道路交通运行指数在城市综合治理中的应用实践1

庄立坚，丘建栋*，李细细，陈昶佳，李彬亮

1.深圳市城市交通规划设计研究中心有限公司，2.深圳市综合交通运行指挥中心

0 引 言

以先进成熟的理论研究为基础建立道路交通运行评估指标体系，以智能化、自动化的交通信息采集和处理技术为基础开展道路交通运行评估，在一定程度上能够动态监测道路运行变化趋势、全面准确地评估道路拥堵状况，为研究城市交通系统、拥堵产生机理，制定改善和治理方案等工作提供定量化的分析手段和依据，是交通管理部门制定各项缓堵政策、措施，合理安排基础设施建设时序，重大事件应急处理等工作的技术基础，有助于提升道路交通运行管理的科技化和信息化水平，同时对政府制定交通相关的城市发展政策也具有重要的参考价值。

交通治理作为城市治理的重要工作，是提升城市环境质量、人民生活质量、城市竞争力的关键举措，也是深圳打造现代化、国际化创新型城市的重要保障。随着人民生活水平提高，近年来深圳城市人口规模和机动车保有量的持续增长，交通拥堵、交通环境、交通安全、停车紧张等问题愈发突出，对社会经济发展和民生幸福保障带来了负面影响。因此，亟需采取综合措施来改善和治理城市交通拥堵，已成为所有交通参与者和管理者的共识和紧迫任务。

深圳市道路交通运行指数系统自2011年上线运行以来，已实现了道路交通运行监测、多维分析、短时预测、在线报告生成等功能，为研究拥堵产生机理、分析交通系统存在问题、制定改善和治理方案等工作提供定量化的分析手段和依据，在量化支持决策、辅助交通管控、引导市民出行等方面发挥了重大作用。

1 道路交通运行指数概述

1.1 基本概念

道路交通运行指数的概念最早由德克萨斯交通研究院（Texas Transportation Institute，TTI）提出，TTI通过建立道路交通机动性和交通拥堵相关的评价指标体系，每年发布《城市畅通性报告》，选择交通拥堵指数等指标，定期评估并向管理部门和公众发布[1]。依托多年的研究成果，TTI建立了比较完善的道路交通评估指标体系，报告中主要指标如表1。

日本从交通拥堵在时间和空间的分布状态出发，提出了道路交通拥堵评价指标，评价体系包括行程车速、排队长度和拥堵持续时间[2]等，体系相对最完整，各指标含义如表2所示。

以美国、日本为代表的国外先进国家，已形成了对综合交通的全方位监测，并在评价标准、数据融合、交通预测、交通仿真等方面进行了大量研究[3]，但其理论在中国存在适用性问题：

●交通数据来源不一，结构各异，质量参差不齐，需进行深度本地化整合；

●交通评价体系标准无法适用于中国实际交通情况；

●国内的车辆驾驶行为复杂，国外的理想模型与仿真无法适用。

1.2 国内应用现状

国内大城市已建设了各自的运行监测与评估系统（指数系统），采用不同的技术标准和数据源，基本实现了对道路交通状态的实时监测。如北京市[4]于2006年在国内率先开展道路交通评价项目，研究建立了交通拥堵评价指标体系和评价方法，制定了《城市道路交通拥堵评价指标体系》；上海完成了市区重要道路（全市快速路网和地面路网）的交通数据采集，并发布了上海市道路交通指数，用量化方法来表达道路交通的拥堵程度；广州市于2013年12月正式对外发布交通拥堵指数，交通拥堵指数算法已被正式纳入广州市地方标准《城市道路交通运行评价指标体系》；2012年武汉交通信息系统一期工程实现了主城区道路交通实时运行监控、重点区域和主要道路实时运行指标分析、常发拥堵路段跟踪分析等功能，同时发布“城市交通运行周报”，用于政府决策参考；2013年3月，杭州正式向百姓预发布交通拥堵指数等。

