劉小明，顧惠楠，董路熙，尚春琳

(北方工業(yè)大學(xué)城市道路智能交通控制技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100144)

用信息化和智能化技術(shù)探索城市交通態(tài)勢(shì)演化規(guī)律、提升交通運(yùn)行效率，是現(xiàn)代城市交通管控的重大需求.城市交通系統(tǒng)的智能化和科學(xué)化管理與服務(wù)離不開(kāi)對(duì)城市交通態(tài)勢(shì)演化規(guī)律深入分析，掌握城市道路交通態(tài)勢(shì)演化規(guī)律是提高城市智能交通系統(tǒng)智能化水平的重要手段.如何利用現(xiàn)有交通信息辨識(shí)交通態(tài)勢(shì)，挖掘交通態(tài)勢(shì)演化規(guī)律，準(zhǔn)確評(píng)估交通態(tài)勢(shì)影響程度和范圍，是城市道路交通態(tài)勢(shì)演化問(wèn)題研究的主要方向.

本文梳理了交通態(tài)勢(shì)表征及辨識(shí)、交通態(tài)勢(shì)演化分析和交通態(tài)勢(shì)影響評(píng)估3個(gè)方面的國(guó)內(nèi)外城市道路交通態(tài)勢(shì)演化領(lǐng)域相關(guān)研究?jī)?nèi)容.通過(guò)國(guó)內(nèi)外研究發(fā)現(xiàn)了幾點(diǎn)不足：①交通態(tài)勢(shì)的表征及辨識(shí)缺乏中微觀特征的考量，且缺乏對(duì)交通運(yùn)行狀態(tài)變化趨勢(shì)的深入研究；②交通態(tài)勢(shì)演化分析多基于單一物理空間；③交通態(tài)勢(shì)影響評(píng)估缺乏在不同方面、不同因素、不同層次對(duì)交通態(tài)勢(shì)影響的綜合評(píng)估，且評(píng)估方法中缺乏對(duì)同一交通狀態(tài)不同變化趨勢(shì)的差異分析，難以實(shí)現(xiàn)對(duì)交通態(tài)勢(shì)影響的全面評(píng)估.針對(duì)上述不足，指出了城市道路交通態(tài)勢(shì)演化領(lǐng)域未來(lái)可能的研究發(fā)展方向.

1 交通態(tài)勢(shì)演化分析

城市道路交通態(tài)勢(shì)演化是一個(gè)復(fù)雜的動(dòng)態(tài)過(guò)程，其演化特征受多要素相互作用的影響，具有自組織、隨機(jī)性、復(fù)雜性等特點(diǎn).掌握城市道路交通態(tài)勢(shì)演化規(guī)律可為城市交通系統(tǒng)的有效管控提供重要支撐，因此一直得到國(guó)內(nèi)外研究人員的廣泛關(guān)注.以下主要從交通態(tài)勢(shì)表征及辨識(shí)、交通態(tài)勢(shì)演化分析和交通態(tài)勢(shì)影響評(píng)估3個(gè)方面對(duì)國(guó)內(nèi)外研究現(xiàn)狀加以總結(jié)和分析，交通態(tài)勢(shì)演化規(guī)律知識(shí)框架，如圖1所示.

圖1 交通態(tài)勢(shì)演化規(guī)律知識(shí)框架

首先通過(guò)對(duì)道路交通運(yùn)行態(tài)勢(shì)進(jìn)行準(zhǔn)確、快捷地辨識(shí)，進(jìn)而發(fā)現(xiàn)交通狀態(tài)復(fù)雜的變化模式，然后分析挖掘出交通態(tài)勢(shì)的演化規(guī)律，最后通過(guò)交通態(tài)勢(shì)影響評(píng)估為交通管理者的決策提供科學(xué)支撐.

1.1 交通態(tài)勢(shì)表征及辨識(shí)

開(kāi)展交通態(tài)勢(shì)表征及辨識(shí)是交通態(tài)勢(shì)演化分析的基礎(chǔ)，能保證交通態(tài)勢(shì)影響評(píng)估的準(zhǔn)確性，對(duì)于制定針對(duì)性的交通管理和控制措施具有重要意義，基于此，國(guó)內(nèi)外研究人員對(duì)交通態(tài)勢(shì)表征及辨識(shí)方法展開(kāi)了一系列的研究，從空間范圍上總體可分為兩類：路段交通態(tài)勢(shì)表征和辨識(shí)、路網(wǎng)交通態(tài)勢(shì)表征和辨識(shí).《城市交通運(yùn)行狀況評(píng)價(jià)規(guī)范》中分別對(duì)路段和路網(wǎng)交通狀況進(jìn)行了等級(jí)劃分[1]，如表1、表2所示.

