多元数据融合环境下的交通拥堵分析方法探析

上海市交通发展研究中心

0 引 言

道路交通信息化快速发展，多元数据融合条件下道路交通拥堵治理在思路与方法上，与以往相比都产生了较大的突破。如果说传统调查加经验判断对于交通状态的判别是管中窥豹或囫囵吞枣，现在的大数据融合研判则是逐步向着实时感知、全面获取、追踪溯源、快速响应的方向发展。这种变化使得道路交通相关工作者对交通状态乃至交通需求的研判，在时空、方式诸多影响因素上更加客观和全面，使得拥堵治理研究基础更加稳固、问题分析更加知微见著、方案的研究和实施更加具有针对性。

道路交通相关的数据信息主要分为交通设施供应、交通出行需求以及交通运行状态，即道路、附属设施及交通管理在内的通行环境，包括机动车、慢行在内的出行时空特征，以及包括交通流量、车速、拥挤度等在内的交通的运行状态。

1 道路交通环境的信息化

交通地理信息系统GIS-T（Geography Information System-Transportation）在交通规划、交通管理行业中的普及和应用，以及交通运行数据的日益丰富，使得道路交通建模分析不再是静态的半封闭系统，而是逐步形成可以与交通信息平台、行业运行数据甚至互联网地图动态数据相连通的动态的开放式系统，作为一个模块更好地融入到越来越高度集成的道路交通管理乃至城市管理的大平台中。

道路交通的运行状态，无论畅通或拥堵，均由道路容量供应和交通需求共同作用形成。道路容量供应又由静态的道路设施和动态的管理方案同时决定。这其中，作为道路交通环境的网络和附属设施信息化是实现交通大数据融合应用和道路交通智慧管理的基础。

1.1 道路网络及附属设施的地理信息化

道路网络实现静态的地理信息化，为道路管理提供了可视化的数据处理、筛选、分析、展现的图形基础。比之在地图册上标记并开展研究工作效率大有提升，同时让路径分析和出行模拟成为可能，将道路交通的管理和研究从节点表象推动到源头和路径分析的层面。

图1 苏州河沿线局部道路网络示意图

1.2 道路交通管理信息化与可计算路网

在静态属性的道路网络基础上，当道路的交通管理方案、信控方案尤其是实时的信号状态作为动态属性接入道路网络，道路作为交通供应端，再结合动态的交通流数据，其实时、动态的服务能力计算和运行状态评估才有了精细、量化和实时校准的可能。相比以往对道路容量通过静态属性赋值的粗犷计算，引入动态管理信息的逻辑计算让系统模拟精度和方案测试效果有了质的提升。

道路交通管理信息及附属设施信息主要包括以下几个方面：

（1）车道信息：路段及交叉口车道属性，包括方向、断面类型、车道数、交叉口车道转向、专用道等，尤其是可变车道、时段性专用道等动态变化的车道信息；

（2）交通管理：单行道、禁止转向、车型限制等；

（3）信号信息：信控配时、信号优先等信息，包括静态方案，乃至动态实时状态信息；

（4）附属设施：与交通管理相对应的道路附属设施，包括标线、标志标牌、护栏隔离栏、信息板、信号灯及其他外场设施等。

图2 宣城公安交通大脑可计算路网示意图（图片来源于网络）

2 道路交通需求的感知与推算

与交通供应端相对的，交通需求及出行特征是形成最终道路运行状态的另一因素。

交通方式中与道路交通改善研究相关的主要是小汽车、出租车（含网约车）、公交车及非机动车几类。通过分类研究各方式出行的规模、分布及时间情况，摸清一个区域的道路交通需求根本特征，再结合道路流量、车速等运行状态分析拥堵发生的逻辑和改善方案。

在传统方法中，掌握出行特征主要通过传统的抽样问卷调查获取，时段上是局部的、特征日的，样本覆盖上比例较小。总体特征只能通过简单的或者复杂的扩样估算。在大数据环境下，可以借助手机信令、手机app数据及各类交通行业大数据来获取或估算这些特征，而且样本量更大，覆盖度更加全面，时间和空间上更广，且可以追溯和补充分析。

