張俊濤,李志勇,張　浩,裴洪星,行瑞星

(1.信息工程大學，河南 鄭州 450000；2.西安測繪信息技術(shù)總站，陜西 西安 710000)

?

利用出租車軌跡數(shù)據(jù)估計城市道路擁堵狀況

張俊濤1,2,李志勇2,張浩1,裴洪星1,行瑞星1

(1.信息工程大學，河南 鄭州 450000；2.西安測繪信息技術(shù)總站，陜西 西安 710000)

摘要：交通擁堵是當代各大城市普遍面臨的問題，如何通過各種技術(shù)手段發(fā)現(xiàn)城市交通的易擁堵路段并予以改善是城市交通相關(guān)部門以及學者關(guān)心的一個問題。通過各種GPS設(shè)備產(chǎn)生的歷史軌跡數(shù)據(jù)對城市的研究逐漸受到重視，且取得一定的進展。文中總結(jié)運行車輛的4種通行狀態(tài)：正常行駛、停靠/停泊、信號燈等待以及擁堵，分析這4種狀態(tài)下運行車輛的速度特征，定義軌跡段平均速度和軌跡段速度方差兩個數(shù)字特征用來描述運行車輛軌跡段的速度特征以及描述路段擁堵程度的擁堵指數(shù)，提出一種基于軌跡分段的擁堵檢測的可視化方法，通過實驗驗證發(fā)現(xiàn)其可以較好地估計城市交通擁堵狀況。

關(guān)鍵詞：軌跡數(shù)據(jù);軌跡分析;交通擁堵;空間可視化

近年來，移動定位技術(shù)在汽車移動終端等移動設(shè)備上得到了廣泛使用，越來越多的人熱衷于記錄并分享軌跡日志。地理信息以及通訊技術(shù)的不斷成熟也使得大量群體軌跡數(shù)據(jù)的獲取在技術(shù)上以及經(jīng)濟上可行性越來越高，于是，大量的軌跡數(shù)據(jù)在日常生活中日益積累并為不同類型的應用所服務(wù)。通過對這些軌跡數(shù)據(jù)的挖掘、分析，有益于城市規(guī)劃、智能的城市交通管理以及基于位置的服務(wù)。其中，利用浮動車(FCD)數(shù)據(jù)，特別是出租車軌跡數(shù)據(jù)分析城市道路路況信息引起了智能交通、地理信息學科等領(lǐng)域?qū)W者及研究機構(gòu)的廣泛重視。

城市路況信息中最為引人關(guān)注的是道路的通行狀況，道路的通行狀況是現(xiàn)代城市居民生活的一個重要特征，也是制約現(xiàn)代城市發(fā)展的一個重要因素。在道路通行狀況中，發(fā)現(xiàn)交通擁堵又是人們重點關(guān)心的問題。對于城市出行者來說，盡量避開易于擁堵的路段，則有可能節(jié)約出行時間，提高出行效率；對于城市交通管理部門，發(fā)現(xiàn)城市交通易于擁堵的路段，能夠輔助疏導交通，提高現(xiàn)有道路網(wǎng)的使用效率；對于城市交通規(guī)劃部門來說，發(fā)現(xiàn)城市交通易堵路段，通過調(diào)研，發(fā)現(xiàn)擁堵成因，予以解決，則能夠改善城市交通條件。對道路的通行狀況，特別是交通擁堵問題發(fā)現(xiàn)的研究主要包括：整體道路網(wǎng)或道路網(wǎng)中局部關(guān)鍵路段的通行狀況分析、道路擁堵狀態(tài)的判定與分析和交通擁堵建模以及模型化分析等。國外在這些方面的研究起步較早，如基于交通力學模型的交通通行情況演化模型的研究[1]；交通高峰期，不同交通環(huán)境下不同的交通擁堵模式[2]等。國內(nèi)方面，近幾年，有關(guān)于交通擁堵路段判斷的研究[3-4]；城市交通擁堵特征的研究[5-6]；基于模糊綜合判別的交通狀態(tài)判定[7-9]；結(jié)合交通參數(shù)，基于軌跡相似聚類思想的同伴發(fā)現(xiàn)算法[10]等。

