劉家良，孫立雙(沈陽建筑大學(xué)交通工程學(xué)院，遼寧 沈陽 110168)

城市熱點(diǎn)路段是指交通流量密集且車輛頻繁經(jīng)過的交通路段[1]。為了緩解城市交通壓力，需要對(duì)城市熱點(diǎn)路段進(jìn)行提取。近年來國(guó)內(nèi)外學(xué)者從兩個(gè)研究角度對(duì)其進(jìn)行了深入研究。一方面是利用出租車的運(yùn)行速度與運(yùn)行時(shí)間對(duì)熱點(diǎn)路段進(jìn)行挖掘。Xu L基于時(shí)間-空間相關(guān)關(guān)系概括得到出行速度和交通量等信息，利用數(shù)據(jù)立方體定義交通擁堵事件，進(jìn)而識(shí)別出熱點(diǎn)路段[2]。B S Westgate引入了貝葉斯模型，通過估算車輛在每個(gè)路段的行駛時(shí)間，進(jìn)而對(duì)熱點(diǎn)路徑進(jìn)行分析[3]。Duan Y使用浮動(dòng)車的數(shù)據(jù)，利用樣本評(píng)估法評(píng)估各路段的出行速度，從中識(shí)別出頻繁擁堵的路段[4]。另一方面是基于路網(wǎng)的交通量密度對(duì)熱點(diǎn)路段進(jìn)行研究。Kharrata采用了一種基于移動(dòng)物體軌跡的聚類方法獲取熱點(diǎn)路徑。該方法通過計(jì)算網(wǎng)絡(luò)中的密集路徑，對(duì)與密集路徑相似的子軌跡進(jìn)行聚類，最后根據(jù)聚類結(jié)果獲得熱點(diǎn)路徑[5]。溫海平利用路段交叉點(diǎn)和車輛停留點(diǎn)對(duì)軌跡進(jìn)行聚類，結(jié)合軌跡數(shù)據(jù)的語義挖掘，對(duì)居民出行的熱點(diǎn)路徑進(jìn)行提取[6]。段煉基于DBSCAN聚類算法提出了城市熱點(diǎn)路徑的搜尋算法[7]。

現(xiàn)有的相關(guān)研究大多是利用聚類的方式對(duì)城市交通熱點(diǎn)路段進(jìn)行提取，但是對(duì)熱點(diǎn)路段的提取算法和提取結(jié)果驗(yàn)證方面的研究還很少。本文選取大連市2015年3月21日的出租車軌跡數(shù)據(jù)，對(duì)城市道路交通量的全局相關(guān)性進(jìn)行分析，同時(shí)基于局部相關(guān)統(tǒng)計(jì)量對(duì)城市熱點(diǎn)路段進(jìn)行提??；采用VISSIM軟件對(duì)待驗(yàn)證熱點(diǎn)路段的交通狀態(tài)進(jìn)行仿真模擬；利用行程時(shí)間監(jiān)視器、數(shù)據(jù)采集器、排隊(duì)時(shí)間計(jì)數(shù)器采集到的相關(guān)數(shù)據(jù)構(gòu)建熱點(diǎn)路段判別矩陣，采用專家調(diào)查法得到3種評(píng)價(jià)指標(biāo)的權(quán)重矩陣，利用模糊分析法進(jìn)行熱點(diǎn)路段判別；最終得到待驗(yàn)證路段的熱點(diǎn)路段隸屬程度，從而對(duì)熱點(diǎn)路段的提取算法和提取結(jié)果進(jìn)行驗(yàn)證[8]。

1 城市熱點(diǎn)路段的提取

1.1 道路交通量的全局相關(guān)性分析

(1)

在給定的顯著性水平下，若Moran’s Ⅰ的值大于0，則研究區(qū)域內(nèi)路段間的空間相關(guān)性為正。若Moran’s Ⅰ的值小于0，研究區(qū)域內(nèi)路段間的空間相關(guān)性為負(fù)，研究區(qū)域整體呈現(xiàn)出分散模式[11]。通過構(gòu)造服從正態(tài)分布的統(tǒng)計(jì)量Z對(duì)研究區(qū)域內(nèi)的n個(gè)路段間空間相關(guān)性的顯著性進(jìn)行檢驗(yàn)[12]。其中，顯著性檢驗(yàn)值Z的表達(dá)式為

