羅二娟， 劉文輝， 原國華， 趙一翰， 趙建東*

(1.山西省交通新技術(shù)發(fā)展有限公司， 太原 030012； 2.北京交通大學(xué)交通運(yùn)輸學(xué)院， 北京 100044)

服務(wù)區(qū)作為高速公路的窗口，是其不可或缺的重要部分。良好的高速公路服務(wù)區(qū)服務(wù)能力及運(yùn)營狀態(tài)不僅可以提高公眾出行效率與滿意度，還可以傳遞出當(dāng)?shù)仫L(fēng)土人情文化、拉動當(dāng)?shù)叵M(fèi)水平。

現(xiàn)有高速公路服務(wù)區(qū)運(yùn)營狀態(tài)研究主要分為信息監(jiān)測、數(shù)據(jù)處理以及能力評價三方面。在信息監(jiān)測方面，張海燕[1]用車位探測器和車位顯示燈進(jìn)行停車位管理，并連接區(qū)域引導(dǎo)信息屏和入口信息顯示屏顯示服務(wù)區(qū)當(dāng)前使用信息，使車輛到達(dá)服務(wù)區(qū)前了解停車等信息；黃豪等[2]對服務(wù)區(qū)氣象、人流、車流、路況等信息全面感知，并進(jìn)行建模和大數(shù)據(jù)分析。在數(shù)據(jù)處理方面，邵奇可等[3]運(yùn)用出入停車場的車輛信息及車位占用情況匯總，通過全球廣域網(wǎng)端(world wide web，WEB)和手機(jī)軟件(application，APP)方式發(fā)布，使用戶能在互聯(lián)網(wǎng)設(shè)備上獲取信息；田佳[4]根據(jù)服務(wù)區(qū)實(shí)時車輛駛出與駛?cè)牖A(chǔ)數(shù)據(jù)、服務(wù)區(qū)高清卡口系統(tǒng)視頻識別數(shù)據(jù)、各項服務(wù)設(shè)施效率等建立高速公路服務(wù)區(qū)運(yùn)行指數(shù)模型，其中高清卡口系統(tǒng)能識別車牌號、車型并記錄車輛通過時間和車輛信息。卞軍[5]在對服務(wù)區(qū)大數(shù)據(jù)進(jìn)行深入整合后，實(shí)現(xiàn)了服務(wù)區(qū)運(yùn)營管理、資源分配、車流量預(yù)測、路況信息匹配、人流預(yù)測、市場營銷等多方關(guān)聯(lián)應(yīng)用。在能力評價方面，張海峰等[6]結(jié)合天津市高速公路服務(wù)區(qū)特征，探索研究了區(qū)域性高速公路綠色服務(wù)區(qū)評價指標(biāo)體系；王殊[7]建立多個服務(wù)區(qū)橫向評價指標(biāo)體系，通過逼近理想解排序方法模型(technique for order preference by similarity to an ideal solution，TOPSIS)和距離綜合評價法，依據(jù)指標(biāo)數(shù)值大小對多個服務(wù)區(qū)服務(wù)水平進(jìn)行高低排序。

綜上分析可知，目前中外對于高速公路服務(wù)區(qū)的服務(wù)運(yùn)營狀態(tài)并沒有一個標(biāo)準(zhǔn)的評價體系[8]，大多數(shù)只是依靠車流，人流等單一數(shù)據(jù)判斷。因此，本文融合車流、客流、經(jīng)營數(shù)據(jù)流等多源數(shù)據(jù)，制定服務(wù)區(qū)運(yùn)營狀態(tài)指標(biāo)體系[9]，劃分服務(wù)區(qū)營運(yùn)狀態(tài)等級，評估預(yù)判服務(wù)區(qū)的運(yùn)營狀態(tài)，為服務(wù)區(qū)智能運(yùn)營提供信息支撐[10]。