2.1 全方式交通出行

全方式的出行虽然不是直接和道路交通相关，但它更加直接地反应了一个地区的需求，且往往和人口、岗位直接关联，对于了解该区域的整体情况十分必要。目前估算区域全方式出行特征，手机信令、微信等数据是比较好的数据媒介。人们对微信使用的普及度和频度可以保障样本的覆盖面。此外全方式的出行特征，可以和后面分方式的特征汇总后相互校核。

图3 基于手机信令的人员分布和全方式出行分布示意图

2.2 公共交通出行

以上海第二代公交IC卡POS机数据为例，通过公交IC卡记录、车辆GPS、电子路单的组合碰撞，并结合公交IC卡进出轨道交通的记录，推算获取刷卡用户出行特征。随着新一代有定位信息的POS机的普及应用，该算法复杂度将大幅度下降，出行特征推算精度将持续提高。

图4 公交刷卡用户出行特征推算示意

2.3 出租车出行

对于出租车出行数据的分析已经比较成熟，近年随着网约车的占比不断提高，甚至反超巡游出租的客运规模，使得对网约车的分析也变得必不可少。出租车和网约车两种方式，作为车辆出行可以作为全样数据来分析，直接得出该方式的车辆出行规模、时空分布特征。尤其是对道路运行状态的评估，也是很好的数据来源。

图5 节假日崇明岛网约车上客点及下客点分布

2.4 小汽车出行

对普通小汽车方式出行分布和时间特征的分析，可以借助导航数据、新能源车GPS记录等数据进行分析。

与出租车数据采用同样的技术方法分析其出行特征，不同之处在于，出租车几乎可以认为是全样数据，但普通社会车辆仅能获取部分数据。

但对于普通社会车辆的分析，其另有一处优势在于，可以通过停车场的进出车辆统计数据进行扩样，这与目前在实践中的IDPS（Infrastructure Data Platform System）系统中采用的某些思路不谋而合。

2.5 非机动车出行

共享单车的强势推广，为人们非机动车出行提供了便利，也为非机动车出行特征的研究提供了丰富的数据资源，具有大数据的一切优点，只是在骑行路径上尚不容易获取。但骑行起终点、规模和时间记录已经能够帮助我们摸清楚一个区域非机动车方式的功能和需求特征，对于深入研究道路上的机非关系有着突出的作用。比如，局部节点机动车流量与车速不能达到理论上的一致性，那么就有可能是受到非机动车或者行人的影响，这在现场是十分容易分辨的，但借助大数据却可以在更大的区域范围内自动筛选出存在这些情形的节点。

图6 新能源车辆出行特征分析及借助停车场（含出入口）数据辅助分析

3 道路运行评估与拥堵筛查

道路运行分析和状态评估有交通量、饱和度、车速及拥堵里程等基本要素，以及通过特定算法定义的各类交通指数来描述运行状态，如上海市的道路交通拥堵指数和高德的延时指数等。此外通过从时空上对比某些基本要素可以分析出特定的交通特征，如根据流量和车速的变化分析出某些路段或者交叉口转向的潮汐特征。

图7 共享单车的起终点分布示意图

3.1 车速的分析

在利用大数据分析道路运行特征的基本要素里，车速分析是相对较为容易实现的。一是数据来源较多，根据研究区域的区位、业态或功能以及交通构成特点，可以选择出租车、公交车、新能源车辆、两客一危车辆以及互联网地图数据等等；二是只需要一定量的样本数据即可计算车速，无需全样数据，即可覆盖范围齐全的路段及网络。

车速是筛选拥堵区域的最直接有效的指标，也是计算拥堵里程和分析潮汐特征的重要指标之一。车速与交通量、道路容量、饱和度综合分析，可以用来评判道路设施供应及管理有效性。

图8 车辆GPS散点车速与路段车速分析示意图

3.2 流量及饱和度

与车速分析不同，道路交通流量理论上要求全样统计，在数据的获取上成本较高而灵活度较低。传统的人工观测，由于成本和工作周期，调查响应速度和时空覆盖面都受到制约，人工观测也存在不可避免的误差，且难以回溯；管理部门的线圈数据、视频采集数据，在时间维度上较为完备，颗粒度和时间周期都可以灵活获取，但受限于固定设施的投资建设，点位覆盖度无法灵活补充。基于目前的数据资源，通常需要以设施采集数据为基础，以缺失点位的人工调查为补充，并通过道路交通模型的分配来模拟完整网络的交通量分布。从整个路网的分析来说，数据获取和模型调校的工作周期较长。

