田富　劉婷

摘? ?要：隨著高速公路基礎(chǔ)建設(shè)的不斷完善，陸路實(shí)時(shí)監(jiān)測(cè)的質(zhì)量與深度也在不斷升級(jí)。基于GIS集成環(huán)境設(shè)計(jì)并建立了江蘇省高速公路大數(shù)據(jù)分析平臺(tái)，推算出各路段的交通流量數(shù)據(jù)。利用測(cè)算后數(shù)據(jù)進(jìn)行高速公路交通流量地圖可視化，驗(yàn)證GIS技術(shù)測(cè)算的OD交通量數(shù)據(jù)在高速公路局域交通網(wǎng)需求中的可行性。

關(guān)鍵詞：GIS技術(shù)? 高速公路? OD數(shù)據(jù)? 交通流量需求預(yù)測(cè)? 數(shù)據(jù)可視化

中圖分類(lèi)號(hào)：U495? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2020）03（c）-0006-02

Abstract： With the continuous improvement of highway infrastructure， the quality and depth of land real-time monitoring are also upgrading. Based on GIS integrated environment， the big data analysis platform of Jiangsu Expressway is designed and established， and the traffic flow data of each section are calculated. The visualization of highway traffic flow map is carried out by using the measured data， and the feasibility of OD traffic volume data calculated by GIS technology in the demand of expressway local traffic network is verified.

Key Words： GIS technology; Expressway; OD data; Traffic flow demand forecast; Data visualization

交通流量是高速公路運(yùn)行監(jiān)測(cè)的重要指標(biāo)，其主要由地區(qū)經(jīng)濟(jì)發(fā)展水平以及交通地理區(qū)位決定。截至2018年2月末，江蘇省高速公路通車(chē)?yán)锍桃堰_(dá)4688km。出口流量、客運(yùn)量、貨運(yùn)量等指標(biāo)呈逐年增長(zhǎng)狀態(tài)。使得高速公路交通運(yùn)行監(jiān)測(cè)方面的研究成為了近年來(lái)的熱點(diǎn)。

康亞男[1]改進(jìn)CS算法優(yōu)化PB神經(jīng)網(wǎng)絡(luò)，對(duì)高速觀測(cè)站采集的數(shù)據(jù)車(chē)輛進(jìn)行流量預(yù)測(cè)模型的建立。孫同心[2]等通過(guò)分析高速公路收費(fèi)站進(jìn)出車(chē)輛數(shù)據(jù)的時(shí)間變化，對(duì)交通流量進(jìn)行預(yù)測(cè)。萬(wàn)金鵬[3]基于數(shù)據(jù)倉(cāng)庫(kù)和OLAP技術(shù)，提出了一種通過(guò)收費(fèi)站車(chē)輛出入時(shí)空數(shù)據(jù)計(jì)算高速公路斷面交通流量的方法。Nale Zhao[4]等利用不同類(lèi)型的收費(fèi)站統(tǒng)計(jì)數(shù)據(jù)進(jìn)行高速公路的流量分段估算，并比較了不同類(lèi)型收費(fèi)站的設(shè)置對(duì)流量的影響。趙鵬軍[5]探討了大數(shù)據(jù)方法對(duì)緩解交通擁堵的影響。

1? 既有設(shè)計(jì)概述

1.1 OD數(shù)據(jù)來(lái)源

數(shù)據(jù)包括空間數(shù)據(jù)及非空間數(shù)據(jù)。來(lái)源如表1所示。

本研究所有矢量數(shù)據(jù)均采用橫軸墨卡托投影，以保證地圖信息表達(dá)的準(zhǔn)確性。其中，OD數(shù)據(jù)包含出入江蘇省車(chē)輛數(shù)據(jù)。因此選取的矢量數(shù)據(jù)范圍包含與江蘇省鄰接的上海、浙江、安徽、山東等省市。

1.2 數(shù)據(jù)規(guī)范化

數(shù)據(jù)的規(guī)范化的作用主要有兩個(gè)：去掉量綱，使得指標(biāo)之間具有可比性;將數(shù)據(jù)限制到一定區(qū)間，使得運(yùn)算更為便捷。本項(xiàng)目使用線性函數(shù)歸一化（Min-Max scaling）進(jìn)行數(shù)據(jù)規(guī)范化工作。線性函數(shù)將原始數(shù)據(jù)線性化的方法轉(zhuǎn)換到[0，1]的范圍。計(jì)算公式如下：

1.3 實(shí)體-聯(lián)系圖

如圖1所示。

2? 設(shè)計(jì)流程概述

2.1 系統(tǒng)架構(gòu)

研究利用江蘇省高速公路OD數(shù)據(jù)以及相關(guān)空間數(shù)據(jù)進(jìn)行分析計(jì)算，得到高速路網(wǎng)各路段交通流量數(shù)據(jù)，并進(jìn)行地圖可視化工作。江蘇省高速公路大數(shù)據(jù)分析平臺(tái)通過(guò)對(duì)相關(guān)數(shù)據(jù)的分析與展示，以網(wǎng)頁(yè)形式展現(xiàn)江蘇省高速公路運(yùn)行情況?？傮w架構(gòu)如圖2所示。

