靳引利 李 陽 王 琳

（1.長安大學(xué)電子與控制工程學(xué)院 西安710064；2.長安大學(xué)交通系統(tǒng)工程研究所 西安710064）

0 引 言

車檢器是1種交通流數(shù)據(jù)檢測設(shè)備，它能檢測高速公路過往車輛的車型、車速、車流量、道路占有率等參數(shù)，可以實時獲取各路段交通流信息，便于高速公路運營與管理部門分析各路段運行狀況，及時采取控制管理措施，并有效地利用實時的交通數(shù)據(jù)預(yù)測未來的交通狀況，是實現(xiàn)有效的交通控制和交通誘導(dǎo)的關(guān)鍵所在［1］。

車檢器還能與限速標志、情報板、攝像機等設(shè)備配合，協(xié)調(diào)全局或局部交通的控制和誘導(dǎo)，從而改善交通秩序、增加現(xiàn)有交通設(shè)施的通行能力、減少交通事故，對交通控制、事件檢測、交通規(guī)劃及交通安全等方面具有重要意義，最終可獲得可觀的社會經(jīng)濟效益。車檢器的流量檢測數(shù)據(jù)是進行交通狀態(tài)估計、預(yù)測及評價的重要數(shù)據(jù)基礎(chǔ)，也是交通管理和公眾出行信息服務(wù)等的重要數(shù)據(jù)來源［2］。但是，由于設(shè)備故障、通信系統(tǒng)故障、環(huán)境因素異常等原因，流量檢測數(shù)據(jù)存在著錯誤、缺失等問題，影響了車檢器檢測數(shù)據(jù)的精度及穩(wěn)定性。這些問題的存在一定程度上影響了車輛檢測數(shù)據(jù)的管理和有效應(yīng)用。因此，對車輛檢測數(shù)據(jù)進行修正及對車檢器穩(wěn)定性的評估是十分必要的。

國外特別是美國的高速公路交通流數(shù)據(jù)的校驗方法發(fā)展較為成熟。比較典型的是Turochy等及美國德克薩斯交通研究所（Texas Transportation Institute）提出的基于交通參數(shù)閾值檢測和基于交通流理論檢測的ITS數(shù)據(jù)有效性檢驗規(guī)則，并將二者結(jié)合起來對數(shù)據(jù)進行判斷［3－4］。該方法具有簡單實用、可實時實施等優(yōu)點，在美國的高速公路交通流數(shù)據(jù)有效性檢驗中已經(jīng)得到了廣泛應(yīng)用。

我國在交通流數(shù)據(jù)有效性檢驗方面也有一定的研究。與國外主要針對高速公路交通流數(shù)據(jù)不同，我國當(dāng)前的交通流數(shù)據(jù)有效性檢驗規(guī)則研究主要基于城市道路交通流數(shù)據(jù)［5－8］，對高速公路上的交通流數(shù)據(jù)有效性研究還不夠。筆者結(jié)合國內(nèi)外研究成果，探究出1套判斷高速公路車檢器的流量檢測數(shù)據(jù)的有效性并對其進行修正的方法。與傳統(tǒng)方法不同的是，采用的方法不是針對單點數(shù)據(jù)的判別和修正，而是以天為單位進行整體的數(shù)據(jù)修正，這種微觀轉(zhuǎn)宏觀的方法實現(xiàn)，大大減少了工作的復(fù)雜性，并在對研究時間跨度較長的情況下，算法優(yōu)越性更突出。將分車型和總自然量的車檢器斷面流量檢測數(shù)據(jù)分別與OD數(shù)據(jù)得出的斷面流量數(shù)據(jù)［9］進行比較分析，得到相應(yīng)車型的對比系數(shù)，然后通過對對比系數(shù)的處理與分析，修正各車型的流量檢測數(shù)據(jù)，并對高速公路車檢器的穩(wěn)定性進行評估。

1 研究思路

1.1 研究思路概要

假設(shè)某車檢器某車型的日流量檢測數(shù)據(jù)為A，通過OD數(shù)據(jù)得出的斷面流量數(shù)據(jù)為A′，則它們之間的對比系數(shù)為

