李甜，李瑞玲，張萌萌，宋欣航，王帥琦

1.山東交通學院 交通與物流工程學院，山東 濟南 250357；2.西南交通大學 利茲學院，四川 成都 610000

0 引言

交通擁堵是許多城市面臨的嚴重問題之一[1-3]。為了制訂有效的交通管制方案以緩解交通擁堵，需要對交通狀態(tài)進行識別[4-7]。以往的研究大多集中在基于微觀交通流/宏觀交通流的交通狀態(tài)演化[8-13]，但依賴于仿真數(shù)據(jù)并且試驗數(shù)據(jù)難以描述實際的擁堵問題。隨著交通大數(shù)據(jù)的發(fā)展，一些學者利用實際交通數(shù)據(jù)[14-17]，特別是軌跡數(shù)據(jù)來評估交通狀態(tài)[18-20]。韋偉[21]利用全球定位系統(tǒng)(global positioning system，GPS)數(shù)據(jù)將交通狀態(tài)分為非阻塞聚集型、非阻塞非均勻型、擁塞聚集型和擁塞非均勻型4種類型。這些研究都是基于路段來估計交通狀態(tài)，需要花費大量的精力才能將軌跡與路網(wǎng)進行匹配。本文利用成都市網(wǎng)約車軌跡數(shù)據(jù)，基于網(wǎng)格模型和K-Means算法估計交通狀態(tài)，分析不同的擁堵類型及其時空分布特征。

1 數(shù)據(jù)來源與交通狀態(tài)判別

1.1 研究區(qū)域概況與數(shù)據(jù)來源

研究數(shù)據(jù)來自成都市部分區(qū)域脫敏浮動車軌跡數(shù)據(jù)。研究區(qū)域與成都市網(wǎng)約車軌跡覆蓋的數(shù)據(jù)區(qū)域相同，如圖1中方框陰影部分所示。研究區(qū)域的經(jīng)緯度范圍分別為北緯30.65°～30.72°、東經(jīng)104.04°～104.12°。數(shù)據(jù)信息包含訂單號、緯度和經(jīng)度信息、時間戳和司機編號。數(shù)據(jù)采樣間隔約為3 s。本文選取2016-11-09(周三)的數(shù)據(jù)作為工作日的出行數(shù)據(jù)進行實證分析。

圖1 研究區(qū)域

通過經(jīng)緯度數(shù)據(jù)和時間戳數(shù)據(jù)獲取車輛瞬時車速和行駛距離，對采樣間隔、行駛距離、車輛瞬時車速、經(jīng)緯度數(shù)據(jù)進行預處理，刪除采樣間隔過大、行駛距離與瞬時車速不合理、經(jīng)緯度超出范圍的數(shù)據(jù)，以提高數(shù)據(jù)質(zhì)量。

1.2 交通狀態(tài)判別方法

1.2.1 網(wǎng)格劃分

圖2 網(wǎng)格模型

交通狀態(tài)計算利用網(wǎng)格內(nèi)有效軌跡點的平均車速作為計算指標，計算公式為：

(1)

1.2.2 交通狀態(tài)的判別

文獻[26]根據(jù)車速將交通狀態(tài)劃分為暢通(vi≥25 km/h)、緩慢(15 km/h≤vi<25 km/h)、擁堵(vi<15 km/h)3個等級。

為了研究交通狀態(tài)在時間維度上的變化規(guī)律，本文選取早高峰時段7：00—8：00，以10 min為間隔，根據(jù)瞬時車速，由式(1)計算vi，計算結(jié)果如圖3所示，圖3中紅、黃、綠色的車速范圍分別為[0,15)、[15,25)、[25,120) km/h。

圖3 7：00—8：00時段的交通狀態(tài)分布

從圖3可以看出：6個時段內(nèi),部分網(wǎng)格交通狀態(tài)均呈暢通狀態(tài)，部分網(wǎng)格交通狀態(tài)為持續(xù)擁堵狀態(tài)，部分網(wǎng)格交通狀態(tài)在暢通、緩慢、擁堵間多次變化，為識別每個網(wǎng)格在時間維度上的演變規(guī)律，本文通過聚類方法對每個網(wǎng)格不同時段的交通狀態(tài)進行聚類分析。

2 交通狀態(tài)的演變模式識別與分析

2.1 K-Means聚類

為研究交通狀態(tài)在空間維度和時間維度上的演變特征，通過K-Means聚類算法識別交通狀態(tài)的演變模式，采用歐式距離計算網(wǎng)格之間的距離，將距離相近的網(wǎng)格分為一類，即將交通狀態(tài)演變模式相似性較高的網(wǎng)格劃分為一類。歐式距離計算公式為：