本文在前人關(guān)于軌跡數(shù)據(jù)處理、研究的基礎(chǔ)上，綜合分析現(xiàn)有的利用軌跡數(shù)據(jù)分析、估計城市道路路況信息的基礎(chǔ)上，利用出租車路段平均速度信息以及路段內(nèi)速度變化信息，結(jié)合地理信息科學領(lǐng)域空間分析的手段，分時段估計城市道路擁堵狀況，并予以可視化顯示。

1問題描述

道路的通行狀況，直觀地理解，就是某段道路一段時間內(nèi)通行車輛的數(shù)量狀況或車輛通過特定距離路段的耗時狀況。道路網(wǎng)上行駛的車輛是道路通行情況最直接的感知者，通過道路網(wǎng)上行駛的車輛的運行狀態(tài)可以間接地獲得道路的通行情況。出租車從絕對數(shù)量上來說，在城市機動車保有量中所占的比例并不高，然而，相較于私家車等其它車輛，考慮到其運營時間的持續(xù)性，其在城市道路交通中所占的比例還是可觀的，利用其的運行信息間接地估計城市道路的通行情況信息是可行的。出租車的運行狀態(tài)，對其進行分類，大致可以分為正常行駛、?？?停泊、信號燈等待以及擁堵等4類(見圖1)。

圖1　出租車的運行狀態(tài)

1.1正常行駛

在理想狀態(tài)下，正常行駛是指車輛在道路上以相對合理、穩(wěn)定的速度運行。正常行駛狀態(tài)下的車輛，其行駛速度具有兩個重要特征：合理、穩(wěn)定。合理是指車輛行駛的速度在一定的合理范圍內(nèi)，例如一般國內(nèi)城市主城區(qū)道路大多限速在30～70km/h，另外正常行人的步行速度通常在4～5km/h，正常行駛的車輛的速度一般低于城市限速而高于正常行人的步行速度；穩(wěn)定是指行駛車輛的運行速度在一段時間內(nèi)保持近乎勻速，若正常行駛狀態(tài)的車輛，在等時間間隔下記錄點位，則這些點在空間上呈等間距分布，而出租車的車載GPS設(shè)備在正常工作情況下即為近乎等時間間隔地記錄出租車的軌跡點，圖1(a)為正常行駛的出租車的一段軌跡點。

1.2?？?停泊

運行的車輛在完成一段時間的運行后，或相對較長時間地停泊于停車位，或短暫地在路邊臨時停靠，形成運行車輛的?？?停泊狀態(tài)。營運的出租車由于載客和乘客上下車的需要而頻繁地?？浚驗樗緳C休息、就餐等因素而偶爾停泊。無論是車輛?？窟€是停泊，都是車輛在或長或短的時間段內(nèi)保持空間位置的不變，理想狀態(tài)下，此時車輛的軌跡點應該為停車位或路邊一個多點重疊的點位，然而因為GPS定位存在一定的誤差，故而此時車輛的軌跡點為在停泊位或路邊停泊位置附近隨機分布的點集(見圖1(b))。

1.3信號燈等待

交通信號燈是保證城市交通有序運行的一個手段，用于約束道路上行駛的車輛。交通信號燈等

待是指運行的車輛遇到需要駐停等待的交通信號燈而短暫駐停的狀態(tài)。相較于?？?停泊狀態(tài)，信號燈等待一般發(fā)生在十字路口或丁字路口等道路交叉口或其鄰近路段，時間上，其持續(xù)時間通常等于或略大于一個交通信號燈的信號持續(xù)時間，一般不大于2min(國內(nèi)城市)。信號燈等待表現(xiàn)在車輛軌跡上為在十字路口、丁字路口等道路交叉口或其鄰近的少量的隨機分布的點集(見圖1(c))。

