楊聚芬，姜桂艷，李 琦（.吉林大學(xué)交通學(xué)院，00長春；.寧波大學(xué)海運(yùn)學(xué)院，5浙江寧波；.青島市城市規(guī)劃設(shè)計研究院，6607山東青島）

基于收費(fèi)數(shù)據(jù)的高速公路交通擁擠自動判別方法

楊聚芬1，姜桂艷2，李 琦3
（1.吉林大學(xué)交通學(xué)院，130022長春；2.寧波大學(xué)海運(yùn)學(xué)院，315211浙江寧波；3.青島市城市規(guī)劃設(shè)計研究院，266071山東青島）

針對高速公路交通擁擠日益嚴(yán)重的現(xiàn)象，通過對收費(fèi)數(shù)據(jù)的深層挖掘和高效利用，提出了基于滾動時間序列的行程時間數(shù)據(jù)合成方法，以此為基礎(chǔ)構(gòu)建了交通擁擠指數(shù)，并基于交通擁擠指數(shù)的變化特征對擁擠持續(xù)時間進(jìn)行了在線估計；結(jié)合收費(fèi)站布局的時空特征，設(shè)計了基本路段和復(fù)合路段融合的高速公路交通擁擠自動判別方法.實(shí)證分析表明，該方法在判別率提高到96.52%，誤判率降低到0.43%的同時，判別時間減少了74%，而且收費(fèi)數(shù)據(jù)的獲取成本為零.

交通工程；數(shù)據(jù)合成；交通擁擠；自動判別；收費(fèi)數(shù)據(jù)

高速公路是我國重要的交通運(yùn)輸通道，高速公路的飛速發(fā)展，極大地改善了交通系統(tǒng)的運(yùn)輸效益和居民的出行效率.但是隨著交通需求的日益增長，高速公路交通擁擠問題變得越加嚴(yán)重.交通擁擠導(dǎo)致出行成本增大、交通事故頻發(fā)以及環(huán)境質(zhì)量惡化等不良后果，給社會的可持續(xù)發(fā)展帶來了巨大危害.因此，開展高速公路交通擁擠自動判別［1］（automatic congestion identification，ACI）算法的研究對于及時疏導(dǎo)交通擁堵、減少交通擁堵持續(xù)時間具有重大實(shí)踐意義和實(shí)用價值.

ACI算法指的是利用各種實(shí)時采集到的交通數(shù)據(jù)，依據(jù)相關(guān)理論與方法，進(jìn)行快速識別，從而得到交通擁堵發(fā)生的時間、地點(diǎn)等信息.依據(jù)交通信息獲取方式的不同，目前ACI算法主要包括基于檢測器數(shù)據(jù)的ACI算法［2-3］、基于GPS浮動車數(shù)據(jù)的ACI算法［4-5］、基于車牌識別的ACI算法［6］和基于仿真數(shù)據(jù)的ACI算法［7-8］等.每一種ACI算法都能實(shí)現(xiàn)交通擁堵的自動識別，并能獲得較好的識別效果.但是，由于線圈檢測器覆蓋率較低，且鋪設(shè)成本耗資較大；GPS浮動車數(shù)據(jù)受天氣影響大；車牌識別的工作量較大；仿真數(shù)據(jù)的可移植性又有待考察.所以上述4種ACI算法都不是高速公路交通擁堵識別的最優(yōu)選擇.

高速公路都配有收費(fèi)站、聯(lián)網(wǎng)收費(fèi)中心等一體化收費(fèi)管理系統(tǒng)，由此產(chǎn)生了大量的收費(fèi)數(shù)據(jù).目前收費(fèi)數(shù)據(jù)的應(yīng)用僅限于簡單的查詢服務(wù)和統(tǒng)計分析，缺少多角度的深度挖掘和全方位的實(shí)踐應(yīng)用，造成了交通信息資源的大量浪費(fèi)［9］.

為此，本文以實(shí)時收費(fèi)數(shù)據(jù)為基礎(chǔ)，針對固定時間尺度合成存在較大時間延遲的不足，構(gòu)建了一種基于滾動時間序列的行程時間數(shù)據(jù)合成方法.然后結(jié)合交通流由順暢到阻滯再到擁堵期間交通擁擠指數(shù)的發(fā)展趨勢和變化特征，提出了基于收費(fèi)數(shù)據(jù)的交通擁擠自動判別算法.考慮到收費(fèi)站布局的時空特征，設(shè)計了基本路段和復(fù)合路段融合的交通擁擠自動判別方法.最后采用滬杭甬高速公路的實(shí)測收費(fèi)數(shù)據(jù)對其進(jìn)行了實(shí)例驗證和對比分析.