將若干天數(shù)的對比系數(shù)ki進行分析，選取對比系數(shù)的平均水平k′來修正車檢器未來的流量檢測數(shù)據(jù)。k′的值可表示為

假設(shè)未來某天（為了消除車檢器的檢測精度隨時間和外界環(huán)境的影響而改變較大的情況、加強k′的可用性，未來的某天應(yīng)取距離k′的分析日期較近且環(huán)境因素較類似的天數(shù)）車檢器此車型的日檢測數(shù)據(jù)B已知，則修正后的數(shù)值＾B（準確的流量檢測數(shù)據(jù)的估計值）為

在修正方法和修正值確定后，對方法的有效性進行驗證：將估計值＾B與斷面流量的實際值B′進行相對誤差分析，則可驗證此修正方法的有效性。絕對誤差可表示為

當(dāng)相對誤差e小于某值時，則可認為此方法有效。

引入標準差的概念，計算修正系數(shù)k′與對比系數(shù)ki的差異程度來對車檢器的穩(wěn)定性進行判斷，并通過同型號不同車檢器的穩(wěn)定性計算，得到此類車檢器的穩(wěn)定性總體水平。

1.2 研究步驟

包括對流量檢測數(shù)據(jù)的修正及車檢器穩(wěn)定性的評估2方面，具體實現(xiàn)步驟如圖1所示。

圖1 車檢器檢測數(shù)據(jù)的處理過程Fig.1 Process of vehicle detectors′detection data

1）將車檢器檢測數(shù)據(jù)（包括流量、占有率、速度等）中的流量檢測數(shù)據(jù)抽取出來，以天為單位進行整合，得到車檢器每天的流量檢測數(shù)據(jù)。

2）由于車檢器某天的有效工作時間沒有覆蓋全天的所有時段，此情況導(dǎo)致日流量檢測數(shù)據(jù)的不準確（檢測值偏?。榱私鈹?shù)據(jù)的缺失程度，需要得到車檢器每天有效工作時長，并經(jīng)過數(shù)據(jù)清洗過濾掉有效工作時間低的檢測數(shù)據(jù)，保留有效工作時間高的檢測數(shù)據(jù)。

3）設(shè)計算法將有效工作時間較高的流量檢測數(shù)據(jù)經(jīng)過修補得到全天的流量檢測數(shù)據(jù)。

4）將全天的流量檢測數(shù)據(jù)與斷面流量數(shù)據(jù)進行對比，得到對比系數(shù)，將車檢器不同天數(shù)的對比系數(shù)進行計算，得出車檢器的修正系數(shù)，實現(xiàn)對車檢器流量檢測數(shù)據(jù)的修正，并對此修正方法的有效性進行驗證。

5）設(shè)計算法求出對比系數(shù)與修正系數(shù)的差異程度，完成對車檢器流量檢測數(shù)據(jù)穩(wěn)定性的評估，并通過對同型號不同車檢器穩(wěn)定性的比較，分析某一型號車檢器穩(wěn)定性的平均水平。

2 車檢器流量檢測數(shù)據(jù)的修正方法

車檢器由于自身或外界（環(huán)境因素異常、交通狀況變化特征明顯）因素的影響，造成檢測精度普遍不高的問題。為了清楚了解到某廠家某型號車檢器流量檢測數(shù)據(jù)與實際斷面流量的差異，并將其還原到最接近實際流量的狀態(tài)，本研究提供了以O(shè)D歷史數(shù)據(jù)為基礎(chǔ)來推導(dǎo)出修正車檢器流量檢測數(shù)據(jù)的方法。運用此方法，可以保證車檢器檢測數(shù)據(jù)的準確性和有效性。

2.1 車檢器數(shù)據(jù)預(yù)處理

1）車檢器流量檢測數(shù)據(jù)抽取。用窮舉法，將某車檢器全年的檢測數(shù)據(jù)進行數(shù)據(jù)抽取和計算，得到以天為單位的流量檢測數(shù)據(jù)。本研究需要的數(shù)據(jù)種類有車檢器編號、所處路段名稱、車檢器位置樁號、日期、小型車檢測數(shù)、中型車檢測數(shù)、大型車檢測數(shù)、自然量總數(shù)、每日工作時長等。

