張 溪，劉建軍，周 天，孫建平，溫慧敏

(1.北京交通發(fā)展研究院, 北京 100073； 2.城市交通運行仿真與決策支持北京市重點實驗室, 北京 100073；3.北京市交通委員會, 北京 100073)

0 引言

隨著社會經(jīng)濟持續(xù)、快速、高效的發(fā)展，北京市城市化與機動化水平不斷提升，導致城市人口集聚膨脹、城市功能區(qū)集中，由此帶來交通需求量的迅速增加，也帶來了交通擁堵等一系列問題. 近年來北京市政府通過“規(guī)”“建”“管”“限”多項措施持續(xù)治理交通擁堵，在一定程度上遏制了城市道路擁堵的蔓延及惡化. 隨著交通治理的精細化工作要求，2011年開始北京市中心城六區(qū)分別成立區(qū)交通委，建立市區(qū)兩級治理交通擁堵工作機制，2016年交通擁堵治理的責任逐步下沉到街道，由此形成了市級—區(qū)級—街道級多個部門聯(lián)合治堵的工作模式.

北京市自2007年開始建立路網(wǎng)交通指數(shù)評價機制，2011年分析細化到行政區(qū)，2015年開始逐步對重點功能區(qū)進行指數(shù)評價，多年的實際使用證明了該評價方法的成熟性、敏感性和準確性，實現(xiàn)了對日常交通運行狀況的定量化評價. 在新的工作體制下，需要將交通擁堵分析的尺度進一步縮小到街道級，建立面向街道級的交通擁堵評價體系方法和評價標準，對街道進行交通運行特征研究，支持面向多部門聯(lián)合治理交通擁堵的工作要求.

1 國內(nèi)道路交通運行評價方法

隨著智能交通技術的發(fā)展，近年來國內(nèi)道路交通運行評價工作迅速發(fā)展，大城市普遍建立了各自的道路交通指數(shù)評價系統(tǒng)，用于交通管理部門定期監(jiān)測和評價城市交通運行情況，為交通規(guī)劃、治理擁堵等工作服務. 基于車輛實時衛(wèi)星定位數(shù)據(jù)的浮動車技術是當前主流的實時路網(wǎng)運行狀態(tài)辨識技術，互聯(lián)網(wǎng)公司還可以通過用戶出行數(shù)據(jù)獲取車輛位置信息，從而計算路段運行速度. 路段運行速度是道路運行評價的最小計算單元，道路網(wǎng)交通指數(shù)是利用數(shù)學建模的方法從微觀到宏觀實現(xiàn)對整體道路網(wǎng)運行狀態(tài)進行評測. 國內(nèi)交通指數(shù)計算模型的方法主要分為2大類，一類以嚴重擁堵占比為指標[5-7]，以北京、廣州、武漢、杭州為代表；另一類以路段的平均運行狀況、計算行程時間比、延誤時間等指標，以深圳、高德公司為代表[8-9].

1.1 基于嚴重擁堵里程比的交通指數(shù)模型

基于嚴重擁堵里程比的交通指數(shù)計算是指在一定的統(tǒng)計時間內(nèi)首先通過路段運行速度判斷處于擁堵狀態(tài)的路段[10]，如城市快速路路段低于20 km/h判定為擁堵；其次分不同道路等級求出擁堵路段長度占到總路段長度的比例，進一步按照不同道路等級的VKT(車公里)進行加權，得到全路網(wǎng)的擁堵里程比例；最后按照一定的數(shù)學轉(zhuǎn)換，計算出全路網(wǎng)交通指數(shù)，指數(shù)一般取值0～10，數(shù)值越高表明越擁堵. 北京、廣州、杭州、武漢等城市采用此種模型方法，但是不同城市根據(jù)各自的運行特點，在擁堵路段閾值劃分、擁堵里程比例與指數(shù)的轉(zhuǎn)換關系、指數(shù)分級等方面存在不同.