(2)

選取2015年3月21日大連市中心城區(qū)作為研究區(qū)域，根據(jù)研究范圍內(nèi)的道路網(wǎng)數(shù)據(jù)及預(yù)處理后的出租車軌跡數(shù)據(jù)，對(duì)城市道路交通量的全局相關(guān)性進(jìn)行計(jì)算，得到各個(gè)時(shí)段的道路交通量的全局Moran’s Ⅰ和全局Z檢驗(yàn)值如圖1所示。

圖1中各時(shí)段的全局Moran’s Ⅰ值均大于0.5，表明研究對(duì)象呈現(xiàn)正相關(guān)聚集分布。對(duì)各個(gè)時(shí)段的Moran’s Ⅰ統(tǒng)計(jì)量進(jìn)行顯著性檢驗(yàn)，得到各個(gè)時(shí)段路段的全局Z檢驗(yàn)值均大于正態(tài)分布函數(shù)在5%顯著性水平下的臨界值1.96。因此，研究區(qū)域內(nèi)路段的交通量在空間上呈現(xiàn)顯著性較強(qiáng)的正相關(guān)。

1.2 基于局部相關(guān)統(tǒng)計(jì)量的熱點(diǎn)路段提取

為了對(duì)研究區(qū)域內(nèi)的熱點(diǎn)路段進(jìn)行提取，首先要計(jì)算每條道路的局部Moran’s I值。其計(jì)算公式為

(3)

選取大連市的中心城區(qū)2015年3月21日的道路網(wǎng)數(shù)據(jù)及各路段的交通量數(shù)據(jù)進(jìn)行熱點(diǎn)路段的提取。分別選取8:00—9:00、12:00—13:00、18:00—19:00 3個(gè)時(shí)段，根據(jù)式(3)計(jì)算研究區(qū)域內(nèi)所有路段的局部Moran’s Ⅰ值，并進(jìn)行顯著性檢驗(yàn)，最終得到5%顯著性水平下2015年3月21日不同時(shí)段的熱點(diǎn)路段分布圖，如圖2所示。

圖2 3月21日的熱點(diǎn)路段分布

通過分析可以發(fā)現(xiàn)熱點(diǎn)路段的數(shù)量隨時(shí)段的不同而不同，且主要分布在如中山路、疏港路、東聯(lián)路、虹港路等城市主干道路上；同時(shí)城市的熱點(diǎn)路段在同一時(shí)間段內(nèi)的分布有較大的相似性。

2 熱點(diǎn)路段的提取算法驗(yàn)證

選取2015年3月21日8:00—9:00的熱點(diǎn)路段——大連市黃河路作為驗(yàn)證對(duì)象，采用VISSIM軟件對(duì)驗(yàn)證對(duì)象的交通狀態(tài)進(jìn)行仿真模擬。即首先對(duì)路段進(jìn)行設(shè)置，熱點(diǎn)路段的驗(yàn)證對(duì)象為東西向的大連市黃河路(雙向6車道)，在該試驗(yàn)路段的南北方向上有蓋州街(雙向單車道)、升平街(單向雙車道)和廣平街(單向雙車道)3條支路段。圖3為大連市黃河路的示意圖，圖中的編號(hào)表示交通量輸入輸出位置的點(diǎn)號(hào)，箭頭表示車輛的行駛方向，A、B、C表示信號(hào)燈編號(hào)，a、b、c表示數(shù)據(jù)采集點(diǎn)編號(hào)。

圖3 大連市黃河路的路段示意圖

然后對(duì)數(shù)據(jù)采集點(diǎn)進(jìn)行設(shè)置。在斷面a、b、c處分別對(duì)路網(wǎng)添加行程時(shí)間監(jiān)視器、數(shù)據(jù)采集器和排隊(duì)時(shí)間計(jì)時(shí)器。在3600 s仿真時(shí)間內(nèi)，以10 s為間隔采集通過斷面的車輛數(shù)。同時(shí)對(duì)Oracle數(shù)據(jù)庫(kù)中的路段交通量數(shù)據(jù)進(jìn)行提取，得到2015年3月21日8:00—9:00大連市黃河路的各個(gè)出入口的交通量輸入情況見表1。

