趙仕林，秦雅琴，馬玲玲 ZHAO Shilin,QIN Yaqin,MA Lingling

（昆明理工大學(xué) 交通工程學(xué)院，云南 昆明 650500）

0 引言

交通供給不平衡現(xiàn)象稱為交通擁堵[1]。隨著中國的快速城鎮(zhèn)化，在城市空間的相互作用下，城市交通的需求量隨著城市居民的出行目的、人口規(guī)模豐富而逐漸增加，導(dǎo)致小汽車的數(shù)量不斷增多，城市交通面臨嚴(yán)重?fù)矶?。在微觀角度的研究中楊曉穎、陳宗和等對交通分別從交叉口設(shè)計和居民在交通擁堵下的出行進(jìn)行了研究[2-3]。隨著大數(shù)據(jù)的應(yīng)用和分析，從宏觀角度的探索中交通的時空效應(yīng)得到有效的研究，通過交通運行指數(shù)分析孫秋霞[4]等建立了擁堵的時間與空間狀態(tài)的聯(lián)系。按照交通的時空特征的劃分，何兆成[5]等對時空特征進(jìn)行了分類并在空間層次建立區(qū)域擁堵評價模型。張建旭[6]等人運用獲取在線地圖實時數(shù)據(jù)用來建立新的交通態(tài)勢指標(biāo)識別擁堵的狀態(tài)。交通擁堵的原因和治理也有深入的探討分析[7-9]。研究表明[10-12]通過探究交通的整體態(tài)勢，掌握其內(nèi)在的時空特征對治理交通擁堵具有重大意義。

本研究擬基于百度地圖實時交通擁堵數(shù)據(jù)調(diào)查資料，應(yīng)用地理信息空間分析方法Moran's I指數(shù)和熱點分析，在時空上探究交通擁堵事件之間的隱含關(guān)系。利用Moran's I指數(shù)方法統(tǒng)計事件的整體關(guān)系和熱點，分析統(tǒng)計事件高低值之間的聚類、空間特征，對昆明市二環(huán)內(nèi)交通擁堵的空間分布及時空變化特征進(jìn)行分析，為改善昆明市區(qū)的交通現(xiàn)狀提供科學(xué)依據(jù)。

1 研究區(qū)域概況

1.1 研究區(qū)域

2017年末昆明市機動車保有量達(dá)到226.8萬輛，增長率和日均增量較前幾年有所放緩，但客車的增長勢頭仍然強勁，全市保有量達(dá)到178.45萬輛，增幅12.9%，占機動車總量的78.7%，比重逐年提高；貨車增幅小，增長2.7%；摩托車量呈下降趨勢。五城區(qū)機動車保有量149.6萬輛，占全市的66.1%，是車輛的主要聚集地[13]。

二環(huán)里程占比不足0.3%的道路承載了城市26%以上的出行需求，流量分布不均造成城市的擁堵。車流多，交通需求大，昆明市區(qū)交通供給矛盾日益增加，交通形勢嚴(yán)峻。研究區(qū)域路段如圖1所示，紅色路段為二環(huán)北路至二環(huán)東路；黑色路段包括龍泉路到青年路、環(huán)城北路到一二一大街和環(huán)城西路到環(huán)城南路；黃色路段為西昌路到金碧路及拓東路。

1.2 百度地圖實時路況簡介

百度地圖將浮動車GPS數(shù)據(jù)（包括客貨車、出租車、網(wǎng)約車等其他運營車輛）與百度地圖定位導(dǎo)航數(shù)據(jù)進(jìn)行多元融合，海量用戶眾包形式的道路更新上報機制和定位軌跡分析挖掘的技術(shù)手段，產(chǎn)生的地圖路網(wǎng)數(shù)據(jù)可以與交通管理部門的路網(wǎng)數(shù)據(jù)互相融合補充，從而提高路網(wǎng)數(shù)據(jù)覆蓋和準(zhǔn)確程度。并運用領(lǐng)先技術(shù)手段對數(shù)據(jù)進(jìn)行加工，產(chǎn)生出準(zhǔn)確率和覆蓋率更高的實時路況數(shù)據(jù)。

實時路況是針對城市道路暢通擁堵所提出的一個概念，它能實時顯示道路上行車的狀況，為交通指引具有重要的指示作用，一般分為紅、黃、綠、灰四種顏色用以描繪擁堵、緩行、暢通、施工繞行四種狀態(tài)。

圖1 研究區(qū)域及骨架

2 數(shù)據(jù)與方法

2.1 研究范圍

隨著昆明市區(qū)機動車保有量逐年大幅度增加，對現(xiàn)有的道路資源進(jìn)行了合理的維護(hù)，但并未有明顯地改善市區(qū)的交通現(xiàn)狀。區(qū)域內(nèi)市民出行需求強烈，道路資源短缺，在出行高峰時期短時間內(nèi)易因巨大的供求不平衡導(dǎo)致?lián)矶拢诖饲闆r下其形成的擁堵路段、擁堵程度、擁堵時間等狀況具有不同的特性分布，因此本次研究范圍選取昆明市二環(huán)以內(nèi)的道路為研究區(qū)域，進(jìn)行時空上的擁堵分析研究。