1 數(shù)據(jù)處理

1.1 原始數(shù)據(jù)獲取

圖1所示為山西盂縣服務(wù)區(qū)信息化建設(shè)項目，包括卡口、車位管理、收銀稽查、安防監(jiān)控、智慧廁所5個系統(tǒng)，在服務(wù)區(qū)布設(shè)了多種智能攝像設(shè)備，采用先進(jìn)的圖像識別算法和技術(shù)，實(shí)現(xiàn)服務(wù)區(qū)車輛信息采集、車輛流量監(jiān)測和統(tǒng)計、客流檢測及管理等功能，為服務(wù)區(qū)的經(jīng)營管理提供信息服務(wù)。

圖1 盂縣服務(wù)區(qū)信息化系統(tǒng)拓?fù)浣Y(jié)構(gòu)圖Fig.1 Topology of information system in Yuxian service area

各系統(tǒng)可獲取數(shù)據(jù)有：①卡口系統(tǒng)：服務(wù)區(qū)出入口抓拍攝像機(jī)，能獲取車輛車牌、車型、歸屬地、進(jìn)出時間，進(jìn)而計算出車型比例、歸屬地比例、單車停留時間；②車位管理系統(tǒng)：利用安防監(jiān)控視頻，采用圖像識別算法，分區(qū)域識別剩余車位數(shù)量；③安防監(jiān)控系統(tǒng)：服務(wù)區(qū)綜合樓各出入口的雙目客流攝像機(jī)，獲取進(jìn)出各門口的客流數(shù)據(jù)，可得到時段、天的客流曲線；④收銀稽查系統(tǒng)：可獲取每個檔口的收銀數(shù)據(jù)、每筆訂單的交易清單以及交易場景錄像數(shù)據(jù)；⑤廁所數(shù)據(jù)；布設(shè)蹲位檢測器、廁位指示燈，在終端實(shí)時展示廁位使用情況；通過客流檢測單元、環(huán)境采集單元，獲取廁所人流量、溫濕度、臭味濃度數(shù)據(jù)。

將所采集數(shù)據(jù)進(jìn)行分類。如表1所示，包括車流數(shù)據(jù)、客流數(shù)據(jù)以及經(jīng)營現(xiàn)金流3個不同種類數(shù)據(jù)。所有數(shù)據(jù)均為每15 min統(tǒng)計一次。

表1 盂縣高速公路服務(wù)區(qū)多源數(shù)據(jù)Table 1 Multi-source data of Yuxian expressway service area

1.2 異常數(shù)據(jù)處理

因采集數(shù)據(jù)為原始數(shù)據(jù)，存在數(shù)據(jù)異?，F(xiàn)象，故需對數(shù)據(jù)進(jìn)行處理及分析。異常數(shù)據(jù)類型分為缺失數(shù)據(jù)及噪聲數(shù)據(jù)。

1.2.1 缺失數(shù)據(jù)處理

數(shù)據(jù)缺失主要是由于數(shù)據(jù)傳輸、采集、存儲等過程中人為或系統(tǒng)誤差等因素導(dǎo)致，一般如果數(shù)據(jù)缺失項較多，導(dǎo)致數(shù)據(jù)完整性下降明顯，則應(yīng)對該數(shù)據(jù)作刪除處理。例如，因服務(wù)器關(guān)閉而導(dǎo)致數(shù)據(jù)大量缺失，則將這些數(shù)據(jù)進(jìn)行刪除處理。此外，如圖2中標(biāo)黃部分所示的個別數(shù)據(jù)缺失現(xiàn)象，采用歷史均值法進(jìn)行填充，即用前后一周同一天同一時刻的平均值填充。