表1 《2011年城市畅通性报告》主要指标

表2 日本交通系统和拥堵评价指标

图1 国内各大城市发布交通运行指数系统

表3 道路交通运行指数分级

1.3 深圳道路交通运行指数概述

道路交通运行指数定义为基于行程时间比的对路网交通总体运行状况进行定量化评估的综合性指标，取值范围为0～10，分为畅通（0～2）、基本畅通（3～4）、缓行（5～6）、较拥堵（7～8）和拥堵（9～10）等五个等级；指数越大表明在路网中平均一次出行相比顺畅状况（如凌晨时刻）花费的时间越多，交通状况越拥堵。

建立行程时间比与交通运行指数的换算关系公式如下：

公式中，T为路段或路网的实际行程时间；Td为期望车速下（如凌晨时段）行程时间；F(·)为由专家打分确定的换算关系。

2 道路交通运行指数关键技术

2.1 地图匹配和路径搜索

为了更好地适应路网条件与浮动车数据特点，优化基于浮动车GPS数据的最短路径搜索与路段行程车速算法。建立双层道路网络，地面道路（间断流）网络、高架道路（连续流）网络，获得中频GPS数据，以每20秒一次的频率获得出租车GPS数据。

最短路径搜索中采用虚节点法、向前追溯法和多路径优选法来求出最短路径。通过路段投影获得虚节点后采用Dijkstra算法计算最短路径；在投影虚节点有多种可能的情形下，基于虚节点最短路算法，选择的虚节点不同，匹配路径将不同，最终导致行程车速、各路段车速计算结果也不同。采用向前追溯优化起点最短路算法，向前追溯GPS点，直至追溯点有唯一虚节点，然后明确其最短路径，并沿此路径确定待匹配GPS的虚节点，最终获得准确的最短路。若投影虚节点可能在高架道路或地面道路，分别计算最短路径，优先选择阻抗最短的路径。

以最短路径搜索——虚节点投影法为例：通过路段投影获得虚节点后采用Dijkstra算法计算最短路径。

传统最短路算法：先寻找GPS邻近点的最短路，后叠加虚节点（即GPS投影点）至邻近点距离，路径阻抗为11，如图2。

虚节点最短路算法：GPS点向路段投影确定虚节点，后以虚节点为起始点寻求最短路，路径阻抗为8，如图3。

2.2 数据融合

创新性采用状态模型库实现历史数据与实时数据的融合。通过建立车速状态模型库对两种不同数据进行融合处理，路段平均车速精度提高至92%以上；多源数据融合单元是在数据预处理和数据特征择取的基础上，设计时间关联模块、数据关联模块和数据融合模块进行多元数据融合。

2.3 交通预测

图2 传统最短路算法路径搜索示意图

图3 虚节点最短路算法路径搜索示意图

图4 多源数据融合框架

Light GBM是基于GBDT（Gradient Boosting Decision Tree）框架和Histogram的组合决策树算法，该算法通过优化延伸，提高了模型的训练效率，实现更高精度的数据预测。基于Light GBM的预测模型特征工程统筹考虑路段速度、天气、路段关系、时间等其他可能潜在影响因素，其预测框架首先读取实时数据，进行相应的聚合、过滤、补全处理，按照离散变量和连续变量的处理方式构建特征工程；接着读取训练好的模型树结构文件；然后将特征变量输入至模型中，并行地进行逐步滚动预测，直到完成2小时的短时预测；最后将预测的结果写入数据库，并将时间窗向前滚动一步，直到完成所有时段的预测。

在预测效率方面，基于Light GBM的短时交通预测算法，完成一次全路网未来2小时的预测仅需耗费约12秒的时间；在预测精度方面，所有等级路段的预测精度平均在86%以上。

