郭富成，王慶國*，萬 婕

（1.武漢科技大學汽車與交通工程學院，湖北 武漢 430065）

傳統(tǒng)的交通狀態(tài)監(jiān)測只是基于有限的道路斷面，對交通狀態(tài)的感受局限于“點”和“線”，難以對宏觀路網的交通狀態(tài)進行實時感知和把握。隨著各種智能傳感器網絡的布設和浮動車等多種實時交通信息采集手段的廣泛使用，持續(xù)獲取大范圍路網的實時交通狀態(tài)信息成為可能[1-5]。在此基礎上，諸如高德地圖等網絡地圖都提供路網的實時交通狀態(tài)信息服務。

本文以武漢市路網為研究對象，基于高德地圖API，首先借助網絡爬蟲技術，對路網中主要道路的實時交通狀態(tài)數據進行連續(xù)采集；然后分別從時間維、空間維和時空組合維幾個角度分析研究了武漢市路網交通狀態(tài)的發(fā)展演化規(guī)律。

1 基于高德地圖的路網實時交通狀態(tài)數據采集

1.1 網絡地圖中的交通狀態(tài)特點分析

與傳統(tǒng)的基于有限道路斷面采集的交通狀態(tài)相比，網絡地圖中的交通狀態(tài)具有如下特點:

1）時空覆蓋度高。網絡地圖中的交通狀態(tài)主要是通過將浮動車GNSS 數據與網絡地圖的定位導航數據進行多元融合，并綜合運用海量用戶的出行數據上報機制和數據挖掘等分析手段產生的[6-8]。用戶的海量性，再加上數據挖掘分析手段的使用，使網絡地圖中的交通狀態(tài)最大限度地實現了全路網覆蓋和全時段覆蓋。

2）準確率高。相對于基于有限道路斷面采集的交通狀態(tài)數據，基于海量用戶上報的出行數據具有較多的樣本量，由此分析得到的結果數據具有更高的準確率。

3）方便分析。網絡地圖提供的交通狀態(tài)數據不是由用戶直接上報的出行數據，而是基于海量數據加工后形成的一個綜合的結果數據。這就使得用戶在使用時，無需對多源異構，甚至包含大量噪聲的原始數據進行加工處理，大大簡化了相關分析。

4）現勢性強。網絡地圖以3 min 左右的周期對交通狀態(tài)進行動態(tài)更新，并通過Web 平臺等向公眾實時發(fā)布。因此，其提供的交通狀態(tài)具有很強的現勢性。

1.2 基于高德地圖的路網實時交通狀態(tài)數據的采集

高德地圖主要以2 種形式發(fā)布實時交通狀態(tài)，一種是以瓦片數據的形式通過高德地圖APP 向公眾發(fā)布網頁端路況信息圖層；另一種是提供免費Web 服務，通過申請“Web 服務API”密匙，調用交通路況查詢API 接口，訪問實時路況信息。由于第一種形式采取的是柵格圖片的表達，缺乏道路的語義性描述，也難以通過相關運算獲取道路速度等信息，所以，本文基于第二種形式，借助網絡爬蟲技術進行交通狀態(tài)數據采集[9-10]，其基本過程主要包括數據爬取、數據解析與重組、數據存儲和線程控制4 個模塊。

在數據爬取模塊，使用python 語言中requests 模塊的get 請求方式，將需要申請的參數和地址一起發(fā)送到服務器端。服務器接受請求后，將數據返回客戶端?？蛻舳私邮辗祷氐臄祿?，并將該數據轉化為JSON 格式數據。在數據解析與重組模塊，根據JSON 格式數據存儲特點和各種交通狀態(tài)對應的特征值，利用get 方法解析出各字段的屬性值，再按照字段排列順序對屬性值進行重組，保存到列表中。在數據存儲模塊，將重組好的數據批量存儲到本地MongoDB 數據倉庫中，并生成對應的Excel 文件。在線程控制模塊，考慮到一個數據爬取周期的耗時約為1 min， 20 s。設定當存儲完一個周期的數據或請求超過5 次未得到響應時，程序休眠1 min，接著進行第二次爬取。這樣使得每個周期的時間控制在3 min 左右，與高德地圖的交通狀態(tài)更新頻率基本一致。本研究中，通過程序持續(xù)爬取了研究區(qū)內324 條道路的實時路況信息，主要是快速路、主干道、次干道。由于權限限制，支路路況只能獲取小部分。