表1 路段交通運(yùn)行狀況等級(jí)劃分表

表2 道路網(wǎng)交通運(yùn)行狀態(tài)等級(jí)劃分表

1.1.1 路段交通態(tài)勢(shì)表征和辨識(shí)

在路段交通態(tài)勢(shì)表征和辨識(shí)研究中，Khan等[2]結(jié)合CVT-AI模型構(gòu)建了基于交通密度和服務(wù)水平的路段交通狀態(tài)表征模型；Chakraborty等[3]基于YOLO和深度卷積神經(jīng)網(wǎng)絡(luò)融合算法提取流量、速度和占有率來(lái)表征路段交通擁堵和未擁堵?tīng)顟B(tài)；Xu等[4]構(gòu)造路段交通流量和交通密度的特征核函數(shù)，基于核K最近鄰算法表征道路交通狀態(tài)；Yang等[5]以平均速度、交通流時(shí)間序列作為交通特征，基于新混合卷積長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型辨識(shí)交通潮汐狀態(tài)；Zhu等[6]基于行程—旅行時(shí)間概率分配模型表征路段旅行時(shí)間不確定性，在此基礎(chǔ)上對(duì)道路交通通行狀態(tài)進(jìn)行辨識(shí)；商強(qiáng)、林賜云等[7]結(jié)合譜聚類和隨機(jī)子空間集成K最近鄰算法辨識(shí)4種道路交通狀態(tài)(順暢、平穩(wěn)、擁擠、擁堵)；黃麗平[8]以路段通行速度與自由流速度比率值作為道路狀態(tài)表征值，基于概率PCA-EM聚簇算法識(shí)別交通擁堵?tīng)顟B(tài).

1.1.2 路網(wǎng)交通態(tài)勢(shì)表征和辨識(shí)

相對(duì)于路段交通而言，開(kāi)展路網(wǎng)交通態(tài)勢(shì)表征和辨識(shí)研究更有助于從整體上掌握城市道路交通運(yùn)行狀態(tài)及變化趨勢(shì)，路網(wǎng)交通由于涉及多個(gè)路段間的相互作用，其態(tài)勢(shì)表征和辨識(shí)的研究?jī)?nèi)容和研究重點(diǎn)也發(fā)生了很大變化.在路網(wǎng)交通態(tài)勢(shì)表征和辨識(shí)研究中，Calvert等[9]構(gòu)建彈性路段行能指數(shù)，分析各路段交通狀態(tài)(延誤時(shí)間、自由流速度和交通流量)因特殊事件的變化相關(guān)性(擁堵擴(kuò)散、路段擁塞恢復(fù)時(shí)間等)；Duan等[10]基于道路拓?fù)?、時(shí)變速度、旅行時(shí)間等特征參數(shù)構(gòu)建了路網(wǎng)交通狀況自適應(yīng)的時(shí)空整合移動(dòng)平均自回歸(STARIMA)模型；Ping等[11]分析了突發(fā)事件下駕駛行為對(duì)實(shí)際道路網(wǎng)絡(luò)交通態(tài)勢(shì)的影響程度，建立了基于路網(wǎng)抗毀可靠性的突發(fā)事件安全態(tài)勢(shì)感知模型；張建旭等[12]用線上地圖的道路歷史延時(shí)指數(shù)等表征交通擁堵?tīng)顟B(tài)，分別建立了道路實(shí)時(shí)擁堵和極限擁堵?tīng)顟B(tài)的量化模型；王寧[13]基于交通趨勢(shì)速度和交通環(huán)境表征時(shí)間相似性約束下的元路徑擁塞模式，并根據(jù)k-POD和Gaussian-Means組合聚類算法，識(shí)別路網(wǎng)不同交通運(yùn)行狀態(tài).

