CN105825669B - 一种识别城市快速路交通瓶颈的系统和方法 - Google Patents

Abstract

一种识别城市快速路交通瓶颈的方法，包括：采集道路车辆的移动导航数据和道路固定检测器数据；对采集的数据进行预处理，将不同来源的数据进行匹配，并确定每个检测器断面的流量‑速度分布；根据流量‑速度分布确定过饱和临界速度和过饱和概率；确定过饱和概率‑检测器位置分布，确定交通瓶颈衡量指标，并识别交通瓶颈；以及对识别出的交通瓶颈进行分类，并针对不同类型的交通瓶颈给出对应的治理措施。

Description

一种识别城市快速路交通瓶颈的系统和方法

技术领域

本发明涉及道路交通领域，特别涉及一种识别城市快速路交通瓶颈的系统和方法。

背景技术

随着城市化建设的加快，城市快速路的覆盖率也越来越高，然而快速路负荷严重和拥堵问题也日益突出。而交通瓶颈是导致交通拥堵的直接原因，如何能够找到关键的交通瓶颈，有针对性地进行治理是缓解交通拥堵的重要问题。

目前已有的研究中对于交通瓶颈的识别，大多数采用的方法是根据道路上的固定检测器检测的速度或占有率，然后结合人为设定的阈值来判断拥堵和非拥堵，其完全基于单一的数据源。还有的研究是根据经验选取可能造成瓶颈的相关因素推断，但没有考虑交通供给和交通需求的矛盾，也没有将道路固有属性考虑进来。另外，从研究的规模上来讲，国内外的研究对象大都是针对一段高速公路或城市道路的微观研究，没有对一个区域的路网的交通瓶颈进行宏观上的研究。

近年来，随着车载导航和手机终端导航的普及以及道路上检测器的布设完善，能够获取大量的实时交通数据，并能够反映道路的交通状况。因此，寻找一种方法能够充分利用上述数据来对城市道路的交通状态和交通瓶颈的分布进行识别是非常有必要和有意义的。

发明内容

本发明所要解决的技术问题是：如何使用多种数据源识别城市快速路的常发性主要交通瓶颈。

本发明采用以下技术方案来实现：

一种识别城市快速路交通瓶颈的方法，包括：

数据采集步骤：采集道路车辆的移动导航数据和道路固定检测器数据；数据融合步骤：对采集的数据进行预处理，将不同来源的数据进行匹配，并绘制每个检测器断面的流量-速度分布图；计算步骤：根据流量-速度分布图确定过饱和临界速度和过饱和概率；交通瓶颈识别步骤：绘制过饱和概率-检测器位置分布图，确定交通瓶颈衡量指标，并识别交通瓶颈。

此外，本发明还提出了一种结合相关路段的速度时空分布图对上述交通瓶颈的验证方法，并且能够进一步确定交通瓶颈的具体位置和传播的范围。

此外，本发明还给出了不同类型交通瓶颈的分类标准，并且提出了针对不同类型的交通瓶颈所采取的交通治理措施。

此外，本发明还提出了一种识别城市快速路交通瓶颈的系统，包括：

数据采集单元：采集道路车辆的移动导航数据和道路固定检测器数据；数据融合单元：对采集的数据进行预处理，将不同来源的数据进行匹配，并绘制每个检测器断面的流量-速度分布图；计算单元：根据流量-速度分布图确定过饱和临界速度和过饱和概率；交通瓶颈识别单元：绘制过饱和概率-检测器位置分布图，确定交通瓶颈衡量指标，并识别交通瓶颈。

本发明的技术效果是：基于移动导航数据和固定检测器监测数据的融合，提出了一种新的识别城市快速路常发性主要交通瓶颈的方法，能够在现阶段计算机处理能力下有效实现数据融合利用和数据挖掘，从城市层面上识别出快速路的交通瓶颈，从而为交通拥堵治理和优化提供更加精确和科学的建议。

