冶志良 李 浩

(同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院 上海 201804)

基于速度感知差異性的交通擁堵評(píng)價(jià)分析

冶志良 李 浩

(同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院 上海 201804)

出行者對(duì)速度的感知差異性影響了交通擁堵評(píng)價(jià)分析.基于客觀實(shí)際采集的視頻數(shù)據(jù)及調(diào)查者對(duì)視頻數(shù)據(jù)的主觀感知速度，通過(guò)核密度分布方法得到感知差異的基本分布情況，通過(guò)t檢驗(yàn)以及秩和檢驗(yàn)方法證明不同身份(性別、年齡、駕齡)出行者對(duì)速度存在明顯的感知差異性；通過(guò)融合主觀數(shù)據(jù)(感知加權(quán)速度)和客觀數(shù)據(jù)(速度、占有率)的動(dòng)態(tài)聚類分析方法，給出新的交通擁堵閾值劃分標(biāo)準(zhǔn)，新標(biāo)準(zhǔn)更符合出行者感知情況.

速度感知差異；交通擁堵評(píng)價(jià)；核密度分布；動(dòng)態(tài)聚類分析

0 引 言

交通擁堵狀態(tài)評(píng)價(jià)是交通管理信息中的核心內(nèi)容，是準(zhǔn)確把握交通系統(tǒng)行為、科學(xué)制定交通管理決策的重要依據(jù).隨著城市化與機(jī)動(dòng)化在中國(guó)城市的普及，交通擁堵問(wèn)題已經(jīng)成為人們最為關(guān)心的問(wèn)題之一，出行者的出行行為并不總是依從管理者期望的方向，基于出行者的研究對(duì)于緩解交通擁堵問(wèn)題有著重要的意義.

1997年美國(guó)國(guó)家公路合作研究計(jì)劃報(bào)告中從交通擁堵評(píng)價(jià)指標(biāo)適用性、參與者、管理者多角度研究了交通擁堵量化的方法，并將擁堵評(píng)價(jià)分為類：HCM類、排隊(duì)論類、行程時(shí)間類、擁堵指數(shù)類[1].現(xiàn)有交通擁堵狀態(tài)評(píng)價(jià)方法的思路，一種是通過(guò)對(duì)大量常態(tài)下的交通流數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)分析，基于閾值劃分實(shí)現(xiàn)對(duì)交通狀態(tài)的評(píng)價(jià)，包括數(shù)理統(tǒng)計(jì)與數(shù)據(jù)挖掘方法,服務(wù)水平6個(gè)等級(jí)的閾值即是通過(guò)大量的實(shí)測(cè)數(shù)據(jù)統(tǒng)計(jì)分析而得到的[2]；另一種是采用人工智能的算法實(shí)現(xiàn)交通狀態(tài)的評(píng)價(jià)，主要包括模糊邏輯與神經(jīng)網(wǎng)絡(luò)法[3-5].交通擁堵評(píng)價(jià)的研究從空間上可以劃分為微觀、中觀、宏觀3個(gè)層面[6].文獻(xiàn)[7] 對(duì)城市整體路網(wǎng)或區(qū)域路網(wǎng)交通運(yùn)行狀況進(jìn)行了評(píng)價(jià).

現(xiàn)有研究主要面向基于基礎(chǔ)交通流參數(shù)(流量、飽和度、速度等)的數(shù)據(jù)挖掘以解決交通擁堵狀態(tài)的劃分，忽視了出行者的感受.出行者具有不同的年齡、性別、教育程度、心理特征等屬性，基于自己的行為目標(biāo)與準(zhǔn)則，依據(jù)不同的交通運(yùn)行環(huán)境做出符合自身利益的決策.這種決策來(lái)自于對(duì)當(dāng)前交通流運(yùn)行狀況的判斷.準(zhǔn)確把握交通流運(yùn)行過(guò)程中行為變化的不同階段或趨勢(shì)，使制定出的決策更富有針對(duì)性.現(xiàn)有研究尚沒有通過(guò)主客觀的數(shù)據(jù)進(jìn)行對(duì)比分析證明差異的存在，同時(shí)目前的評(píng)價(jià)方法也鮮有考慮到出行者的主觀因素.文中采用t檢驗(yàn)以及秩和檢驗(yàn)等統(tǒng)計(jì)方法檢驗(yàn)證明不同出行者的速度感知存在差異，并采用動(dòng)態(tài)聚類分析方法給出新的交通擁堵閾值劃分標(biāo)準(zhǔn).新標(biāo)準(zhǔn)考慮了出行者主觀差異，同時(shí)融合了客觀交通流參數(shù).

