莊廣新，谷遠(yuǎn)利，馬韻楠，趙瑩

(1. 北京交通大學(xué)城市交通復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，北京100044；2. 北京鐵路局北京西站，北京 100055)

【交通運(yùn)輸】

基于AHP灰色理論的道路交通流數(shù)據(jù)質(zhì)量評價(jià)

莊廣新1，谷遠(yuǎn)利1，馬韻楠2，趙瑩1

(1. 北京交通大學(xué)城市交通復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，北京100044；2. 北京鐵路局北京西站，北京 100055)

交通流信息采集的過程中由于受到設(shè)備自身及外在環(huán)境等因素的影響，所采集的數(shù)據(jù)容易出現(xiàn)失真、缺失和冗余等質(zhì)量問題，無法滿足智能化交通管理的要求。本文以準(zhǔn)確度、完整度和時(shí)效性等3個(gè)數(shù)據(jù)特性作為評價(jià)指標(biāo)，提出了基于層次分析法與灰色聚類分析的道路交通流數(shù)據(jù)質(zhì)量評價(jià)方法，采用層次分析法確定評價(jià)指標(biāo)的權(quán)重，采用灰色系統(tǒng)理論白化權(quán)函數(shù)建立各指標(biāo)關(guān)聯(lián)度矩陣模型，結(jié)合北京市二環(huán)路實(shí)測數(shù)據(jù)進(jìn)行了實(shí)例分析，證明了方法的可行性。

交通工程；數(shù)據(jù)質(zhì)量評價(jià)；AHP灰色理論；道路交通流

隨著我國城市機(jī)動車保有量的不斷增加，交通擁堵這一城市頑疾也日趨嚴(yán)重。在既有的城市網(wǎng)絡(luò)格局之下，單純地依靠增建交通設(shè)施來緩解交通壓力的傳統(tǒng)做法已經(jīng)不切實(shí)際，也不能從根本上解決實(shí)際問題。智能交通作為城市交通管理的一種手段，受到了國內(nèi)外專家學(xué)者的青睞，是目前緩解交通擁堵的主要趨勢。有效的智能交通管理需要以高質(zhì)量的交通流數(shù)據(jù)為基礎(chǔ)，而目前環(huán)形線圈、浮動車GPS和微波檢測RTMS等設(shè)備所采集的動態(tài)實(shí)時(shí)數(shù)據(jù)存在一定程度的紕漏，并不能直接用于制定決策和使用。因此，對交通流數(shù)據(jù)進(jìn)行客觀評價(jià)，采取有效措施對數(shù)據(jù)進(jìn)行修正是非常關(guān)鍵又亟待解決的問題。

針對交通流數(shù)據(jù)質(zhì)量的評價(jià)，目前國內(nèi)還沒有相應(yīng)的標(biāo)準(zhǔn)和規(guī)范可循。施莉娟等[1]歸納了前人在數(shù)據(jù)質(zhì)量評價(jià)中的認(rèn)識，提出了包括完整性、準(zhǔn)確性、實(shí)時(shí)性、有效性、可用性和覆蓋度的多維指標(biāo)評價(jià)體系。牛世峰等[2]針對交通流數(shù)據(jù)質(zhì)量微觀評價(jià)方法無法評價(jià)交通流數(shù)據(jù)整體質(zhì)量的問題，提出交通流數(shù)據(jù)宏觀評價(jià)的思想，構(gòu)建了4個(gè)交通流數(shù)據(jù)宏觀評價(jià)指標(biāo)，并設(shè)計(jì)了交通流數(shù)據(jù)宏觀評價(jià)流程。文峰[3]提出了將道路等級權(quán)重引入準(zhǔn)確度的加權(quán)平均法，從而使得準(zhǔn)確度的評價(jià)誤差降低，但是該模型只針對視頻數(shù)據(jù)，且對可用數(shù)據(jù)準(zhǔn)確度的要求較低，不適合精細(xì)化管理的發(fā)展趨勢。