1 基于滾動時間序列的行程時間數(shù)據(jù)合成

收費(fèi)數(shù)據(jù)全天候記錄了所有進(jìn)出高速公路車輛的出行屬性、車輛屬性和付費(fèi)方式等信息，表1為滬杭甬高速公路的收費(fèi)數(shù)據(jù)樣例.

表1 高速公路收費(fèi)數(shù)據(jù)樣例

從表1可看出，離開時刻減去進(jìn)入時刻再減去付費(fèi)時間，即為車輛在高速公路上的行程時間.對特定的車輛k，進(jìn)口編號為i，進(jìn)口時刻為ti（k），出口編號為j，出口時刻為tj（k），假定付費(fèi)時間為常數(shù)C，則該車輛行程時間ti，j（k）計算公式為

交通流具有隨機(jī)波動特征，導(dǎo)致正常交通狀態(tài)下相同進(jìn)出口車輛的行程時間數(shù)據(jù)會出現(xiàn)上下浮動的現(xiàn)象，并且采樣時間間隔越小，其波動性越大.為了減少交通波動帶來的負(fù)面影響，可將原始行程時間數(shù)據(jù)序列進(jìn)行固定時間尺度合成［10］.例如原始行程時間數(shù)據(jù)序列是每隔1min采樣一次得到的平均行程時間，如果將其合成間隔為5min采樣一次的平均行程時間，其原理是在原始行程時間序列中每隔5個采樣時間間隔對其內(nèi)連續(xù)5個原始行程時間數(shù)據(jù)進(jìn)行一次平均，合成后的輸出時間點(diǎn)為第5個原始行程時間數(shù)據(jù)采樣間隔結(jié)束后的時間點(diǎn).雖然固定時間尺度合成可減少行程時間數(shù)據(jù)波動性的不利影響，但同時增加了交通擁擠平均判別時間.為了克服固定時間尺度合成存在的不足，本文構(gòu)建一種基于滾動時間序列的行程時間數(shù)據(jù)合成方法.其原理是在原始行程時間序列中每隔1個采樣時間間隔對連續(xù)5個原始行程時間數(shù)據(jù)進(jìn)行一次合成，合成后的輸出時間點(diǎn)為第5個原始行程時間數(shù)據(jù)采樣間隔結(jié)束后的時間點(diǎn).兩種合成方法如圖1所示.

圖1 兩種交通參數(shù)合成方法

2 基于收費(fèi)數(shù)據(jù)的ACI算法

2.1 基于收費(fèi)數(shù)據(jù)的ACI算法原理

每隔一個采樣間隔都采用以上基于滾動時間序列的行程時間序列合成方法獲得行程時間合成數(shù)據(jù).由交通流理論可知，交通狀態(tài)由順暢到阻滯再到擁堵的過程中，路徑行程時間逐漸增大，路徑行程速度呈逐漸下降，為了能夠單調(diào)地表達(dá)路段交通擁擠程度，本文將車輛行程速度的倒數(shù)作為交通擁擠判別指數(shù)，即

按照文獻(xiàn)［11］設(shè)計的路段交通擁擠量測標(biāo)準(zhǔn)及其確定方法，根據(jù)高速公路交通管理的需要確定相應(yīng)的阻滯狀態(tài)和擁堵狀態(tài)量測的標(biāo)準(zhǔn)，并分別記為γ1和γ2，則

本文把交通阻滯狀態(tài)和擁堵狀態(tài)統(tǒng)稱為交通擁擠，依據(jù)以上交通擁擠判別原理對某交通擁擠路段的收費(fèi)數(shù)據(jù)進(jìn)行自動判別，得到判別結(jié)果如圖2所示.

