的出行时耗在20 min以内的占比更高，接近60%。

(3)早高峰期间通勤到达客流出行时耗空间位置分析

基于数据分析，8点后到达的客流主要位于研究对象周边区域，而办公不同于商业，出行来源主要分布在办公楼周边，因此出行时耗会相对较短。

从时代科技大厦的分析可以得出，并不是距离近的出行时耗就低，反而可能由于交通条件差，导致出行时间比距离远的出行还低。出现这种情况的原因会有以下三种情况。一是从道路交通特征着手。由于道路交通拥堵、交通组织不够完善、交叉口设计及信号配时缺陷等问题，导致出行时耗过长。二是从停车场容量考虑。由于停车场剩余车位不足，导致车辆花费大量时间在周边道路绕行；三是从居民的完整出行轨迹链方面研究。 商业出行的轨迹点比办公出行轨迹点多，因此商业出行的时耗时间更长。

3 结 语

本文选取深圳市几个典型的办公和商业类建筑，利用车牌识别数据从出行时间分布、出行时耗和出行时耗来源三个方面对办公和商业类建筑的人员出行特征进行了初步分析。研究结果表明，基于车牌照数据的分析方法能够有效地提取车辆的轨迹信息和识别出不同建筑类型的人员出行特征情况，并通过分析其出行行为时空分布为城市交通拥堵问题的缓解和交通需求管理政策的制定提供更好的辅助决策信息，从车辆的角度剖析城市交通问题的规律和原因，对日益严重影响城市居民出行的交通拥堵问题重要的意义。

[1] 冉斌. 手机数据在交通调查与交通规划中的应用[J]. 城市交通，2013，11(1)：72-81.

[2] 郭昕，陈川. 基于车牌识别数据的车辆使用特征研究:以上海市快速路非沪车牌识别数据为例[J]. 综合运输, 2016，(1):78-84.

[3] 林瑜，陈红洁，肖永来.基于车牌识别的交通应用分析研究[J].中国交通信息产业,2009，(5):101-102

U415.1

C

1008-3383(2017)09-0213-02

2016-12-11

韩国华(1979-)，男，山东济南人，硕士研究生，主要从事智能交通系统相关研究。

支持GGFW2016033017241891深圳市交通大数据公共技术服务平台。