本文采用定性與定量相結(jié)合的方式，提出了基于層次分析法與灰色聚類分析的道路交通流數(shù)據(jù)質(zhì)量評價(jià)方法，并結(jié)合實(shí)際案例論證了該方法的有效性。

1 交通流數(shù)據(jù)質(zhì)量綜合評價(jià)方法

1.1 評價(jià)指標(biāo)賦權(quán)

首先要解決的問題是確定各個(gè)評價(jià)指標(biāo)對于數(shù)據(jù)質(zhì)量影響程度的大小，即權(quán)重值。運(yùn)用層次分析法確定評價(jià)指標(biāo)的權(quán)重主要有如下幾個(gè)步驟[4]：選擇評價(jià)指標(biāo)→構(gòu)建判斷矩陣→進(jìn)行一致性檢驗(yàn)→計(jì)算權(quán)重。

1.1.1 指標(biāo)選擇

數(shù)據(jù)質(zhì)量評價(jià)要具有可操作性，就必須對數(shù)據(jù)質(zhì)量進(jìn)行量化，量化的第一步是制定出合理的評價(jià)指標(biāo)體系。為此，評價(jià)指標(biāo)的選取應(yīng)遵循如下原則： (1)確立的指標(biāo)是能夠通過觀察、測試和評議等方式得出明確結(jié)論的定性或定量指標(biāo)；(2)各指標(biāo)之間應(yīng)相互獨(dú)立；(3)應(yīng)確保評價(jià)指標(biāo)具有一定的典型代表性，對評價(jià)目標(biāo)具有顯著的影響力；(4)評價(jià)指標(biāo)的選取不能過多過細(xì)、過于繁瑣、相互重疊，同時(shí)又要避免指標(biāo)信息遺漏，出現(xiàn)對評價(jià)目標(biāo)評價(jià)錯誤、不真實(shí)的現(xiàn)象，選取評價(jià)指標(biāo)時(shí)應(yīng)考慮到數(shù)據(jù)易獲取和便于計(jì)算。

圖1所示為2層的層次分析結(jié)構(gòu)模型，是一種簡略的樹狀圖形式，因素層各個(gè)指標(biāo)還可繼續(xù)分解，向下進(jìn)一步分層。

圖1 層次分析結(jié)構(gòu)模型Fig.1 AHP structure model

1.1.2 構(gòu)建判斷矩陣

根據(jù)因素層包含指標(biāo)數(shù)量的多少以及各個(gè)指標(biāo)之間的關(guān)系，選擇不同的比率標(biāo)度，制定專家打分表，對指標(biāo)之間的相對重要性進(jìn)行比較，得到一個(gè)兩兩比較判斷矩陣A。

(1)

判斷矩陣A為正互反矩陣，具有以下特點(diǎn)：

(2)

1.1.3 一致性檢驗(yàn)

為了避免由于主觀因素影響導(dǎo)致的權(quán)數(shù)分配不合理的情況，需要對矩陣A進(jìn)行一致性檢驗(yàn)。

(3)

(4)

(5)

式中，λmax為矩陣的最大特征值；n為矩陣A的階數(shù)；XCI為一致性指標(biāo)；XRI為平均一致性指標(biāo)，具體數(shù)值見表1；XCR為一致性比例，當(dāng)XCR<0.1時(shí)，認(rèn)為判斷矩陣A具有較好的一致性，即權(quán)重系數(shù)分配合理，否則需要重新構(gòu)造判斷矩陣。

表1 平均隨機(jī)一致性指標(biāo)XRI的值

1.1.4 計(jì)算權(quán)重

(i)首先對矩陣A的每列元素進(jìn)行歸一化處理得到新的矩陣L。

(6)

(ii)其次將矩陣L的每行元素相加，得到一向量，記為M=(m1，m2，…，mn)。

(7)

(iii)最后將向量M進(jìn)行歸一化處理，即得到所求的特征向量W。

(8)

1.2 基于灰色聚類的灰色綜合評價(jià)