2.2 交通擁擠持續(xù)時間在線更新方法

從圖2可看出，當(dāng)交通流從順暢到擁擠再到恢復(fù)正常的過程中，交通擁擠指數(shù)先增大后降低.即當(dāng)交通流運(yùn)行順暢時，交通擁擠指數(shù)保持為1不變；當(dāng)開始發(fā)生擁擠時，交通擁擠指數(shù)由1增大為2或3；擁擠持續(xù)期間，交通擁擠指數(shù)為2或3；當(dāng)交通擁擠結(jié)束時，交通擁擠指數(shù)由2或3減小為1.基于這種變化特征，可構(gòu)建交通擁擠持續(xù)時間在線更新算法，算法主要思想如下：1）當(dāng)檢測到當(dāng)前分析時間段q內(nèi)的交通擁擠指數(shù)為1時，直接輸出交通流運(yùn)行順暢．2）當(dāng)檢測到當(dāng)前分析時間段q內(nèi)的交通擁擠指數(shù)為2時，如果當(dāng)前分析時間段q與前一分析時間段q-1的交通擁擠指數(shù)之差1，那么即可判斷當(dāng)前分析時間段開始發(fā)生交通擁擠，擁擠持續(xù)時間Tq=t，t為分析時間間隔；否則，判斷結(jié)果為當(dāng)前分析時間段處于交通擁擠持續(xù)階段，且截至當(dāng)前分析時段已經(jīng)持續(xù)的擁擠時間為Tq=Tq-1+t，其中Tq-1為從交通擁擠發(fā)生到前一分析時間段為止的交通擁擠持續(xù)時間．3）當(dāng)檢測到當(dāng)前分析時間段q內(nèi)的交通擁擠指數(shù)為3時，如果當(dāng)前分析時間段q與前一分析時間段q-1的交通擁擠指數(shù)之差2，那么即可判斷當(dāng)前分析時間段開始發(fā)生交通擁擠，擁擠持續(xù)時間Tq=t．否則，判斷結(jié)果為當(dāng)前分析時間段處于交通擁擠持續(xù)階段，且截至當(dāng)前分析時段已經(jīng)持續(xù)的擁擠時間為Tq=+t．

圖2 交通擁擠路段的交通擁擠指數(shù)變化

3 基于收費(fèi)數(shù)據(jù)的高速公路ACI方法

高速公路上行駛的每一輛車都必須通過收費(fèi)站才能進(jìn)出，本文把相鄰兩個收費(fèi)站之間的高速公路定義為基本路段，非相鄰收費(fèi)站之間的高速公路定義為復(fù)合路段，具體如圖3所示，實(shí)曲線覆蓋的路段L0，1、Li-2，i-1、Li-1，i為基本路段，虛曲線覆蓋的路段Li-1-b，i-1、Li-2，i-1、Li-1-b，i為復(fù)合路段．

從時間方面看，由于車輛離開高速公路后才能獲得其收費(fèi)數(shù)據(jù)，所以基本路段能更快地獲取實(shí)時收費(fèi)數(shù)據(jù)，而復(fù)合路段由于通過時間較長，采集到的動態(tài)收費(fèi)數(shù)據(jù)時間延遲較長.從空間方面看，由于基本路段距離較短，短途出行者很少選擇收費(fèi)道路，導(dǎo)致基本路段上的車輛數(shù)較少.而復(fù)合路段一般覆蓋多個基本路段，車輛數(shù)較多.

O-D對間觀測車輛數(shù)越大，獲取的平均路徑行程時間可靠性水平越高，當(dāng)車輛數(shù)低于某一閾值時，將導(dǎo)致平均行程時間可靠性水平降低，為了提高輸入數(shù)據(jù)的可靠性，本文將路徑行程時間的可靠性按照通過的車輛數(shù)依次從大到小排序為：車輛數(shù)大于等于3、車輛數(shù)為1或2、車輛數(shù)為0.為了能夠優(yōu)先使用可靠性高的行程時間數(shù)據(jù)進(jìn)行交通擁擠自動判別，本文以車輛數(shù)為核心，綜合考慮收費(fèi)站布局的時空特征，設(shè)計一種基本路段和復(fù)合路段融合的交通擁擠自動判別方法．其原理主要是針對基本路段Li-1，i，判斷Li-1，i上的車輛數(shù)是否符合數(shù)據(jù)可靠性要求，如果符合，則可直接對基本路段Li-1，i進(jìn)行交通擁擠在線判別；否則聯(lián)合分析Li-1-a，i和Li-1-a，i-1的判別結(jié)果，推導(dǎo)出Li-1，i的擁擠狀態(tài)．考慮到路徑太長將導(dǎo)致交通擁擠在線判別產(chǎn)生較大的信息延遲，故a最大取1或2．

設(shè)某條高速公路主線上共I+1個收費(fèi)站，收費(fèi)站標(biāo)號如圖3所示，在第q個分析時間間隔內(nèi)，令a=2，為在第q個分析時間間隔內(nèi)從第i個收費(fèi)站到第j個收費(fèi)站之間觀測車輛數(shù)，對于出口E= i，其基于收費(fèi)數(shù)據(jù)的高速公路ACI算法流程如下．