2.2 數(shù)據(jù)收集

在2018年8月23日至2018年8月29日調(diào)查時間段內(nèi)，運用百度地圖的實時路況功能，對昆明市二環(huán)以內(nèi)路況擁堵情況進(jìn)行監(jiān)控，并對監(jiān)控范圍進(jìn)行早晚高峰時期的實時路況進(jìn)行柵格圖片采集。具體方法：在8月23日至8月29日時間段內(nèi)，對每天的早高峰7:00至8:00和晚高峰17:00至19:00的百度地圖實時路況進(jìn)行采集，分別從7:00和17:00開始的兩個時間段內(nèi)操作，每隔15分鐘采集一次昆明市二環(huán)內(nèi)道路實時路況柵格圖，本次收集共計94張柵格圖片。

2.3 數(shù)據(jù)研究處理及賦值

對于采集的柵格圖片進(jìn)行擁堵數(shù)據(jù)的處理。對百度實時路況的柵格圖片狀況進(jìn)行分類，道路的狀況分為四種情況：擁堵（紅色路段）、緩行（黃色路段）、暢通（綠色路段）、灰色（施工路段）。這里將路況柵格圖中道路狀況為擁堵的路段視為擁堵一次，如果道路擁堵，以車輛行駛的方向緊鄰的交叉點作為交通擁堵點事件，統(tǒng)計整個調(diào)查時間段內(nèi)收集的道路柵格圖，得到92張有效路況柵格圖，并得到研究區(qū)域的交通擁堵點數(shù)據(jù)，共計58個交通擁堵點。統(tǒng)計高峰小時內(nèi)交通擁堵點每小時的擁堵次數(shù)，即將每小時內(nèi)對應(yīng)采集的4張百度實時路況柵格圖片進(jìn)行統(tǒng)計，記錄實時路況下每小時內(nèi)每段路出現(xiàn)紅色擁堵累計次數(shù)，并按照車輛行駛的方向?qū)⒗塾嫶螖?shù)賦值給交通擁堵點的屬性值（每個路口進(jìn)車口的擁堵次數(shù)總和）。

2.4 空間聚集性分析

2.4.1 全局空間自相關(guān)分析。應(yīng)用ArcGIS空間自相關(guān)分析模塊對已采集的數(shù)據(jù)進(jìn)行處理分析。選擇Moran's I指數(shù)進(jìn)行分析，從區(qū)域角度出發(fā)衡量交通擁堵點的空間聯(lián)系，分析其空間形態(tài)上分布的特性。具體計算公式為：

其中：n為樣本數(shù)量即為空間位置個數(shù)，i、j分別為兩個不同的空間位置，wij為空間位置i、j區(qū)域的鄰近關(guān)系權(quán)重系數(shù)。當(dāng)i和j為臨近空間位置時，wij=1，反之，wij=0。全局Moran's I指數(shù)I計算取值范圍［-1,］1。

2.4.2 局部空間聚集性分析。應(yīng)用ArcGIS熱點分析（Getis-Ord）模塊對已采集的數(shù)據(jù)進(jìn)行處理分析，將交通擁堵點作為分析變量，對交通擁堵點的局部空間聯(lián)系進(jìn)行分析。得出每個擁堵點的Getis-Ord統(tǒng)計值，且擁堵點對應(yīng)得到Z值和P值，從而確定交通擁堵點在空間上的聚集位置；其具體計算公式為：

式中：xj為第j個空間位置（交通擁堵點）的賦值，wij表示為空間位置j和i之間的空間關(guān)系權(quán)重（取值范圍相鄰為1，反之為0），n為i空間位置個數(shù)的總數(shù)；S為標(biāo)準(zhǔn)差。Gi為正時，其為熱點，值越高表示聚集度越高；反之若為負(fù)，其為冷點，值越低聚集度越高。

3 結(jié)果與分析

3.1 調(diào)查點分布情況

通過有效統(tǒng)計所得92張柵格實時路況圖片，在研究范圍內(nèi)主要道路共統(tǒng)計出58個交通擁堵點即擁堵路口，如圖2所示。同時基于研究范圍提取的道路網(wǎng)數(shù)據(jù)樣本長度大概為57km。早晚高峰道路擁堵長度占有率（擁堵長度與總長度之比）如圖3所示?？傮w一周的交通擁堵的趨勢呈“V”型，周末的早晚高峰道路擁堵程度顯著低于工作日，工作日和非工作日都是早高峰的擁堵百分占比晚高峰更高。