1.3 數據倉庫MongoDB

大數據的興起和發(fā)展給數據存儲技術帶來了全新的挑戰(zhàn)，其數據量大、并發(fā)性高、格式復雜，傳統(tǒng)關系型數據庫難以滿足需求[11]。數據倉庫可以保存大量面向主體的、集成和動態(tài)的數據，是決策支持系統(tǒng)和聯機分析所用數據源的結構化數據環(huán)境，用于解決從數據中高效、動態(tài)、批量地獲取信息的問題。通過對數據倉庫的訪問達到對獲取的數據進行分析和應用的目的，且允許使用多種技術訪問[12-13]。

MongoDB 數據倉庫因結構簡單、模式自由、超大容量、可擴展性強等特點成功引領了非關系型數據庫的發(fā)展方向。MongoDB 提供鍵值對格式的數據存儲，不需要關心數據之間的組織形式與結構關系，也不需要經過SQL 層的解析，因此對只關心鍵值對格式數據的研究實用性很強[14-15]。

本文基于數據倉庫MongoDB，對采集到的實時交通狀態(tài)數據存儲示例如圖1 所示。

圖1 基于MongoDB 的數據存儲

2 路網交通狀態(tài)數據的分析

交通問題是一個與時空位置高度關聯的問題，在交通系統(tǒng)中，諸如交通流的潮汐現象、常態(tài)性交通擁堵現象、以及多發(fā)性交通事故等典型的交通事件和現象都具有明顯的時空分布規(guī)律特性。將交通系統(tǒng)中的事件和現象等與其發(fā)生和存在的時空位置相結合，研究交通事件和現象的時空分布和演化規(guī)律，對于應對目前交通系統(tǒng)存在的諸多典型問題，具有重要的基礎性作用。

本文以基于高德地圖獲取的2020-04-17～2020-05-03期間的交通狀態(tài)數據為依據，分別從時間維、空間維和時空組合維分析了武漢市主要路網的交通狀態(tài)分布和演化規(guī)律。

2.1 基于時間維的分析

基于時間維的分析就是分析交通狀態(tài)的時態(tài)變化規(guī)律。由于交通狀態(tài)與交通速度直接對應，本文以路網的交通速度表征交通狀態(tài)，將研究期間分為工作日、雙休日和節(jié)假日3 種。以1 個小時作為一個研究時段，通過均值法計算每個時段內路網的平均交通速度，然后將3 種研究期中交通速度的時間分布特征進行對比分析。均值法的計算如式（1）和（2）所示。

式（1）中，Vij表示路網在第i時間段內第j爬取周期的平均交通速度；n表示該周期內爬取的道路總數；vkj表示第j爬取周期的第k條道路的交通速度。式（2）中，Vi表示路網在第i時間段內的平均交通速度；m表示第i時間段內總的爬取周期數。

武漢市路網交通速度隨時間的分布規(guī)律如圖2 所示。由圖2a 可見，工作日的交通速度呈“W”型分布，具有明顯的早晚高峰現象，速度峰值出現在凌晨2:00～6:00 間，谷值在8:00～10:00、17:00～20:00間。這表明工作日時，人們的出行活動非常規(guī)律，影響交通狀態(tài)的主要因素是上下班的交通行為。

由圖2b 可見，雙休日的交通速度呈“碗口”狀分布:在上午7:00～10:00 呈緩慢下降趨勢，之后持續(xù)近6 h 的小幅波動，至16:00 開始出現第二次下降趨勢，最終在晚間17:00 ～19:00 形成全天最低速度時段，之后速度緩慢回升。

相比于工作日，雙休日的早高峰時段，速度下降較為平緩，但持續(xù)時間較長，其中的主要原因可能是工作日時，人們是規(guī)律的上下班通勤，時間比較集中。而雙休日人們的出行相對自由分散，同時增加了娛樂休閑活動，要考慮娛樂休閑場所的開放時段，以娛樂休閑為目的的交通出行決定了交通的整體狀態(tài)。

由圖2c 可見，節(jié)假日的交通速度隨時間的分布狀態(tài)與雙休日接近，從6:00 開始速度逐漸降低，在10:00 ～11:00 達到最小值，而后趨于穩(wěn)定，晚間20:00～21:00 速度開始明顯上升。

圖2 平均交通速度時間分布規(guī)律

與雙休日相比，節(jié)假日的低速狀況持續(xù)時間更長。這可能是城市原有交通流疊加了外來游客流，外來游客一般早上8:00 ～11:00 前往旅游景點附近，且基本上全天滯留于旅游景點附近，午間稍作休息，下午前往第二個目的地，導致了節(jié)假日全天低速運行狀況持續(xù)時間較長。