表1 各路口在不同速度條件下的交通量 輛

最后對(duì)交通信號(hào)燈進(jìn)行設(shè)置，在斷面A、B、C處分別添加信號(hào)燈。模擬路段中的交叉口共有3個(gè)，分別為黃河路-蓋州街交叉口、黃河路-升平街交叉口、黃河路-廣平街交叉口，其中黃河路-蓋州街交叉口的配時(shí)方案見表2。

結(jié)合以上建模參數(shù)，得到2015年3月21日8:00—9:00的大連黃河路的VISSIM交通仿真后狀況如圖4所示。

由于狀態(tài)屬性與評(píng)價(jià)指標(biāo)之間存在模糊關(guān)系，因此根據(jù)2012年我國(guó)《城市道路交通管理評(píng)價(jià)指標(biāo)體系》中A級(jí)城市主干路段的分級(jí)標(biāo)準(zhǔn)，設(shè)定各個(gè)指標(biāo)隸屬度函數(shù)的各級(jí)閾值的范圍。選取交叉口的時(shí)間延誤、路段行駛時(shí)間和浮動(dòng)車行駛速度作為判別模型的評(píng)價(jià)指標(biāo)。將熱點(diǎn)路段的程度劃分為熱點(diǎn)路段、次熱點(diǎn)路段和非熱點(diǎn)路段[15]。構(gòu)造出各個(gè)指標(biāo)的隸屬度函數(shù)如圖5所示。

表2 黃河路-蓋州街交叉口信號(hào)配時(shí)方案 s

圖4 大連黃河路VISSIM交通狀態(tài)仿真狀況

圖5 交叉口的時(shí)間延誤、路段行駛時(shí)間延誤及車輛行駛速度的隸屬度函數(shù)

將浮動(dòng)車平均行駛速度、路段的平均行程延誤和交叉口平均行程時(shí)間延誤分別代入各自的評(píng)價(jià)集隸屬函數(shù)中，得到浮動(dòng)車平均行駛速度判別結(jié)果R1=[μA(V)μB(V)μC(V)]、路段的平均行程延誤判別結(jié)果R2=[μA(V)μB(V)μC(V)]、交叉口平均行程時(shí)間延誤結(jié)果R3=[μA(V)μB(V)μC(V)]。本文采用專家調(diào)查法對(duì)各評(píng)價(jià)指標(biāo)對(duì)應(yīng)的權(quán)重系數(shù)進(jìn)行評(píng)價(jià)賦值，得到3種指標(biāo)的權(quán)重矩陣A=[a1a2a3]。其中a1為路段行駛速度的權(quán)重系數(shù)，a2為路段的平均行程延誤的權(quán)重系數(shù)，a3為交叉口平均行程時(shí)間延誤的權(quán)重系數(shù)。通過對(duì)3種指標(biāo)的權(quán)重矩陣A和判別矩陣R進(jìn)行模糊判斷，得到熱點(diǎn)路段的判別結(jié)果為[16]

[b1b2b3]

(4)

式中，b1為熱點(diǎn)路段的隸屬程度；b2為次熱點(diǎn)路段的隸屬程度；b3為非熱點(diǎn)路段的隸屬程度。經(jīng)過VISSIM對(duì)待驗(yàn)證路段交通狀態(tài)進(jìn)行仿真，可以得到2015年3月21日8:00—9:00的大連市黃河路路段行駛時(shí)間延誤為85(s/km)，浮動(dòng)車平均行駛速度為20(km/h)，交叉口平均行駛時(shí)間延誤為76.5 s。

最后，根據(jù)熱點(diǎn)路段的判別模型，將黃河路路段參數(shù)指標(biāo)值代入模型中，通過對(duì)判別矩陣和權(quán)重矩陣進(jìn)行模糊判斷，得到待驗(yàn)證路段的非熱點(diǎn)區(qū)域隸屬程度為0.276，次熱點(diǎn)區(qū)域隸屬程度為0.212，熱點(diǎn)區(qū)域隸屬程度為0.512，依據(jù)最大隸屬重要度原則，把隸屬度最大值所對(duì)應(yīng)的熱點(diǎn)路段的狀態(tài)屬性作為判別目標(biāo)的最終判別結(jié)果。由此可以判別出2015年3月21日8:00—9:00的大連市黃河路為熱點(diǎn)路段。