本文采用灰色系統(tǒng)理論中的灰色聚類分析對交通流數(shù)據(jù)質(zhì)量進(jìn)行評估?；疑垲怺5]屬于灰評估理論，是灰色系統(tǒng)理論的重要組成部分，它根據(jù)灰數(shù)的白化權(quán)函數(shù)將一些觀測指標(biāo)或觀測對象按若干個(gè)灰類進(jìn)行歸納，從而判斷聚類對象所屬的灰類。

1.2.1 灰類的確定

1.2.2 白化權(quán)函數(shù)

各個(gè)評價(jià)指標(biāo)的s個(gè)灰類有各自對應(yīng)的函數(shù)，通過這些函數(shù)，將不同的聚類對象根據(jù)該指標(biāo)的取值進(jìn)行分類，這個(gè)函數(shù)稱為白化權(quán)函數(shù)。白化值的大小表明了評價(jià)指標(biāo)對于不同灰類的親疏關(guān)系，當(dāng)白化值取值為1時(shí)，表明完全屬于此灰類。本文的白化權(quán)函數(shù)選擇如下3種類型[6]，分別為上限測度白化權(quán)函數(shù)，典型測度白化權(quán)函數(shù)和下限測度白化權(quán)函數(shù)。

隨著汽車行業(yè)的發(fā)展，汽車已經(jīng)由奢侈品變?yōu)榇蟊娀a(chǎn)品，消費(fèi)者對汽車的需求也從功能性轉(zhuǎn)化為舒適性，車內(nèi)空氣質(zhì)量成為消費(fèi)者關(guān)注的熱點(diǎn)之一。車內(nèi)空氣質(zhì)量主要通過會產(chǎn)生危害的揮發(fā)性有機(jī)化合物(VOC)含量以及消費(fèi)者對車內(nèi)氣味的主觀感受來評估。由于汽車內(nèi)飾零部件很多都是PP注塑件，如何降低PP注塑件的氣味和VOC，成為汽車零部件廠家重點(diǎn)研究的課題之一。

(9)

(10)

(11)

式中,θj為評價(jià)指標(biāo)xi的白化權(quán)函數(shù)的閾值。

1.2.3 確定評價(jià)等級

表2 評價(jià)定量分級標(biāo)準(zhǔn)表

2 實(shí)例應(yīng)用

本文以北京市二環(huán)路主路雍和宮橋至北小街橋一個(gè)典型工作日2013年4月22日(周一、晴天)的數(shù)據(jù)為例，選擇浮動車和微波檢測器的速度數(shù)據(jù)作為評價(jià)對象，并以視頻數(shù)據(jù)作為評價(jià)參照，運(yùn)用本文研究方法對微觀交通流數(shù)據(jù)質(zhì)量進(jìn)行評價(jià)。該路段為一個(gè)微波檢測器HI3009d的監(jiān)測范圍，長790 m，雙向6車道。該路段對應(yīng)的視頻檢測器為LD00689，浮動車對應(yīng)ID為2 940。

2.1 權(quán)重確定

針對交通流的特性，結(jié)合指標(biāo)選取原則，本文采用平行的線性結(jié)構(gòu)模式[8]選取評價(jià)指標(biāo)準(zhǔn)確度，完整度和時(shí)效性。其中，準(zhǔn)確度表示所采集數(shù)據(jù)與真實(shí)值的相符程度，以相對誤差計(jì)；完整度反應(yīng)了數(shù)據(jù)的缺失程度，由于北京市浮動車、微波和視頻采集均為每2 min采集一次，全天上傳數(shù)據(jù)量理論上應(yīng)達(dá)到720條，否則為數(shù)據(jù)丟失；時(shí)效性反應(yīng)了數(shù)據(jù)采集、上傳和發(fā)布過程中的數(shù)據(jù)延遲情況，標(biāo)準(zhǔn)情況下，原始數(shù)據(jù)所對應(yīng)的時(shí)間點(diǎn)應(yīng)嚴(yán)格按照2 min的步長逐漸變化，本文根據(jù)各檢測器采集數(shù)據(jù)的時(shí)間點(diǎn)與標(biāo)準(zhǔn)時(shí)間點(diǎn)間的時(shí)間間隔大小(20 s，1 min，2 min，>2 min)，將時(shí)效性量化為4個(gè)等級。

