馬新露，雷小詩，馬筱櫟，樊 博

（重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶 400074）

0 引言

近年來，隨著我國(guó)汽車保有量的不斷攀升，高速公路交通擁堵時(shí)常發(fā)生、“非法營(yíng)運(yùn)”屢禁不止。高速公路出行效率下降使管理人員必須應(yīng)用更有針對(duì)性的、精細(xì)化的交通管控方法[1]，提升交通管控效率及服務(wù)水平，以滿足車輛正常出行需求。出行群體分類是基于出行者出行相似性和規(guī)律性，提取特征將出行者劃分為不同類別的方法，分類結(jié)果能為交通精細(xì)化管理及服務(wù)水平提升提供依據(jù)。

隨著交通大數(shù)據(jù)獲取設(shè)施不斷完備以及大數(shù)據(jù)技術(shù)的快速發(fā)展，研究人員可基于交通大數(shù)據(jù)進(jìn)行出行群體分類辨識(shí)模型研究，以解決傳統(tǒng)群體分類方法樣本量少、結(jié)論不準(zhǔn)確等問題[2]。國(guó)內(nèi)外部分研究人員基于自動(dòng)售檢票（Automatic Fare Collection,AFC）數(shù)據(jù)對(duì)出行個(gè)體進(jìn)行分類研究。如劉家瑋[3]利用AFC 數(shù)據(jù)，從出行強(qiáng)度、時(shí)間維度、空間維度及卡類型4 方面構(gòu)建指標(biāo)，運(yùn)用兩步聚類法將乘客分為4 類，基于分類結(jié)果測(cè)算優(yōu)惠票價(jià)對(duì)每類乘客的轉(zhuǎn)移效果；席洋[4]利用AFC 數(shù)據(jù)提取出行時(shí)間及空間特征，引入基于語義分析的主題模型，識(shí)別出10個(gè)出行主題，并在此基礎(chǔ)上利用K均值（K-means）聚類算法將乘客分為6類；Kieu 等[5]利用AFC 數(shù)據(jù)，以出行起訖點(diǎn)和出發(fā)時(shí)間為指標(biāo)，應(yīng)用具有噪聲的基于密度的聚類（Density-Based Spatial Clustering of Ap?plications with Noise,DBSCAN）算法將乘客分為通勤乘客、出行起訖點(diǎn)穩(wěn)定型等4 類；Briand 等[6]通過分析法國(guó)城市雷恩2014年4月的公共交通刷卡數(shù)據(jù)，提出了一種主題模型結(jié)合高斯混合模型的方法，將乘客按照出行時(shí)間及出行模式聚類，并從智能卡的類型分析聚類成分，證明了聚類結(jié)果與出行者社會(huì)經(jīng)濟(jì)屬性的關(guān)聯(lián)性。另外，有研究者基于高鐵客票數(shù)據(jù)進(jìn)行鐵路旅客分類研究，如呂紅霞等[7]采集旅客出行數(shù)據(jù)，用凝聚法合并相關(guān)性較強(qiáng)的特征變量，并用近鄰傳播算法對(duì)旅客進(jìn)行樣本聚類，將旅客分為6 類。同時(shí)，也有研究者以出行車輛為研究對(duì)象進(jìn)行出行群體分類研究，如暢玉皎等[8]基于上?？焖俾放普兆R(shí)別系統(tǒng)采集的數(shù)據(jù)，通過K-means 聚類進(jìn)行數(shù)據(jù)挖掘，提取路網(wǎng)中具有通勤特征的車輛，并分析了通勤車輛在路網(wǎng)中的出行時(shí)空分布。

已有出行群體分類研究多以城市內(nèi)部出行大數(shù)據(jù)為基礎(chǔ)，以在城市內(nèi)部出行的人群為研究對(duì)象。而高速公路聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)作為典型的交通大數(shù)據(jù)，記錄了車輛經(jīng)過高速公路收費(fèi)站的詳細(xì)信息，如進(jìn)出口收費(fèi)站點(diǎn)編號(hào)、車輛進(jìn)出收費(fèi)站時(shí)間、車型、車牌等數(shù)據(jù)，是研究高速公路出行的良好數(shù)據(jù)源。部分學(xué)者基于高速公路聯(lián)網(wǎng)收費(fèi)數(shù)據(jù)進(jìn)行了研究，但集中于旅行時(shí)間預(yù)測(cè)、交通流特征分析、短時(shí)流量預(yù)測(cè)等[9-11]，僅有少量學(xué)者基于收費(fèi)數(shù)據(jù)進(jìn)行高速公路出行群體的識(shí)別，如錢超等[12]利用ETC 收費(fèi)數(shù)據(jù)提取客戶細(xì)分指標(biāo)，基于大型應(yīng)用中的聚類（Clustering Large Applica?tions,CLARA）算法實(shí)現(xiàn)ETC 客戶的聚類分析，并采用分類與回歸樹（Classification and Regres?sion Tree,CART）算法提取ETC 客戶細(xì)分規(guī)則，最終將ETC 客戶細(xì)分為5 類；魏廣奇等[13]基于高速公路收費(fèi)數(shù)據(jù)，利用聚類方法只進(jìn)行通勤車輛識(shí)別，并分析通勤車輛的出行時(shí)空分布特征。