1.4擁堵

交通擁堵實際上是指運行車輛在一定的持續(xù)時間內(nèi)，以顯著的較低的速度通過一定路段，在該時間段內(nèi)，在該路段內(nèi)，運行車輛時而駐停，表現(xiàn)得類似信號燈等待的狀態(tài)，時而短暫正常向前行進，表現(xiàn)得又如正常行駛的狀態(tài)，因此，該狀態(tài)下的運行車輛的軌跡在一段時間內(nèi)速度呈現(xiàn)出無序的變化(見圖1(d))。

2擁堵判別

上文將車輛(出租車)的運行狀態(tài)按運行的速度特征進行了直觀的分類，接下來將探討如何利用車輛軌跡數(shù)據(jù)進行上述分類的判別，從而區(qū)分、識別擁堵狀態(tài)。在這之前則首先分析GPS定位精度以及用到的出租車軌跡數(shù)據(jù)稀疏度對上述分類判定可能產(chǎn)生的影響。

2.1GPS定位精度及數(shù)據(jù)稀疏度

1)定位精度對道路通行情況判別的影響。受限于民用GPS使用政策以及定位設(shè)備的運行情況以及城市建筑物和樹木的遮擋，車載GPS設(shè)備在定位時存在一定的誤差，一般估計其水平定位誤差在10～20m，在天氣條件好且無遮擋的條件下可達到10m以內(nèi)[11]。假定車載GPS定位設(shè)備的定位精度在15m以內(nèi)，那么此時處于?？炕蛲２礌顟B(tài)下的運行車輛的軌跡為其真實位置附近15m內(nèi)隨機分布的點集，也即當兩個軌跡點間的距離d<15m時，可近似地認為兩個軌跡點處于同一位置，后文實驗即采用這一假定。

2)軌跡數(shù)據(jù)稀疏度對道路通行情況判別的影響。車載GPS設(shè)備按固定時間間隔記錄運行車輛的GPS位置來記錄車輛的軌跡，這里的時間間隔的大小即為數(shù)據(jù)的稀疏度。軌跡數(shù)據(jù)的稀疏度決定了對交通通行狀態(tài)可識別性，例如假設(shè)一運行車輛的車載GPS設(shè)備記錄數(shù)據(jù)的稀疏度為90s，遇到一個紅燈等待時間為30s的交通信號燈，此時的信號燈等待狀態(tài)體現(xiàn)在其軌跡數(shù)據(jù)上的可識別性就極低。表1為對本文實驗使用的軌跡數(shù)據(jù)進行隨機抽樣，抽取20輛出租車1d的軌跡數(shù)據(jù)，對其稀疏度進行統(tǒng)計得到其均值約為38.6s，中位數(shù)為36s，本文實驗以兩者均值37.3s為實驗數(shù)據(jù)的稀疏度。

表1　實驗軌跡數(shù)據(jù)稀疏度統(tǒng)計

2.2軌跡段數(shù)字特征

1節(jié)中將車輛(出租車)的運行狀態(tài)按運行的速度特征進行了直觀的分類，這里的速度特征只是一個定性描述，無法在實踐中使用，此時需要數(shù)學的手段進行量化地描述，故而定義一個概念：軌跡段以及兩個數(shù)字特征：軌跡段平均速度、軌跡段速度方差。

1)軌跡段，指定時間段T內(nèi)某輛運行車輛所記錄的軌跡記錄，用時間段T來描述其尺寸大小。

2)軌跡段平均速度v，指軌跡段內(nèi)某輛運行車輛行駛的平均速度。

3)軌跡段速度方差var，指軌跡段內(nèi)某輛運行車輛所有軌跡記錄點處瞬時速度的方差，用來定量地描述段內(nèi)速度的變化情況(軌跡點處瞬時速度不易獲取，可以用相鄰兩個軌跡點間距離與其時間間隔之比近似表示，本文用此表示)。