2）車檢器流量檢測數(shù)據(jù)清洗規(guī)則。由于車檢器自身故障或通信故障等問題，1d中某時段的檢測數(shù)據(jù)存在上傳失敗或上傳錯誤的情況［10］，導(dǎo)致車檢器某天的工作時長一般小于24h，檢測數(shù)據(jù)的覆蓋時間范圍由此也低于24h。由于車檢器一般具有固定的數(shù)據(jù)采集周期，將車檢器某天的記錄條數(shù)進行統(tǒng)計，即可得到車檢器檢測數(shù)據(jù)的覆蓋時間，即車檢器的有效工作時長（假設(shè)某車檢器的數(shù)據(jù)采集周期為5min，某天有效記錄數(shù)共有200條，則有效工作時長為1 000min即16.7h）。根據(jù)每天的有效工作時長，篩選出有效工作時間比例（1d工作時長占1d總時長的百分比）高的天數(shù)作為研究對象。有效工作時間比例可表示為：

式中：n為天數(shù)的編號，n＝1～365；t（n）為車檢器在第n天的有效工作時長，h；d（n）為車檢器在第n天工作的有效工作時間比例。

當(dāng)某車檢器某天的有效工作時間比例d（n）≥D%（D取有效工作時間比例的眾數(shù)）時，此條記錄保留，可作為研究對象繼續(xù)研究；否則，此天數(shù)據(jù)的缺失度過大，數(shù)據(jù)還原后的可靠性及真實性較低，影響后續(xù)分析結(jié)果的真實性，此條數(shù)據(jù)不作為研究對象［11］。

3）補齊成全天的檢測數(shù)據(jù)。將保留下來的車檢器流量檢測數(shù)據(jù)（包括小、中、大型車和總流量的檢測數(shù)據(jù)）根據(jù)有效工作時間，補齊成整天工作時的數(shù)值，作為車檢器全天正常工作時檢測到的數(shù)據(jù)。本研究將車檢器1d中缺失數(shù)據(jù)的時段對應(yīng)的每類車型的前15d的有效檢測數(shù)據(jù)與后15d有效檢測數(shù)據(jù)（有效檢測數(shù)據(jù)是指完整可用的檢測數(shù)據(jù)，如果遇到數(shù)據(jù)不完整的天數(shù)，跳過此天，日期向前或向后順延，直到取到30條數(shù)據(jù)為止）求平均值作為相應(yīng)車型的流量填補值，補充到當(dāng)天缺失數(shù)據(jù)的時段中。按照此方法，將車檢器流量檢測數(shù)據(jù)補齊成全天的檢測數(shù)據(jù)。

2.2 對比系數(shù)的計算

對比系數(shù)表示車檢器流量檢測數(shù)據(jù)與實際的斷面流量數(shù)據(jù)的比值，即車檢器流量檢測數(shù)據(jù)的準確度。對比系數(shù)與1越接近，則準確度越高。假定車檢器所在樁號位置的分車型日斷面流量已知，將車檢器全天檢測數(shù)據(jù)與對應(yīng)日期的日斷面流量數(shù)據(jù)進行比例計算，得出每個車檢器每天的對比系數(shù)。

對比系數(shù)可表示為：

式中：j為區(qū)分小、中、大型車及總自然量的標號，j＝1～4；m為天的標號，由于部分天數(shù)的記錄被清洗，m一般小于365；fj（m）為車檢器第m天第j型車的對比系數(shù)；Qj（m）為車檢器第m天第j型車的全天檢測數(shù)據(jù)；Sj（m）為車檢器第m天第j型車的斷面流量。

2.3 修正系數(shù)的確定

代表某車檢器對比系數(shù)的平均水平的值即為修正系數(shù)。設(shè)某車檢器每天分車型的對比系數(shù)為fj（m）（j＝1，2，3，4），則每類車型的修正系數(shù)為每類車型對比系數(shù)的平均值，由公式（7）得出：式中：珚Fj表示車檢器第j型車的修正系數(shù)。

2.4 車檢器數(shù)據(jù)修正

車檢器分車型的修正系數(shù)珚Fj已通過上述步驟算出，通過修正系數(shù)可以將車檢器數(shù)據(jù)修正到與實際情況相符的值。假設(shè)某路段有X廠家XX型號的車檢器a，某天的檢測數(shù)據(jù)、有效工作時間比例d（d≥眾數(shù)D）、數(shù)據(jù)丟失的時段已知，則流量檢測數(shù)據(jù)的修正方法為：將車檢器檢測數(shù)據(jù)缺失時段的數(shù)據(jù)根據(jù)2.1節(jié)中數(shù)據(jù)還原的方法補齊，還原成全天的檢測數(shù)據(jù)，然后根據(jù)公式（8），將全天的檢測數(shù)據(jù)修正到最符合實際的值：

