楊雪峰，陳來榮

（北京林業(yè)大學(xué)，北京 100083）

交通運輸

基于大數(shù)據(jù)思維分析的交叉口交通信息處理方法

楊雪峰，陳來榮

（北京林業(yè)大學(xué)，北京 100083）

本文以智能交通系統(tǒng)為背景，以大數(shù)據(jù)（BigData）處理方式為基礎(chǔ)，應(yīng)用交通工程中交通流量、車頭時距等相關(guān)交通知識，對特定的一個交叉口不同交通時段內(nèi)的交通信息，如交通流量、交通流向進行采集。在交通流量信息采集上，可利用現(xiàn)在完備視頻采集技術(shù)及GPS信息采集技術(shù)，對一個周期內(nèi)的車流量進行統(tǒng)計，用Access和Excel對其采集到的數(shù)字信息轉(zhuǎn)換為所需的直接數(shù)據(jù)，并對其進行分析處理。

大數(shù)據(jù)；交叉口；信息采集

1 前 言

大數(shù)據(jù)以其數(shù)據(jù)量大、速度快、種類多和實時性強等優(yōu)勢被廣泛應(yīng)用于各個領(lǐng)域，在交通問題處理中更是扮演了非常重要的角色，比如進行重大交通政策跟蹤評估、區(qū)域交通規(guī)劃、交通綜合治理、交通出行評價等各個交通發(fā)展的重要環(huán)節(jié)。

本文以智能交通系統(tǒng)為背景，以大數(shù)據(jù)處理方式為基礎(chǔ)，應(yīng)用交通工程中交通流量、車頭時距等相關(guān)交通知識，對特定的一個交叉口不同交通時段內(nèi)的交通信息，如交通流量、交通流向進行采集。在交通流量信息采集上，可利用現(xiàn)在完備視頻采集技術(shù)及GPS信息采集技術(shù)，對一個周期內(nèi)的車流量進行統(tǒng)計，用Access和Excel對其采集到的數(shù)字信息轉(zhuǎn)換為所需的直接數(shù)據(jù)，并對其進行分析處理。視頻采集信息器進行數(shù)據(jù)采集的同時，可也同步獲得該交叉口的交通流向信息。針對每個不同交叉口所需分析的不同在此處鍵入公式。交通信息，如交通延誤等，在Excel中編寫Visual Basic程序，實現(xiàn)對所需信息的提取和處理，以便后期分析。目前，已成功對視頻采集到的交叉口信息進行分析，得到一個周期內(nèi)該交叉口交通流量和流向等交通參數(shù)的基本規(guī)律。這些規(guī)律將用在交通誘導(dǎo)、交通出行預(yù)測、交通等各個方面。

2 基于大數(shù)據(jù)的交叉口交通信息采集方法

針對以大數(shù)據(jù)為基礎(chǔ)，對交叉口的交通信息進行采集，主要目的是順應(yīng)智能交通系統(tǒng)的發(fā)展，提高交叉口交通信息的可預(yù)測性，對交叉口不同時段的交通情況做出判斷，提高車輛出行效率，從而緩解交通堵塞等交通問題，完善智能交通系統(tǒng)。對于本論文中的基于大數(shù)據(jù)的交叉口交通信息采集主要包括三部分：

（1）交叉口交通流量、流向的信息采集；

（2）交叉口交通延誤的信息采集；

（3）交叉口各車型飽和車頭時距和飽和流率的信息采集。

2.1 交叉口與交叉口交通信息

交叉口信息采集以道路上行駛的車輛為檢測對象，能夠采集到交通流量、交通密度、車輛行駛速度、道路占有率等交通流參數(shù)，從而為交通管理和交通規(guī)則提供數(shù)據(jù)，能夠有效地誘導(dǎo)交通，減緩交通堵塞，減少出行時間和交通事故的發(fā)生。與其他檢測技術(shù)相比，車聯(lián)網(wǎng)最大的優(yōu)勢是能夠很容易的讀取到車牌號、車輛類型、車主信息等存儲在車載電子標(biāo)簽中的車輛特征信息。主要信息包括交通量、交通流向、道路延誤時間和車頭時距等內(nèi)容。

2.2 交叉口交通信息數(shù)據(jù)采集及處理方法

（1）原始數(shù)據(jù)采集及格式

本文以視頻采集技術(shù)為基礎(chǔ)，其采集到的信息經(jīng)過圖像處理技術(shù)后傳輸?shù)臄?shù)據(jù)為一個集齊單位車輛所有信息的長數(shù)據(jù)，如：

