白 樺 劉秀彩 曹 璐

（華設(shè)設(shè)計(jì)集團(tuán)股份有限公司，江蘇南京 210014）

城市經(jīng)濟(jì)快速發(fā)展和路面機(jī)動(dòng)車數(shù)量激增，可能導(dǎo)致交通擁堵和安全問(wèn)題。中國(guó)交通運(yùn)輸部研究數(shù)據(jù)指出，交通擁堵帶來(lái)的經(jīng)濟(jì)損失占城市人口可支配收入的20%，將制約城市的發(fā)展和社會(huì)的進(jìn)步，交通擁堵的成因、規(guī)律、影響因素成為各界學(xué)者關(guān)注的熱點(diǎn)話題。Sun[1]通過(guò)收集分析交通擁堵指數(shù)及其相關(guān)特征，對(duì)某市商業(yè)區(qū)的擁堵現(xiàn)狀、時(shí)間和原因等進(jìn)行深入分析。Maria[2]提出從數(shù)據(jù)收集到指標(biāo)計(jì)算的全流程多源數(shù)據(jù)融合框架，用于計(jì)算指定路段的流量。計(jì)尋[3]以極端天氣中的暴雨天氣為落腳點(diǎn)，研究暴雨發(fā)展的不同階段對(duì)交通流產(chǎn)生的影響。Alsharari等[4]研究惡劣天氣和事故造成的道路封鎖對(duì)不同寬度道路通行能力的影響。常桃寧[5]分析擁堵的成因和危害，研究道路等級(jí)因素對(duì)交通擁堵的影響。潘雨詩(shī)等[6]以新能源汽車GPS數(shù)據(jù)為基礎(chǔ)，建立基于車輛真實(shí)軌跡數(shù)據(jù)的交通擁堵指數(shù)模型，使交通管理控制策略的制定更精細(xì)化?，F(xiàn)有研究主要圍繞交通流量、運(yùn)行速度、車道占有率等參數(shù)，剖析交通擁堵形成、傳播規(guī)律，對(duì)擁堵持續(xù)時(shí)間的研究較少。本研究利用GPS浮動(dòng)車數(shù)據(jù)、GIS平臺(tái)和Python語(yǔ)言，提取交通路段擁堵持續(xù)時(shí)間參數(shù)，基于Cox比例風(fēng)險(xiǎn)回歸模型定量剖析不同因素對(duì)重慶快速路擁堵持續(xù)時(shí)間的影響程度，探索影響擁堵的關(guān)鍵因素，為減少緩解交通擁堵提供參考。

1 Cox比例風(fēng)險(xiǎn)回歸模型

1.1 Cox回歸模型構(gòu)建

Cox比例風(fēng)險(xiǎn)回歸模型（Cox回歸模型）可以分析不同因素對(duì)某種生存現(xiàn)象的影響程度，不需要考慮生存數(shù)據(jù)本身的分布形式、數(shù)據(jù)是否完全、數(shù)據(jù)是否缺失，可以同時(shí)探索多種因素對(duì)現(xiàn)象的持續(xù)影響力度。擁堵持續(xù)時(shí)間可以反映擁堵消散特征，易受外部多種因素影響，分布類型難以明確，判斷擁堵持續(xù)時(shí)間與影響因素間的影響關(guān)系時(shí)，可以構(gòu)建Cox回歸模型進(jìn)行分析。借助風(fēng)險(xiǎn)率反映影響因素對(duì)擁堵持續(xù)可能性的影響，確定擁堵是否會(huì)持續(xù)。

構(gòu)建Cox回歸模型時(shí)，采用基準(zhǔn)危險(xiǎn)函數(shù)h0(t)與相應(yīng)協(xié)變量函數(shù)f(x)的乘積代表危險(xiǎn)率函數(shù)h(t)。

