区域公路网运行状态识别参数与数据源选择

周星水

（江苏天行科技咨询有限公司，江苏 南京 210000）

1 公路运行监测数据基本情况

为实时获取公路交通运行相关数据，交通运行管理部门一般建有自动化交通量调查站点、交通量监测设施、监控视频、不停车检测设备和具备车辆定位功能、具备移动视频功能的公路巡查车等。上述数据可通过公路交调流量监控系统、公路车辆监控系统和公路视频监控系统实时上传至数据中心。除了上述系统外，交通行业管理部门还可以获得 “两客一危”车辆位置与速度信息等。

1.1 交调点数据情况

符合交调传输协议的设备其所采集的数据主要有分车型交通量、分车型车速、时间占有率、车头时距等指标。

图1 数据采集与传输示意图

1.2 不停车超限检测系统数据情况

不停车超限检测系统主要采集的数据包括交通量、车型、车速、车重、轴数、轴距等指标。

1.3 公路网监测设施情况

公路监测设施主要包括图像采集设备、气象监测系统、事件自动检测系统及基于手机信令的实时运行监测技术等。

1.4 “两客一危”GPS数据

通过道路车辆卫星定位动态系统，可实现对 “两客一危”重点运输车辆的监管，查看其实时位置及历史轨迹。

2 公路运行状态识别参数的选择

2.1 常用交通流状态识别参数

从宏观上看，描述交通流的参数主要有行车延误、服务水平和通行能力等。行车延误是指车辆受交通控制设施和其他车辆的干扰，导致实际行驶时间高于理论值，这一损失称为延误。服务水平更多的是从驾驶员和乘客的角度，定性评价其感受的质量度。通行能力是指在理想的道路、交通、控制和环境条件下，单位车道或单位车道均匀路段上或某横截面上，一小时所能通过标准车辆的最大值。

从微观上看，描述交通流特性的常用参数有三个：交通量、车速和交通流密度。交通量反映了道路提供的通行服务数量，通常来说，车流量愈大道路也愈加拥堵，在车辆拥堵时交通量还能反映出道路的最大疏散能力——实际通行能力。但由于单纯使用交通量判定道路运行状况需要借助道路通行能力，单一使用交通量无法较为直观地反映出道路的通行情况，无法明确判断道路拥堵状况。

交通流参数中的行车速度为平均地点车速。通常来说，道路断面交通服务水平越高，对应的断面车速就会越高，当路段发生严重拥堵车辆无法行驶时，车速下降为零。车速与道路运行状态的对应关系较为直接和线性，通行状况越好，车速也就越接近道路的限速或畅行速度。

车流密度对道路运行状态的描述较为直观，密度越大，单位里程车越多，道路也就越拥堵；反之，密度越小，单位里程车辆越少，道路也就越通畅。在常用固定检测器所能提供交通参数中，通常以时间占有率代替交通流密度。

除上述常用参数外，描述交通流的参数还有车头时距、排队长度和占有率等。

2.2 交通流状态识别参数选择

目前交通运输部在《公路网运行监测与服务暂行技术要求》中主要以平均速度作为判定路段拥挤程度的标准，可直接同时利用监测点监测出的平均车速信息和浮动车车速信息对路段拥挤程度直接进行判定。缺点是单纯地使用速度一个指标不能完整和真实反映出路段的交通运行状态，一旦因天气、驾驶习惯和监测车型单一等原因造成了路段平均车速降低就会对路段的交通运行状态产生误判，如恶劣气象条件下车辆较少但仅能低速前进（道路实际畅通不拥堵）等。因此，文章拟在上述速度指标判定相关规定的基础上增设一个或两个指标作为补充，对依速度进行的路网状态识别进行校验，以提高路网状态识别精度。

2.3 状态识别补充参数的选择

在补充交通流状态判定参数选择过程中，应遵循直观性、便利性、敏感性、经济性、可靠性原则。路网运行状态识别算法所需的交通参数针对的是微观交通参数，根据以上交通参数选择原则，从参数的可得性及代表性出发，确定路网运行状态识别所需要的交通参数。

路网所能获得的动态交通流信息与所安装的安通检测器类型有关，不同检测器获得的交通流参数不尽相同。目前，我国常用的检测技术包括空气管道检测、磁感应检测器、波频车辆检测器、视频检测器、雷达检测等，其可提供的交通参数情况如表1所示：

表1 检测器与检测参数

从表中可以看出，常用的微波检测器、视频检测器、线圈检测器和磁阻检测器都能提供交通流的流量、车速、占有率及车头时距等参数，而对密度参数的观测支持性较差。而一旦将多个检测设备连续布设在封闭路段，即可通过前后设备检测出的流量参数差值计算得到设备之间路段的交通流密度。

与剩余的交通量、占有率、车头时距等多个参数相比，交通流密度参数伴随交通流状态的变化具有较好的单调变化性，在实际测量中不会出现随着交通拥堵的逐渐加剧而其数值呈现反向变化的可能。断面交通量数据随着拥堵的加剧会逐渐下降，直至交通完全堵塞停滞后数值变为0；占有率参数和车头时距参数也会随着检测断面拥堵的逐渐加剧而出现不稳定变化；交通流密度参数则会随着拥堵的加剧始终呈现上升趋势。

