崔夢瑩，劉 鍇，候文宇，衛(wèi)小磊

（1.大連理工大學(xué)交通運輸學(xué)院，遼寧 大連116024；2.大連市交警支隊科技處，遼寧 大連116011；3.西安公路研究院，陜西 西安710065)

0 引言

近年來，隨著智能交通系統(tǒng)的不斷發(fā)展，先進的交通信息服務(wù)系統(tǒng)得到了廣泛的關(guān)注。為使得交通信息服務(wù)系統(tǒng)能夠為出行者提供高效的信息服務(wù)，提高交通信息的高精確度勢在必行。

路段行程時間作為評價路段交通運行狀況和擁擠水平的重要指標(biāo)[1]，是交通信息服務(wù)系統(tǒng)的重要基礎(chǔ)。目前應(yīng)用最為廣泛的路段行程時間的估計方法主要是基于固定檢測器數(shù)據(jù)和浮動車數(shù)據(jù)進行路段行程時間估計[2]。采用固定檢測器采集交通信息是一種傳統(tǒng)的交通信息采集方法，其采集的交通信息具有準(zhǔn)確度較高、樣本量較大的特征，且反映路段在連續(xù)的時間間隔內(nèi)的交通狀況。而浮動車作為一種新型的城市交通信息采集平臺，能夠?qū)崿F(xiàn)全方位、大范圍的交通信息采集，能夠反映整個路段甚至路網(wǎng)的交通狀況[3]。

然而，固定檢測器與浮動車技術(shù)在信息采集過程中均存在一定缺陷。就固定檢測器而言，由于其鋪設(shè)位置局限于城市路網(wǎng)的特定位置，因此有限的空間覆蓋率使得采集的交通信息無法反映城市路網(wǎng)的整體交通狀況；浮動車技術(shù)在數(shù)據(jù)信息精確度方面的限制主要表現(xiàn)在浮動車的時空隨機分布所導(dǎo)致的相當(dāng)數(shù)量的觀測樣本缺失現(xiàn)象，以及無法實現(xiàn)連續(xù)時間間隔的數(shù)據(jù)采集。固定檢測器與浮動車的技術(shù)特征體現(xiàn)了二者在時間上和空間上的互補性[4]，數(shù)據(jù)融合技術(shù)則能夠充分利用多源交通數(shù)據(jù)的特征，通過對各種信息的合理支配與使用，將互補信息合理組織起來，發(fā)揮不同數(shù)據(jù)在時間和空間上的特點，從而產(chǎn)生精度更高的融合結(jié)果。

本文在單一數(shù)據(jù)源的路段行程時間估計基礎(chǔ)上，利用自適應(yīng)加權(quán)平均融合算法對單一數(shù)據(jù)源估計結(jié)果進行數(shù)據(jù)融合處理，實現(xiàn)路段行程時間的動態(tài)估計。并以大連市中心城區(qū)路網(wǎng)為研究對象，通過交通調(diào)查和仿真模擬相結(jié)合的方法，對融合計算結(jié)果進行對比分析。

1 基于單一數(shù)據(jù)源的路段行程時間估計

1.1 基于固定檢測器的路段行程時間估計

通過鋪設(shè)在城市主要道路上的固定檢測器，能夠?qū)崿F(xiàn)流量、道路占有率、車輛瞬時速度等交通參數(shù)的檢測[5]，進而實現(xiàn)路段行程時間的估計。Karl F.Petty等人利用交通流量、占有率和速度之間的關(guān)系，實現(xiàn)了路段行程時間的預(yù)測[6]。 根據(jù)HCM（2010）中對于路段行程時間的定義表明，利用固定檢測器所采集的流量、車輛瞬時速度等交通參數(shù)，可以估算路段行程時間[7]，本文采用該方法進行基于固定檢測器數(shù)據(jù)的路段行程時間估計。

路段行程時間定義為：

式中：TR為車輛通過某一路段的行駛時間；TS為下游信號燈產(chǎn)生的平均延誤。假定固定檢測器檢測到的平均瞬時速度v為通過該路段的平均行駛速度，則

式中：D為路段長度。

假設(shè)不存在初始排隊附加延誤，則TS可表示為：

式中：d1為車輛均勻到達所產(chǎn)生的均勻延誤；d2為車輛隨機到達并引發(fā)超飽和周期所產(chǎn)生的隨機附加延誤[8]。

均勻延誤和附加延誤根據(jù)道路信息、交叉口信號燈配時以及路段流量計算得出：

式中：c為下游信號燈周期時長；q為下游信號燈有效綠燈時長；x為所計算車道的飽和度；CAP為所計算車道的通行能力；T為分析時段的持續(xù)時長；e為單個交叉口信號控制類型校正系數(shù)。