图5 LightGBM预测框架

2.4 拥堵成因识别

按交通拥堵的发生频率，一般将交通拥堵分为常发性和偶发性交通拥堵。其中，常发性交通拥堵是道路瓶颈原因，道路资源不能满足实际的通行需求，一般是在高峰时段或者特定的路段位置常发，是可以预测的。它的重要特征是：由于瓶颈所引发的交通拥堵在某些固定位置和某些固定时间中反复出现。偶发性交通拥堵原因一般包括偶发的交通事件、特殊活动、天气或短时施工等。

为了有效判别拥堵成因，建立了的拥堵成因识别流程，首先依据历史数据进行拥堵类别的划分，共分为常发拥堵和偶发拥堵两大类，偶发拥堵的主要因素如施工、天气、特殊活动等进行拥堵特征分析。最后根据不同拥堵成因，深度关联路况、天气、样本车辆等因素构建拥堵成因智能识别模型。识别流程如图7。

图6 常发拥堵和偶发拥堵的特征差异

图7 拥堵成因识别流程

针对不同地点类型的交通拥堵成因，对路况、气象、流量等数据进行深度关联分析，建立人工智能分析模块，实现对拥堵、路面积水、事故等交通事件的短时自动预警，提前引导路径选择，为警力调配提供技术支持。

3 在城市综合治理中应用实践

依托交通大数据的融合与挖掘，基于超过10年的交通运行数据积累，建立覆盖全市域的道路交通运行指数系统[5][6][7]，在城市交通综合治理中提供了诸多卓有成效的应用，为改进交通规划提供技术支持、决策支撑等，同时增强交通决策管理方法和提升交通信息化服务水平，对近年深圳市城市交通发展起了重要作用。

3.1 支撑交通规划和管理决策

基于丰富的数据积累，道路交通运行指数支持城市交通运行规律的长期监测，可以分析重要政策、特殊事件、节假日等的交通影响。以深圳为例，如下图，2014年普通工作日，早高峰交通运行指数接近4，而在推行了限购和路边停车收费后，可以看出限购和路边停车收费对早高峰消减的作用相对明显；在2015年5月11日的“龙卷风+大暴雨”的极端天气下，17点时交通指数已达到了最高峰，有别于常规情况。基于交通运行指数的动态运行监测，可为恶劣天气、特殊事件等工作部署提供数据支撑，提前发布预警，避免出现交通瘫痪现象。

3.2 支撑全市交通综合治理

依托道路交通运行指数系统，支持日、周、月、季度、年度的常态化拥堵排查：2015年排查出拥堵里程94.0公里(工作日，不含高速），拥堵片区16个；2016年排查出拥堵里程345.4公里（节假日+工作日，含高速，数据融合后监测范围扩大），拥堵片区12个；2017年排查出拥堵里程超过300公里（节假日+工作日，含高速）。道路交通运行指数系统为交通综治业务提供数据支持，包括实时拥堵预警、拥堵点位排查、拥堵成因分析、拥堵治理效果评估等功能。

3.3 支撑全市各类交通影响评估

图9 指数系统支撑拥堵排查

（1）特殊天气条件下的交通影响评估。对深圳来说，大暴雨、台风等是夏季最常见的恶劣天气，降雨造成路面湿滑甚至积水，道路交通状况易变差。2017年6月13日，台风“苗柏”导致大规模降雨，对深圳市造成较大影响，中心城区早高峰交通指数达6.2，平均速度22.1 km/h，其中福田区在9点前后交通指数“爆表”，而上周二，中心城区早高峰交通指数为3.6，平均速度31.3 km/h；同时，利用指数系统识别当日早高峰深圳十大最敏感片区，香蜜湖、上梅林、景田、下梅林、农科中心、皇岗六大片区行车速度下降超过15 km/h，与同时期相比速度下降比例超过50%。对于受灾害天气影响较大的片区，应抓紧进行片区级交通与排水管网整治，应对下一轮的夏季突发暴雨天气。依托交通运行指数系统可以监测特殊天气对城市交通运行影响，提前发布恶劣天气交通运行预警，有利于保障民生安全。