圖2 交通擁堵點

圖3 早晚高峰城市道路擁堵占有率

3.2 全局空間自相關(guān)分析

對研究范圍內(nèi)每天的整體交通擁堵次數(shù)屬性進(jìn)行全局空間自相關(guān)分析，P值小于0.05，因此分析結(jié)果有意義，且Moran's I的Z值（如表1所示）大于 0，表明全局自相關(guān)具有統(tǒng)計學(xué)意義空間正相關(guān)性，即交通擁堵次數(shù)呈聚集性分布。其Moran's I統(tǒng)計量計算值大部分大于0.51，表明交通擁堵點呈正相關(guān)，即空間上越鄰近的區(qū)域交通擁堵點分布情況越相似。從表1可以看出，Moran's I統(tǒng)計量除星期五外各值相差不大，星期五的值較低，表明周五這一天交通擁堵程度最分散隨機，周一至周四擁堵聚集度較高，而周四的擁堵程度則明顯最高，其中這天天氣為小雨，對道路交通出行有一定影響。周六和周日雖然天氣晴朗，但人們多以娛樂休閑活動為主，學(xué)校路段、商業(yè)路段的客流相對減少，導(dǎo)致城區(qū)整體客流量和交通流量減少，交通擁堵程度集聚度不高。

3.3 局部空間聚集性分析

對所有調(diào)查點局部空間聚集性分析（熱點分析）——以周四為例，如圖4所示。淺色小圈表示為冷點聚集區(qū)，即交通擁堵次數(shù)較低的聚集區(qū)；深黑色點為熱點聚集區(qū)，即交通擁堵次數(shù)較大的聚集區(qū)；顏色越深，統(tǒng)計的數(shù)據(jù)可靠性越高，聚集程度越高，此處用圖標(biāo)顏色深淺作為圖例。交通擁堵次數(shù)局部聚集性強的為東風(fēng)廣場、二環(huán)南路。二環(huán)北路西段的交通擁堵點次數(shù)多但數(shù)值多為1；遠(yuǎn)離東風(fēng)廣場的二環(huán)南路交通擁堵點聚集性不顯著，二環(huán)南路以南為城市綠色休閑區(qū)，表現(xiàn)出同一擁堵點在早晚時間上的呈低密度聚集；二環(huán)東路交通點早晚密度聚集差異較大體現(xiàn)了不同時間的差異性對交通擁堵次數(shù)分布差異的影響。

表1 一周路況Moran's I及其檢驗指數(shù)Z,P

圖4 局部空間聚集性分析

3.4 時空分析

通過局部空間自相關(guān)得到了昆明市實時路況擁堵的可視化分布圖（圖5），以工作日周四和非工作日周六為例。可以看出時間上，工作日周四（圖3）交通壓力早高峰期大于晚高峰期，早上（圖5（a））交通擁堵主要發(fā)生在二環(huán)北路西段、西昌路和一二一大街交叉口等以進(jìn)城交通量和學(xué)校區(qū)域擁堵為主，晚上（圖5（b））主要發(fā)生在一二一大街交叉口、東風(fēng)廣場等商業(yè)圈和教育區(qū)域，工作日周四整體擁堵從早上的二環(huán)路的西北區(qū)域的交通運輸中心，移動到晚上的東風(fēng)廣場的東南區(qū)域商圈附近；非工作日周六（圖5（c）） 早上擁堵比較分散，晚上（圖5（d））交通形成擁堵區(qū)域，其主要集中在二環(huán)路東段，東風(fēng)廣場商業(yè)區(qū)域交通壓力次之，其余支路交通暢通。

4 結(jié)束語

本文基于百度地圖實時路況柵格圖片數(shù)據(jù)，通過全局和局部空間自相關(guān)統(tǒng)計量分析得出的昆明交通擁堵的空間分布特征?？傮w而言昆明市交通擁堵呈現(xiàn)出一定的時空規(guī)律。時間上，交通壓力早高峰期大于晚高峰期，且擁堵程度工作日比非工作日嚴(yán)重，擁堵一般呈現(xiàn)高聚集和擁堵時間長特征；空間上，交通擁堵主要發(fā)生在滇緬大道、二環(huán)北路西段以及東風(fēng)廣場重要商圈，呈現(xiàn)一定的聚集性，人流、車流量較為集中特征與土地利用因素關(guān)系密切相關(guān)。由于交通擁堵原因復(fù)雜多樣，時間特征一般受居民活動規(guī)律影響，考慮工作日通勤（工作日主要考慮通勤方式和職住條件）、節(jié)假日外出等因素；空間上土地利用性質(zhì)的差異性對交通擁堵點分布差異的影響顯著，主要考慮城市功能區(qū)以及路網(wǎng)結(jié)構(gòu)等因素。由于交通擁堵時空分析依賴于長期的數(shù)據(jù)考量分析，且與城市周圍的交通環(huán)境密切相關(guān)，應(yīng)當(dāng)擴大監(jiān)控范圍和時間，統(tǒng)計長期連續(xù)監(jiān)測數(shù)據(jù)，以此進(jìn)一步研究交通擁堵時空分布特征。

圖5 不同時段的交通分布情況