附图说明

图1是本发明的交通瓶颈识别方法的流程图

图2是移动导航获取的数据形式图

图3是每个检测器断面的流量-速度散点图

图4是分段线性拟合流程图

图5是设定过渡区的交通状态的划分图

图6是过饱和概率-检测器位置分布图（以北京市二环内环为例）

图7是交通瓶颈识别图（以北京市二环内环为例）

图8是第一、三、四类交通瓶颈示意图（以北京市二环内环为例）

图9是是第二类交通瓶颈示意图（以北京市二环内环为例）

图10是北京市二环内环部分区域速度时空分布图（2014年10月12日）

图11是本发明的交通瓶颈识别系统的结构图

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述。

实施方式一

本实施方式主要涉及道路交通瓶颈的识别方法。该方法主要包括以下几个步骤：数据采集步骤、数据融合步骤、计算步骤、交通瓶颈识别步骤（参见附图1）。下面分别具体介绍：

1. 数据采集步骤：采集道路车辆的移动导航数据和道路固定检测器数据。

本步骤采集的数据来源包括两个部分。第一个部分是通过车载或手机终端的导航软件收集得到的浮动车数据。该数据记录了车辆的ID号以及每辆车每分钟的位置、时间、速度等信息，其中位置包括经度和纬度，时间年份、月份、日期、小时、分钟、秒等信息（如附图2所示）。第二部分是城市中道路上的固定检测器采集到的微波数据。该数据记录了检测器所在断面的位置以及每个时间间隔内的流量、时间占有率、速度等信息，以时间为序记录。其中位置以检测器的经度和纬度表示。当然，采集的数据记录不限于上述格式，也可采用其他的格式形式。

2. 数据融合步骤：对采集的数据进行预处理，将不同来源的数据进行匹配，并确定每个检测器断面的流量-速度分布。

将道路划分成若干路段，依据经纬度和行驶方向信息将移动导航数据中的每一条数据匹配到对应的道路和路段上，并提取出每个检测器所在路段上在一个时间间隔内的平均速度。对于检测器断面的微波流量数据，处理成相同时间间隔内的累计流量。最终得到每个检测器断面每个时间间隔内对应的一组流量和速度。将上述处理后的一段时间内（如1、2、3个月）的全部流量-速度数据绘制在二维散点图中，从而得到每个检测器断面的一幅流量-速度分布图（如图3所示）。其中横坐标表示速度，纵坐标表示流量（此处横纵轴可交换）。

3. 计算步骤：根据流量-速度分布确定过饱和临界速度和过饱和概率。

过饱和临界速度是指：在某一路段上通行能力最大时的空间平均速度。图3中示出了每个检测器断面的流量-速度图。在该图中可以看出，流量-速度的数据点分布存在对应流量最大的临界点，该临界点位置对应的速度，即为过饱和临界速度。对于该临界点的求解，可以采用本领域已知的多种线性或非线性数据拟合的方式来获取，如建立分段直线、抛物线、多次曲线等数学模型来近似该流量-速度分布，并进而求解过饱和临界速度。

例如，可以假定该流量-速度的分布为三角形，然后通过求解三角形的顶点来获得过饱和临界速度，具体可采用如下的分段线性拟合的方法来获取（参见附图4的流程图）：

首先给定一个区间[a,b]，根据经验我们认为临界速度处于这个区间内，由此将速度分为三个区间[0,a]、[a,b]、[b,Vmax]。用左右两个区间内的点分别拟合出两条直线并满足上述的两个条件，即

由这两条直线相交得到交点

若此点不在区间[a,b]内，就用此点代替其中一个边界重新拟合搜索，若交点在区间内，则以此交点为中心，把边界到它的距离缩小10%，即将区间[a,b]缩小范围，继续以区间两边的点拟合取交点。

如此反复多次后，当，其中为精确度，可以取0.1、0.5、1等实数，认为已经找到足够精确的临界速度，故停止拟合，即为过饱和临界速度。

当然，也可以采用其他的线性或非线性拟合等方式，来求解过饱和临界速度。

在得到每个检测器断面的过饱和临界速度后，对于速度小于过饱和临界速度的数据点，称为过饱和状态；对于速度大于过饱和临界速度的数据点称为非饱和状态。根据上述的判断标准，对于每个检测器处，以一个时间段内的数据为全样本，将过饱和状态的数据量除以全样本的数据量，计算得到的就是该检测器处该时间段的过饱和概率。该指标的意义为一段时间内发生过饱和的时间片段占总时间长度的比例，从时间上对发生过饱和的频率有了一个评价指标。

优选地，为了减少速度-流量基本图中处于中间部分不稳定的过渡区的干扰，还可以围绕过饱和临界速度设置n%（可以取10%、5%等）的过渡区间，这样一来，将速度的分布划分成三个区间，当速度位于过渡区内时，认为处于难以准确判断的过渡状态，当速度小于过渡区的下边界时，认为该数据点为过饱和状态；当速度大于过渡区的上边界时，认为该数据点为非饱和状态（参见附图5所示）。并相应地求解过饱和概率。