關(guān)于軌跡段的劃分，需要考慮兩個方面的因素：

1)應選用盡可能短的時間間隔T，使得得到的軌跡段數(shù)字特征描述的空間尺度盡可能精細，從而提高識別擁堵狀態(tài)的空間精度。

2)需要選擇足夠長的時間間隔T，使得劃分后的軌跡段的數(shù)字特征能夠比較好地描述軌跡段所對應的車輛運行狀態(tài)。

對于正常行駛的車輛來說，在一段相對較長的時間間隔內(nèi)車輛保持速度穩(wěn)定、合理，那么將該時間間隔進一步細分，在細分后的時間間隔內(nèi)，車輛的速度還應該保持穩(wěn)定、合理的特征；對于?？?停泊的車輛來說，在一段相對較長的時間段內(nèi)車輛停泊于車位，那么將該時間間隔進一步細分，在細分后的時間間隔內(nèi)，車輛還應停泊于車位；信號燈等待通常為車輛短時間的駐停，類似于車輛停靠；擁堵則是車輛在一段相對較長的時間段內(nèi)(大于信號燈等待時間)車速較低，速度不穩(wěn)定，如果將該段時間進一步劃分(時間間隔接近信號燈等待時間)，則在劃分的若干時間段內(nèi)，有的時間段類似于?？炕蛐盘枱舻却?，有的時間段內(nèi)類似正常行駛，從而導致在此時間間隔下軌跡段的數(shù)字特征不能很好地描述擁堵狀態(tài)或區(qū)分擁堵狀態(tài)與其他狀態(tài)。綜上分析，劃分軌跡段的時間間隔應在保證明顯地大于信號燈等待時間的前提下盡可能的短。一般情況下車輛交通信號燈等待時間不超過120s，為了方便計算，可采用時間上連續(xù)的軌跡點數(shù)作為時間間隔的等價描述，而2.1節(jié)中統(tǒng)計實驗數(shù)據(jù)的稀疏度為37.3s，此時連續(xù)4個軌跡點間的時間間隔為111.90s，而連續(xù)5個軌跡點點的時間間隔為149.20s，故而本文采用5個時間上連續(xù)的軌跡點作為軌跡段劃分的尺度，其等價的時間間隔約為150s。

2.3擁堵判別

在通過軌跡段平均速度、軌跡段速度方差兩個數(shù)字特征對軌跡段進行描述的基礎(chǔ)上，此時，就可以對車輛的運行狀態(tài)進行區(qū)分。

1)?？?停泊、信號燈等待。由于GPS定位誤差的存在，上文假定兩個相鄰軌跡點間的距離d<15m時，可近似地認為兩個軌跡點處于同一位置，同時在統(tǒng)計的基礎(chǔ)上估計實驗數(shù)據(jù)的稀疏度為37.3s，此時后一個軌跡點瞬時速度v′<0.40m/s，當軌跡段平均速度小于0.40m/s時，即可判定此軌跡段為?？?停泊狀態(tài)或信號燈等待，根據(jù)保持此平均速度軌跡段的長度，還可以依次進一步區(qū)分信號燈等待、停靠和停泊狀態(tài)。

2)正常行駛/擁堵。正常行駛的車輛在道路上以相對穩(wěn)定的、合理的速度運行；擁堵狀態(tài)下一段時間內(nèi)的車輛擁有以顯著的較低的平均速度，同時一段時間內(nèi)速度變化較大，即有用較大的軌跡段速度方差。此時定義一個擁堵指數(shù)

(1)

式中r隨著軌跡段速度方差var單調(diào)增，隨著軌跡段平均速度v單調(diào)減，故而一個較高的r值表示了軌跡段內(nèi)較高的擁堵可能性。

至此，通過軌跡段平均速度的高低可以將“?？?停泊，信號燈等待”與“正常行駛，擁堵”區(qū)分開，進而通過式(1)的值的高低衡量擁堵狀況的程度。

3實驗

本文以南京2010-09-01的出租車軌跡數(shù)據(jù)(包括約10 000輛出租車，33 042 226個軌跡點，439 346條有效軌跡數(shù)據(jù))為實驗數(shù)據(jù)，實驗范圍(見圖2)為南京市主城區(qū)。