1.2 基于行程時間比的交通指數(shù)模型

基于行程時間比的交通指數(shù)計算是指在一定的統(tǒng)計時間內(nèi)計算每個路段實際行程時間與暢通狀態(tài)下行程時間的比值，即TTI，如某路段行程時間比1.2，表示該時刻花費的時間比暢通狀態(tài)多0.2倍，路網(wǎng)中每個路段均參與計算，加權得到全路網(wǎng)的行程時間比，有的轉(zhuǎn)換成0～10的指數(shù)，有的直接用行程時間比作為指數(shù). 路段暢通狀態(tài)下的旅行時間通常采用累積速度排序，取85%分位數(shù)作為暢通流速度. 美國德州交通研究院最早提出TTI[1-3]，國內(nèi)高德、滴滴等互聯(lián)網(wǎng)企業(yè)在城市擁堵排名應用較多.

表1 兩種道路交通擁堵評價方法

1.3 敏感性對比

大區(qū)域范圍路網(wǎng)評價方面，基于嚴重擁堵比例的方法較基于行程時間比的方法對高峰道路擁堵變化更敏感，其原因是重點刻畫了道路出行擁堵所占的比例[11-13]，而行程時間比的方法則計算了全部樣本，屬于均值類方法，評價范圍越大，平滑的效果越明顯. 圖1對比了基于兩種模型計算北京市中心城區(qū)周一和周五工作日的交通指數(shù)，嚴重擁堵里程比例方法更體現(xiàn)出周一早高峰通勤擁堵以及周五晚高峰交通擁堵特性. 在評價大范圍路網(wǎng)區(qū)域時，應優(yōu)先選用嚴重擁堵里程比例方法.

小區(qū)域路網(wǎng)評價方面，基于嚴重擁堵比例的方法存在波動性大的問題，其原因是由于路網(wǎng)范圍變小，基于嚴重擁堵里程比例的方法會造成計算結果忽高忽低的情況，不能反映真實狀態(tài)，見圖2. 行程時間比的方法由于考慮了區(qū)域內(nèi)所有樣本，計算結果的穩(wěn)定性較高. 因此在評價區(qū)域較小時，應選用基于行程時間比的交通指數(shù)計算方法.

圖1 北京市全路網(wǎng)典型工作日交通指數(shù)對比

圖2 北京市金融街地區(qū)典型工作日交通指數(shù)對比

2 基于出行時間比的街道級交通指數(shù)計算

2.1 計算方法

街道級交通指數(shù)的計算基于街道內(nèi)每個路段的平均運行速度，來源于浮動車數(shù)據(jù)系統(tǒng)[4]. 區(qū)域平均TTI可由各路段的行駛里程(VMT)作權重對路段TTI進行加權求得，進一步把區(qū)域TTI折算成0～10的指數(shù)，計算公式如式(1)(2)：

(1)

(2)

式中，th為平均高峰出行時間；tf為自由流下出行時間；td為延誤時間.

表2 行程時間比與路網(wǎng)交通指數(shù)轉(zhuǎn)換關系

2.2 計算結果

按照2.1的方法，選用2017年9月份1周工作日對東城區(qū)、西城區(qū)共32個街道進行交通指數(shù)計算，按早高峰07:00—09：00，晚高峰17：00—19：00，得到每個街道的高峰指數(shù)情況，見圖3. 選取9個典型街道繪制分時段的交通指數(shù)圖，見圖4.

圖3 東、西城街道早、晚高峰運行狀態(tài)圖

圖4 東、西城部分街道工作日交通指數(shù)變化趨勢圖

3 街道交通指數(shù)聚類

聚類是一種數(shù)據(jù)挖掘過程，即使用挖掘工具對已知數(shù)據(jù)隱藏的關系和模型進行辨識. 聚類是按照樣本一定的相似性實現(xiàn)對樣本進行分組，與分類不同，屬于一種非監(jiān)督類的分析方法，在商業(yè)上，多用于用戶畫像，分析不同客戶群體的特征. 街道交通指數(shù)聚類，其目的是對大量數(shù)據(jù)進行分析挖掘，識別不同地區(qū)的擁堵模式，找出影響因素，為治理交通擁堵、引導交通出行奠定基礎.

