程前+陳亞偉+邵毅明

摘 要：隨著國內汽車的保有量快速增加，交通事故率也隨之上升。其中在上下班高峰時間段的城市擁堵和交通事故，尤為突出。及時、高效發(fā)現(xiàn)城市交通道路上存在的一系列的交通擁堵和交通事故時交通檢測研究領域的重中之重，并且在城市上下班高峰時段的交通情況已經成為當代研究領域的熱點之一。文章首先對交通數據的背景和意義進行分析，然后分析了國內外交通數據獲取的研究歷史和現(xiàn)狀。接著對交通數據獲取方法進行詳細的分析，指出不同的交通數據收集方法的不足之處，并加以優(yōu)化。

關鍵詞：交通監(jiān)測；交通數據；分析；獲取

中圖分類號：U491.1+16 文獻標志碼：A 文章編號：2095-2945（2018）07-0189-02

Abstract： With the rapid increase in the number of domestic cars， the traffic accident rate is also rising. Among them， urban congestion and traffic accidents during the rush hour are especially prominent. Timely and efficient detection of traffic jams and traffic accidents on urban roads is the most important task in the field of traffic detection. And in the rush hour in city commuting， traffic has become one of the hot spots in the field of contemporary research. This paper first analyzes the background and significance of traffic data， and then analyzes the history and current situation of traffic data acquisition at home and abroad. Then the traffic data acquisition methods are analyzed in detail， and the shortcomings of different traffic data collection methods are pointed out and optimized.

Keywords： traffic monitoring； traffic data； analysis； acquisition

1 概述

1.1 課題研究的背景和意義

眾所周知，因一系列交通擁擠和交通事故而造成的能源浪費和環(huán)境污染等問題[1]，已經成為全世界各國所面臨的共同話題，它們導致了一系列嚴重的后果，這是難以估計的[2]。根據世界衛(wèi)生組織和疾病控制預防中心的一份統(tǒng)計資料表明，在全世界所有范圍類20-45年齡段的死亡人數當中，由于城市道路交通事故造成的死亡人數占了其中的50%以上[3][4]。在這份資料中顯示，尤其是在我國，由于交通事故造成的日均死亡人數可以和一架普通客機的載客數量等同，死亡人數遠遠高于美國、英國等發(fā)達國家。由于突發(fā)的交通事故不但會使道路交通擁堵，造成居民出行時間的消耗。而且也會使駕駛人員或者行人以及周圍建筑物造成人身傷害和財產損失[5][6]。根據一份資料顯示，我國在北京、上海、廣東、深圳、重慶等大型擁堵城市每個月因為交通擁堵造成的經濟損失20億人民幣以上。在北京、上海、廣東、深圳尤為嚴重[9][10][11][16]。

綜上所述，本文將以對交通狀態(tài)監(jiān)測與預測方法進行研究，旨在以較低的成本為交通管理者和交通出行者提供更為及時、可靠和有預見性的決策依據，其研究結果可以很大程度上提高道路出行安全，對經濟性、環(huán)境保護也具有重要的學術意義和實用價值[12]。

1.2 交通數據獲取及其研究歷史與現(xiàn)狀

交通數據是實現(xiàn)交通狀態(tài)監(jiān)測與預測的基礎，其實時性、準確性和全面性將直接決定交通狀態(tài)監(jiān)測與預測的效果。最早在1976年，Payne等[6]就提出了單參數閾值法的錯誤數據識別方法[13][14]。在2001年，利用相鄰時段交通數據針對Trans Guide交通監(jiān)控系統(tǒng)進行線性插值的數據修復方法[15]。2011年，姜桂艷等[11]針對城市中快速道路設計了交通流量和速度以及占有率這三種交通數據評價方法的組合使用流程。在2012年，譚政[12]針對城市主干道車輛檢測器自動獲取方法，提出了可以利用灰色理論對故障數據進行修復。

2 交通數據獲取及其分析

2.1 概述

什么是交通數據？顧名思義：“通過各種監(jiān)測手段將跟交通信息相關的所有數據整合到一起（車輛信息、地圖信息、人員信息、違規(guī)違章信息等等）形成的一個數據鏈?！痹谖覈?，由于高速公路以及一些路段車輛監(jiān)測器布設間距跨度大，很難滿足對道路交通數據實時狀態(tài)的監(jiān)測和預測的需要。因此，本文將以多種數據源為基礎，研究交通數據的獲取及其預處理新方法，進一步改善道路交通狀態(tài)監(jiān)測與預測的數據成本與數據覆蓋范圍。

2.2 交通數據來源分析

從總體上來看，交通數據獲取主要從扔獲取方法、自動獲取方法以及準自動獲取方法三種。而按交通量調查統(tǒng)計方式分為：間隙式調查統(tǒng)計方式和連續(xù)式調查統(tǒng)計方式。綜上所述，在本文中交通數據分類方法如圖1所示。

2.3 基于交通數據采集分類方法及存在問題

2.3.1 人工獲取方法。交通量數據的人工獲取主要是利用經過培訓的交通數據觀測、記錄人員在規(guī)定的地方在單位時間內記錄該地點通過的行駛到各個方向的車型。因此，從人工獲取方法分析來看，人工獲取方法的存在的缺點是：（1）耗費大量人力、物力；（2）人工調查人員的人為誤差，收集的數據準確性不高；（3）采樣數據偶然性比較大，具有一定的誤差；（4）存在特殊天氣和夜間監(jiān)測的安全隱患等等。endprint