圖2　實驗范圍

3.1數(shù)據(jù)預處理

從現(xiàn)實世界直接采集來的數(shù)據(jù)或多或少都是不完整的、不一致的臟數(shù)據(jù)，并不能直接分析、使用，出租車軌跡數(shù)據(jù)也不例外。基于研究需要，本文從經(jīng)緯度數(shù)據(jù)越界處理、異常值過濾以及地圖匹配等3個方面對軌跡數(shù)據(jù)進行預處理。

1)經(jīng)緯度越界處理。將超出本文實驗范圍內(nèi)的軌跡點剔除。

2)異常值過濾。直觀的，出租車的行車速度應當在一定的合理范圍內(nèi)[12]，不在該范圍內(nèi)的軌跡點應予以剔除；對于由于車載GPS設(shè)備的測量噪聲產(chǎn)生的異常值，通常采用中值/中位數(shù)濾波器、Kalman濾波器等進行處理[13]，本文采用中位數(shù)濾波器[14]予以平滑。

3)地圖匹配。正常情況下，運行的車輛行駛在道路上，其軌跡點也應在相應的道路上，但因為定位誤差的存在，所以獲得的車輛GPS軌跡數(shù)據(jù)通常并不在道路上，需要通過地圖匹配進行處理，實驗采用文獻[15]的方法進行地圖匹配。

經(jīng)過預處理后局部部分數(shù)據(jù)如圖3所示。

圖3　軌跡數(shù)據(jù)預處理前后

3.2實驗

通過式(1)可以得到車輛運行軌跡段擁堵程度量化表達，為了進一步獲得某一時段城市道路網(wǎng)擁堵狀況，試驗中通過時段過濾，選取指定時段的所有車輛的軌跡數(shù)據(jù)，分軌跡段排除停靠/停泊、信號燈等待狀態(tài)，然后計算各軌跡段r值，最后利用空間分析中線密度分析方法進行分析，權(quán)重因子選擇各軌跡段的r值，其結(jié)果為柵格化的道路擁堵狀況圖。實驗流程如圖4所示，其中駐點剔除即利用計算軌跡段平均速度將?？?停泊、信號燈等待的軌跡段剔除掉。實驗選取南京市2012-09-01 8：30—9：00與17：30—18：00兩個高峰時段的軌跡數(shù)據(jù)進行實驗，結(jié)果如圖5所示，圖上顏色越紅表示該段易于發(fā)生擁堵，顏色越綠表示該段不易擁堵，車行順暢。例如圖上中央立交與新莊立交之間明顯處于易發(fā)生交通擁堵路段，此段正好為南京市火車站所在路段，實際上也是易擁堵的路段。

圖4　實驗流程

圖5　城市道路擁堵狀況

4結(jié)束語

本文在出租車軌跡數(shù)據(jù)實例分析的基礎(chǔ)上總結(jié)了運行車輛的4種通行狀態(tài)：正常行駛、?？?停泊、信號燈等待以及擁堵；分析了這4種狀態(tài)下運行車輛的速度特征；定義了軌跡段平均速度和軌跡段速度方差兩個數(shù)字特征用來描述軌跡段車輛運行的速度特征以及描述路段擁堵程度的擁堵指數(shù)。提出了一種基于軌跡分段的擁堵檢測的可視化方法，通過實驗驗證發(fā)現(xiàn)其可以較好地估計城市交通擁堵狀況。同時，本文的方法是一種半定量的方法，并不能實時地通過軌跡數(shù)據(jù)很好地檢測出特定車輛是否發(fā)生擁堵，在后續(xù)研究中可以考慮引入反演的方法，通過實地調(diào)查統(tǒng)計，從而分析擁堵指數(shù)r與擁堵的定量對應關(guān)系。

參考文獻：

[1]BANDOM，HASEBEK，NAKAYAMAA，etal.Dynamicalmodeloftrafficcongestionandnumericalsimulation[J].PhysicalReviewEStatisticalPhysicsPlasmasFluids&RelatedInterdisciplinaryTopics，1995，51(2):1035-1042.