3.1 聚類算法

聚類分析的算法有多種，常用的有系統(tǒng)聚類法、K-means聚類法等. 本文選取系統(tǒng)聚類法對街道級交通指數(shù)進行聚類分析. 系統(tǒng)聚類是用一種類似樹狀結構的圖形即聚類譜系圖來表示. 聚類譜系圖可清晰地看出全部樣本的聚集過程，進而可做出對全部樣本的分類. 系統(tǒng)聚類法的基本思路是先將聚類的樣本或變量各自看成一群，然后確定類與類之間的相似統(tǒng)計量，并選擇最接近的兩類或若干個類合并成一個新類，計算新類與其他各類之間的相似性統(tǒng)計量，再選擇最接近的兩群或若干群合并成一個新群，直到所有的樣本或變量都合并成一類為止.

3.2 聚類指標

樣本的指標選擇是聚類分析中最重要的一步，樣本點的各個指標的值即是它在空間中各個維度的取值，它決定了樣本點在空間中的分布特征，進而直接影響聚類分析的結果. 聚類指標可以選取交通指數(shù)變化曲線的一些幾何特征，如峰值、高峰平均值、變化率等. 另外，交通指數(shù)也可以直接作為指標參與聚類分析過程.

本文將每個時段的交通指數(shù)直接作為指標，為排除夜間劣質(zhì)數(shù)據(jù)的干擾，選用數(shù)據(jù)質(zhì)量較好的06：00—21：00共16 h的每15 min粒度的交通指數(shù)數(shù)據(jù)作為計算樣本，每個街道1 d有60個指數(shù)指標，每個指數(shù)都直接反應了該時刻的擁堵特征. 這樣的指標選取，能夠真正找到每條曲線的共性和差異性，并且符合實際交通意義. 每個時段的交通指數(shù)都作為指標的好處在于既能體現(xiàn)高峰期的交通擁堵特性，又能將平峰時的交通運行情況考慮在內(nèi)，對于1 d的交通運行變化特性全面刻畫. 通過選取以上聚類指標，使不同街道能夠聚集成多種帶有明顯運行特征的類型街道，從而更好地分析不同類型街道的交通運行特征.

3.3 聚類結果

對各街道在早06：00—21：00的交通指數(shù)采用系統(tǒng)聚類方法聚類后得到圖5所示聚類樹. 聚類樹圖中各編號對應街道可見表3.

根據(jù)不同街道交通指數(shù)變化趨勢，當系統(tǒng)聚類的結果分為5類時效果最佳. 得到的聚類分析結果見表4.

圖5 聚類樹

表3 街道編號表

表4 聚類結果

4 街道交通運行特征分析

對聚類出的5種類型交通模式曲線的變化趨勢進行分析后，可對不同分類結果下街道的運行特征進行描述和分析并給出標準曲線.

1)類型一：早高峰明顯擁堵的街道

圖6 模式曲線一 (早高峰明顯擁堵的街道)

該類型街道早高峰擁堵狀況明顯差于晚高峰. 根據(jù)早高峰模式曲線可知，早高峰開始于07:30并在10:00左右結束，持續(xù)時間2.5 h，最擁堵時段出現(xiàn)于07:30—08:00，基本到達嚴重擁堵，晚高峰運行狀況優(yōu)于早高峰. 此類模式下的街道多屬于早高峰通學出行、通勤出行需求較大的街道，如東城區(qū)的和平里街道與天壇街道中小學分布密度大，西城區(qū)的白紙坊街道和牛街街道以住宅用地為主，商業(yè)用地較少使得早高峰時段產(chǎn)生大量的通勤交通量.