式中：x——擁堵的影響因素，如車道數(shù)、速度和流量等；t——某一時(shí)刻；h(t)——t時(shí)刻的擁堵持續(xù)概率。

在基準(zhǔn)危險(xiǎn)率函數(shù)分布類型不明確的情況下，Cox回歸模型的參數(shù)跳過(guò)基準(zhǔn)危險(xiǎn)率，不直接解析生存函數(shù)S(t)與協(xié)變量的關(guān)系，利用風(fēng)險(xiǎn)函數(shù)h(t)作為因變量研判影響因素對(duì)生存函數(shù)的影響程度。

式中：h(t，X)——影響因素X的個(gè)體在時(shí)刻t的危險(xiǎn)率；h0(t)——非參數(shù)部分，所有危險(xiǎn)函數(shù)為0時(shí)的基礎(chǔ)風(fēng)險(xiǎn)率；exp(β1X1+β2X2+···+βnXn)——參數(shù)部分；β=(β1，β2，···，βn)——偏回歸系數(shù)，其他因素不發(fā)生變化時(shí)，X=(X1，···，Xn)可能影響生存時(shí)間的潛在影響因素。

1.2 影響系數(shù)估計(jì)和影響程度判斷原則

（1）影響系數(shù)β估計(jì)。

計(jì)算生存函數(shù)S(t，X)與風(fēng)險(xiǎn)函數(shù)h(t，X)的關(guān)系：

推導(dǎo)影響因素X與生存函數(shù)的關(guān)系：

式中：S0(t)——影響因素全部為0時(shí)，擁堵持續(xù)時(shí)間超過(guò)t的概率。

各類因素對(duì)擁堵持續(xù)時(shí)長(zhǎng)的影響取決于影響系數(shù)值β。利用偏似然函數(shù)估計(jì)β，計(jì)算基準(zhǔn)風(fēng)險(xiǎn)率函數(shù)和風(fēng)險(xiǎn)函數(shù)，可以明確因素對(duì)擁堵消散的關(guān)聯(lián)程度。

（2）影響因素與擁堵持續(xù)時(shí)間關(guān)系確定。

相對(duì)危險(xiǎn)度RR表示影響因素X每增加一個(gè)影響單位時(shí)，擁堵降低持續(xù)的概率是原來(lái)的exp(βi)倍。

若β＜0、RR＜1，可以增大擁堵持續(xù)時(shí)間的生存概率，擁堵更易持續(xù)，是擁堵持續(xù)的保護(hù)因素；若β=0、RR=1，為交通擁堵的無(wú)關(guān)因素；若β＞0、RR＞1，可以降低擁堵持續(xù)時(shí)間的生存概率，擁堵不易持續(xù)，有利于擁堵消散。

2 擁堵影響因素Cox比例風(fēng)險(xiǎn)模型思路簡(jiǎn)介

本研究處理重慶市GPS浮動(dòng)車數(shù)據(jù)，獲取不同路段交通擁堵持續(xù)時(shí)間，研究標(biāo)準(zhǔn)化天氣條件（雨天、非雨天）、交通狀況（平均速度）、時(shí)間因素（雙休日周末、早高峰、晚高峰、平峰時(shí)段）、道路條件（匝道、橋梁、車道數(shù)、公交站點(diǎn)）四類影響因素（共8種），借助Cox比例風(fēng)險(xiǎn)回歸模型計(jì)算影響系數(shù)，結(jié)合影響系數(shù)的大小剖析各類影響因素對(duì)擁堵持續(xù)時(shí)間的影響程度。