07062015140047140045A0001M1+30.01.5

其中07062015代表日期為2015年6月7日，140047為采集該數(shù)據(jù)的時間點14：00：47；A0001為該車的車牌編號，在對后期進行數(shù)據(jù)整理是車牌編號作為唯一不變的數(shù)值起著重要的作用，如同人的身份證編碼一樣，無論是時間還是地點的變化，都能正確地捕捉到該車的信息；140045表示該車越過停止線的時間點，用于后面進行飽和車頭時距計算和統(tǒng)計分析；M1類表示了該車的類別，對于計算車輛的車頭時距有著重要的作用，M1類車和M2類車的飽和車頭時距不同，在進行分析處理時還要對其進行修正，故記錄車輛類型是非常重要的一個過程；+30.01.5代表著該車在這一時刻的坐標(biāo)位置為（30.0，1.5）。在本論文中，一切坐標(biāo)以調(diào)查的實地交叉口為準(zhǔn)，即對所研究的交叉口進行劃分，以坐標(biāo)的形式記錄其位置。如30代表東西方向上車輛位于候車停止線上的位置，1.5代表第一車道。即如表1所示：

表1 原始數(shù)據(jù)格式

（2）數(shù)據(jù)初步處理

由上可知，采集到的長數(shù)據(jù)是無法進行直接的處理，必須先對其進行拆分歸類。利用Access對數(shù)據(jù)處理的簡便性，首先將采集到的長數(shù)據(jù)導(dǎo)入Access中進行拆分。因為在本次研究過程中的數(shù)據(jù)量雖然很大，但是只需針對部分進行典型分析，故將拆分好的數(shù)據(jù)導(dǎo)入到Excel中進行分析處理即可。并且Excel中內(nèi)嵌有VB（Visual Basic）編程方式，對于簡單的處理有一定的優(yōu)勢。在后期的分析當(dāng)中，也會應(yīng)用MATLAB對數(shù)據(jù)進行擬合，從而得到合理的分析結(jié)果。當(dāng)然在真正的大數(shù)據(jù)處理過程中，主要應(yīng)用Hadoop平臺等對采集的數(shù)據(jù)進行處理分析。

（3）交通量的計算

①交通流量的計算

交通流量是單位時間內(nèi)通過某一斷面的車輛數(shù)。選定需要計算的時間周期，利用Excel計數(shù)器對位于這個時間周期內(nèi)的車輛進行計數(shù)。

②交通流向的計算

由采集到的車輛數(shù)據(jù)中的y軸值可以確定車輛所處的車道。

表2 車道分布

將運行過程序后的數(shù)據(jù)按照y值進行升序排列，得到如下圖的數(shù)據(jù)：

圖1 統(tǒng)計交通流向用數(shù)據(jù)

同交通流量統(tǒng)計的方法，啟用計數(shù)器選定需要計算的時間段和車道，進行計數(shù)：

COUNT（y1=1.5）=COUNT（A2：A22）=21此時左轉(zhuǎn)車輛數(shù)為21輛。

2.3 實驗的驗證

（1）交叉口信息采集

本文建立在視頻采集技術(shù)相當(dāng)完善的情況，即可及時將交叉口車輛信息傳輸?shù)较到y(tǒng)。

記錄一個紅綠燈周期內(nèi)由西向東方向上的交通信息，以十秒為一個時間間隔，交叉口中心為坐標(biāo)原點對該交叉口進行劃分，東西方向中間護欄為x軸，南北方向中心護欄為y軸，東西方向的車道由x軸開始由南向北依次為第一車道、第二車道、第三車道、第四車道、和第五車道。并且從圖中可以直接看出，該交叉口第一車道仍為直行車道，即不存在左轉(zhuǎn)或是掉頭的情況。將該交叉口進行坐標(biāo)劃分后，取值范圍約為-60＜=x＜=60，0＜=y＜20，即由西向東方向上駐車停止線往后30 m范圍內(nèi)五個車道的車輛信息。

數(shù)據(jù)經(jīng)過Access處理之后，自動進行了拆分，即獲得所需的時間、地點、車牌、車型、位置等信息，一目了然。而其中x坐標(biāo)值為負(fù)值的車輛，代表著這時車輛已經(jīng)越過原點，即交叉路口的中心點。Y坐標(biāo)的值代表的此時車輛所處的車道，如上圖所示，y=1.5為第一車道，y=4.5為第二車道，y=7. 5為第三車道，以此類推。為了對數(shù)據(jù)進行進一步的處理和分析，將拆分好的數(shù)據(jù)導(dǎo)入到Excel中，按照一定的需求進行編程處理。將拆分好的數(shù)據(jù)導(dǎo)入Excel之后，編程實現(xiàn)同一輛車在前后兩個時間點出現(xiàn)的位置歸類在同一行，以便后續(xù)統(tǒng)計分析。即編程對列表內(nèi)車牌進行掃描，以獲取相同車牌的信息。則經(jīng)過整理后的數(shù)據(jù)表如圖2所示。