圖3 基本路段和復(fù)合路段示意

根據(jù)大綱要求，英語專業(yè)三年級學(xué)生已經(jīng)獲得一定的英語知識和經(jīng)驗，但是從表1中的統(tǒng)計可以判斷，部分學(xué)生的翻譯錯誤除了句式問題和冠詞用法外，還主要集中于文化負(fù)載詞匯、習(xí)慣用語的翻譯。下文舉例說明、闡釋引起譯文錯誤的原因。

第8步，判斷b是否小于a．若是，則令b=b+ 1，轉(zhuǎn)第7步；否則，輸出“無信息”．

第11步，令q=q+1，轉(zhuǎn)第1步．

綜上所述，本文設(shè)計的基于收費(fèi)數(shù)據(jù)的高速公路ACI方法流程如圖4所示.

對于第1個出口E=1，由于其上游只有一個收費(fèi)站入口，故不存在可供聯(lián)合分析的復(fù)合路段，當(dāng)n0，1≠0時，只對其基本路段L0，1進(jìn)行交通擁擠在線判別，否則，輸出“無信息”．

對于第2個出口E=2，只考慮a=1的復(fù)合路段L0，2．

圖4 基于收費(fèi)數(shù)據(jù)的高速公路ACI算法流程

4 實(shí)證驗證

圖5 滬杭甬高速公路各收費(fèi)站位置及編號

由于受到傳輸線路故障、駕駛員駕駛行為異常等因素的影響，結(jié)算中心返回的數(shù)據(jù)可能存在異常記錄，所以獲得收費(fèi)數(shù)據(jù)后，應(yīng)首先將缺失數(shù)據(jù)、錯誤數(shù)據(jù)和極端離群值等異常數(shù)據(jù)進(jìn)行剔除處理.

判別性能采用判別率RI、誤判率RFI和平均判別時間TM3個評價指標(biāo)進(jìn)行評價．擁擠狀態(tài)判別率是指在某特定時間段內(nèi)，由算法檢測出的擁擠次數(shù)占實(shí)際發(fā)生擁擠次數(shù)的百分?jǐn)?shù)；擁擠狀態(tài)誤判率是指在某特定時間段內(nèi)，由算法檢測出的虛假擁擠次數(shù)占實(shí)際發(fā)生擁擠次數(shù)的百分?jǐn)?shù)；擁擠狀態(tài)平均判別時間是指由算法檢測出的擁擠發(fā)生時刻與擁擠實(shí)際發(fā)生時刻差值的算術(shù)平均值．

采用該兩種方法進(jìn)行交通擁擠判別，方法1為基于固定時間尺度合成的基本路段和復(fù)合路段融合ACI算法，方法2為基于滾動時間序列合成的基本路段和復(fù)合路段融合的ACI算法，兩種方法分別得到的判別性能計算結(jié)果見表2.

表2 基于固定時間尺度和滾動時間序列合成行程時間數(shù)據(jù)的交通擁擠自動判別性能指標(biāo)對比

從表2中可看出基于滾動時間序列合成行程時間數(shù)據(jù)的交通擁擠判別算法不僅將判別率提高到96.52%，將誤判率降低到0.43%，同時判別時間減少了74%，改善了交通擁擠自動判別的準(zhǔn)確性和實(shí)時性.

圖6、7分別為2012年2月9日路徑1053—1027和1023—1027的行程時間以及車輛數(shù).

圖6 路徑1053—1027和1023—1027行程時間

圖7 路徑1053—1027和1023—1027車輛數(shù)

從圖6、7可得出，路徑1053—1027和1029—1027的行程時間和車輛數(shù)的趨勢性基本一致，表明當(dāng)基本路段路徑行程時間不可靠時，可利用其復(fù)合路段路徑行程時間進(jìn)行交通擁擠自動判別的合理性.

表3為各個基本路段上平均的交通擁擠時間TP，以及本文算法在順暢狀態(tài)和擁擠狀態(tài)下的判別性能評價參數(shù).從表3可看出，基本路段1033—1031的平均擁擠時間最長，主要是因為該路段通往機(jī)場，進(jìn)出高速公路車輛頻繁；基本路段1027—1053的平均擁擠時間最短，主要是因為該路段距離較短，路況較好.另外從表3可看出，本文算法在順暢狀態(tài)下的判別性能優(yōu)于擁擠狀態(tài)下的性能.