因此本文針對(duì)高速公路車輛群體分類研究較少且多只進(jìn)行部分類別辨識(shí)的情況，基于高速公路收費(fèi)數(shù)據(jù)，分析車輛出行特征并建立車輛出行指標(biāo)，利用K-means++無監(jiān)督學(xué)習(xí)算法，對(duì)高速公路出行車輛進(jìn)行群體分類辨識(shí)，將具有相似出行特征的車輛劃分到同一類別，并分析各類別的差異，以期為交管人員進(jìn)行精細(xì)化的、更有針對(duì)性的高速公路交通管控提供依據(jù)。

1 數(shù)據(jù)準(zhǔn)備及車輛分類流程

1.1 數(shù)據(jù)準(zhǔn)備

本文數(shù)據(jù)來源于重慶市某高速公路特定通道2018年7月2日—2018年7月29日小型客車（7座及以下）收費(fèi)數(shù)據(jù)，數(shù)據(jù)表設(shè)計(jì)見表1。2018年7月2 日—2018 年7 月29 日包含4 個(gè)完整周，其中工作日20d、周末8d。特定通道共包含5 個(gè)互通和8 個(gè)收費(fèi)站，左起南環(huán)互通，屬主城巴南區(qū)管轄，右至雙河口互通，屬南川區(qū)管轄，全長(zhǎng)約92.4km。為方便研究，將南環(huán)互通至雙河口互通方向定義為“出城方向”，反之為“進(jìn)城方向”。

表1 高速公路收費(fèi)數(shù)據(jù)主要字段

由于設(shè)備問題或人工操作失誤等原因，收費(fèi)數(shù)據(jù)可能包含個(gè)別錯(cuò)誤數(shù)據(jù)。為提高研究精度，降低錯(cuò)誤干擾，將存在缺失字段、車牌號(hào)錯(cuò)誤、進(jìn)站時(shí)間晚于出站時(shí)間、進(jìn)出站時(shí)間差大于24h等情況的錯(cuò)誤數(shù)據(jù)刪除，最終保留有效數(shù)據(jù)134.6萬條，對(duì)應(yīng)小型客車43.6萬輛。

1.2 車輛分類流程

基于收費(fèi)數(shù)據(jù)，統(tǒng)計(jì)每周“進(jìn)出城方向”各小時(shí)交通量變化情況，結(jié)果顯示：周五下午、周六及周日上午出城方向車流量大，而周六及周日下午進(jìn)城方向車流量較大。經(jīng)分析認(rèn)為，周末出城走親訪友的車輛增多，且受該地存在景區(qū)的影響，7 月后兩周的周末有大量游客前往通道附近景區(qū)游玩避暑。另外，統(tǒng)計(jì)車輛出行次數(shù)后發(fā)現(xiàn)：出行1 次的車輛占車輛總數(shù)的30.95%，無法對(duì)該部分車輛進(jìn)行個(gè)體出行規(guī)律分析。

若直接進(jìn)行聚類，出行總次數(shù)較少而占比較大的車輛會(huì)降低分類精確度。為提高車輛分類準(zhǔn)確性，本文采取“先定義后聚類”的方式，具體分類流程（見圖1）為：