1 研究方法

1.1 交通客觀數(shù)據(jù)的獲取

路段運(yùn)行速度是交通擁堵評(píng)價(jià)的主要參數(shù)，我國(guó)的道路信息板給出的擁堵信息基本采用速度值進(jìn)行交通擁堵狀態(tài)劃分.不同的出行者對(duì)于速度的感知在不同情況下可能存在差異，本研究以這種感知差異性為切入點(diǎn)，獲取同一等級(jí)路段(主干路)的120段視頻運(yùn)行情況，每段視頻5 s時(shí)長(zhǎng).通過(guò)視頻識(shí)別技術(shù)，計(jì)算出每個(gè)視頻的運(yùn)行速度及占有率.圖1涵蓋了各種交通流狀況下的數(shù)據(jù)，包括不同速度與占有率的道路情況，進(jìn)而可以更好地作出交通感知判斷.

圖1 各視頻客觀速度與占有率散點(diǎn)分布圖

1.2 感知速度數(shù)據(jù)的獲取

100人參加感知數(shù)據(jù)獲取實(shí)驗(yàn).每位參與者分別觀看120段視頻，并對(duì)每個(gè)視頻作出速度主觀判斷，選項(xiàng)有：20 km/h以下、20～40，40～60，60～80，80 km/h以上.部分參與者并沒有都給出全部判斷.對(duì)60段視頻以上有判斷的人員作為有效判斷人員，因此共有75人的有效感知，其具體性別，駕齡，年齡狀況等屬性信息見表1.

表1 實(shí)驗(yàn)參與者基本情況分布

2 感知交通數(shù)據(jù)統(tǒng)計(jì)結(jié)果分析

圖2給出了感知速度的分布情況，隨著客觀速度的下降，感知速度區(qū)間在0～20 km/h的人數(shù)逐漸下降，而21～40 km/h區(qū)間的數(shù)量則呈現(xiàn)先上升后下降，41～60 km/h區(qū)間的數(shù)量則總體上升.由此得出結(jié)論，隨著客觀速度的上升，感知速度的數(shù)值也會(huì)逐漸增加.

圖2 感知速度區(qū)間數(shù)量的散點(diǎn)分布情況

2.1 核密度估計(jì)以及秩和檢驗(yàn)簡(jiǎn)介

2.1.1 核密度估計(jì)

核密度估計(jì)是非參數(shù)密度估計(jì)的一種，核密度的定義如下[8]

設(shè)X1，X2，…，Xn是取自一元連續(xù)總體的樣本，在任意點(diǎn)x處的總體密度函數(shù)f(x)的核密度估計(jì)定義為

(1)

式中：K()為核函數(shù)(kernel function)；h為窗寬.核函數(shù)可以有不同的表示形式，常用的核函數(shù)有Box，Triangle，Epanechnikov，Gaussian等類型，文中使用Gaussian核函數(shù).

2.1.2 Wilcoxon秩和檢驗(yàn)

將樣本的觀測(cè)值排在一起，X1，X2，…，Xn1，Y1，Y2，…,Yn2，設(shè)r1，r2，…，rn1為由X1，X2，…，Xn1產(chǎn)生的秩統(tǒng)計(jì)量，R1，R2，…，Rn2為由Y1，Y2，…,Yn2產(chǎn)生的秩統(tǒng)計(jì)量，則Wilcoxon-Mann-Whitney統(tǒng)計(jì)量定義[9]

(2)

通過(guò)對(duì)統(tǒng)計(jì)量U進(jìn)行檢驗(yàn)，稱之為Wilcoxon秩和檢驗(yàn).

2.2 感知差異的基礎(chǔ)分析

分析所有的客觀速度與感知速度的差值及其分布.例如客觀速度為35 km/h，感知速度區(qū)間為40～60 km/h，取區(qū)間的中間值即50 km/h，則感知與客觀速度的差異為15 km/h，圖3為所有試驗(yàn)數(shù)據(jù)的客觀速度與感知速度的核密度分布圖.

圖3 實(shí)驗(yàn)總體感知與客觀速度差值的核密度分布

由圖3可知數(shù)據(jù)總體基本符合正態(tài)分布，為進(jìn)一步驗(yàn)證假設(shè)，給出感知速度與客觀速度差值的QQ圖，圖4可驗(yàn)證數(shù)據(jù)總體上分布為“近似正態(tài)分布”.