式中：Dj為車檢器第j型車的日流量修正值，j＝1～4；珚Fj為車檢器第j型車的修正系數(shù)；qj為車檢器第j型車某天的檢測數(shù)據(jù)。

2.5 修正方法有效性檢驗

按車檢器檢測數(shù)據(jù)修正的方法，將某月的分車型流量檢測數(shù)據(jù)修正結(jié)果與實際的斷面流量數(shù)據(jù)進行相對誤差的計算，然后對相對誤差進行分析，驗證此方法的有效性。相對誤差可表示為：

式中：t為代表天數(shù)的標號，一般t≤31；ej（t）為車檢器第t天第j型車的相對誤差；Dj（t）為車檢器第t天第j型車的日流量修正值；Sj（t）為車檢器第t天第j型車的斷面流量。

當(dāng)某類車型的相對誤差ej（t）均小于±5%時，說明修正結(jié)果與實際流量值之間的相對誤差較小，證明此修正方法有效。

3 車檢器穩(wěn)定性分析

車檢器穩(wěn)定性表示車檢器的實際檢測結(jié)果與修正后的結(jié)果相符和的程度。車檢器穩(wěn)定性取值在0～1之間，值越大，則每個對比數(shù)據(jù)與修正系數(shù)的差異越小且趨于穩(wěn)定。通過對比某型號不同車檢器的穩(wěn)定性，可得出此型號車檢器個體精度的差異程度及該類車檢器對抗外界因素的能力。車檢器對比系數(shù)的標準差如式（10）所示，車檢器的穩(wěn)定性計算如式（11）所示：

式中：fj（m）為車檢器第m天第j型車的對比系數(shù)；珚Fj為車檢器第j型車的修正系數(shù)；Sj為車檢器第j型車的對比系數(shù)的標準差；Kj（j＝1，2，3，4）表示車檢器檢測第j型車對應(yīng)的穩(wěn)定性。

4 實例分析

本研究以某路段同一型號的車檢器作為實例測試對象，對車檢器的對比系數(shù)、穩(wěn)定性和修正結(jié)果的誤差進行分析，論證理論研究的可行性和有效性。下文為實例驗證的結(jié)果。

4.1 車檢器流量檢測對比系數(shù)分析

本研究中，對比系數(shù)值為1，則與實際斷面流量相符程度為100%，與值1差別越大則檢測誤差越大。同一型號不同車檢器流量檢測數(shù)據(jù)的對比系數(shù)有可能不同，本例選取同一路段上布設(shè)的均為×廠××型號的車檢器9月份的對比系數(shù)進行對比分析，對比結(jié)果如圖2、3所示，其中f1，f2，f3，f4分別表示小、中、大型車及總自然量的對比系數(shù)。

由圖2可以看出001號車檢器的總自然量與中型車的對比系數(shù)與1最接近，因此檢測結(jié)果準確度較高，其次是小型車與大型車的檢測結(jié)果準確度。大型車的對比系數(shù)普遍高于1，說明檢測值比實際的斷面流量值普遍偏大。

由圖3可以看出004號車檢器的中型車、大型車和總自然量的對比系數(shù)與1差距較大，檢測結(jié)果準確度都比較低，而小型車的對比系數(shù)與1接近，檢測結(jié)果準確度相對較高。

將圖2與圖3對比得001號車檢器的中型車和總自然量的對比系數(shù)平均水平均達到0.9，而004號車檢器的中型車和總自然量的對比系數(shù)平均水平只達到0.6，所以對此2種車型而言，001號車檢器的檢測結(jié)果準確度高于004號車檢器。此外，001號車檢器的小型車和004號車檢器小型車的對比系數(shù)的平均水平均為0.8，說明二者的小型車檢測結(jié)果準確度大致相等；而001號和004號車檢器的大型車檢測結(jié)果準確度均較低。