[2]DOWNSA.Thelawofpeak-hourexpresswaycongestion[J].TrafficQuarterly，1962，16(3):393-409.

[3]魯小丫，宋志豪，徐柱,等.利用實時路況數(shù)據(jù)聚類方法檢測城市交通擁堵點[J].地球信息科學學報，2012，14(6):775-780.

[4]楊祖元，黃席樾，杜長海,等.基于FFCM聚類的城市交通擁堵判別研究[J].計算機應用研究，2008，25(9):2768-2770.

[5]劉有軍，田聰.不同路網(wǎng)形態(tài)下城市交通擁堵特性分析[J].中國公路學報，2013，26(1):163-169.

[6]高自友，龍建成，李新剛.城市交通擁堵傳播規(guī)律與消散控制策略研究[J].上海理工大學學報，2011，33(6):701-708.

[7]任其亮，謝小淞.基于遺傳動態(tài)模糊聚類的道路交通狀態(tài)判定方法[J].交通運輸工程與信息學報，2007，5(3):12-15.

[8]周偉，羅石貴.基于模糊綜合識別的事件檢測算法[J].西安公路交通大學學報，2001，21(2):70-73.

[9]曹成濤，崔鳳，林曉輝.基于神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)模糊判別方法[J].科學技術(shù)與工程，2010，10(21):5195-5199.

[10] 吳佩莉，劉奎恩，郝身剛,等.基于浮動車數(shù)據(jù)的快速交通擁堵監(jiān)控[J].計算機研究與發(fā)展，2013，51(1):189-198.

[11] 張莉婷，陳云波，左小清，等.出租車軌跡數(shù)據(jù)快速提取道路骨架線方法[J].測繪科學，2015，40(1)：110-112.

[12] 何雯，李德毅，安利峰,等.基于GPS軌跡的規(guī)律路徑挖掘算法[J].吉林大學學報(工學版)，2014，44(6):1764-1770.

[13] 徐愛功，張建龍，隋心,等.基于自回歸法的滑坡監(jiān)測數(shù)據(jù)Kalman濾波的應用[J].測繪工程，2014，23(9):52-55.

[14]LEEWC，KRUMMJ.Trajectorypreprocessing[M]//Computingwithspatialtrajectories.SpringerNewYork，2011:21-23.

[15] 馬云飛.基于出租車軌跡點的居民出行熱點區(qū)域與時空特征研究[D].南京:南京師范大學，2014.

[責任編輯：劉文霞]

Estimation of urban traffic congestion by utilizing taxi trajectory data

ZHANG Juntao1,2，LI Zhiyong2，ZHANG Hao1，PEI Hongxing1，XING Ruixing1

(1.InformationEngineeringUniversity，Zhengzhou450000，China;2.Xi’anSurveyingandMappingInformation&TechnologyStation，Xi’an710000，China)

Abstract：Traffic congestion is a serious urban problem commonly faced by the contemporary cities and how to find it by various technical means is a concern of urban traffic departments and scholars to improve the urban traffic status.Researches on urban problem by trajectories data generated by various GPS devices draw more attention，and some progress has been made.This paper summarizes four running status for running vehicles:normal driving，docking/parking，signal waiting and congestion and then analyzes the features of vehicle speed of different running status by defining two numerical characteristics of speed and index of congestion.Finally，a visualization method for detecting traffic congestion is proposed，which proves to be effective by experiment.

Key words：trajectory data;trajectory analysis;traffic congestion;spatial visualization

DOI:10.19349/j.cnki.issn1006-7949.2016.09.015

收稿日期：2015-06-03

基金項目：國家自然科學基金資助項目(41471386)

作者簡介：張俊濤(1987-)，男，碩士研究生，助理工程師.

中圖分類號：P282

文獻標識碼：A

文章編號：1006-7949(2016)09-0068-05