交通瓶颈识别步骤：确定过饱和概率-检测器位置分布，确定交通瓶颈衡量指标，并识别交通瓶颈。

由上一步骤可以得到每个检测器的断面在一段时间内的过饱和概率，将得到的过饱和概率按照检测器位置的顺序展开，即得到了过饱和概率在城市快速路上随位置的分布图（如图6所示）。此图中横轴为检测器的编号，即可代表位置，编号的顺序或者逆序代表行车方向。纵轴为根据之前设定的判别过饱和状态的标准计算得到的过饱和概率。这里采用的是柱状图，当然也可以以其他形式展现出过饱和概率随不同检测器位置变化的关系，如折线图等，也可将坐标轴代表的意义改变，如可以将横轴改为检测器的经纬度等。图6示出的是北京市二环内环的检测器分布位置的某一时间段的过饱和概率值。从图中可以看到某些地方的过饱和概率明显居高，形成了几处波峰，然而波峰前后的过饱和概率递增或递减的趋势却有明显的差异。根据此过饱和的概率分布，可以识别出城市道路上的几种具有代表性的主要交通瓶颈。

通过对过饱和概率在城市快速路上的概率大小的统计，设置相应的标准为判断主要交通瓶颈的衡量指标，即认为过饱和概率大于这一标准的位置最有可能是主要的交通瓶颈。这一标准可以是所有断面过饱和概率的上四分位数、90%分位数等，也可以是其他根据过饱和概率分布图的形状确定的有意义的标准。

由于过饱和的发生与否是与流量有着密切关系的，当需求比较大的时候，较多路段可能会处于过饱和状态，当需求减少的时候，有部分路段就会跳出过饱和状态，但仍有一些比较脆弱的地方仍然过饱和，那些地方的过饱和概率就会最高，也最有可能是交通瓶颈。这一步找到的一些极有可能是瓶颈的位置就是那些过饱和概率处于峰值的地方，由此可以初步确定交通瓶颈的位置。如对于北京市二环内环，取过饱和概率等于50%为一个判定高过饱和概率的标准，通过这个方法可以找到如图7中那些过饱和概率较高即处于波峰的位置。

此外，对于相邻两个检测器的过饱和概率出现急剧突变的情况，形成类似悬崖似的形状，为了在之后的分类中将其区别于其他形式，本发明中认为当相邻两个检测器的过饱和概率的差值大于一定数值时（根据过饱和概率的大小选取，可取15%、20%等标准），即判断为发生了过饱和概率突变。

优选地，在对交通瓶颈识别的基础上，还可以进一步包括如下的交通瓶颈分类步骤。

5. 交通瓶颈分类步骤：根据过饱和概率-检测器位置分布对识别出的交通瓶颈进行分类。

根据过饱和概率-检测器位置分布图，还可以发现，在识别出来的主要交通瓶颈中，上下游的过饱和概率的变化形式有明显的区别，因此在识别交通瓶颈的同时可以根据过饱和概率-检测器位置图的不同的特征对他们进行分类（参见附图8-9）。

第一类的特征：峰值上游，连续多个及以上过饱和概率呈阶梯状，峰值下游相邻检测器过饱和概率突降。

第二类的特征：峰值上游和下游的相邻的检测器过饱和概率都突然下降。

第三类的特征：峰值上游，连续多个及以上检测器过饱和概率呈阶梯状，峰值下游相邻检测器缓慢下降。

第四类的特征：峰值上游连续多个及以上检测器呈阶梯状递增，下游相邻连续若干个检测器仍保持较高过饱和概率，未出现突然下降情况。

通过对交通瓶颈的分类，能够进一步发现交通瓶颈产生的原因，从而采取针对性的交通治理措施。

实施方式二

本实施方式主要涉及道路交通瓶颈的验证方法。该方法还能够用来验证过饱和饱和概率的高低能否表示瓶颈的主次，并且能够用来确定检测器区域内的交通瓶颈的具体位置和传播的范围。具体方法如下：

根据数据采集步骤获取的数据制作相关路段的速度时空分布图（如图10所示）。该图可以展现速度随一天24小时在某段路上随空间的变化图，横轴为24小时，纵轴为位置，颜色深浅代表速度的大小。从速度的时空分布图中可以看到速度的大小在时间和空间上的变化，从而找到速度较低的区域，即拥堵发生的区域，也可以看到最初发生拥堵的位置，且拥堵是如何随着时间的变化向上游传播的。