根據時間維的分析，為了改善路網交通狀態(tài)，交管部門可在早晚高峰時段采用更優(yōu)化的管控技術來均衡路網荷載分布，而出行者應該盡量避開早晚高峰時段，選擇更便利的出行時間。

2.2 基于空間維的分析

基于空間維的分析主要分析交通狀態(tài)的空間分布規(guī)律。本文采用離散點匹配路網的方法，基于ArcGIS10.4 平臺，研究了工作日和雙休日早晚高峰時段整點交通狀態(tài)的空間分布特征。

研究發(fā)現，在工作日早高峰時段，交通擁堵表現為以二環(huán)線為中心，以江漢商業(yè)區(qū)和武昌火車站為嚴重擁堵區(qū)域的分布。隨著時間的推移，逐步向市中心轉移。晚高峰時段擁堵以解放大道、友誼路、沿江大道、三陽路所圍成的區(qū)域為中心點，呈放射狀向四周擴散，最終在二環(huán)線附近形成“環(huán)狀”分布特征。

在雙休日，交通狀態(tài)整體上優(yōu)于工作日。除了零散分布的點狀擁堵，沒有出現大范圍的持續(xù)性擁堵。早高峰時段除了存在時間上的遲滯現象，空間分布也由商業(yè)辦公區(qū)轉移至休閑娛樂中心區(qū)，如黃鶴樓公園、首義公園和紫陽公園三角區(qū)，東湖風景區(qū)和漢正街、西北湖等商圈附近擁堵程度明顯高于工作日。晚高峰時段與工作日相差不大，空間上主要以黃鶴樓公園、首義公園、紫陽公園三角區(qū)和漢正街、西北湖、街道口、武廣等大型休閑購物商圈為中心形成了塊狀分布格局。

以武漢市三環(huán)線內區(qū)域為例，圖3、4 分別表示其在工作日和雙休日的交通狀態(tài)的空間分布。圖中道路顏色為綠色代表交通暢通狀態(tài)，道路顏色為黃色代表交通緩行狀態(tài)，道路顏色為紅色代表交通擁堵狀態(tài)。

圖3 工作日空間分布圖

根據空間維的分析，為了改善路網交通狀態(tài)，規(guī)劃建設部門應該優(yōu)化路網結構，提高關鍵路段和交叉口通行能力，達到整個路網快速、便捷、高效的通行效率，而出行者的出行路徑應盡量避開關鍵路段和交叉口。

2.3 時空組合維的分析

時空組合維的分析將更精細化地研究分析交通狀態(tài)的時空分布和演化規(guī)律，仍以上述江漢區(qū)的范圍為例，并選取晚高峰中擁堵最嚴重的時段，從17:40 開始，以每15 min 為一個周期，探討了交通狀態(tài)由暢通演變?yōu)閾矶?，直至擁堵消散的變化過程和機理。

由圖5 可見，多數擁堵的形成與最鄰近的15 min前的緩行路段相關，其次是30 min 和45 min 前最鄰近的緩行路段，其對擁堵形成的重要程度遠遠大于附近的嚴重擁堵路段的影響。這反映了在時空上多數擁堵的形成都是因為最鄰近道路大范圍緩行，在短時間內蔓延至其他區(qū)域，然后積聚形成。擁堵多呈現突發(fā)性與形成后維持時間較長的特征，這也證明了交通擁堵具有空間上的“傳染性”。擁堵輸通呈現出以重要路段為中心向周圍擴散的方式。

圖5 時空組合分布

根據時空組合維的分析，為了改善路網交通狀態(tài)，交通管理控制部門應以重要路段為中心，及時疏散化解其周邊的緩行車流，而不是把主要精力放在疏散嚴重擁堵的路段上。

3 結 語

本文以武漢市路網為研究對象，基于高德網絡地圖提供的實時交通狀態(tài)信息，分別從時間維、空間維和時空組合維的角度，分析了城市路網交通狀態(tài)的演化規(guī)律，借此探尋引發(fā)路網交通擁堵的主要因素，以及路網擁堵發(fā)生的前期狀態(tài)和路網擁堵之間的因果關系。研究表明，通過對路網交通擁堵發(fā)生與發(fā)展的時空演化規(guī)律的認識，可以為交通規(guī)劃與管控，以及市民出行選擇提供指導和幫助，改善路網交通狀態(tài)。