圖4 實(shí)驗(yàn)總體感知與客觀速度差值的正態(tài)QQ圖

2.3 不同擁堵狀態(tài)下的感知差異分析

借鑒文獻(xiàn)[7]中的指標(biāo)體系，視頻路段為主干路，故將擁堵、緩慢、暢通的閾值劃分為(40，∞]，(30,40],(0,30]，對(duì)比3種擁堵狀況下的感知速度與客觀速度的差異.

由圖5可知，不同擁堵狀態(tài)下的感知情況分布存在一定差異.利用秩和檢驗(yàn)驗(yàn)證這種差異的存在，見表2.

表2 不同擁堵狀態(tài)下感知與客觀速度差異性的秩和檢驗(yàn)

圖5 不同擁堵狀態(tài)感知與客觀速度差值的核密度分布

由表2可見，不同擁堵狀態(tài)下的感知速度與客觀速度的差值存在顯著性差異.這也表情現(xiàn)有閾值劃分出擁堵狀態(tài)不盡合理，不同狀態(tài)下的速度感知差異明顯.例如，在擁堵狀態(tài)下感知速度與客觀速度的差異為5 km/h，而在暢通狀態(tài)下差異可能為10 km/h，因此有必要建立新的速度閾值劃分標(biāo)準(zhǔn).

2.4 不同身份的交通出行者的感知差異性分析

不少研究表明不同屬性的出行者存在決策以及感知的差異性.在交通擁堵評(píng)價(jià)的研究中尚未考慮到不同身份出行者的感知差異性.由于教育背景、成長(zhǎng)經(jīng)歷、性別等出行者屬性差異造成不同出行者對(duì)于信息的接收能力存在差異.交通擁堵評(píng)價(jià)的結(jié)果最終是需要面向出行者的，而出行者也是交通研究中的核心，不同出行者對(duì)速度感知差異的研究在擁堵評(píng)價(jià)中具有重要意義.

2.4.1 不同性別的出行者感知差異分析

圖6為不同性別感知速度與客觀速度的差異的核密度分布，基本符合正態(tài)分布，可以看作“近似正態(tài)分布”，區(qū)別在于男性的峰值出現(xiàn)在0的左側(cè)，而女性則在右側(cè)，即分別為正偏態(tài)和負(fù)偏態(tài)分布，由于本實(shí)驗(yàn)數(shù)據(jù)量足夠大，可以使用t檢驗(yàn)與非參數(shù)的秩和檢驗(yàn)對(duì)男性和女性的差異性進(jìn)行檢驗(yàn).表3的t檢驗(yàn)和秩和檢驗(yàn)的結(jié)果都表明男性與女性的感知速度存在著明顯的差異.

檢驗(yàn)項(xiàng)目t檢驗(yàn)P值T值檢驗(yàn)結(jié)果秩和檢驗(yàn)P值Zval值Ranksum值檢驗(yàn)結(jié)果男性與女性1．0161×10-11-6．8135顯著差異2．526×10-11-6．67181．4778×107顯著差異

2.4.2 不同年齡的出行者感知差異分析

圖7為不同年齡的感知速度與客觀速度差值的核密度分布，符合近似正態(tài)分布，分別使用t檢驗(yàn)與秩和檢驗(yàn)分析不同年齡的感知與客觀速度的差異性.表4的結(jié)果證明不同年齡段的出行者的感知速度存在差異性.

2.4.3 不同駕齡的出行者感知差異分析

圖8分別為不同駕齡感知與客觀速度差值的核密度分布，其滿足近似正態(tài)分布，可使用t檢驗(yàn)與秩和檢驗(yàn)分析不同駕齡的出行者的感知與客觀速度的差異性.