通過(guò)上述研究可看出，國(guó)內(nèi)外學(xué)者在交通態(tài)勢(shì)的表征及辨識(shí)方面做出了許多扎實(shí)的工作，尤其是在以路網(wǎng)交通為對(duì)象的研究中，涵蓋了交通擁堵和交通安全等多類交通運(yùn)行態(tài)勢(shì)如何表征和辨識(shí)的成果.但從總體上看，目前的研究仍存在以下問(wèn)題需進(jìn)一步解決：

1)現(xiàn)有研究大多是從宏觀角度表征交通狀態(tài)，缺乏對(duì)交通狀態(tài)時(shí)域內(nèi)所包含交通參數(shù)的相似度、梯度、功率譜密度等中微觀特征的深刻挖掘，未能構(gòu)建宏觀—中觀—微觀多層次交通狀態(tài)特征時(shí)空關(guān)聯(lián)關(guān)系；

2)已有研究多集中在交通狀態(tài)本身的表征和辨識(shí)上，而對(duì)交通運(yùn)行狀態(tài)變化趨勢(shì)(如“生成”“傳播”“遷移”等長(zhǎng)時(shí)趨勢(shì)及“加速”“突變”等短時(shí)趨勢(shì))特征的刻畫方面鮮有涉及.

1.2 交通態(tài)勢(shì)演化分析

對(duì)交通態(tài)勢(shì)準(zhǔn)確識(shí)別有助于揭示交通態(tài)勢(shì)演化機(jī)理，二者使交通態(tài)勢(shì)的影響評(píng)估有理可依，有助于制定合理有效的交通管理與控制策略.在交通態(tài)勢(shì)演化分析方面，國(guó)內(nèi)外研究方法主要可分為3類：交通流理論分析、復(fù)雜網(wǎng)絡(luò)分析、時(shí)空序列分析.

1.2.1 基于交通流理論的交通態(tài)勢(shì)演化分析

在應(yīng)用交通流理論進(jìn)行交通態(tài)勢(shì)演化分析中，主要采用的模型有元胞傳輸模型、宏觀基本圖模型等.在元胞傳輸建模分析方面較典型的研究包括：Ma等[14]構(gòu)建了黏彈性元胞傳輸自組織模型，分析了不同初始交通密度和交通速度下的交通態(tài)勢(shì)時(shí)空演變模式；Long等[15]建立了蒙特卡洛的隨機(jī)鏈路元胞傳輸模型，捕獲受排隊(duì)溢出和流量傳播影響的交通態(tài)勢(shì)隨機(jī)演變；Kouhi等[16]結(jié)合鏈路元胞傳輸模型和K-MEANS聚類算法識(shí)別交通態(tài)勢(shì)3階段，并通過(guò)Shannon熵分析鏈路時(shí)間窗的態(tài)勢(shì)3階段演化速度和躍遷范圍；Weg等[17]考慮交通向前和向后移動(dòng)波，通過(guò)鏈路元胞傳輸模型描述鏈路態(tài)勢(shì)傳播過(guò)程.在宏觀基本圖建模分析方面較典型的研究包括：Leclercq等[18]結(jié)合宏觀基本圖和LWR模型分析了不同擁塞模式對(duì)路網(wǎng)交通狀態(tài)加載、遲滯、恢復(fù)和傳播過(guò)程；Mohajerpoor等[19]利用宏觀基本圖將異構(gòu)擁塞網(wǎng)絡(luò)劃分成多個(gè)均勻區(qū)域，進(jìn)一步分析了區(qū)域間因交通需求波動(dòng)引起的交通狀態(tài)變化現(xiàn)象；林曉輝、徐建閩等[20]在車聯(lián)網(wǎng)環(huán)境下建立了自適應(yīng)加權(quán)平均的路網(wǎng)宏觀基本圖融合模型，通過(guò)不同加權(quán)流量和加權(quán)交通密度估計(jì)路網(wǎng)MFD狀態(tài).