從圖2中可看出，有的車輛在10秒的時間間隔之后就沒有出現(xiàn)在檢測范圍內(nèi)，故只有一個時間節(jié)點和一個位置坐標(biāo)值。

圖2 規(guī)整后的車輛數(shù)據(jù)

（2）交通流量與流向的驗證計算

在車輛數(shù)據(jù)經(jīng)過規(guī)整之后，具有相同車牌即同一輛車占據(jù)一行的位置，此時就可對交通流量和流向進行統(tǒng)計。編寫計數(shù)器，分別對單個車道的車流量進行統(tǒng)計，則第四車道的車流量即為右轉(zhuǎn)車輛的流量，四個車道的總和為交通流量。

可驗證計算14：00：47-14：10：47之間10分鐘內(nèi)的由西向東方向的交通流量為：

其中右轉(zhuǎn)車輛的流量為：

（3）交通延誤的驗證計算

篩選規(guī)整過后的時間段和時間點，提取計算交叉口車輛道路延誤所需的數(shù)據(jù)：

表3 交叉口車輛點樣本調(diào)查數(shù)據(jù)

續(xù)表3

由上表可得：

總延誤=總停車數(shù)X抽樣時間間隔=876×10 =8760 veh·s

停駛車輛平均延誤=總延誤／停駛數(shù)=8 760／218=40.18 s

入口車輛平均延誤=總延誤／入口交通量= 8 760／321=27.29 s

停駛車輛百分比=停駛車輛數(shù)／入口交通量= 218／321×100%=67.9%

3 總結(jié)與展望

在基于大數(shù)據(jù)環(huán)境下采集交叉口交通信息的整個過程中，大數(shù)據(jù)思維結(jié)果來源于數(shù)據(jù)的指導(dǎo)，在信息采集和后期分析處理上起著舉足輕重的作用。以實際交叉口為例，在Access和Excel的輔助工作下，采集到了一個紅綠燈周期內(nèi)由西向東方向的車流信息，并對采集到的數(shù)據(jù)進行了處理和分析，從而計算出該時段該路口由西向東方向的交通流量和流向分析。

通過視頻采集技術(shù)，對圖像采集到的數(shù)據(jù)進行拆分，使其簡化，變成我們可以直接利用、處理、分析的數(shù)據(jù)；對初步處理過的交叉口交通信息數(shù)據(jù)進行分析，簡單地計算，獲取了該交叉口在某一個時段內(nèi)的交通信息，如交通流量、交通流向等，并計算了交通延誤和交叉口飽和車頭時距等；對上面所計算出來的數(shù)據(jù)進行分析，了解該交叉口的交通信息特性，并能利用這些交通信息特性來針對該交叉口交通擁堵問題提出實質(zhì)性的建議，切實改善該交叉口的交通狀況。

隨著信息技術(shù)的高速發(fā)展，智能車聯(lián)網(wǎng)系統(tǒng)不可避免地成為今后交通系統(tǒng)發(fā)展的一個方向，因此，若大數(shù)據(jù)能完全應(yīng)用于交通工程，不僅是交叉口的交通信息采集，而且還包括方方面面的交通信息，那人類出行方式將會有新的突破，對于完善智能交通系統(tǒng)也是起著舉足輕重的作用。

［1］ 張萌萌.基于智能計算的城市交通信號控制系統(tǒng)研究［D］.山東大學(xué)，2011.

［2］ 鞏建強.車輛駕駛?cè)耸鹿是皯?yīng)急操作行為模式研究［D］.長安大學(xué)，2012.

［3］ 李宇光.海量低頻浮動車數(shù)據(jù)道路匹配及行程時間估算［D］.武漢大學(xué)，2013.

Based on analysis of large data thinking intersection traffic information processing method

YANG Xue-feng，CHEN Lai-rong
（Beijing Forestry University，Beijing 10083，China）

Based on the background of intelligent transportation system，on the basis of the big data（BigData）approach，the application of traffic flow in traffic engineering，the headway traffic related knowledge，for a specific time in different traffic intersection traffic information，such as traffic flow，traffic flow to the collection.On the traffic flow information collection，can now complete video acquisition technology and GPS information collection technology，for a period of traffic statistics，use the Access and Excel the collected digital information is converted to the required data directly，and carries on the analysis and processing.

Big data；Intersection；Information collection

U492

C

1008-3383（2017）01-0157-03