与交通量对应的交通饱和度，是建立在对道路容量的人为标定的基础上的，难以做到全网的精细化。随着交通模型与交通管理信息的联网探索，对道路容量的精细化动态计算成为可能，未来对路网饱和度的评价将能够更加符合实际情况。

图9 衡山路车速（上图）与拥堵里程（下图）的时间变化

图10 路段流量饱和度及高峰车速模拟

综合道路交通量、饱和度、车速等基本指标，从宏观路网层面高效精准地聚焦至拥堵片区、拥堵路段和节点，为进一步的拥堵分析和治理提供了较为全面和客观的基础，是大数据环境下交通拥堵分析和研究的最大优势。

3.3 设施与管理问题的发现

结合道路动态通行能力，对交通流量与车速的理论一致性判断，可发现实际运行中存在的相互干扰情形，包括社会车辆之间、公交车与社会车辆之间、车辆与非机动车或行人之间的干扰，导致道路实际通行能力与理论通行能力的差异，进而分析设施在局部设计上、管理上可能存在的问题。

3.4 运行状态发展趋势的预判

以长期运行状态监测为基础，并综合分析车辆保有量、公交客运量、区域道路设施供应及相关政策因素，对未来近期交通发展态势可进行预判。如上海中心城道路交通指数（月均值）的分析显示，早晚高峰时段及晚高峰后时段交通指数平均每年增长5%-7%，加入车辆保有量因素，并筛选出拟合值较好的路段区间，可以作为预判交通运行态势发展的工具。

4 拥堵识别后的治理思路

4.1 人流密集区域的慢行交通改善

对于大数据识别出的非机动车、行人出行密集区域，需要关注宽马路的行人过街、非机动车左转、非机动车二次过街以及慢行空间问题，这些因素与机动车之间的冲突，将导致安全隐患和拥堵诱因。

4.2 基于潮汐特征的可变车道措施

根据路段分方向分时段的交通量、路段车速识别出的具有潮汐特征的路段，根据道路设施条件，可以考虑潮汐车道或者交叉口转向可变车道措施，并根据方案预评估结果建议实施与否。

4.3 公交港湾车站改造

对于公交站点前、后路段区间内，社会车辆车速有明显差异的，结合道路设施条件，可以考虑实施港湾式公交站改造措施，降低社会车辆与公交车停站之间的相互影响。

4.4 其他拥堵治理思路

对拥堵片区、路段及节点的治理措施，还包括交叉口的渠化和信号优化、根据设施条件道路扩容、增加安全设施提高交通秩序等方面。

5 结语与展望

大数据环境下，对交通需求及道路运行状态的分析，一是在时间维度上能够跨度更广、更加连续，并且可以追溯，这使得我们可以减少传统调查中的偶发因素影响，进而比较全面地分析各种特征日期、各个时段的交通情况，甚至可以追溯当时是否受气象、交通事件的影响，让研究和方案的制定更加客观；二是在空间维度上，研究的覆盖面更广，尤其是信息化建设较为完善的城市或区域，使得研究者可以从宏观的层面入手，以上帝视角掌握区域交通需求和道路交通的运行情况，快速聚焦拥堵区域和节点，减少漫无目的的扫街，或者可以在现场调研时更加有针对性，提高研究效率；三是从供需匹配的角度，通过对比公交车、小汽车的车速，分析流量与车速关系，分析非机动车的需求分布，除了能够自动筛选出拥堵区域、路段和节点外，还能够帮助分析拥堵的成因，为研究治理方案打好基础。另一方面，大数据的助力，只是帮助快速聚焦和辅助分析，并不能完全替代现场的调研，当前阶段对路面现场的调研和交通体验对于拥堵治理仍然是十分重要的。

图11 上海每月不同时段道路交通指数变化图

图12 上海快速路特征区间交通指数发展趋势拟合曲线图

总的来说，大数据环境为道路交通拥堵治理和交通环境改善研究提供了更广阔的视野，要素分析的时空覆盖更全面，为拥堵治理智慧化模块化提供了可实现的基础。但同时，目前发展阶段也还存在迫切需要完善的方面，如信息采集与共享、管理联动等方面。未来随着基础信息的进一步完善、信息共享机制的健全、治理工作的联动，道路交通管理工作也将朝着更加高效、科学、精准和越来越精细化的方向发展。