以北京市二环内环建国门附近的路段一天的速度时空分布图为例，从图10中可以看出建国门是主要的交通瓶颈，拥堵从那里开始随着时间向上游蔓延，在下午接近晚高峰的时候传播远至东直门桥处。由于建国门是主要的交通瓶颈，且经过工作日、周末和节假日多日的速度时空分布图可以发现建国门处为一个常发的顽固的交通瓶颈，因此那里的过饱和概率在一定范围内是最高的。

由此可以证明过饱和概率的高低与拥堵传播和交通瓶颈的主次有关，可以认为过饱和概率高的地方是主要的交通瓶颈，因此我们可以根据过饱和概率的柱状图分布判断找到北京市快速路上的常发性主要交通瓶颈，即过饱和概率处于峰值的地方。并且对于具体的时间，可以结合速度的时空分布图确定拥堵的传播和变化。

实施方式三

本实施方式主要涉及对不同类型交通瓶颈的治理对策方案，具体如下。

针对实施方式一中识别得到的不同类型的交通瓶颈，可以采取相应的措施进行治理：

（1）对于第一类典型的瓶颈，主要是由于交通瓶颈处为重要的目的地和交通要塞，上游的车流较大，因此可以对上游去往瓶颈处的车流进行提前分流诱导，将一部分车流引导至辅路或其他城市道路前往目的地，以减小主路的压力；或推进公共交通的建设，将一部分小汽车使用者转移到公交出行上减少城市快速路的需求；还可以通过制定部分路段的拥堵收费政策缓解局部区域的严重拥堵。

（2）对于第二类相对独立的小瓶颈，主要是由于出入口的流量较大而引起的局部堵塞，而匝道的交织段起到主要的限制作用，因此一方面可以适当增大匝道过渡段长度，或者提前限制变道，减少干扰，使车流稳定分流和合流，另一方面在出口和入口匝道处使用信号灯控制，让出口的车流更迅速地驶离，让入口的车流有控制地进入。

（3）对于第三类的交通瓶颈，主要是由于出入口连续密集分布造成相互影响，一旦一处陷入瓶颈，犹如牵一发而动全身，波及较大的范围。针对此类交通瓶颈，一方面是在设计之初就尽可能避免如此的匝道设计，另一方面在情况以及如此的事实下，通过匝道之间的信号灯协调控制来帮助改善主路的交通状态。根据上下游出入口处的交通状态和交通需求设定匝道信号灯的放行周期，尽量减少相互干扰的程度。

（4）对于第四类的大型堰塞湖型的交通瓶颈，主要是由于交通刚性需求极大，同时出入口也分布较多两个原因叠加形成的。这样的情况导致交通状况复杂，很难通过对一个地方治理而有效改善整个区域的交通状况。因此针对这一类型的瓶颈，有效地减少小干扰对其交通状态产生不稳定的影响是很关键的，通过加强警力和监管力度，减少事故和不规范驾驶等干扰，从而提高出入口和断面的通过效率，改善局部道路通行能力，缓解多米诺骨牌似的传播效应；其次，可以通过制定合适的拥堵收费政策，对这样的大片区域拥堵范围内使用经济杠杆来调整交通供给和需求的矛盾，缓解大型交通瓶颈的交通状况。

将对于城市快速路交通瓶颈的分析总结如下：

表1 不同类型交通瓶颈的治理方案

实施方式四

本发明在识别道路交通瓶颈的方法基础上，还提供一种相应的识别交通瓶颈的系统。该系统具体包括（参见附图11）：

数据采集单元：采集道路车辆的移动导航数据和道路固定检测器数据；

数据融合单元：对采集的数据进行预处理，将不同来源的数据进行匹配，并确定每个检测器断面的流量-速度分布；

计算单元：根据流量-速度分布确定过饱和临界速度和过饱和概率

交通瓶颈识别单元：确定过饱和概率-检测器位置分布，确定交通瓶颈衡量指标，并识别交通瓶颈。

优选地，该系统还可以进一步包括：

交通瓶颈分类单元：根据过饱和概率-检测器位置分布对识别出的交通瓶颈进行分类。

优选地，该系统还可以进一步包括：

交通瓶颈治理对策单元：根据不同类型的交通瓶颈提出相应的治理对策。

优选地，该系统还可以进一步包括：

交通瓶颈验证单元：根据相关路段的速度时空分布图验证过饱和概率的高低与交通瓶颈的主次有关。

以上实施例的说明只是用于帮助理解本方案的方法及其核心思想。应当指出，在不脱离本方案原理的前提下，还可以对本方案进行若干改进，这些改进也同样落入本方案权利要求的保护范围内。