圖2 缺失數(shù)據(jù)Fig.2 Missing data

1.2.2 噪聲數(shù)據(jù)處理

噪聲數(shù)據(jù)定義為數(shù)據(jù)表內(nèi)由于一些系統(tǒng)隨機(jī)偏差或錯誤產(chǎn)生的和其他數(shù)據(jù)不一致的部分?jǐn)?shù)據(jù)。分析發(fā)現(xiàn)有兩類數(shù)據(jù)可能屬于噪聲數(shù)據(jù)，一類是在客流高峰時期，突然出現(xiàn)前后15 min內(nèi)客流變化極大、該時段客流出入為0或者接近于0的數(shù)據(jù)，取三天南區(qū)客流進(jìn)入數(shù)據(jù)，如圖3(a)所示，高峰時段，前后兩段時間客流較大，但中間出現(xiàn)客流量為0現(xiàn)象，取某一周時間數(shù)據(jù)驗(yàn)證，如圖3(b)所示，發(fā)現(xiàn)均存在該現(xiàn)象，故判定該數(shù)據(jù)為噪聲數(shù)據(jù)。

另一類是在客流或車流低峰時期，突然出現(xiàn)前后15 min變化極大，車流或客流量較大的值，通過箱型圖觀察數(shù)據(jù)范圍，篩選出噪聲數(shù)據(jù)。如圖4所示，數(shù)據(jù)的最小值為0，最大值為311。上下四分位數(shù)分別為19和68，將距離上下四分位數(shù)1.5倍四分位距的數(shù)據(jù)，認(rèn)為是噪聲數(shù)據(jù)，如圖5(a)中紅色點(diǎn)所示。將異常數(shù)據(jù)用前一天同一時刻和后一天同一時刻的數(shù)據(jù)平均值進(jìn)行填充，結(jié)果如圖5(b)所示。

采用歷史均值法對噪聲數(shù)據(jù)進(jìn)行數(shù)據(jù)填充修復(fù)。最終數(shù)據(jù)處理前后對比如圖6所示，圖6中藍(lán)色的線表示未處理前的數(shù)據(jù)，橙色的線是第一次處理后的數(shù)據(jù)，綠色的線是處理完成的數(shù)據(jù)?？梢园l(fā)現(xiàn)，處理后圖線趨勢變得更平穩(wěn)。

圖3 客流量統(tǒng)計圖Fig.3 Statistical diagram of passenger flow

圖4 客流量箱型圖Fig.4 Box chart of passenger flow

圖5 數(shù)據(jù)處理前后圖Fig.5 Before and after data processing

圖6 異常數(shù)據(jù)處理前后對比Fig.6 Comparison of abnormal data before and after processing

1.3 數(shù)據(jù)特征分析

(1)車流分析。車流分析過程中，先取某一天車流初步總結(jié)規(guī)律，再取多天車流，驗(yàn)證規(guī)律[11]。發(fā)現(xiàn)服務(wù)區(qū)的南北區(qū)入口、出口車流規(guī)律大致相同，在中午和下午時間段，車流量較大，且出口車流量峰值總體在對應(yīng)入口車流量峰值時刻之后，在一周中，休息日和工作日的車流量無明顯差別。

車流出現(xiàn)這種規(guī)律可能原因是：11：00左右私家車主進(jìn)入服務(wù)區(qū)用餐、休息；在下午時段，可能有部分車主長途駕駛后，進(jìn)入服務(wù)區(qū)短暫休息。

(2)客流分析?？土鞣治鲞^程中，先取某一天客流初步總結(jié)規(guī)律，再取多天客流，驗(yàn)證規(guī)律。因南北區(qū)客流規(guī)律相近，故以北區(qū)出入客流為例進(jìn)行分析，可以發(fā)現(xiàn)，隨著時間增長，北區(qū)客流呈先迅速增長、到達(dá)峰值后逐漸下降的趨勢；此外，北區(qū)進(jìn)入客流在12:00左右到達(dá)高峰值，離開人數(shù)在17:00左右到達(dá)峰值。

以周的角度進(jìn)行分析，選取8月19日至9月23日客流數(shù)據(jù)，發(fā)現(xiàn)隨著時間推移，從8月19日至9月2日，客流人數(shù)逐漸減少，可能原因可能是8月19日前后為大學(xué)生新生開學(xué)季，但這幾周變化不明顯；9月2日人數(shù)最少；9月2日至9月23日，后面周三比前面周三人數(shù)明顯增多，估計其原因主要是時間上逐漸接近國慶。