1.2 基于浮動車的路段行程時間估計

浮動車技術(shù)主要通過安裝有車載GPS定位裝置的車輛，采集行駛過程中位置坐標(biāo)、瞬時車速等信息，根據(jù)這些信息能夠利用平均速度估計法得出車輛在每個路段上的平均行駛速度。

在同一統(tǒng)計時間段內(nèi)，若浮動車j在路段i返回n個數(shù)據(jù)點（n≥1），則

則路段i在該統(tǒng)計時間段內(nèi)的平均速度可表示為：

式中：T為該路段在該統(tǒng)計時間內(nèi)采集到數(shù)據(jù)的浮動車輛數(shù)。

若路段i的長度為Di，則其路段行程時間可表示為

2 自適應(yīng)加權(quán)平均融合估計

自適應(yīng)加權(quán)平均融合估計是一種直接針對數(shù)據(jù)源操作的數(shù)據(jù)融合方法[9]。根據(jù)自適應(yīng)加權(quán)平均融合基本理論，融合處理后的路段行程時間T可表示為：

式中：TG和TF分別為基于固定檢測器數(shù)據(jù)與浮動車數(shù)據(jù)的路段行程時間估計值；WG和WF為自適應(yīng)權(quán)重，且WG+WF=1。

構(gòu)造輔助函數(shù)：

因此，可得到方差σ2最小時的自適應(yīng)權(quán)重：

由于n1、n2、T之間互不相關(guān)，且n1和n2的均值為零，所以T1、T2的互相關(guān)系數(shù)R12滿足

T1的自相關(guān)系數(shù)R11滿足

引入時間域估計值進行R12、R11的計算。假設(shè)檢測器當(dāng)前路段行程時間估計結(jié)果個數(shù)為k，R11的時間域估計值為R11( )k，而R12的時間域估計值為R12( )k，則

同理，

考慮到實際應(yīng)用中對于路段行程時間的動態(tài)估計要求，基于自適應(yīng)加權(quán)平均融合的路段行程時間估計流程如圖1所示。

圖1 基于自適應(yīng)加權(quán)平均融合的路段行程時間估計流程示意圖

3 模型驗證及結(jié)果分析

經(jīng)過多次現(xiàn)場調(diào)查，本文選定由黃河路、太原街、勝利路和長春街圍成的大連市中心區(qū)路網(wǎng)區(qū)域為研究對象，研究區(qū)域如圖2所示，總面積約為5km2。本文采用交通調(diào)查和仿真模擬相結(jié)合的方法，旨在更為精確地收集現(xiàn)實條件下的固定檢測器和浮動車數(shù)據(jù)。

3.1 交通數(shù)據(jù)調(diào)查及仿真環(huán)境設(shè)置

本文根據(jù)VISSIM 仿真所需參數(shù)要求，對研究范圍內(nèi)的交通信號燈配時以及高峰時段路段斷面交通量進行了調(diào)查，并在此基礎(chǔ)上建立仿真模型。交通數(shù)據(jù)調(diào)查在主干道分別選擇了32 個信號燈配時調(diào)查點（紅色方框）和20 個斷面交通量調(diào)查點（黑色短線），調(diào)查點的空間分布如圖3所示。

信號配時調(diào)查針對每個調(diào)查點進行相位和配時調(diào)查，調(diào)查結(jié)果直接作為VISSIM 仿真中的信號配時輸入信息。交通量調(diào)查采用視頻調(diào)查法，記錄每個調(diào)查點早高峰時段（7：30—8：30）通過調(diào)查斷面的車流量，交通量調(diào)查的結(jié)果作為設(shè)置VISSIM 動態(tài)分配模塊的原始數(shù)據(jù)。根據(jù)VISSIM 動態(tài)分配模塊的數(shù)據(jù)要求，其輸入數(shù)據(jù)為各主干道進出口小區(qū)之間的OD矩陣，因此，本文根據(jù)路網(wǎng)特征，將研究區(qū)域劃分為25個交通小區(qū)，利用Trans-CAD 將交通量調(diào)查所得各個小區(qū)的PA 矩陣轉(zhuǎn)化為OD矩陣，從而實現(xiàn)VISSIM的動態(tài)交通分配。

圖2 研究范圍

圖3 調(diào)查點空間分布

此外，仿真模型中浮動車比例設(shè)為5%，固定檢測器設(shè)置在各個主干道路段的中部[10]，路段行程時間真值通過設(shè)置行程時間檢測器獲得。

3.2 結(jié)果對比及分析

為了更好地驗證融合模型的有效性，本文采用平均相對誤差（Average Relative Error）來衡量路段行程時間估計結(jié)果的精確度：

因此，單一數(shù)據(jù)源路段行程時間估計結(jié)果以及自適應(yīng)加權(quán)平均融合估計結(jié)果的平均相對誤差（ARE）如表1 所示，其ARE 的計算結(jié)果為仿真路網(wǎng)所有路段行程時間估計結(jié)果的平均值。