模型構(gòu)建流程如圖1所示。

圖1 模型構(gòu)建流程

2.1 數(shù)據(jù)預(yù)處理

GPS浮動(dòng)車數(shù)據(jù)記錄車輛運(yùn)行時(shí)刻、瞬時(shí)速度、位置等時(shí)空信息，可以高效準(zhǔn)確地獲取道路交通運(yùn)行狀況。GPS采集設(shè)備可能受外部因素影響，為精確提取路段交通擁堵持續(xù)時(shí)間參數(shù)，需要對(duì)GPS數(shù)據(jù)和路網(wǎng)進(jìn)行處理：對(duì)坐標(biāo)信息缺失、速度過(guò)大、時(shí)間戳錯(cuò)誤等異常GPS數(shù)據(jù)進(jìn)行清洗；采用合流分流原則對(duì)路網(wǎng)進(jìn)行路段劃分，借助GIS平臺(tái)實(shí)現(xiàn)地圖匹配，得到路段的交通運(yùn)行狀態(tài)；利用Python語(yǔ)言獲取路段擁堵持續(xù)時(shí)間。

2.2 影響因素選取

交通系統(tǒng)中，任意因素均可能造成交通擁堵持續(xù)時(shí)間波動(dòng)，不同影響因素下的交通規(guī)律不同。雨霧天氣會(huì)影響行駛環(huán)境，降低路面可見(jiàn)度，交通安全系數(shù)低，極易造成交通擁堵；路段行程速度等交通參數(shù)的變化可以綜合反映交通狀態(tài)的演變過(guò)程，交通狀況對(duì)路網(wǎng)交通狀態(tài)的影響不可忽視；居民出行的目的和強(qiáng)度不同，高峰時(shí)段、平峰時(shí)段、工作日、周末等不同時(shí)間區(qū)間內(nèi)，城市路網(wǎng)的交通運(yùn)行具有差異性；車道數(shù)的變化、匝道及公交站點(diǎn)布設(shè)等道路條件的不合理設(shè)置均會(huì)影響道路的通行能力，造成交通的供需失衡，影響擁堵持續(xù)的概率。

3 案例分析

本文獲取重慶市某快速路路段擁堵持續(xù)時(shí)間，綜合考慮影響交通的天氣條件、交通狀況、時(shí)間因素、道路條件4類影響因素，構(gòu)建山地城市擁堵持續(xù)時(shí)間的Cox比例風(fēng)險(xiǎn)回歸模型。

公交站點(diǎn)的設(shè)置對(duì)通道交通擁堵影響不大；橋梁是山地城市快速通道的交通擁堵瓶頸，是造成交通擁堵影響最大因素，需要重點(diǎn)改善和管控，緩解交通擁堵壓力；雨天、低速度、工作日、早高峰、晚高峰、橋梁、匝道、四車道容易減小擁堵結(jié)束的風(fēng)險(xiǎn)率，增大擁堵持續(xù)的生存率，產(chǎn)生長(zhǎng)時(shí)間交通擁堵，與非雨天、高速度、周末、平峰時(shí)段、非橋梁路段、無(wú)匝道、三車道相比，擁堵持續(xù)的概率依次增加8.3%、2.7%、13.9%、14.9%、18.1%、50.2%、11.6%、9.4%。

Cox比例風(fēng)險(xiǎn)模型影響系數(shù)估計(jì)值如表1所示。

表1 Cox比例風(fēng)險(xiǎn)模型影響系數(shù)估計(jì)值

4 結(jié)語(yǔ)

交通系統(tǒng)易受多種因素干擾，在大數(shù)據(jù)環(huán)境下，構(gòu)建可靠的交通分析模型可以定量測(cè)度影響擁堵持續(xù)時(shí)間的因素、影響方向和強(qiáng)度，為相關(guān)部門交通管控策略的制定提供量化依據(jù)。本文主要考慮交通擁堵持續(xù)時(shí)間的4類影響因素，在后續(xù)研究中，需進(jìn)一步細(xì)化和分析影響擁堵持續(xù)時(shí)間的因素，與相關(guān)部門溝通獲取大霧、大雪、交通事故等信息，從而更全面、準(zhǔn)確地判定交通擁堵持續(xù)時(shí)間影響因素，為交通管控策略提供更加合理有效的決策依據(jù)。