1.2.2 基于復(fù)雜網(wǎng)絡(luò)的交通態(tài)勢(shì)演化分析

隨著復(fù)雜網(wǎng)絡(luò)理論的發(fā)展，國(guó)內(nèi)外學(xué)者開(kāi)始將其應(yīng)用于道路網(wǎng)絡(luò)交通演化規(guī)律研究中，Saberi等[21]基于復(fù)雜網(wǎng)絡(luò)方法表征城市不同區(qū)域的交通加權(quán)流量特性，挖掘路網(wǎng)交通態(tài)勢(shì)演變模式；Zhang等[22]結(jié)合路網(wǎng)拓?fù)浣Y(jié)構(gòu)和擁堵持續(xù)事件建立了一種時(shí)空共置的交通態(tài)勢(shì)模式挖掘方法，分析城市道路受交通事件影響的態(tài)勢(shì)傳播模式；Niu等[23]基于復(fù)雜網(wǎng)絡(luò)理論對(duì)道路網(wǎng)絡(luò)節(jié)點(diǎn)具有標(biāo)簽語(yǔ)義的軌跡進(jìn)行建模，捕獲節(jié)點(diǎn)間交通流變化特性，分析道路網(wǎng)絡(luò)交通流演化規(guī)律；Liu等[24]構(gòu)建了L空間加權(quán)交通網(wǎng)絡(luò)和中間度的近似算法，對(duì)全局路網(wǎng)交通狀態(tài)在各關(guān)鍵節(jié)點(diǎn)間的動(dòng)態(tài)演化過(guò)程進(jìn)行了分析；劉杰等[25]構(gòu)建基于相鄰路段交通負(fù)載和長(zhǎng)度分配負(fù)載的網(wǎng)絡(luò)級(jí)聯(lián)失效模型，通過(guò)擁堵指數(shù)分析宏觀網(wǎng)絡(luò)失效和擁堵失效規(guī)律.

1.2.3 基于時(shí)間序列的交通態(tài)勢(shì)演化分析

隨著云計(jì)算、大數(shù)據(jù)、互聯(lián)網(wǎng)等技術(shù)的不斷發(fā)展，基于數(shù)據(jù)驅(qū)動(dòng)的交通態(tài)勢(shì)演化分析方法越來(lái)越得到國(guó)內(nèi)外學(xué)者的關(guān)注，在這方面的研究中，Ryu等[26]基于路段間交通流量時(shí)空相關(guān)性構(gòu)建了路網(wǎng)交通狀態(tài)特征變化向量，挖掘路網(wǎng)狀態(tài)向量在季節(jié)、交通事故、交通擁堵等條件下的時(shí)空變化規(guī)律；Zou等[27]構(gòu)建了基于交通流量的反向傳播雙向極限學(xué)習(xí)機(jī)模型，分析交通狀態(tài)隨時(shí)間推演的動(dòng)態(tài)過(guò)程；Zhang等[28]根據(jù)分層結(jié)構(gòu)解析交通態(tài)勢(shì)空間分布特性，并結(jié)合馬爾可夫轉(zhuǎn)移模型研究交通狀態(tài)周期性空間傳播過(guò)程；Reina等[29]基于交通擁堵從穩(wěn)態(tài)到消散的過(guò)渡模型分析擁堵?tīng)顟B(tài)的空間演變速率規(guī)律；Guo等[30]基于校準(zhǔn)模塊量化交通態(tài)勢(shì)中時(shí)空相關(guān)性的貢獻(xiàn)差異值，構(gòu)建了ST-3DNet深度學(xué)習(xí)模型分析不同交通狀態(tài)模式；陳振華[31]基于FP-growth的頻繁擁塞子圖發(fā)現(xiàn)算法分析路網(wǎng)中交通擁塞時(shí)空傳播的動(dòng)態(tài)過(guò)程.