2)類型二：晚高峰明顯擁堵的街道

該類型街道晚高峰擁堵狀況明顯差于早高峰，早高峰擁堵現(xiàn)象不顯著，晚高峰開始較早且擁堵狀態(tài)的持續(xù)時間較長，在14:30開始交通指數(shù)開始明顯上升，晚高峰開始于16:00，結束于19:30，持續(xù)時間3.5 h，最擁堵時段出現(xiàn)于18:00—18:30. 此類模式下的街道用地類型多以辦公、商場為主，集中在東城區(qū)，例如建國門街道、朝陽門街道、東四街道，區(qū)域內(nèi)有工人體育館、東單商圈、東直門商圈、朝陽門商圈等，晚高峰交通出行需求以休閑娛樂為主.

圖7 模式曲線二 (晚高峰明顯擁堵的街道)

3)類型三：早晚高峰均擁堵的街道

該類型街道特征為早、晚高峰時段均出現(xiàn)明顯高峰，平峰時段交通擁堵水平稍低. 早高峰大致開始于07:30，并于10:30左右結束，持續(xù)時間3 h. 晚高峰大致開始于16:15并于19:00左右結束，持續(xù)時間2.75 h. 該類型的街道早晚高峰擁堵程度相當，分析原因可能受到街道用地類型多樣化因素的影響. 如廣安門內(nèi)街道，其用地類型較多，包括有學校、醫(yī)院、商業(yè)、景點和住宅，早高峰通勤時段住宅用地產(chǎn)生大量出行交通量，學校、醫(yī)院、商業(yè)和景區(qū)用地作為早高峰交通的吸引點會有大量交通流涌入，因上班、上學、就醫(yī)和休閑在時間上的差異使早高峰持續(xù)的時間較長. 晚高峰同樣受到大量進出交通的影響，導致?lián)矶鲁掷m(xù)時間較長.

圖8 模式曲線三 (早晚高峰均擁堵的街道)

4)類型四：白天持續(xù)擁堵的街道

該類型街道白天時段交通壓力持續(xù)較大，未存在明顯的高峰和非高峰，06:00—21:00交通運行狀況一直處于中度偏嚴重擁堵的狀態(tài)，交通需求持續(xù)較大，僅在中午12點左右交通狀況微弱改善，總體上看晚高峰的擁堵情況較早高峰更差. 具有這一特征的街道多為全天交通發(fā)生和吸引強度均較大的區(qū)域，如東華門街道內(nèi)有天安門廣場、故宮博物院等歷史遺址，還包括很多政府機構、醫(yī)院、學校以及商業(yè)街，白天會持續(xù)發(fā)生和吸引大量的交通流，全天交通需求量居高不下，全天擁堵時間較長.

圖9 模式曲線四(白天持續(xù)擁堵的街道)

5)類型五：其他

該類型街道與之前4種模式不同，雖然存在雙峰特征，但是早晚高峰時段的擁堵程度均較低，晚高峰時段擁堵情況稍差. 轄區(qū)內(nèi)沒有大的交通發(fā)生與吸引點. 交通需求較低，交通擁堵狀況較其他街道稍好.

圖10 模式曲線五(其他)

5 結束語

本文對比了基于嚴重擁堵里程比例和基于行程時間比的交通指數(shù)計算模型，分析了兩種模型在不同區(qū)域范圍的適用性，確立了小區(qū)域更宜采用行程時間比的方法計算交通指數(shù)，對北京市東城區(qū)、西城區(qū)共32個街道進行了典型工作日的交通指數(shù)計算. 為分析不同街道的交通運行特征，利用系統(tǒng)聚類的方法對所有街道的工作日交通指數(shù)進行聚類分析，得出了5種典型特征的街道指數(shù)模式曲線，從出行特征、交通需求、用地類型等角度，對不同類型街道的模式曲線進行了分析，總結了交通運行特征. 該研究成果可服務于北京市精細化交通治理工作，在數(shù)據(jù)條件豐富的情況下，評價范圍可從核心區(qū)擴展到全市，為不同類型的街道交通管理和擁堵治理提供決策支持.