表1 路段行程時間估計結(jié)果

如表1所示，基于浮動車數(shù)據(jù)的路段行程時間估計結(jié)果（0.236）優(yōu)于基于固定檢測器數(shù)據(jù)的估計結(jié)果（0.309）。且在實際路網(wǎng)中，由于固定檢測器無法實現(xiàn)大范圍、高密度的鋪設(shè)，固定檢測器數(shù)據(jù)的完整性會受到影響。因此就基于單一數(shù)據(jù)源的路段行程時間估計而言，浮動車數(shù)據(jù)具有一定的優(yōu)勢。但是，自適應(yīng)加權(quán)平均融合估計能夠利用兩種數(shù)據(jù)之間的互補性，從而有效地提高路段行程時間的估計精確度，將平均相對誤差減少到0.214。

為了進一步驗證模型的穩(wěn)定性，將VISSIM 仿真流量按比例縮小至高峰期交通量的80%和60%，在此情況下，路段行程時間的估計結(jié)果如表2所示。

表2 不同流量設(shè)置下的路段行程時間計算結(jié)果

如表2所示，基于固定檢測器數(shù)據(jù)的路段行程時間估計誤差隨著路網(wǎng)流量減少而呈現(xiàn)下降趨勢，而基于浮動車數(shù)據(jù)的路段行程時間估計則有所上升，且兩種估計結(jié)果的平均相對誤差均出現(xiàn)較大程度的波動（固定檢測器為0.033，浮動車為0.042）。自適應(yīng)加權(quán)平均融合估計計算精度相對較為穩(wěn)定（0.009），能夠滿足各種流量設(shè)置下較為精確的行程時間估計。

4 結(jié)論

本文在基于單一數(shù)據(jù)源行程時間估計基礎(chǔ)上，利用自適應(yīng)加權(quán)平均融合估計模型，實現(xiàn)大連市中心城區(qū)路網(wǎng)路段行程時間的動態(tài)估計。計算結(jié)果顯示，自適應(yīng)加權(quán)平均融合估計模型能夠有效提高路段行程時間估計的精確度，且能夠?qū)Σ煌髁織l件路段行程時間動態(tài)估計。

本文在研究過程中，采用交通調(diào)查與VISSIM仿真環(huán)境相結(jié)合的方法，模擬了實際狀態(tài)下大連市中心城區(qū)的交通狀況。然而在實際路網(wǎng)中，固定檢測器無法實現(xiàn)如仿真中的大范圍、高密度的鋪設(shè)，浮動車數(shù)據(jù)也存在GPS定位偏差、數(shù)據(jù)缺失等問題。因此，如何在固定檢測器小范圍、低密度的鋪設(shè)條件下實現(xiàn)整個路網(wǎng)的路段行程時間估計，以及如何對實際浮動車數(shù)據(jù)進行地圖匹配和數(shù)據(jù)補充，仍需進一步研究。

[1] 沙云飛，曹瑾鑫，史其信.基于GPS的路段旅行時間和速度估計算法研究[C]//第一屆中國智能交通年會論文集.上海：同濟大學(xué)出版社，2005：145-151.

[2] 楊兆升，高學(xué)英.基于影響因素分類的路段行程時間融合研究[J].公路交通科技，2010，27（4）：116-121.

[3] 王立曉，劉鍇，森川高行.淺析日本融合交通管制和浮動車信息的旅行時間預(yù)測[J].公路交通科技：應(yīng)用技術(shù)版，2012，92（8）：410-413.

[4] 王立曉，劉鍇，孫小慧，森川高行.基于多源數(shù)據(jù)融合的動態(tài)導(dǎo)航PRONAVI 系統(tǒng)[J].公路交通科技：應(yīng)用技術(shù)版，2010，90（6）：421-431.

[5] 于德新，楊兆升，劉雪杰.城市交通流誘導(dǎo)系統(tǒng)中的路段行程時間間接預(yù)測方法研究[J]. 交通與計算機，2006，6（24）：18-21.

[6] Petty, K F, Bickel P, Ostland, M.etc. Accurate Estimation of Travel Times from Single Loop Detectors[J]. Transportation Research Part A,1998,32(1)：1-17.

[7] Transportation Research Board. Highway Capacity Manual[M]. Washington, DC： Transportation Research Board, National Research Council.2010.

[8] 吳兵，李曄.交通管理與控制（4版）[M].北京：人民交通出版社，2008.

[9] 翟翌立，戴逸松.多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計算法的研究[J].計量學(xué)報，1998，1（19）：69-74.

[10] Mengying, C., Kai, L.Research on Installation Site of Loop Detectors for Link Travel Time Estimation[C]// Proceeding of The 10th Asia Pacific Transportation Development Conference. Beijing：ASCE,2014：139-145.