（1）清洗原始數(shù)據(jù)；

（2）將出行1 次的車輛定義為“單次出行車輛群體”；

（3）出游或走親訪友車輛群體主要在周末出行而工作日基本無出行，因此篩選出周末有出行但工作日出行為零的車輛，定義為“出游或走親訪友車輛群體”；

（4）對(duì)剩余車輛構(gòu)建時(shí)空出行指標(biāo)，并將指標(biāo)作為聚類算法的輸入，將剩余車輛分類。

2 出行車輛群體辨識(shí)準(zhǔn)備

2.1 K-means++算法簡(jiǎn)介

圖1 車輛分類流程

K-means 作為經(jīng)典的劃分聚類算法，通過計(jì)算各數(shù)據(jù)點(diǎn)與質(zhì)心間的歐式距離，將其劃分到最近的質(zhì)心所在的簇，從而將數(shù)據(jù)點(diǎn)分為具有相似特征的k個(gè)簇。K-means 具有計(jì)算簡(jiǎn)單、處理大數(shù)據(jù)效率較高和伸縮性較強(qiáng)等特點(diǎn)，因此廣泛應(yīng)用于各個(gè)領(lǐng)域。但因其k個(gè)初始質(zhì)心是隨機(jī)抓取的，算法對(duì)初始質(zhì)心的選擇異常敏感。2007 年，Arthur 等[14]在K-means 的基礎(chǔ)上提出了Kmeans++聚類算法，該算法對(duì)初始質(zhì)心的選擇進(jìn)行了優(yōu)化，使得各初始質(zhì)心分布盡可能遠(yuǎn)，以消除K-means 因生成較近的初始質(zhì)心而產(chǎn)生的局部最優(yōu)解。本文將應(yīng)用K-means++聚類算法對(duì)車輛時(shí)空出行指標(biāo)進(jìn)行聚類，將車輛劃分到不同類別。K-means++算法步驟如下：

（1）選取數(shù)據(jù)集X中任一點(diǎn)作為第1 個(gè)聚類中心點(diǎn)c1。

（2）首先計(jì)算數(shù)據(jù)點(diǎn)x與已有聚類中心之間的最短距離dx，然后計(jì)算其他數(shù)據(jù)點(diǎn)被選為下一個(gè)聚類中心點(diǎn)的概率px[14]，最后按照輪盤法選擇下一個(gè)聚類中心，即：

式（1）～式（2）中：x為數(shù)據(jù)集X中的數(shù)據(jù)點(diǎn)；c為聚類中心點(diǎn)集C中的中心點(diǎn)。

（3）重復(fù)步驟（2），直至選出所需的k個(gè)聚類中心點(diǎn)。

（4）選出k個(gè)所需的聚類中心點(diǎn)后，逐一計(jì)算數(shù)據(jù)集中每一個(gè)x與k個(gè)中心點(diǎn)的距離d(x)，并將其劃分至距離最小的聚類中心。

（5）針對(duì)每個(gè)聚類中心，重新計(jì)算質(zhì)心作為新的聚類中心。

（6）重復(fù)步驟（4）和步驟（5），直至聚類中心不再變化或迭代次數(shù)達(dá)到預(yù)設(shè)值為止。

K-means++聚類算法需先確定最優(yōu)的聚類數(shù)k，使聚類產(chǎn)生高的簇內(nèi)相似度及低的簇間相似度。本文將分別在不同k值下計(jì)算兩個(gè)內(nèi)部質(zhì)量評(píng)價(jià)指標(biāo)：Calinski-Harabasz（CH）指標(biāo)及Da?vies-Bouldin（DB）指標(biāo)，以保證選擇最優(yōu)的k值。

2.2 車輛出行指標(biāo)構(gòu)建

將出行特征較明顯的車輛劃分到相應(yīng)群體后，對(duì)剩余車輛的出行時(shí)空分布進(jìn)行量化，作為K-means++聚類算法輸入。由于高速公路出行車輛中，通勤車輛及營(yíng)運(yùn)車輛具有明顯的時(shí)空穩(wěn)定性，出行強(qiáng)度、時(shí)間維度及空間維度特征能較好地描述車輛出行分布規(guī)律[15]。但因生產(chǎn)生活需要，高速公路出行車輛在工作日的出行較穩(wěn)定，而周末較分散。因此本文在“工作日”下，結(jié)合車輛出行數(shù)據(jù)，改進(jìn)RFM（最近一次交易（Recency），交易頻率（Frequency），交易金額（Monetary））指標(biāo)體系，分別從出行強(qiáng)度、時(shí)間維度及空間維度3 方面構(gòu)建出行指標(biāo)（見表2），以滿足表征不同類型車輛出行特征的基本原則，而“周末”的出行特征僅用于群體分類結(jié)果的進(jìn)一步驗(yàn)證。

表2 車輛分類指標(biāo)匯總

（1）出行強(qiáng)度

出行強(qiáng)度表征車輛出行的整體情況，包括工作日出行強(qiáng)度、工作日平均出行天數(shù)及其方差3個(gè)指標(biāo)。工作日出行強(qiáng)度是工作日出行總次數(shù)與工作日出行總天數(shù)的比值，代表著車輛日均出行的頻繁程度，如營(yíng)運(yùn)車輛工作日出行強(qiáng)度明顯高于通勤群體車輛。工作日平均出行天數(shù)及其方差則表征車輛在工作日出行天數(shù)的分布情況及穩(wěn)定性。