圖7 不同年齡出行者感知與客觀速度差值的核密度分布

檢驗(yàn)項(xiàng)目t檢驗(yàn)P值T值檢驗(yàn)結(jié)果秩和檢驗(yàn)P值Zval值Ranksum值檢驗(yàn)結(jié)果20歲以下與21～30歲2．3347×10-12-7．0253顯著差異1．3226×10-10-6．424510112073顯著差異20歲以下與30歲以上2．6393×10-14-7．6392顯著差異5．7257×10-13-7．20696．6653×106顯著差異21～30歲與30歲以上0．0101-2．5748顯著差異0．0099-2．580711453596顯著差異

圖8 不同駕齡出行者感知與客觀速度差值的核密度分布

表5的結(jié)果表明，1年以下與1～5年以及1年以下與5年以上的出行者對(duì)于速度的感知是存在差異的，而1～5年與5年以上的出行者卻沒有顯著的差異.由于駕齡1～5年與5年以上的感知速度與客觀速度的差值,不存在顯著的差異，因此推測(cè)駕齡達(dá)到1年以上后對(duì)于感知速度會(huì)趨于穩(wěn)定，隨著駕齡的增加不會(huì)有明顯的改變.

表5 不同駕齡出行者感知與客觀速度差異性的t檢驗(yàn)與秩和檢驗(yàn)

2.5 感知加權(quán)速度與真實(shí)速度的差異性分析

將同一視頻的不同身份出行者的感知速度進(jìn)行加權(quán)可以基本代表不同身份出行者對(duì)于同一速度感知的總體趨勢(shì).通過(guò)對(duì)感知加權(quán)速度與客觀速度差異分析，進(jìn)一步分析主觀(感知)與客觀速度存在的差異性.加權(quán)感知速度V感知定義為

(3)

式中：V1，V2，…,Vn為同一視頻感知速度分布；N1，N2，…,Nn為對(duì)應(yīng)感知速度的感知人數(shù).

對(duì)視頻的所有感知速度進(jìn)行加權(quán)可以反映該視頻的總體感知情況，圖9為感知加權(quán)速度與客觀速度散點(diǎn)圖.由圖9可知，當(dāng)客觀速度較低時(shí)，感知加權(quán)速度低于客觀速度，當(dāng)客觀速度較高時(shí)，感知的加權(quán)速度高于客觀速度，總體上感知加權(quán)速度會(huì)隨著客觀速度的增加而增加.

圖10為占有率與感知加權(quán)速度的關(guān)系，當(dāng)占有率較低時(shí)，感知加權(quán)速度普遍較高，而當(dāng)占有率較高時(shí)，感知加權(quán)速度有明顯的下降，所以道路的占有率也是影響出行者判斷的重要指標(biāo)之一.圖11～12為感知加權(quán)速度與客觀速度的差值滿足近似正態(tài)分布.

圖10 占有率與感知加權(quán)速度散點(diǎn)圖

圖11 感知加權(quán)速度與客觀速度差值核密度分布

圖12 感知加權(quán)速度與客觀速度差值的正態(tài)QQ圖

3 考慮感知速度的交通擁堵閾值劃分

考慮感知加權(quán)速度并結(jié)合客觀速度、占有率通過(guò)聚類分析來(lái)劃分閾值，使得現(xiàn)有的交通擁堵信息發(fā)布更加貼近出行者的感受，以更好地引導(dǎo)出行者的出行.

3.1 動(dòng)態(tài)聚類分析

聚類分析是將數(shù)據(jù)所對(duì)應(yīng)研究對(duì)象進(jìn)行分類的統(tǒng)計(jì)方法，分析的數(shù)據(jù)是對(duì)象間存在相似性或相異性的數(shù)據(jù)，將這些相似(相異)性數(shù)據(jù)看成是對(duì)象之間的“距離”遠(yuǎn)近的一種度量，將距離近的對(duì)象歸入一類，不同類之間的對(duì)象距離較遠(yuǎn).這是聚類分析方法的共同思路.聚類分析可以分為多種類型，動(dòng)態(tài)聚類法是其中重要的方法之一，與常用的系統(tǒng)聚類法相比，計(jì)算量適中，占用內(nèi)層小，計(jì)算速度快等優(yōu)點(diǎn).動(dòng)態(tài)聚類法又稱逐步聚類法，即開始先粗略地分類，然后按照某種最優(yōu)原則修改不合理的分類，直至類分的較為合理為止.

3.2 基于聚類分析的閾值劃分

將客觀的交通流數(shù)據(jù)與主觀的出行者感知速度數(shù)據(jù)結(jié)合，將數(shù)據(jù)結(jié)構(gòu)進(jìn)行聚類劃分(見表6)，得出新的閾值劃分方法.

表6 聚類分析數(shù)據(jù)結(jié)構(gòu)

通過(guò)聚類得到圖13所示的結(jié)果，最終將其劃分為3個(gè)閾值，具體劃分結(jié)果見表7.