3 結(jié) 語

(1) 本文采用空間相關(guān)性分析的方法實(shí)現(xiàn)了對(duì)大連市2015年3月21日交通熱點(diǎn)路段的提取，得到了一天中3個(gè)特征時(shí)段的熱點(diǎn)路段空間分布圖。通過分析可以發(fā)現(xiàn)：研究區(qū)域內(nèi)路段的交通量在空間上呈現(xiàn)顯著性較強(qiáng)的空間正相關(guān)性。不同特征時(shí)段內(nèi)交通熱點(diǎn)路段主要分布在城市的主干道路上，其聚集程度隨時(shí)段的變化而不斷變化，且高度聚集的交通熱點(diǎn)路段在同一時(shí)段內(nèi)的分布存在較大的相似性。

(2) 選取了2015年3月21日8:00—9:00的熱點(diǎn)路段大連市黃河路作為驗(yàn)證對(duì)象，采用VISSIM軟件對(duì)該路段的交通狀態(tài)進(jìn)行仿真模擬。最終得到該路段的熱點(diǎn)路段隸屬程度為0.512，判定該路段為熱點(diǎn)路段。表明基于空間相關(guān)性的城市熱點(diǎn)路段提取算法合理有效。

參考文獻(xiàn)：

[1] 楊晞.大連城市交通擁堵的治理對(duì)策研究[D].大連:大連海事大學(xué),2015.

[2] XU L，YUE Y，LI Q.Identifying Urban Traffic Congestion Pattern from Historical Floating Car Data [J].Procedia-Social and Behavioral Sciences，2013，96:2084-2095.

[3] WESTGATE B S，WOODARD D B，MATTESON D S，et al.Travel Time Estimation for Ambulances Using Bayesian Data Augmentation [J].Annals of Applied Statistics，2013，7(2):1139-1161.

[4] DUAN Y，LU F.Robustness of City Road Networks at Different Granularities[J].Physica a Statistical Mechanics & Its Applications，2014，411(411):21-34.

[5] KHARRAT A，POPA I S，ZEITOUNI K，et al.Clustering Algorithm for Network Constraint Trajectories[C]∥Headway in Spatial Data Handing，International Symposium on Spatial Data Handling.Montpellier：DBLP,2008:631-647.

[6] 溫海平.基于軌跡聚類的熱點(diǎn)路徑分析方法研究[D].重慶：重慶郵電大學(xué)，2011.

[7] 段煉,李峙,胡寶清.時(shí)空約束下的熱點(diǎn)路徑空間分布檢測(cè)算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2014,35(3):861-866.

[8] 徐建.基于空間計(jì)量模型的交通事故分析與預(yù)測(cè)[D].南京:東南大學(xué)，2014.

[9] 張樹德.基于復(fù)雜網(wǎng)絡(luò)理論的城市道路網(wǎng)絡(luò)脆弱性研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2014.

[10] 田薇,張錦明,龔建華.面向不同主題的交通大數(shù)據(jù)可視分析[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào),2017,34(1):102-105.

[11] 崔艷超，周剛.Spark平臺(tái)上基于K-Means算法的熱點(diǎn)路徑發(fā)現(xiàn)方法研究[J].信息工程大學(xué)學(xué)報(bào)，2016，17(6):743-747.

[12] 劉康,仇培元,劉希亮,等.利用詞向量模型分析城市道路交通相關(guān)性[J].測(cè)繪學(xué)報(bào),2017,46(12):2032-2040.

[13] 桂新,秦海波,王勝平,等.基于相關(guān)系數(shù)迭代法的水下地形測(cè)量時(shí)間延遲探測(cè)方法研究[J].測(cè)繪通報(bào),2015(5):57-59.

[14] 毛海霞,田巖,范小朋,等.基于時(shí)空車流灰度的城市交通熱點(diǎn)分析[J].地理信息世界,2016,23(3):13-19.

[15] 朱海濤.基于出租車GPS數(shù)據(jù)的城市主干道路交通狀態(tài)判別[D].哈爾濱:東北林業(yè)大學(xué)，2016.

[16] 董琦.基于VISSIM的環(huán)形交叉口與信號(hào)控制交叉口型式選擇研究[D].西安:長(zhǎng)安大學(xué)，2014.