2 基于K-means聚類算法的分級評價

K-means算法[12]在聚類過程中其收斂速度較快。當(dāng)結(jié)果簇是密集的，而簇與簇之間區(qū)別明顯時, 效果較好，而本文數(shù)據(jù)正是具有這種特點(diǎn)，較為適合K-means聚類算法，除此之外，該算法的K值可預(yù)先設(shè)定，可更靈活地設(shè)置數(shù)據(jù)的類別數(shù)，從而更好地進(jìn)行分類。故選擇K-means算法對服務(wù)區(qū)運(yùn)營狀態(tài)進(jìn)行分級評價研究。

2.1 K-means聚類算法

2.1.1 算法理論

K-means聚類算法主要思想是：首先確定K個初始的中心點(diǎn)，即確定數(shù)據(jù)的分類數(shù)，之后將每個數(shù)據(jù)按照距離分配到離其最近的簇中心點(diǎn)所代表的簇中，直至所有的數(shù)據(jù)都被分配完畢，再根據(jù)一個簇內(nèi)的所有數(shù)據(jù)重新計算該類簇的中心點(diǎn)(取平均值)，然后再迭代的進(jìn)行分配點(diǎn)和更新類簇中心點(diǎn)的步驟，直至類簇中心點(diǎn)的變化很小，或者達(dá)到指定的迭代次數(shù)，其基本原理如下：

對于K-means，首先定義一個數(shù)據(jù)樣本集合Ω，包含了n個對象，其中每個對象都具有d個維度的屬性，如式(1)所示。K-means算法的目標(biāo)是將n個對象依據(jù)對象間的相似性聚集到指定的K個類簇中，每個對象屬于且僅屬于一個其到類簇中心距離最小的類簇中。

Ω={xi|xi=(xi1,xi2,…,xid)},i=1,2,…,n

(1)

再初始化K(1

C={cj|cj=(cj1,cj2,…,cjd)},j=1,2,…,K

(2)

式(2)中：Cj為第j個聚類中心；Cjd為第j個聚類中心的第d個屬性。

然后計算每一個對象到每一個聚類中心的歐氏距離，即

(3)

式(3)中：Xi為第i個對象；Xid為第i個對象的第d個屬性。

依次比較每一個對象到每一個聚類中心的距離，將對象分配到距離最近的聚類中心的類簇中，得到K個類簇。

2.1.2 算法流程

K-means聚類算法具體流程如圖7所示。

圖7 K-means聚類算法流程Fig.7 K-means clustering algorithm flow

2.2 評價過程

2.2.1 數(shù)據(jù)選擇

由于K-means算法需要不斷迭代來確定數(shù)據(jù)類別，因此需要大量數(shù)據(jù)提高其分類準(zhǔn)確度。以15 min為周期的數(shù)據(jù)進(jìn)行分類研究。

2.2.2K值確定

合理地確定K值和K個初始類簇中心點(diǎn)對于聚類效果的好壞有很大的影響[13]。在統(tǒng)計學(xué)中，組內(nèi)平方和(sum of squares for error,SSE)，表示每個水平或組的各樣本數(shù)據(jù)與其組均值的誤差平方和，反映每個樣本各觀測值的離散情況，又稱誤差平方和或殘差平方和。故采用SSE對K值進(jìn)行選取，計算公式如式(4)所示。當(dāng)SSE圖像出現(xiàn)拐點(diǎn)時，該點(diǎn)對應(yīng)的K即為最佳。

(4)

式(4)中：Ci為第i個簇；p為Ci的樣本點(diǎn)；mi為Ci的質(zhì)心；SSE為所有樣本的聚類誤差，代表了聚類效果的好壞。

將數(shù)據(jù)輸入計算得到SSE圖像，如圖8所示?？梢钥闯?，該圖像的拐點(diǎn)出現(xiàn)在3～4。因此，理論上可以將服務(wù)等級分為3類或4類。