2.3.2 自動獲取方法。目前，研究發(fā)現(xiàn)交通數據自動獲取方法包括專業(yè)車輛檢測器和感應式交通控制系統(tǒng)這兩種方法。而車輛檢測器一直是最主要的交通數據自動獲取途徑。從自動獲取方法分析來看，尚存在以下的缺點：在我國，由于高速公路以及一些路段車輛監(jiān)測器布設間距跨度大，很難滿足對道路交通數據實時狀態(tài)的監(jiān)測和預測的需要。并且，在一些偏遠且不發(fā)達的城市地區(qū)存在著車輛檢測器的采樣信號機的信號周期是不斷變化的參數，導致所采集的交通數據不具有直接的可比性，難以直接用于交通狀態(tài)的監(jiān)測與預測，從而導致了所采用的數據源有一定的誤差，這也導致了交通數據的不準確性。

2.4 基于交通控制系統(tǒng)的交通數據進行分析與改進

隨著科學技術不斷地進步與發(fā)展，伴隨著現(xiàn)代傳感技術、計算機技術、通訊技術以及信息技術的快速發(fā)展，越來越多的檢測設備投入城市道路交通系統(tǒng)的控制與管理中。然而，這一系列的改進措施都少不了中國相關政府部門大力支持和監(jiān)督管理。因此，通過結合國內外的相關數據以及中國道路交通的實際情況而言，希望可以從以下兩個方面著手解決：

加強政府部門的積極監(jiān)管作用。通過數據的獲取方法可知，建議我們政府的相關職能部門應該在高速公路及一些監(jiān)控設備布設間距大的地方增加監(jiān)控設備使整個路網信息實時處于監(jiān)控中，讓我們能更加及時、高效的解決道路交通問題，減少損失。

加強人工調查的執(zhí)行力度。我們應該對人工調查人員進行宣傳，讓他們接受更多的相關事宜培訓，培養(yǎng)出一批高素質、高技能的專業(yè)調查人員，讓他們明白事情的重要性。

3 結束語

21世紀以來，我國科學技術發(fā)生了質的飛躍，交通量數據的收集方法也得到了不斷地提升和優(yōu)化改進，從而使交通數據收集的信息更加的可靠和準確。通過對交通控制系統(tǒng)的數據進行分析，可以有效預防交通擁堵和交通事故的發(fā)生，從而減少人員的人身傷害和財產損失，也對能源浪費和環(huán)境污染得到有效的解決。然而，本文只是簡單對交通數據的獲取及缺點進行了分析，在以后的研究中應采用更多種數據源的實測數據對所設計融合方法的有效性進行驗證，以避免不必要的交通事故發(fā)生，從而實現(xiàn)人車路系統(tǒng)有效進行。

參考文獻：

[1]Zhou DS.An integrated traffic incident detection model[D].Austin： University of Texas， 2000.

[2]姜桂艷，溫慧敏，楊兆升.高速公路交通事件自動檢測系統(tǒng)與算法設計[J].交通運輸工程學報，2001，1（1）：77-81.

[3]Schrank D， Lomax T，Eisele B.The 2010 Urban Mobility Report[R].Texas Transportation Institute， Texas， 2011.

[4]全永 .城市交通控制[M].北京.人民交通出版社，1989.

[5]趙亦林.車輛定位與導航系統(tǒng)[M].北京：電子工業(yè)出版社，1999.

[6]Payne H J， Helfenbein E D， Knobel， H C. Development and testing of incident detection algorithms[R]. Virginia：2， Research methodology and detailedresults，1976.

[7]Jacobson L N， Nihan N L， Bender J D. Detecting erroneous loop detector data in a freeway traffic management system[J]. Transportation Research Record 1287， TRB， National Research Council， Washington， D.C， 1990：151-166.

[8]Nam D H， Drew D R. Traffic dynamics： methods for estimating freeway travel times inrealtime from flow measurements[J]. Journal of Transportation Engineering， ASCE， 1996， 122（3）： 185-191.

[9]裴玉龍，馬驥.實時交通數據的篩選與恢復研究[J].土木工程學報，2000（7）：78-83.

[10]Byon Y J. GPS-GIS Integrated System for Travel Time Surveys[D]. Toronto： University of Toronto， 2004.

[11]姜桂艷，牛世峰，李紅偉.動態(tài)交通數據質量評價方法研究[J].北京工業(yè)大學報，2011.

[12]譚政.城市道路交通流預測及應用[D].廣州：華南理工大學，2012.

[13]覃頻頻.基于信息融合的高速公路事件檢測建模與仿真[D].成都：西南交通大學，2007.

[14]姜卉.基于FA-SVM的高速公路交通事件自動檢測方法研究[D].長春：吉林大學，2011.

[15]莊斌，楊曉光，李克平.道路交通擁擠事件判別準則與檢測算法[J].中國公路學報，2006.

[16] 龍暉.城市交通參數多步預測方法研究[D].長春：吉林大學，2004.endprint