（2）時(shí)間維度

高速公路通勤車輛受限于工作時(shí)間要求，在時(shí)間維度上與城市通勤人群存在相似的早晚高峰出行特征，但高速公路通勤車輛晚高峰時(shí)段出行更為分散[13]。因此，本文統(tǒng)計(jì)車輛在工作日首次出行時(shí)間屬于早高峰時(shí)段（07:00—10:00）的周均天數(shù)和車輛在工作日午平峰（10:00—15:00）出行的周均天數(shù)兩個(gè)指標(biāo)，作為車輛的時(shí)間維度出行指標(biāo)。

（3）空間維度

出行OD 表征車輛在高速公路出行的空間分布，不同車輛群體的出行OD 穩(wěn)定性存在差異，如通勤車輛的往返OD 對(duì)較其他車輛更為固定。本文分別統(tǒng)計(jì)車輛進(jìn)城及出城方向OD 最大出行次數(shù)，并計(jì)算其與該車輛工作日出行總次數(shù)的比值，設(shè)定為工作日最大進(jìn)出城OD 出行占比指標(biāo)，描述車輛出行OD的穩(wěn)定性。

3 聚類結(jié)果與分析

3.1 聚類結(jié)果

基于重慶某高速公路特定通道2018 年7 月收費(fèi)數(shù)據(jù)，提取“單次出行”及“出游或走親訪友”的車輛，剩余24.1 萬輛車。計(jì)算剩余車輛的7 個(gè)出行指標(biāo)并進(jìn)行聚類。為提高聚類準(zhǔn)確性，避免各指標(biāo)數(shù)量級(jí)不同對(duì)聚類結(jié)果造成影響，首先利用Z 分?jǐn)?shù)（Z-score）算法將指標(biāo)標(biāo)準(zhǔn)化；然后根據(jù)CH 指標(biāo)及DB 指標(biāo)的計(jì)算結(jié)果，確定k為6 時(shí)獲得最優(yōu)聚類效果；最后將7 個(gè)指標(biāo)放入Kmeans++聚類算法模型中，并將聚類k值設(shè)為6，獲取最終聚類結(jié)果（見表3）。

表3 K-means++聚類結(jié)果

3.2 車輛群體定義

基于聚類結(jié)果，結(jié)合已定義的“單次出行”及“出游或走親訪友”兩類車輛群體，分析不同車輛類別的指標(biāo)分布情況（見圖2～圖4），并結(jié)合實(shí)際對(duì)各類群體進(jìn)行定義。

（1）類別1 出行特征明顯。周均出行天數(shù)多（3.34d），擁有穩(wěn)定的出行OD 對(duì)，出行強(qiáng)度較小（1.69 次/d），小時(shí)交通量呈明顯的早晚高峰分布（見圖3）。結(jié)合實(shí)際將類別1定義為“通勤車輛群體”，其在所有出行車輛中占比為0.43%。

（2）類別4 與類別1 有相似的周均出行天數(shù)，日均出行次數(shù)更多（2.54 次/d），但出行OD 對(duì)較分散，小時(shí)交通量在7：00—17：00 間無峰值，所以定義類別4為“營(yíng)運(yùn)車輛群體”，其在所有出行車輛中占比為0.39%。

圖2 出行總次數(shù)對(duì)應(yīng)車輛數(shù)占比

圖3 類別1、類別3、類別4的小時(shí)交通量對(duì)比

圖4 其余4類別的小時(shí)交通量對(duì)比

（3）類別3 的出行強(qiáng)度與類別1 相似，但周均出行天數(shù)較少，出行OD 較分散。車輛出行總次數(shù)較少，但每周工作日均有出行，該類別車輛出行規(guī)律與遠(yuǎn)距離出行進(jìn)行商務(wù)洽談的人群（如因工作需要頻繁出差的人群）出行規(guī)律相似，因此將其定義為“商務(wù)車輛群體”，在所有出行車輛中占比為5.53%。

（4）類別2 及類別6 的指標(biāo)中心點(diǎn)差距較小，雖然出行天數(shù)及出行強(qiáng)度分布存在一定區(qū)別，但兩類別90%以上的車輛在統(tǒng)計(jì)周期（4 周）內(nèi)出行總次數(shù)均小于6 次，小時(shí)交通量分布也基本重合（見圖4）。因此，將類別2 及類別6 合并為同一類別，并定義為“零星出行車輛群體”，其在所有出行車輛中占比為39.34%。