圖8 SSE圖像Fig.8 SSE image

若是選擇將服務(wù)等級分為3類，根據(jù)后續(xù)程序計算輸出結(jié)果，可以得出其分類效果并不理想。因此最后決定將服務(wù)等級分為4類。

2.2.3 降維處理

因原始數(shù)據(jù)集是高維數(shù)據(jù)，難以將聚類效果用圖表現(xiàn)出來，故需要對其進(jìn)行降維處理，再可視化。使用T分布式隨機(jī)相鄰嵌入(T-stochastic neighbor embedding，TSNE)算法將原始高維數(shù)據(jù)進(jìn)行降維處理。隨機(jī)近鄰嵌入是由SNE (stochastic neighbor embedding，TSNE)衍生出的一種算法，SNE將高維和低維中的樣本分布都看作高斯分布，而TSNE將低維中的坐標(biāo)當(dāng)作T分布，這樣可以讓距離大的簇之間的距離拉大，從而解決SNE所產(chǎn)生的擁擠問題。TSNE原理如下。

高維空間中的兩數(shù)據(jù)點(diǎn)的相似性采用聯(lián)合概率Pij度量：

(5)

低維空間中的兩個數(shù)據(jù)點(diǎn)的相似性采用聯(lián)合概率qij度量：

(6)

為使得高維空間點(diǎn)映射到低維空間后，盡可能保持一樣分布，采用KL(Kullback-Leibler divergence)距離進(jìn)行衡量。KL距離損失函數(shù)為

(7)

梯度的計算公式為

(8)

2.3 一周同一時段運(yùn)營狀態(tài)分級評價

以盂縣高速公路服務(wù)區(qū)3月15日—3月21日的一周數(shù)據(jù)為例。選取盂縣高速公路服務(wù)區(qū)該日期內(nèi)午高峰時段(11：00—14：00數(shù)據(jù))以15 min為跨度的84組數(shù)據(jù)，每組數(shù)據(jù)包括車流情況、客流情況、經(jīng)營現(xiàn)金流情況。

程序聚類結(jié)果如圖9所示，數(shù)據(jù)橫縱坐標(biāo)越大，即離原點(diǎn)越遠(yuǎn)，代表著該數(shù)據(jù)所表示的服務(wù)區(qū)越擁擠，運(yùn)營狀態(tài)越差；反之?dāng)?shù)據(jù)橫縱坐標(biāo)越小，即離原點(diǎn)越近，代表服務(wù)區(qū)運(yùn)營狀態(tài)越好。

所評價的3月15日—3月21日一周內(nèi)每日午高峰時段高速公路服務(wù)區(qū)運(yùn)營狀態(tài)類別數(shù)統(tǒng)計如圖10所示，類別0～3分別代表該時段運(yùn)營狀態(tài)為最好、一般、較差以及最差。

從圖10中可知，3月20日以及3月21日數(shù)據(jù)的0、1類別較多，而2、3類別較少，判斷這兩天午高峰時段服務(wù)區(qū)運(yùn)營狀態(tài)較高；而16日、17日的2、3,數(shù)據(jù)類別較多，0、1類別較少，判斷這兩日午高峰時段服務(wù)區(qū)運(yùn)營狀態(tài)較差。

圖9 聚類結(jié)果Fig.9 Clustering results

圖10 分類結(jié)果(周)Fig.10 Classification result (one week)

2.4 一天各時段運(yùn)營狀態(tài)分級評價

選取3月19日，以15 min為一個周期的96組數(shù)據(jù)，每組數(shù)據(jù)包括車流、客流、經(jīng)營現(xiàn)金流，與2.2節(jié)評價過程一致。程序聚類結(jié)果如圖11所示，同樣可以看出聚類效果較好。