由于指標(biāo)數(shù)目較少，傳統(tǒng)的1～9比率標(biāo)度存在弊端，本文采用指數(shù)標(biāo)度并對專家打分(德爾菲法)結(jié)果處理來構(gòu)建判斷矩陣A，具體標(biāo)度含義見表3。

表3 重要性標(biāo)度含義表

。

采用同樣流程根據(jù)其余專家的打分情況計(jì)算出權(quán)重值，將所有專家的結(jié)果取平均值得到各評估指標(biāo)的權(quán)重為：準(zhǔn)確度0.601 7，時(shí)效性0.243 1，完整度0.155 2。

2.2 建立白化權(quán)函數(shù)

本文選取的3個(gè)評價(jià)指標(biāo)意義不同，量綱不同，且在數(shù)量上懸殊很大，聚類分析時(shí)，參照表2的分級情況，將交通流數(shù)據(jù)質(zhì)量評價(jià)指標(biāo)值劃分為“良好”，“較好”，“一般”，“差”4個(gè)灰類。通過運(yùn)用SPSSStatistic軟件對大量的歷史數(shù)據(jù)進(jìn)行頻率統(tǒng)計(jì)，結(jié)合專家經(jīng)驗(yàn)，得到3種指標(biāo)的分級結(jié)果，如表5所示。

表5 指標(biāo)分級方法

以準(zhǔn)確度指標(biāo)為例，運(yùn)用公式(9)、(10)、(11)建立屬于不同灰類的白化權(quán)函數(shù)，如公式(12)所示。時(shí)效性和完整度指標(biāo)的白化權(quán)函數(shù)建立方法與之相同，根據(jù)各自閾值修改相應(yīng)系數(shù)即可。

2.3 評價(jià)結(jié)果

考慮車輛正常的出行時(shí)間，本文選取北京市二環(huán)路主路雍和宮橋至北小街橋路段早6點(diǎn)至晚10點(diǎn)16h480個(gè)數(shù)據(jù)進(jìn)行匯總分析。由于視頻數(shù)據(jù)精確度和完整度高，具有普遍較高的認(rèn)可度，且本文研究對象為區(qū)間車速，根據(jù)3種采集設(shè)備的工作原理可知，只有視頻采集數(shù)據(jù)是嚴(yán)格意義上的區(qū)間車速，故將其作為評價(jià)數(shù)據(jù)質(zhì)量的參照。原始數(shù)據(jù)指標(biāo)情況匯總見表6。

表6 原始數(shù)據(jù)指標(biāo)情況匯總

將表6中的數(shù)據(jù)對應(yīng)到白化權(quán)函數(shù)中，求得對應(yīng)的白化值，建立關(guān)聯(lián)度矩陣R。

按照最大關(guān)聯(lián)原則對應(yīng)到表2，得到微觀路段原始數(shù)據(jù)質(zhì)量為“較好”。從矩陣R可以看出，完整度和時(shí)效性屬于“良好”等級的白化值為1，而準(zhǔn)確度屬于“一般”。

原始數(shù)據(jù)準(zhǔn)確度一般，這符合人們對數(shù)據(jù)質(zhì)量的認(rèn)識，說明本文研究方法可以客觀地反映數(shù)據(jù)質(zhì)量情況。