Claims (16)

1.一种识别城市快速路交通瓶颈的方法，包括：

数据采集步骤：采集道路车辆的移动导航数据和道路固定检测器数据；

数据融合步骤：对采集的数据进行预处理，将不同来源的数据进行匹配，并确定每个检测器断面的流量-速度分布；

计算步骤：根据流量-速度分布确定过饱和临界速度和过饱和概率；

交通瓶颈识别步骤：确定过饱和概率-检测器位置分布，确定交通瓶颈衡量指标，并识别交通瓶颈。

2.根据权利要求1所述的方法，其特征在于：数据融合步骤中，根据移动导航数据提取的每个检测器所在路段的某个时间间隔的平均速度，以及该检测器在同一时间间隔的流量数据，组合得到每个检测器的某一时间间隔的流量-速度数据，从而确定每个检测器断面的流量-速度分布。

3.根据权利要求1所述的方法，其特征在于：计算步骤中，采用分段线性拟合方法从流量-速度分布中确定过饱和临界速度。

4.根据权利要求1所述的方法，其特征在于：计算步骤中，对于每个检测器处，将过饱和状态的数据量除以全部数据量，计算得到该检测器处的过饱和概率，其中，速度小于过饱和临界速度的数据点，称为过饱和状态的数据。

5.根据权利要求1所述的方法，其特征在于：计算步骤中，对于每个检测器处，将过饱和状态的数据量除以全部数据量，计算得到该检测器处的过饱和概率，其中，在过饱和临界速度两侧设置过渡区，过饱和状态的数据是指速度小于该过渡区的下边界速度的数据点。

6.根据权利要求1所述的方法，其特征在于：该方法还包括交通瓶颈分类步骤，根据过饱和概率-检测器位置分布对识别出的交通瓶颈进行分类。

7.根据权利要求6所述的方法，其特征在于：该方法还包括交通瓶颈治理对策步骤，根据不同类型的交通瓶颈，采用相应的治理对策。

8.根据权利要求1-7任一项所述的方法，其特征在于：根据相关路段的速度时空分布，来验证过饱和概率的高低与交通瓶颈的主次有关。

9.一种识别城市快速路交通瓶颈的系统，其特征在于，包括：

数据采集单元：采集道路车辆的移动导航数据和道路固定检测器数据；

数据融合单元：对采集的数据进行预处理，将不同来源的数据进行匹配，并确定每个检测器断面的流量-速度分布；

计算单元：根据流量-速度分布确定过饱和临界速度和过饱和概率；

交通瓶颈识别单元：确定过饱和概率-检测器位置分布，确定交通瓶颈衡量指标，并识别交通瓶颈。

10.根据权利要求9所述的系统，其特征在于：数据融合单元中，根据移动导航数据提取的每个检测器所在路段的某个时间间隔的平均速度，以及该检测器在同一时间间隔的流量数据，组合得到每个检测器的某一时间间隔的流量-速度数据，从而确定每个检测器断面的流量-速度分布。

11.根据权利要求9所述的系统，其特征在于：计算单元中，采用分段线性拟合方法从流量-速度分布中确定过饱和临界速度。

12.根据权利要求9所述的系统，其特征在于：计算单元中，对于每个检测器处，将过饱和状态的数据量除以全部数据量，计算得到该检测器处的过饱和概率，其中，速度小于过饱和临界速度的数据点，称为过饱和状态的数据。

13.根据权利要求9所述的系统，其特征在于：计算单元中，对于每个检测器处，将过饱和状态的数据量除以全部数据量，计算得到该检测器处的过饱和概率，其中，在过饱和临界速度两侧设置过渡区，过饱和状态的数据是指速度小于该过渡区的下边界速度的数据点。

14.根据权利要求9所述的系统，其特征在于：所述系统包括：

交通瓶颈分类单元：根据过饱和概率-检测器位置分布对识别出的交通瓶颈进行分类。

15.根据权利要求14所述的系统，其特征在于：所述系统包括：

交通瓶颈治理对策单元：根据不同类型的交通瓶颈提出相应的治理对策。

16.根据权利要求9-15任一项所述的系统，其特征在于：所述系统包括：

交通瓶颈验证单元：根据相关路段的速度时空分布验证过饱和概率的高低与交通瓶颈的主次有关。