表3 不同路段在不同交通狀態(tài)下的交通擁擠自動判別性能評價參數(shù)

5 結(jié) 論

1）針對目前收費(fèi)交通數(shù)據(jù)利用率偏低的現(xiàn)狀，提出了基于收費(fèi)數(shù)據(jù)的高速公路交通擁擠自動判別算法，具有較好的判別效果.

2）提出的基于滾動時間序列的交通參數(shù)合成方法不僅改善了已往數(shù)據(jù)合成方法存在時間延遲大的缺陷，還為進(jìn)一步深度的數(shù)據(jù)挖掘提供了一定的技術(shù)支持.

3）針對高速公路收費(fèi)站布局特征和交通流運(yùn)行特點(diǎn)設(shè)計的基本路段、復(fù)合路段融合ACI算法較大地改善了高速公路交通擁擠自動判別性能，同時判別時間減少了74%，實(shí)現(xiàn)了低成本監(jiān)測高速公路交通運(yùn)行狀況的目標(biāo)，為今后高效利用多源交通數(shù)據(jù)構(gòu)建綜合交通信息平臺奠定了基礎(chǔ).

［1］姜桂艷.道路交通狀態(tài)判別技術(shù)與應(yīng)用［M］.北京：人民交通出版社，2004：160-168.

［2］YANG S.On feature selection for traffic congestion prediction［J］.Transportation Research Part C：Emerging Technologies，2013，26（1）：160-169.

［3］莊斌，楊曉光，李克平.道路交通擁擠事件判別準(zhǔn)則與檢測算法［J］.中國公路學(xué)報，2006，19（3）：82-86.

［4］ZHANGYongchuan，ZUOXiaoqing，ZHANG Liting，et al. Traffic congestion detection based on GPS floating：car data［J］.Procedia Engineering，2011，15（1）：5541-5546.

［5］TAYLOR M A P，WOOLLEY JE，ZITO R.Integration of the global positioning system and geographical information systems for traffic congestion studies［J］. Transportation Research Part C：Emerging Technologies，2000，8（1）：257-285.

［6］姜桂艷，常安德，牛世峰.基于車牌識別數(shù)據(jù)的交通擁堵識別方法［J］.哈爾濱工業(yè)大學(xué)學(xué)報，2011，43（4）：131-135.

［7］ARNOTTR.A bathtubmodelof downtown traffic congestion［J］.Journal of Urban Economics，2013，76（7）：110-121.

［8］OTSUBO H，RAPOPORT A.Vickrey’smodel of traffic congestion discretized［J］.Transportation Research Part B：Methodological，2008，42（10）：873-889.

［9］沈強(qiáng).基于高速公路收費(fèi)數(shù)據(jù)的路網(wǎng)運(yùn)行狀態(tài)評價［J］.公路交通科技，2012，29（8）：118-126.

［10］王秋蘭.短時交通參數(shù)多步預(yù)測方法研究［D］.長春：吉林大學(xué)，2012.

［11］王春娥.城市道路交通狀態(tài)判別算法研究［D］.長春：吉林大學(xué)，2008.

（編輯 魏希柱）

The automatic traffic congestion identification of freeway based on charging date

YANG Jufen1，JIANG Guiyan2，LIQi3
（1.College of Transportation，Jilin University，130022Changchun，China；2.School of Maritime and Transportation，Ningbo University，315211 Ningbo，Zhejiang，China；3.Qingdao Urban Planning and Design Institute，266071 Qingdao，Shandong，China）

In view of increasingly serious traffic congestion on freeway，a synthesismethod of travel time datewas proposed based on the rolling time sequence and charging data，and on which this paper built a traffic congestion index and estimated the duration time according to the changing characteristics of the index.Moreover，taking the spatial and temporal characteristics of toll station layout into account，a method of automatic traffic congestion identification on freeway was designed by merging basic links with composite links.Empirical analysis shows that thismethod can improve the recognizing rate to 96.52%and reduce the false recognizing rate to 0.43%，at the same time，the recognizing time is declined by 74%，and the cost of charging date is zero.

traffic engineering；data synthesis；traffic congestion；automatic identification；charging date

U491.1

A

0367-6234（2014）12-0108-06

2013-10-31.

國家自然科學(xué)基金（51278257）；浙江省自然科學(xué)基金（LY12F01013）；高等學(xué)校博士學(xué)科點(diǎn)專項科研基金（20110061110034）.

楊聚芬（1988—），女，博士研究生；姜桂艷（1964—），女，教授，博士生導(dǎo)師.

姜桂艷，jljiangguiyan＠126.com.