(2)

式中：dip為網(wǎng)格i到網(wǎng)格p之間的歐式距離；xik為網(wǎng)格i第k(k=1,2,…,6)個時段的交通狀態(tài)值，其中暢通xik=1、緩行xik=2、擁堵xik=3；xpk為網(wǎng)格p第k個時段的交通狀態(tài)值。

本文采用逐個試驗法分別選取2、3、4、5、6、7個聚類中心進行對比分析，最終根據(jù)聚類中心的交通狀態(tài)特征選擇了4個聚類中心，并以聚類中心的交通狀態(tài)演變模式代表該類網(wǎng)格的交通狀態(tài)演變模式。

2.2 聚類分析結(jié)果

4個聚類中心的交通狀態(tài)隨時間的變化特征如表1所示。根據(jù)不同交通狀態(tài)時間維度的變化特征，將網(wǎng)格的交通演變模式分為持續(xù)暢通型、輕度緩行型、持續(xù)緩行型、持續(xù)擁堵型4種類型。比如：聚類中心2，該類網(wǎng)格在7：00—8：00時段每隔10 min的交通狀態(tài)變化依次為緩行暢通緩行緩行暢通緩行，則定義該類網(wǎng)格的交通演變模式為輕度緩行型。

表1 聚類結(jié)果

2.3 時間維度特征分析

根據(jù)表1對網(wǎng)格類型進行統(tǒng)計分析，每類網(wǎng)格數(shù)目及占比如圖4所示。由圖4可以看出：研究區(qū)域總體交通狀態(tài)較好，網(wǎng)格內(nèi)交通狀態(tài)變化幅度不大。

圖4 每種聚類的網(wǎng)格數(shù)及百分比

2.4 空間維度特征分析

從空間維度分析網(wǎng)格交通狀態(tài)演變特征，并挖掘部分區(qū)域交通狀態(tài)演變的內(nèi)在原因，將網(wǎng)格空間分布圖與部分網(wǎng)格的百度路網(wǎng)圖進行組合[27]，如圖5所示。從圖5可以看出：輕度緩行型及持續(xù)緩行型區(qū)域主要分布在一環(huán)路以內(nèi)。持續(xù)擁堵區(qū)域整體分布較為分散，相對集中在天府廣場旁邊的人民東路/西路附近，如東城根南街與人民西路交匯的上下游路段、人民中路一段(2條單行道)、人民東路-順城大街交叉口。

圖5 不同類型網(wǎng)格空間分布及成都市部分持續(xù)擁堵區(qū)域百度路網(wǎng)圖

東城根南街與人民西路交匯的上下游路段較短，長度僅有180 m，路段的蓄車能力不足，若上下游信號配時不協(xié)調(diào)，易導致路段車輛車速緩慢，甚至發(fā)生擁堵；同時道路兩側(cè)商店密集，吸引了大量行人，雖然該路段設有人行道，仍存在行人通行與機動車通行的相互干擾問題，加劇了路段的擁堵。

人民中路一段周邊有四川省圖書館、四川省科技館、天府廣場等文化休閑設施，該區(qū)域交通流量較大，加之該路段為單行道，單向3車道，其中1車道為公交車專用道，有限的道路資源不能滿足機動車通行需求，因此成為持續(xù)擁堵區(qū)域。

人民東路-順城大街交叉口周邊商場密集，交通流量較大，且該交叉口空間范圍較大，進口道與出口道距離為100 m，雖然交叉口內(nèi)設置了待行區(qū)，但過大范圍的交叉口依然影響交叉口的通行效率，增加了交通擁堵風險。

3 結(jié)論

1)以網(wǎng)格為單位估計交通狀態(tài)比將軌跡與路網(wǎng)進行匹配更具可操作性。本文基于網(wǎng)格模型對成都市的交通狀態(tài)進行分析，為交通狀態(tài)估計提供了新的視角。

2)通過K-Means算法將相似網(wǎng)格分類，將交通狀態(tài)分為持續(xù)暢通型、輕度緩行型、持續(xù)緩行型和持續(xù)擁堵型4種類型。其中持續(xù)暢通型網(wǎng)格占比較大，主要集中在成都市二環(huán)路；輕度緩行型及持續(xù)緩行型主要分布在一環(huán)路以內(nèi)；持續(xù)擁堵區(qū)域整體分布較為分散。

3)早高峰時段7：00—8：00成都市交通狀況良好，天府廣場人民東路/西路附近為連續(xù)擁堵區(qū)域，需要在交通管理和控制上有所側(cè)重。