（2）大型赛事活动的交通影响评估。大型活动赛事是影响交通运行的因素之一，做好活动期间的交通影响监测评估，是支撑各类重大活动举办期间的交通管理、诱导和交通指引的重要基础。以2017年深圳南山国际马拉松赛事为例，11月19日上午8:00在“春笋”前鸣枪开跑，赛事对望海路（双向）、后海滨路（双向）管制时间较长，同时赛道沿线分时段封闭，对南山中心区、后海、深圳湾口岸等片区周边道路交通运行产生一定影响。比赛当日上午8时交通指数开始明显上升，11时达到了最高峰值5.88，较上周同期上升了2.44，环比上升71%。12时随着赛事结束，交通指数逐步下降，13时左右交通运行恢复至上周同期水平。

（3）轨道开通前后的交通影响评估。以龙华有轨电车开通前后交通影响评估分析为例，2017年10月28日，龙华区有轨电车正式通车运行。有轨电车开通后影响片区工作日早、晚高峰交通指数分别为2.8和5.1，对比开通前均呈下降趋势，降幅分别为14.2%、14.5%。早晚高峰平均速度分别为26.7 km/h和22.4 k/h，环比开通前分别上升了5.7%、5.3%。

图10 台风“苗柏”当天总体交通指数变化与片区交通拥堵概览

图11 大型赛事活动的交通影响评估

（4）交通管控措施下的交通影响评估。2017年9月1日起，深盐二通道（罗沙路—盐坝高速收费站）间的夹门山1/2/3号隧道、正坑隧道、田东隧道、林场隧道段道路限速值由现状60 km/h调整至80 km/h。调整后道路整体和局部各区段的运行速度均有所上升。全路段全天平均运行速度环比限速调整前两个月上升了11.87%，同比去年同期上升1.6%；局部隧道段速度同比上升2.37%，环比上升11%。

3.4 支撑特殊节假日的交通预报

特殊节假日交通运行状况与常态化工作日、非工作日的交通运行状况会有不同，是全市及各区关注的重点。基于道路交通运行指数，支撑政府发布节假日交通出行指引，针对特殊节日、年份、道路类型、热门周边和节前/节中等不同交叉条件，对每年7个特殊节假日进行路况实时监测及分析，在历史出行数据的基础上识别拥堵路段，引导用户提前规划出行路径，全面把握出行指引，为广大市民和游客提供出行参考。

3.5 支撑公众交通出行服务

（1）交通拥堵预警与信息发布。基于交通运行指数的交通路况与拥堵预警信息，通过各大信息发布平台实现发布，为市民出行提供出行指引。

（2）短时预测引导用户出行。短时交通预测实现未来交通运行路况预测，引导用户弹性选择出发时间，减少无效中途时耗。

3.6 支撑其他部门与业务系统的应用

不同管理部门的业务工作和协作需要进行数据共享，为支持公众服务，保障相关工作开展和数据安全，系统通过开发各类数据开放接口API，多维度分级信息发布，实现多用户信息应用。

图12 轨道开通前后的交通影响评估

图13 交通管控措施下的交通影响评估

4 结 语

通过对国内外道路交通运行指数发展概述，对深圳市道路交通运行指数定义进行说明，城市运行每天产生大量的数据，基于长期交通大数据积累，阐述道路交通运行指数系统为城市综合治理提供了有力的数据支持，在支持全市交通规划与管理决策、全市交通综合治理、各类重要事件的交通影响评估及交通预报，以及公众出行服务等方面发挥重要作用，实现了城市交通综合治理从被动改善到主动治理、从感性认知到量化监测的转变，具有较强的借鉴和推广意义。

图14 节假日交通拥堵预测和出行指引

图15 交通路况与交通指数信息发布

5 致 谢

感谢深圳市科技计划项目（项目编号GGFW2016033017241891，项目名称“深圳市交通大数据公共技术服务平台”）和深圳市战略性新兴产业发展专项资金2017年第一批扶持计划（项目名称：深圳市交通碳排放工程实验室，批复文号：深发改〔2017〕550号）的资助。