圖2 ××路段001號車檢器分車型對比系數(shù)Fig.2 Contrast coefficient of different models of 001vehicle detector

圖3 ××路段004號車檢器分車型對比系數(shù)Fig.3 Contrast coefficient of different models of 004vehicle detector

4.2 車檢器穩(wěn)定性分析

選取陜西省某3條路段上均為×廠××型號的12個車檢器2013年9月的日檢測流量數(shù)據(jù)進行分析，得出各車檢器穩(wěn)定性分布規(guī)律如圖4所示，其中 w1，w2，w3，w4分別為小、中、大型車及總自然量的車檢器穩(wěn)定性。

圖4 9月份各車檢器穩(wěn)定性對比分布圖Fig.4 Stability contrast distribution of each vehicle device in September

由圖4可見，前10個車檢器和第12個車檢器分車型穩(wěn)定性均在0.98左右，說明這11個車檢器較穩(wěn)定。第11個車檢器中型車穩(wěn)定性在0.88左右，穩(wěn)定性較差，應(yīng)及時對該車檢器及其相關(guān)設(shè)備進行檢修或提高檢修頻率，以保證車檢器的穩(wěn)定工作。

4.3 流量檢測數(shù)據(jù)修正方法有效性驗證

本例中，對某路段001號車檢器2013年11月的日流量檢測數(shù)據(jù)進行修正，修正方法采用的基礎(chǔ)數(shù)據(jù)為2013年001號車檢器全年的車檢器檢測數(shù)據(jù)。修正步驟為：①將全年的001號車檢器基礎(chǔ)數(shù)據(jù)以天為單位進行整合，并根據(jù)每天的記錄條數(shù)計算有效工作時長；②計算每天的有效工作時間比例，并求出眾數(shù)（本例中求得的眾數(shù)為0.8），將有效工作時間比例大于0.8的天數(shù)進行數(shù)據(jù)補齊，剩余天數(shù)被清洗掉；③將補齊的數(shù)據(jù)與斷面流量數(shù)據(jù)進行對比，求得對比系數(shù)；④對比系數(shù)求平均值得到修正系數(shù)；⑤用修正系數(shù)將11月不同天數(shù)的車檢器數(shù)據(jù)進行修正。由于11月大部分天數(shù)的有效工作時間比例均在0.8以上，而有5d的數(shù)據(jù)缺失較多，均在0.8以下，因此這5d的數(shù)據(jù)不予修正；⑥修正完畢，得出修正結(jié)果的相對誤差。相對誤差分布范圍如圖5所示，其中e1，e2，e3，e4分別表示小、中、大型車和總自然量檢測數(shù)據(jù)的修正結(jié)果的相對誤差。

圖5 11月份流量檢測數(shù)據(jù)修正結(jié)果相對誤差分布圖Fig.5 Relative error distribution map of correction results of flow test data in Nov.

由圖5可以看出，小型車和總流量的誤差均在±4%之內(nèi)，且大部分分布在±2%之內(nèi)，說明通過修正系數(shù)對車檢器流量檢測數(shù)據(jù)的修正方法可行，誤差較小。而中型車誤差大部分在±5%之內(nèi)且為負值，說明修正結(jié)果較實際斷面流量普遍偏??；大型車誤差在10%之內(nèi)且為正值，說明誤差較大且修正結(jié)果較實際斷面流量偏大，這種現(xiàn)象可能是由于車檢器將一部分中型車判定為大型車而導(dǎo)致的。

5 結(jié)束語

筆者提出了修正車檢器流量檢測數(shù)據(jù)與評估其穩(wěn)定性的方法，并通過實例分析對修正方法的有效性進行了驗證，對同型號不同車檢器的穩(wěn)定性進行了對比分析。研究結(jié)果表明不同車檢器的檢測結(jié)果與實際的斷面流量之間存在不同的穩(wěn)定的差異，而修正方法對小型車及總流量的流量檢測數(shù)據(jù)有效。本研究對中型車與大型車檢測數(shù)據(jù)的修正結(jié)果還不夠精確，需要對其余型號的車檢器再進行試驗分析，總結(jié)規(guī)律，探究原因，對算法進行進一步改進。本研究提出的方法對修正車檢器流量檢測數(shù)據(jù)具有現(xiàn)實意義，為車檢器的穩(wěn)定性評估方法提供了新的思路。