圖13 聚類得到的擁堵狀態(tài)劃分

交通擁堵閾值劃分占有率客觀速度暢通(0，0．7)(50，+∞)緩慢(0，0．7)(0，50)擁堵(0．9，1)

為了檢驗(yàn)聚類結(jié)果的分類合理性，需要計(jì)算聚類的輪廓值，第i點(diǎn)的輪廓值定義為

(4)

式中：a為第i個(gè)點(diǎn)與同類的其他點(diǎn)之間的平均距離；b為一向量；第k個(gè)元素為第i個(gè)點(diǎn)與第k類點(diǎn)之間的平均距離，輪廓值si的取值在[-1,1]之間，si值越大說(shuō)明第i個(gè)點(diǎn)的分類越合理.當(dāng)si<0時(shí)，說(shuō)明第i個(gè)點(diǎn)的分類不合理.

圖14為聚類結(jié)果的輪廓圖，輪廓值基本上都大于0，而且大部分都超過(guò)了0.5，說(shuō)明聚類結(jié)果較為合理.

圖14 聚類結(jié)果的輪廓圖

4 結(jié) 論

1) 感知速度與客觀速度的差值分布為正偏態(tài)分布或負(fù)偏態(tài)分布.由于數(shù)據(jù)量較大可以近似認(rèn)為是近似正態(tài)分布.

2) 出行者在不同的擁堵狀況下對(duì)客觀速度的感知存在差異性.

3) 不同屬性(年齡、性別、駕齡)的出行者對(duì)速度的感知存在差異性.

4) 基于主客觀速度，利用動(dòng)態(tài)聚類分析方法提出了新的交通擁擠閾值劃分標(biāo)準(zhǔn).

后續(xù)研究在擴(kuò)充樣本數(shù)的基礎(chǔ)上，重點(diǎn)探索基于速度感知差異性的交通擁堵評(píng)價(jià)方法.

[1]LOMAX T，TURNER S，SHUNK G，ET AL.Quantifying congestion[R].Washington DC：Transportation Research Board，1997.

[2]任福田，劉小明,榮建，等.道路通行能力手冊(cè)[M].北京：人民交通出版社，2007.

[3]DOWLING R.Extension of the level of service concept to transportation systems[C].77th Annual Meeting of the Transportaion Research Board,Washington D C,1998.

[4]VAZIRI M.Development of highway congestion index with fuzzy set models[J].Journl of Transportaion Research Record 1802,Transportation Research Board,2002:16-22.

[5]RITCHIE S,CHEU R.Neural network models for automated detection of non-recurring congestion[C].Partners for Advanced Transit and Highways Research Report,1993.

[6]敖谷昌.城市快速路交通狀態(tài)特性及關(guān)聯(lián)分析方法研究[D].北京：北京交通大學(xué)，2014.

[7]北京交通發(fā)展研究中心.城市道路交通運(yùn)行評(píng)價(jià)指標(biāo)體系：DB11/T 875-2011[S].北京:北京市質(zhì)量技術(shù)監(jiān)督局，2011.

[8]謝中華.MATLAB統(tǒng)計(jì)分析與應(yīng)用：40個(gè)案例分分析[M].北京：北京航空航天大學(xué)出版社，2010.

[9]薛毅，陳麗萍.實(shí)用數(shù)據(jù)分析與MATLAB軟件[M].北京:北京工業(yè)大學(xué)出版社，2015.

Evaluation and Analysis of Traffic Congestion Based on Velocity Perception Difference

YE Zhiliang LI Hao

(SchoolofTransportationEngineering,TongjiUniversity,Shanghai201804,China)

The perceived difference of the velocity affects the evaluation of traffic congestion. Based on the objective data collected by the video data and the subjective data surveyed by the perception of video, the basic distribution of perception difference is obtained by the kernel density distribution method. Through the t test and rank sum test method, significant differences in perception of velocity are proven to exist in the different identity (different gender, age, driving age) of the travelers. By the dynamic clustering analysis method based on the fusion of subjective data (perceptual weighting velocity) and objective data (velocity, occupancy), a new traffic congestion threshold classification standard is given. The new standard is more in line with the traveler’s perception. The research results provide a reference for the travel information release.

velocity perception difference; traffic congestion evaluation; kernel density distribution; dynamic cluster analysis

2016-09-18

U491

10.3963/j.issn.2095-3844.2016.06.029

冶志良(1991—)：男，碩士，主要研究領(lǐng)域?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理