綜合上述研究可發(fā)現(xiàn)，交通流理論和復(fù)雜網(wǎng)絡(luò)研究方法能在一定程度上揭示交通運(yùn)行態(tài)勢(shì)的演化機(jī)理，但由于交通系統(tǒng)的復(fù)雜性，單純采用上述方法可能會(huì)因理想假設(shè)和參數(shù)設(shè)置導(dǎo)致研究結(jié)果出現(xiàn)“失真”的問(wèn)題.因此，在目前多源數(shù)據(jù)環(huán)境下，將數(shù)據(jù)驅(qū)動(dòng)與交通流理論、復(fù)雜網(wǎng)絡(luò)分析方法等相結(jié)合，充分挖掘海量交通時(shí)空數(shù)據(jù)的隱藏價(jià)值，更有助于深入探索交通系統(tǒng)演化規(guī)律.在實(shí)際城市交通系統(tǒng)中，交通態(tài)勢(shì)演化會(huì)受到交通需求、路網(wǎng)結(jié)構(gòu)、交通環(huán)境、管控策略等多類要素相互作用的影響，尤其是極端天氣、交通事故、臨時(shí)交通管制等非常態(tài)下交通態(tài)勢(shì)更是復(fù)雜多變，對(duì)其演化規(guī)律的把握面臨極大挑戰(zhàn).而從研究現(xiàn)狀來(lái)看，已有研究多基于單一物理空間，由于特殊樣本數(shù)量、信息類型、數(shù)據(jù)時(shí)效性等限制，難以有效解決上述瓶頸問(wèn)題，交通態(tài)勢(shì)演化機(jī)理研究必定要突破單一空間的限制，因此，充分考慮物理傳感器數(shù)據(jù)、輿情數(shù)據(jù)和社交網(wǎng)絡(luò)數(shù)據(jù)的關(guān)聯(lián)性與互補(bǔ)性，研究面向多元空間、多交通要素作用下的交通態(tài)勢(shì)演化關(guān)聯(lián)協(xié)同分析方法具有重要價(jià)值.

1.3 交通態(tài)勢(shì)影響評(píng)估

交通態(tài)勢(shì)的識(shí)別和演化分析能支撐交通態(tài)勢(shì)影響評(píng)估結(jié)果的可靠性.通過(guò)對(duì)城市交通態(tài)勢(shì)的準(zhǔn)確評(píng)估，可及時(shí)確定交通態(tài)勢(shì)的影響程度和影響范圍，基本的交通流參數(shù)是描述城市交通狀態(tài)的量化指標(biāo)，主要包括：交通流三要素以及占有率、排隊(duì)長(zhǎng)度、平均延誤等.標(biāo)準(zhǔn)的評(píng)價(jià)指標(biāo)包括：行程時(shí)間可靠性指數(shù)、交通運(yùn)行指數(shù)和交通擁堵率等.近年來(lái)，國(guó)內(nèi)外學(xué)者主要采用多指標(biāo)評(píng)估對(duì)其進(jìn)行了研究，較典型的研究包括：Nogal等[32]提出了一種新的概率指標(biāo)，用以評(píng)估極端天氣下的道路網(wǎng)絡(luò)交通安全態(tài)勢(shì)；Fan等[33]融合地理空間映射和深長(zhǎng)短期記憶(deep long short-term memory，DLSTM)神經(jīng)網(wǎng)絡(luò)對(duì)城市運(yùn)輸通道的交通態(tài)勢(shì)進(jìn)行評(píng)估；Gecchele[34]基于平均速度、旅行時(shí)間和通行能力等不同指標(biāo)，對(duì)路網(wǎng)交通態(tài)勢(shì)的影響程度進(jìn)行了評(píng)估；Chen等[35]基于網(wǎng)格模型提取交通流量累積比和平均速度2個(gè)關(guān)鍵交通參數(shù)，從而評(píng)估交通狀況；Yang等[36]選擇道路擁堵里程、道路占有率、車輛密度3個(gè)交通參數(shù)，構(gòu)建了基于轉(zhuǎn)移概率和SUMO框架的交通狀態(tài)評(píng)估模型；譚星[37]基于黃金分割法劃分了評(píng)價(jià)指標(biāo)(最大排隊(duì)長(zhǎng)、區(qū)間平均速度、路段平均延誤)模糊區(qū)間，并結(jié)合模糊關(guān)系矩陣和隸屬度函數(shù)建立了交通態(tài)勢(shì)評(píng)價(jià)模型；郭一凡[38]構(gòu)建了基于重要度加權(quán)的受常發(fā)性和偶發(fā)性擁堵事件下“點(diǎn)—線—面”交通擁堵強(qiáng)度評(píng)價(jià)方法；李婷婷[39]基于層次分析法和信息熵確定累積流量、平均速度和排隊(duì)長(zhǎng)度等多屬性權(quán)重，并根據(jù)模糊判斷法建立了多屬性交通狀態(tài)評(píng)價(jià)模型.

