黎茂盛,李杭聰

(中南大學(xué) 交通運(yùn)輸工程學(xué)院,長沙 410075)

城市土地利用長期屬性,使得城市居民出行需求具有相對穩(wěn)定性。隨著移動互聯(lián)網(wǎng)時代的到來,可通過各式無線終端設(shè)備獲取居民的出行規(guī)律[1-3]。并以居民的出行規(guī)律為基礎(chǔ),分時段地制定相應(yīng)的交通網(wǎng)絡(luò)管理控制方法,尤其是交叉口信號燈控制方法。以往的研究往往聚焦于單個交叉口[4-6]或者某一干道[7]的信號燈控制時段劃分方法,而缺乏對整個網(wǎng)絡(luò)進(jìn)行整體性地分析。本文以實(shí)時的道路交通數(shù)據(jù)為基礎(chǔ),以分類的方式判斷城市道路交通運(yùn)行狀態(tài),提出針對整個交通網(wǎng)絡(luò)的控制時段劃分方法。

城市道路交通運(yùn)行狀態(tài)是網(wǎng)絡(luò)供給能力和交通需求兩方面共同作用的結(jié)果。面對波動的交通需求,產(chǎn)生了點(diǎn)、線、面3種不同層級上的交通信號優(yōu)化控制方法,以達(dá)到交通供給和需求的平衡。點(diǎn)層面上信號優(yōu)化控制主要為交叉口單點(diǎn)信號優(yōu)化控制,線層面上信號優(yōu)化控制為干道交叉口群信號優(yōu)化協(xié)調(diào),面層面上信號優(yōu)化控制為區(qū)域間信號控制策略制定與協(xié)調(diào),以達(dá)到提高通行能力或安全性等目標(biāo)。3種不同層級上的控制優(yōu)化,都需要精準(zhǔn)把握城市道路網(wǎng)絡(luò)實(shí)時運(yùn)行狀態(tài),然而它們對運(yùn)行狀態(tài)時效性要求不一樣。交叉口單點(diǎn)信號控制要求在分鐘尺度的交通流量信息基礎(chǔ)上進(jìn)行優(yōu)化控制;干道交叉口群需要以5～30 min時段長度尺度上干道交叉口群的交通流特征變化趨勢規(guī)律,判斷是否調(diào)整協(xié)調(diào)控制參數(shù);由于控制范圍擴(kuò)大的原因,區(qū)域間信號控制策略制定與協(xié)調(diào)需在30～60 min尺度上進(jìn)行。目前普遍使用的地面線圈、激光雷達(dá)、交叉口或路段上視頻等設(shè)備都是采集地點(diǎn)交通狀態(tài)數(shù)據(jù),可直接用于交叉口單點(diǎn)信號優(yōu)化控制。地點(diǎn)交通狀態(tài)數(shù)據(jù)只有通過二次加工之后,才能用于線和面層級上的交通信號優(yōu)化控制。目前探索高效、準(zhǔn)確、服務(wù)于線和面層級上交通信號優(yōu)化控制的路網(wǎng)交通狀態(tài)辨識方法,仍然是當(dāng)今熱門的研究課題。

國內(nèi)外關(guān)于交通網(wǎng)絡(luò)供給能力的研究主要從交通網(wǎng)絡(luò)可靠性評價角度展開。交通網(wǎng)絡(luò)可靠性評價方法主要可分為以下3類:連通可靠性[8-9],行程時間可靠性[10-12],道路網(wǎng)絡(luò)容量可靠性[13-15]。從理論上看,交通管理者可依據(jù)上述評價方法,制定交通管控方案。但是傳統(tǒng)的交通可靠性評價方法沒有結(jié)合實(shí)時真實(shí)數(shù)據(jù),往往假定交通需求、路段容量、旅行時間變化服從某種數(shù)學(xué)概率分布,再加上道路系統(tǒng)是人、車和非機(jī)動混合使用場景,其復(fù)雜性難以用簡單數(shù)學(xué)概率分布概括,致使分析結(jié)果偏離實(shí)際甚遠(yuǎn)。

近年來雖然有研究使用GPS數(shù)據(jù)[16]、電子車牌數(shù)據(jù)[17]等來獲取某些路段的行程時間可靠性。但其存在車輛GPS數(shù)據(jù)與地圖匹配問題以及數(shù)據(jù)只能覆蓋部分路段等原因,致使基于車輛GPS數(shù)據(jù)的該方法缺乏普適性。如果以數(shù)據(jù)擁有無壁壘、使用簡易等標(biāo)準(zhǔn)來篩選多種路況信息檢測手段的數(shù)據(jù),道路車牌識別監(jiān)控數(shù)據(jù)無疑是最佳候選。這是因?yàn)榈缆奋嚺谱R別監(jiān)控數(shù)據(jù)相比于其他類型數(shù)據(jù),不存在車輛數(shù)據(jù)與地圖匹配問題,且能涵蓋整個路網(wǎng)。因此,基于道路車牌識別監(jiān)控數(shù)據(jù),以5 min為一個步長,滾動式構(gòu)建出各時間段上路段旅行時間分布,使用基于平均最短路徑長度的擁堵指標(biāo)評價路網(wǎng)實(shí)時運(yùn)行狀態(tài)及狀態(tài)的持續(xù)時間,并依據(jù)譜距離指標(biāo)確定分類數(shù),使用K-means聚類算法辨識路網(wǎng)運(yùn)行狀態(tài)類型。在此基礎(chǔ)上制定針對性交通管控措施,以緩解交通擁堵。