［1］ 彭春華，劉建業(yè).車輛檢測傳感器綜述［J］.傳感器與微系統(tǒng)，2007，26（6）：4-7.PENG Chunhua，LIU Jianye.Review of Vehicle Detection Sensors［J］.Transducer and Microsystem Technologies，2007，26（6）：4-7.（in Chinese）

［2］ 秦玲，齊彤巖，吳鵬.斷面交通檢測數(shù)據(jù)清洗技術(shù)及其應(yīng)用研究［J］.公路交通科技，2007（1）：159-161.QIN Ling，QI Tongyan，WU Peng，Technology and Application of Traffic Detection section data cleaning［J］.Journal of Highway and Transportation Research and Development，2007（1）：159-161.（in Chinese）

［3］ AlDeek H Chandra.New algorithms for filtering and imputation of real-time and archived Dual-Loop detector data in I-4data warehouse［J］.Transportation Re-search Record，2004（1867）：116-126.

［4］ LOMAX T，TURNER S，MARGIOTTA R.Monitoring urban roadways in 2002：using archived operations data for reliability and mobility measurement［R］.Washington D.C.：Federal Highway Administration，2002.

［5］ 秦玲，郭艷梅，吳鵬，等.斷面交通檢測數(shù)據(jù)檢驗及預(yù)處理關(guān)鍵技術(shù)研究［J］.公路交通科技，2006（11）：39-41.QIN Ling，GUO Yanmei，WU Peng，et al.Key techniques research for station traffic data screening and pre-processing［J］.Journal of Highway And transportation Research and Development，2006（11）：39-41.（in Chinese）

［6］ 姜桂艷，江龍暉，張曉東，等.動態(tài)交通數(shù)據(jù)故障識別與修復(fù)方法［J］.交通運輸工程學(xué)報，2004，4（1）：121-125.JIANG Guiyan，JIANG Longhui，ZHANG Xiaodong，et al.Approach to dynamic traffic data identification and imputation［J］.Journal of Traffic and Transportation Engineering，2004，4（1）：121-125.（in Chinese）

［7］ 朱雷雷，張韋華，聶慶慧.干線公路交通流數(shù)據(jù)有效性檢驗規(guī)則［J］.東南大學(xué)學(xué)報：自然科學(xué)版，2011，41（1）：184-198.ZHU Leilei，ZHANG Weihua，NIE Qinghui.Traffic data screening rules for highways［J］.Journal of Southeast University：Natural Science Edition，2011，41（1）：184-198.（in Chinese）

［8］ 陳大山，孫 劍，李克平，張瑜.基于van Aerde模型的快速路交通流特征參數(shù)辨識［J］.武漢理工大學(xué)學(xué)報：交通科學(xué)與工程版，2013（37）6：1251-1254.CHEN Dashan，SUN Jian，LI Keping，ZHANG Yu.Recognition of expressway traffic flow characteristic parameter based on the van Aerde model［J］.Journal of Wuhan University of Technology：Transportation Science ＆ Engineering，2013（37）6：1251-1254.（in Chinese）

［9］ 靳引利，張英，韓雪婷.基于OD的高速公路斷面交通流量推算方法［J］.交通信息與安全，2015，33（1）：47-52.JIN Yinli，ZHANG Ying，HAN Xueting.Estimation Method of Expressway Section Traffic Flow Based on OD Data［J］.Joarnal of Transport Information and Safety 2015，33（1）：47-52.（in Chinese）

［10］ 范兆軍，鄭海起，戚洪海.基于信息融合技術(shù)的機械系統(tǒng)故障診斷框架研究［J］.科學(xué)技術(shù)與工程，2006，6（23）：4709-4713.FAN Zhaojun，ZHENG Haiqi，QI Honghai.Fault diagnosis system based on data fusion algorithm［J］.Science Technology and Engineering，2006，6（23）：4709-4713.（in Chinese）

［11］ 李陽.高速公路流量檢測數(shù)據(jù)的預(yù)處理方法研究［J］.物聯(lián)網(wǎng)技術(shù)，2015，5（2）：22-23.LI Yang.preprocessing method to highway traffic detection data［J］.Internet of Things Technologies.2015，5（2）：22-23.（in Chinese）