從上述研究可看出，一方面，國(guó)內(nèi)外學(xué)者針對(duì)交通態(tài)勢(shì)影響評(píng)估取得了系列成果，對(duì)于合理量化城市交通運(yùn)行狀況具有重要意義；但另一方面，現(xiàn)有研究中還存在一些問(wèn)題需要深入探討：

1)現(xiàn)有研究多是針對(duì)交通態(tài)勢(shì)宏觀層面的影響分析，往往缺乏交通態(tài)勢(shì)影響在不同方面(擁堵態(tài)勢(shì)、安全態(tài)勢(shì)等)、不同層次(微觀、中觀、宏觀)、不同因素(事故、天氣等)的綜合評(píng)估，難以快速直觀的體現(xiàn)路網(wǎng)運(yùn)行的關(guān)鍵問(wèn)題點(diǎn)，因此有必要針對(duì)微觀、中觀、宏觀的態(tài)勢(shì)評(píng)估需求差異和特征要素差異，開(kāi)展多方面、多層次、多因素的交通態(tài)勢(shì)分層分級(jí)評(píng)估研究；

2)現(xiàn)有研究多是基于交通狀態(tài)宏觀表征量(如累積流量、平均速度、擁堵長(zhǎng)度等)的評(píng)估，較少考慮各種交通狀態(tài)本身的變化速度、變化方向、變化極限等特性，評(píng)估方法中缺乏對(duì)同一交通狀態(tài)不同變化趨勢(shì)的差異分析，難以實(shí)現(xiàn)對(duì)交通態(tài)勢(shì)影響的全面評(píng)估，進(jìn)行交通狀態(tài)與其變化趨勢(shì)的融合評(píng)估方法研究也是需解決的重要問(wèn)題之一.

2 總結(jié)及展望

總的來(lái)看，國(guó)內(nèi)外學(xué)者在交通態(tài)勢(shì)表征及辨識(shí)、交通態(tài)勢(shì)演化分析、交通態(tài)勢(shì)影響評(píng)估等方面已做出了許多扎實(shí)有效的工作，對(duì)于理解和把握交通態(tài)勢(shì)演化規(guī)律、制定合理有效的交通管控策略具有重要的理論參考價(jià)值和現(xiàn)實(shí)應(yīng)用意義.結(jié)合當(dāng)前背景下城市交通態(tài)勢(shì)演化分析的實(shí)際需求，現(xiàn)有研究仍存在著數(shù)據(jù)空間單一、影響要素維度少、趨勢(shì)特征粒度粗、多層次融合缺乏等問(wèn)題，交通態(tài)勢(shì)演化機(jī)理仍需深入探究，在路網(wǎng)交通態(tài)勢(shì)分層表征及多層次關(guān)聯(lián)辨識(shí)、多要素作用下路網(wǎng)交通態(tài)勢(shì)演化跨空間協(xié)同分析、面向不同評(píng)估分級(jí)的關(guān)鍵交通要素提取及交通態(tài)勢(shì)分級(jí)評(píng)估模型構(gòu)建等關(guān)鍵技術(shù)問(wèn)題方面仍待進(jìn)一步突破.

基于上述總結(jié)分析，結(jié)合國(guó)內(nèi)外最新技術(shù)提出了城市道路交通態(tài)勢(shì)演化領(lǐng)域未來(lái)的研究方向：①通過(guò)構(gòu)建宏觀—中觀—微觀多層次交通狀態(tài)特征時(shí)空關(guān)聯(lián)關(guān)系，完善融合路網(wǎng)交通運(yùn)行狀態(tài)變化趨勢(shì)的分層次表征及辨識(shí)方法，實(shí)現(xiàn)交通態(tài)勢(shì)演化機(jī)理的精準(zhǔn)捕捉；②研究面向多元空間多交通要素作用下的交通態(tài)勢(shì)演化關(guān)聯(lián)協(xié)同分析方法，深入探索交通系統(tǒng)演化規(guī)律；③通過(guò)對(duì)交通態(tài)勢(shì)及其變化趨勢(shì)進(jìn)行分層分級(jí)綜合評(píng)估，突破不同評(píng)估分級(jí)的關(guān)鍵交通要素提取和交通態(tài)勢(shì)影響全面評(píng)估模型構(gòu)建等重要技術(shù)問(wèn)題.