考虑到后期车检设备的逐渐加密，利用前后相邻设备配合检测路段交通流密度将逐渐得以实现，为保证检测参数的延续性和与今后检测方法的衔接，建议增加交通流密度作为路网运行状态识别的补充交通参数。

3 公路运行状态数据来源与选择

3.1 交通运行状态数据来源

目前可用于路网状态识别分析的数据来源主要为道路固定式观测点/检测器、浮动车定位数据和手机信令数据三个。其中：固定式交通观测设备是使用微波、超声波、线圈和图像识别等多种手段在固定地点对道路断面交通运行进行观测。可观测的交通运行数据相对全面，包括单位时间内车道车头时距、平均车速、时间占有率、分车型断面交通量等多个方面。浮动车GPS数据是利用“两客一危”车载GPS数据记录或计算得到的车辆行驶速度和地点对车辆所在路段交通运行状态进行判定。数据相对单一，仅包含单位时间内各浮动车车速和位置信息两个方面数据。手机信令数据是依靠收集连接到公路沿线基站手机的定位移动信息，通过相关技术手段排除与道路无关信息后将结果运用于道路交通运行状态识别分析。数据量较大，但数据相对单一，仅包含手机移动速度和定位两个方面信息。

3.2 数据源数据使用可行性

固定式交通观测点具有数据传输稳定、数据精度高、交通流检测数据全面等诸多优点，国外普遍使用密集的固定式检测设备对道路交通事件进行判定，理应作为路网交通运行状态识别数据源首选。但由于检测点位固定，目前大部分地区普通干线公路固定式观测设备设置密度较低，间隔较大，还无法形成完善的观测覆盖网络，需要借助其他数据进行必要的补充。

浮动车数据覆盖面较广，但现有的“两客一危”车辆数据多集中于城市内部和高速路网，对于普通干线公路网而言，上传数据覆盖性较差，且数据零散而不连续，且只能提供少数车型单个车辆行驶方向和速度数据，缺乏反映交通流整体状况的数据，一旦单一路段浮动车数目较少就会造成状态识别的不准确，这也是目前国内外对浮动车数据的处理和研究主要集中于城市交通层面的主要原因。由于目前大部分地区车辆检测器还未能形成完整的检测网络，设备之间或线路首末端依然存在不少监测空白路段，为进一步扩大监测数据覆盖路网范围，可以借助浮动车数据对路网状态识别监测进行辅助并对检测设备检测精度进行验证。

手机信令数据用于路网状态识别与分析具有建设成本低、覆盖面广等一系列优势，也曾广泛用于城市快速路网和高速路网状态识别与分析，但由于我国普通公路网交通组成相对复杂，路面各交通组成单位速度差异性和层次性不强，使用手机信令数据识别的路网运行状态可能存在手机定位误差过大、数据干扰较大、速度判定值较低等一系列精度问题，因此目前手机信令数据在普通干线公路上的应用还不成熟，还需另行深入研究并利用部分道路开展试点再对其可行性重新进行论证，本次研究暂不考虑使用手机信令数据对路网状态进行识别。

3.3 多源数据的选择与融合

由上述分析可知，目前可以使用的数据来源主要为固定式车辆检测器和浮动车上传数据，手机信令数据在普通公路网中的使用尚不成熟，暂不考虑使用。固定式车检设备检测得到的车辆运行数据相对浮动车数据稳定、完整、多样，获取的平均车速数据精度较浮动车数据高，并且还能够提供交通量等交通运行数据，应作为目前交通运行状态识别数据的主要来源。但由于现有路网中的固定车检设备数目还不多，密度不高，还不具备独立进行全网运行状态监测的能力，还存在不少的监测盲点。所以在以现有固定式车检设备为主的前提下还需要借助浮动车数据对监测进行必要的补充和完善，尽量减少监测盲点对路网状态识别带来的影响。

随着交通管理与服务对交通运行状态识别的要求不断提高，数据准确性和广泛覆盖性的要求也越来越高。针对不同检测设备检测到的数据，一些数据融合模型得到了有效应用。其中，较为常见的数据融合方法有卡尔曼滤波法、表决法、神经网络、贝叶斯汇集技术、D-S理论等，不同融合方法的适用对象范围也各不相同。文章主要从各种方法的运行环境、信息表示和融合技术三个方面进行比较说明，详见表2。

表2 不同数据融合方法主要特性对比分析

可以看出，卡尔曼滤波和神经网络均可用于动态环境和静态环境的运行，其余的仅在静态环境中运行。

4 结束语

公路网运行状态识别是在GIS平台上实现整个路网宏观和微观运行状态的图形化展现最重要支撑条件之一，是实现全省公路网交通运行状态可视性的必要前提。提升了交通行业管理部门对道路网运行状态的感知和识别水平，提高了对公路网运行中的道路中断、拥堵等的反映和响应速度，有力增强了对全路网的调度指挥力量。同时也对优化路网监测点布局规划，扩大全路网有效监测范围；支撑路网状态信息发布，提高公路网出行服务水平等方面具有重要意义。