（5）類別5 的周均出行天數(shù)及出行強(qiáng)度是所有類別中最小的，其最大進(jìn)出城OD 出行占比呈兩極分化，表明該類別車輛大多在工作日僅出行一次且為出城出行。類別5 小時(shí)交通量呈現(xiàn)出工作日交通量極小，但周五下午及周六、周日突增的變化趨勢(shì)（見圖4）。該類別車輛出行特征與“出游或走親訪友車輛”的特征類似，因此將兩類別合并，共同定義為“出游或走親訪友車輛群體”，其在所有出行車輛中占比為23.37%。

4 分類結(jié)果分析及應(yīng)用

本文最終將車輛劃分為6 類，并分別定義為“單次出行”“通勤”“營(yíng)運(yùn)”“商務(wù)”“零星出行”及“出游或走親訪友”車輛群體。進(jìn)一步分析各類別的出行特征，高速公路交管人員可基于此針對(duì)不同類別車輛進(jìn)行精細(xì)化管理。

（1）高速公路存在具有出行強(qiáng)度高、特定線路出行占比大等特征的“非法營(yíng)運(yùn)車輛”[16]，這會(huì)嚴(yán)重危害路網(wǎng)行車安全。因此交管人員可基于本文提出的方法對(duì)歷史出行車輛進(jìn)行“營(yíng)運(yùn)車輛”識(shí)別，針對(duì)識(shí)別出的“營(yíng)運(yùn)車輛”，重點(diǎn)檢查其是否具備營(yíng)運(yùn)資格，可為打擊高速公路“非法營(yíng)運(yùn)”活動(dòng)提供依據(jù)，提高管控效率。

（2）進(jìn)一步分析“通勤車輛群體”的出行OD，發(fā)現(xiàn)車輛多集中在“南川收費(fèi)站—大觀收費(fèi)站”“南彭收費(fèi)站—G65巴南收費(fèi)站”及“南川收費(fèi)站—水江收費(fèi)站”等距離小于20km 的OD 對(duì)上出行。因此可考慮在“通勤車輛”出行較多的OD 對(duì)間增加早晚班車，而其余時(shí)段和路段適當(dāng)縮減班車車次，這樣既能緩解早晚高峰道路擁堵又能減少資源浪費(fèi)。

（3）88.12%的“出游或走親訪友”車輛為渝籍車輛，可知該特定通道內(nèi)景區(qū)多吸引重慶主城區(qū)人群游玩，景區(qū)可加大宣傳，提高對(duì)外地出游人群的吸引力，還可為出游車輛制定更為詳細(xì)的自駕游出行計(jì)劃及產(chǎn)品推送，提升車輛“復(fù)出游”率。細(xì)化分析該類別車輛出行時(shí)空偏好發(fā)現(xiàn)，78.45%的車輛在以“G65 巴南收費(fèi)站”為起點(diǎn)，景區(qū)附近收費(fèi)站為終點(diǎn)的OD 對(duì)上出行，且多集中在周五的14:00—19:00 及周六、周日早晚高峰時(shí)段。基于此，交管部門可在景區(qū)到達(dá)車輛過飽和時(shí)段對(duì)該類車輛進(jìn)行特定消息推送，引導(dǎo)車輛改變出游計(jì)劃，達(dá)到緩解周五下午及周六、周日交通擁堵的目的。

5 結(jié)語

本文應(yīng)用“先定義，后聚類”的方法，建立了一套較完整的高速公路小客車分類模型。首先定義了“單次出行”及“出游或走親訪友”出行群體，然后從出行強(qiáng)度、時(shí)間維度及空間維度3方面構(gòu)建指標(biāo)，利用K-means++算法進(jìn)行聚類，最后結(jié)合實(shí)際將出行車輛劃分為最佳的6類群體，分別為“單次出行”“通勤”“營(yíng)運(yùn)”“商務(wù)”“零星出行”及“出游或走親訪友”車輛群體。基于分類結(jié)果，交管部門可進(jìn)行“非法營(yíng)運(yùn)”車輛識(shí)別、班車頻次優(yōu)化、特定消息推送引導(dǎo)車輛錯(cuò)峰出行等工作，以提升高速公路管控效率和精細(xì)化服務(wù)水平。

本文只基于出行車輛群體分類辨識(shí)結(jié)果對(duì)各類別出行特征進(jìn)行描述，未來可進(jìn)一步研究車輛群體出行與高速公路各站點(diǎn)間流量分布的關(guān)聯(lián)性，并探析多類型客流分配。