運(yùn)行監(jiān)測(cè)模塊功能包含總體分析、OD分析、擁堵分析3個(gè)部分?？傮w分析包含高速公路運(yùn)行監(jiān)測(cè)、總體數(shù)據(jù)展示以及交通流量與經(jīng)濟(jì)發(fā)展關(guān)系分析等部分。OD分析對(duì)相關(guān)數(shù)據(jù)進(jìn)行地圖可視化展示。擁堵分析通過(guò)計(jì)算分析道路服務(wù)水平對(duì)江蘇省高速公路的整體運(yùn)行狀況進(jìn)行展示。通過(guò)對(duì)相關(guān)空間數(shù)據(jù)的處理，保證后續(xù)空間分析結(jié)果的準(zhǔn)確性。同時(shí)將部分不符合邏輯的錯(cuò)誤數(shù)據(jù)去除，保證流量計(jì)算結(jié)果的正確性。

2.2 技術(shù)流程

將計(jì)算結(jié)果與可視化結(jié)果進(jìn)行對(duì)比，檢查計(jì)算過(guò)程中產(chǎn)生的錯(cuò)誤。同時(shí)進(jìn)行技術(shù)總結(jié)。對(duì)相關(guān)數(shù)據(jù)的處理方法進(jìn)行總結(jié)整理，與其他方案進(jìn)行比較分析?？傮w技術(shù)流程如圖3所示。

3? 模型及算法說(shuō)明

業(yè)主方所提供的江蘇省高速路網(wǎng)矢量數(shù)據(jù)不符合網(wǎng)絡(luò)分析的條件。使用Data Management工具箱中的Dissolve工具對(duì)江蘇省高速公路矢量數(shù)據(jù)進(jìn)行融合，使其融合成為一個(gè)線要素。完成該操作后即可得到能夠進(jìn)行網(wǎng)絡(luò)分析的線要素。

利用處理好的高速公路網(wǎng)絡(luò)線要素建立網(wǎng)絡(luò)分析數(shù)據(jù)集。網(wǎng)絡(luò)數(shù)據(jù)集中的連通性基于線端點(diǎn)、線折點(diǎn)和點(diǎn)的幾何重疊建立，并遵循設(shè)置為網(wǎng)絡(luò)數(shù)據(jù)集屬性的連通性規(guī)則。設(shè)置端點(diǎn)連通規(guī)則，則線要素將變成僅在重合端點(diǎn)處進(jìn)行連接的邊。始終針對(duì)一個(gè)線要素創(chuàng)建一個(gè)邊要素，構(gòu)建具有端點(diǎn)連通性的網(wǎng)絡(luò)是構(gòu)建交叉式對(duì)象模型，如圖4所示。

4? 實(shí)施成果展示

OD分析頁(yè)面通過(guò)云圖和遷徙圖直接對(duì)OD數(shù)據(jù)進(jìn)行地圖可視化，使流量結(jié)果數(shù)據(jù)分析頁(yè)面的客貨運(yùn)流量情況以及主題展示部分的超限車(chē)輛監(jiān)管分析頁(yè)面以近似于流量展示的方式進(jìn)行表現(xiàn)，如圖5所示。

5 結(jié)語(yǔ)

OD數(shù)據(jù)流量分配方法是建立在空間數(shù)據(jù)處理與流量分配技術(shù)上的系統(tǒng)性方法。該方法具有較好的可移植性，可以適應(yīng)復(fù)雜的系統(tǒng)性工程。對(duì)與實(shí)驗(yàn)數(shù)據(jù)相近類(lèi)型的數(shù)據(jù)處理結(jié)果也較為完整。因此該方法可作為處理類(lèi)似問(wèn)題的解決方案，以保證相關(guān)計(jì)算的效率與準(zhǔn)確性。

參考文獻(xiàn)

[1] 康亞男.CS優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的高速公路流量預(yù)測(cè)[J].公路，2017（5）：194-198.

[2] 孫同心，王世鯤.大數(shù)據(jù)背景下的高速公路流量預(yù)測(cè)實(shí)現(xiàn)——基于收費(fèi)站流量數(shù)據(jù)[J].中國(guó)公共安全， 2016（17）：93-98.

[3] 萬(wàn)金朋.基于高速公路收費(fèi)站數(shù)據(jù)的交通流量多維分析技術(shù)研究[D].重慶大學(xué)，2012.

[4] Nale Zhao，Tongyan Qi，Lei Yu，et al. A Practical Method for Estimating Traffic Flow Characteristic Parameters of Tolled Expressway Using Toll Data[J]. Procedia - Social and Behavioral Sciences， 2014（138）.

[5] 趙鵬軍，李鎧.大數(shù)據(jù)方法對(duì)于緩解城市交通擁堵的作用的理論分析[J].現(xiàn)代城市研究，2014（10）：25-30.