從圖12可知，3月19日類別為0的數(shù)據(jù)多集中于凌晨時段及23：00以后，該時段服務(wù)區(qū)較為空曠，運(yùn)營狀態(tài)最好。類別為1的數(shù)據(jù)多集中于凌晨時段，8：00之前以及夜間晚高峰之后，該時段車流量較少，服務(wù)區(qū)可提供較好服務(wù)能力。類別為2的數(shù)據(jù)多集中于非高峰時段，該時段服務(wù)區(qū)服務(wù)能力一般。類別為3的數(shù)據(jù)多數(shù)集中于高峰時段，該時段服務(wù)區(qū)人車擁擠，服務(wù)區(qū)運(yùn)營狀態(tài)較差。

圖11 聚類結(jié)果Fig.11 Clustering results

圖12 分類結(jié)果(日)Fig.12 Classification result(one day)

3 評價方法分析

研究發(fā)現(xiàn)，K-means聚類算法對服務(wù)區(qū)運(yùn)營狀態(tài)分級評價的判斷結(jié)果為：在一周中，3月20日運(yùn)營狀態(tài)最好，而3月17日運(yùn)營狀態(tài)最差。在一天各時段運(yùn)營狀態(tài)分級評價的研究過程中K-means聚類算法的判斷為：凌晨以及白天較早時間段內(nèi)服務(wù)區(qū)的運(yùn)營狀態(tài)最好，而在高峰時段以及下午時段服務(wù)區(qū)較為擁擠，運(yùn)營狀態(tài)較差。

相比于算法，K-means聚類具有如下優(yōu)缺點(diǎn)：計算機(jī)迭代速度很快，并且收斂速度快，適合處理大量數(shù)據(jù)。且可以任意設(shè)定K值，使數(shù)據(jù)被分成指定的K類。但其并不適合處理較少量的數(shù)據(jù)，如果數(shù)據(jù)量較少，其分類結(jié)果可能每次迭代都不同，并且極易受異常數(shù)據(jù)的干擾，使其計算結(jié)果受到較大影響。除此之外，雖然理論上可任意設(shè)定K值，但如果設(shè)定不合理，數(shù)據(jù)聚類效果將不會理想。而本文以15 min為周期，收集車流、客流以及經(jīng)營現(xiàn)金流等大量數(shù)據(jù)，數(shù)據(jù)量達(dá)到計算精度要求，且根據(jù)SSE來進(jìn)行K值選取，分析SSE圖像拐點(diǎn)，選定K為4，此時評價結(jié)果較為理想。

4 結(jié)論

利用山西省盂縣服務(wù)區(qū)監(jiān)測系統(tǒng)的多源異構(gòu)數(shù)據(jù)，從車流情況、客流情況以及服務(wù)區(qū)經(jīng)營現(xiàn)金流情況三個角度綜合考慮，使用K-means聚類算法對高速公路服務(wù)區(qū)數(shù)據(jù)進(jìn)行分級評價。得出如下結(jié)論。

(1)針對本文研究對象山西省盂縣高速公路服務(wù)區(qū)的原始數(shù)據(jù)建立一套數(shù)據(jù)清洗規(guī)則，有效識別出了缺失數(shù)據(jù)與噪聲數(shù)據(jù)，并且做了相應(yīng)的數(shù)據(jù)刪減和增補(bǔ)，并初步識別了車流、客流規(guī)律，邏輯正確且符合實(shí)際情況。

(2)以15 min時間粒度整理了一天96個原始數(shù)據(jù)，從一周同一時段及一天各時段兩個角度出發(fā)，運(yùn)用K-means聚類算法進(jìn)行分類，綜合分析評判了服務(wù)區(qū)運(yùn)營狀態(tài)實(shí)時變化情況。驗(yàn)證了夜間車輛少服務(wù)能力強(qiáng)，高峰時段運(yùn)營狀態(tài)較差的現(xiàn)象。

(3)綜合評判了K-means聚類算法的特點(diǎn)優(yōu)劣以及適用范圍。