3 結(jié)語

交通流數(shù)據(jù)是智能交通管理的基礎(chǔ)，對其質(zhì)量的評價(jià)是非常必要的。本文以準(zhǔn)確度、完整度和時(shí)效性3個(gè)數(shù)據(jù)特性作為評價(jià)指標(biāo)，運(yùn)用AHP灰色理論的方法對交通流數(shù)據(jù)進(jìn)行質(zhì)量評價(jià)，并結(jié)合北京市二環(huán)路原始數(shù)據(jù)進(jìn)行了實(shí)例分析。研究表明交通流原始數(shù)據(jù)的質(zhì)量相對較好，但為了更好地被交通管理者使用，還需要對數(shù)據(jù)進(jìn)一步處理，尤其是提高數(shù)據(jù)的準(zhǔn)確度。由于本文指標(biāo)較少，隨著智能交通的不斷發(fā)展，指標(biāo)會不斷更新，所以對交通流數(shù)據(jù)的評價(jià)應(yīng)該是動態(tài)發(fā)展的，需要不斷地進(jìn)行探討和研究。

[1]施莉娟，朱健，陳小鴻，等.基礎(chǔ)交通數(shù)據(jù)質(zhì)量評價(jià)研究[J]. 交通信息與安全, 2011, 29(5):57-61.

[2]牛世峰,姜桂艷. 交通數(shù)據(jù)質(zhì)量宏觀評價(jià)與控制方法[J]. 公路, 2012 (12):119-123.

[3]文峰. 數(shù)據(jù)組織過程中的數(shù)據(jù)質(zhì)量評價(jià)研究[J]. 軟件導(dǎo)刊, 2013,12(11):132-134.

[4]王生昌, 陳娟娟, 田曉雪,等. 基于層次分析法的汽車制動性能主觀評價(jià)指標(biāo)權(quán)重研究[J]. 公路交通科技, 2015,32(8):138-142

[5]鄭蕊蕊，趙繼印，王志男，等.基于改進(jìn)灰色聚類分析的電力變壓器故障診斷[J]. 吉林大學(xué)學(xué)報(bào)(工學(xué)版), 2008, 38(5): 1237-1241.

[6]穆森.面板數(shù)據(jù)的灰色關(guān)聯(lián)與聚類模型構(gòu)建及應(yīng)用[D].南京：南京航空航天大學(xué)，2012.

[7]漆貴榮. 模糊綜合評價(jià)量化法在立交方案評價(jià)中的應(yīng)用[J]. 公路交通科技(應(yīng)用技術(shù)版), 2009, 5(6):135-137.

[8]NARANJOJE，JIMéNEZF，SERRADILLAFJ.Floatingcardataaugmentationbasedoninfrastructuresensorsandneuralnetworks[J].IEEEtransactionsonintelligenttransportationsystems, 2012, 13(1):107-114.

Road traffic flow data quality assessment based on grey theory and analysis hierarchical process

ZHUANG Guang-xin1,GU Yuan-li1, MA Yun-nan2, ZHAO Ying1

(1. MOE Key Laboratory for Transportation Complex Systems Theory and Technology, Beijing Jiaotong University, Beijing 100044, China;2. Beijing West Railway Station, Beijing 100055, China)

∶Due to the impact of the equipment failures and the external environment factors, data quality issues such as data distortion, loss, redundancy and so on often occur in the process of road traffic information data acquisition, which is unable to meet the requirements of the intelligent traffic management. In this paper, a method of road traffic data quality assessment was put forward based on the grey theory and analysis hierarchy process (AHP), in which, 3 data characteristics, such as accuracy, completeness and timeliness, were used as evaluation indexes, AHP method was used to determine the weight of each evaluation index, and the whitening weight function of grey systems theory was used to establish the satisfaction matrix model. The feasibility of the method is proved by the instance analysis of the measured traffic flow data of Beijing′s second ring road.

∶traffic engineering; data quality assessment ; grey theory and analysis hierarchy process; road traffic flow

2016-06-01

北京市科技計(jì)劃(Z121100000312101)

莊廣新(1989—)，男，碩士研究生，研究方向?yàn)槌鞘薪煌ㄒ?guī)劃與管理。E-mail: 14120938@bjtu.edu.cn

U491

A

1002-4026(2017)02-0069-07