本文從數(shù)據(jù)處理、擁堵指標(biāo)、路網(wǎng)運(yùn)行狀態(tài)識別3個方面介紹了研究方法;然后通過長沙市中心城區(qū)道路網(wǎng)絡(luò)實(shí)例驗(yàn)證了所提出的方法的有效性;最后總結(jié)了本文研究結(jié)論與未來研究方向。

1 研究方法

本文提出的方法可分為以下幾步:首先基于道路車牌識別系統(tǒng)數(shù)據(jù),得到道路網(wǎng)絡(luò)每天各時段道路網(wǎng)絡(luò)路況特征數(shù)據(jù),包括路段行程時間和路網(wǎng)實(shí)時OD交通量等數(shù)據(jù);其次,基于路網(wǎng)平均最短路徑長度的擁堵指標(biāo)衡量不同時段路網(wǎng)擁堵狀況;然后,基于譜距離指標(biāo)確定分類數(shù),依據(jù)擁堵指標(biāo)結(jié)果,使用K-means聚類算法對于不同時段路網(wǎng)交通狀況進(jìn)行分類,不同類別表示不同程度的剩余供給能力。剩余供給能力是指當(dāng)前交通狀況下,道路網(wǎng)絡(luò)仍能繼續(xù)承擔(dān)交通流量的能力,并保持一定的服務(wù)水平;最后,依據(jù)實(shí)時路況數(shù)據(jù)和訓(xùn)練后的K-means分類器來評價不同時段道路網(wǎng)絡(luò)的運(yùn)行狀態(tài),為制定交通管控措施提供依據(jù)。方法流程如圖1所示。

圖1 方法流程

1.1 數(shù)據(jù)處理

圖2 數(shù)據(jù)處理示意圖

從圖2可以看出,首先提取車輛1 d中在區(qū)域內(nèi)途經(jīng)交叉口的軌跡數(shù)據(jù),依據(jù)時間間隔是否大于某一閾值(例如30 min),把1 d的行駛軌跡劃分為不同的出行OD對,并按照右手邊規(guī)則,把前、后交叉口記錄時間間隔大于閾值路段右手邊小區(qū)看成前一次出行的終點(diǎn),同時該小區(qū)又是下一次出行的起點(diǎn)。然后在同一次出行路徑上,通過路段兩端卡口監(jiān)控記錄數(shù)據(jù)的時間間隔獲得車輛在該路段的行程時間,以及所有車輛各時段的平均行程時間。最后統(tǒng)計(jì)每個OD對的出行交通量。

1.2 基于平均最短路徑長度的擁堵指標(biāo)

本文結(jié)合道路實(shí)際行程時間、路網(wǎng)OD交通出行量,構(gòu)建基于平均最短路徑長度的擁堵指標(biāo)。平均最短路徑是衡量網(wǎng)絡(luò)傳輸效率的指標(biāo),在平均最短路徑的基礎(chǔ)上,結(jié)合實(shí)際交通數(shù)據(jù)能更真實(shí)地衡量路網(wǎng)傳輸效率,反映路網(wǎng)運(yùn)行狀態(tài),指標(biāo)計(jì)算公式為

(1)

擁堵指標(biāo)是所有OD對之間最短路徑的實(shí)際行程時間和自由流時間的比值的加權(quán)和,權(quán)重為對應(yīng)的交通需求在總交通需求中的比例。其物理意義:1)該指標(biāo)通過實(shí)際行程時間和自由流時間的比值,反映了每條最短路徑在研究時刻的擁堵情況;2)該指標(biāo)通過計(jì)算最短路徑所承擔(dān)的交通需求比例,來體現(xiàn)某條最短路徑的擁堵情況對整個路網(wǎng)的影響。

1.3 路網(wǎng)運(yùn)行狀態(tài)類型識別

使用K-means聚類算法對不同時段的路網(wǎng)進(jìn)行分類。K-means算法是無監(jiān)督的聚類算法,應(yīng)用廣泛。待分類的路網(wǎng)數(shù)據(jù)為路網(wǎng)于不同時段的基于平均最短路徑長度的擁堵指標(biāo)結(jié)果。

K-means聚類算法需預(yù)先確定類別數(shù)量?？紤]到分類目的為區(qū)分不同剩余供給能力的路網(wǎng)結(jié)構(gòu),即聚類相似剩余供給能力的路網(wǎng)結(jié)構(gòu)。這里基于歸一化譜距離(normalized spectral distance,NSD)指標(biāo)[18]衡量不同類別數(shù)下的分類結(jié)果,歸一化譜距離是側(cè)重于比較網(wǎng)絡(luò)整體結(jié)構(gòu)差異的指標(biāo)。

對于網(wǎng)絡(luò)Gm=G(N,A)和Gn=G(N,A′),N指代路網(wǎng)節(jié)點(diǎn)集合,A和A′指代路網(wǎng)路段集合。網(wǎng)絡(luò)Gm和Gn之間歸一化譜距離計(jì)算公式為

(2)

式中:λm、λn分別表示鄰接矩陣Xm和Xn的特征值,Xm和Xn分別表示網(wǎng)絡(luò)Gm和Gn的鄰接矩陣。

通過計(jì)算歸一化譜距離的平均值來衡量K-means聚類結(jié)果,歸一化譜距離的平均值的計(jì)算公式為

(3)

(4)

式中:Ch表示第h類路網(wǎng),kh表示第h類路網(wǎng)包含的路網(wǎng)個數(shù),H表示類別數(shù)量。

本文基于歸一化譜距離平均值,使用肘部法則確定K-means聚類算法的類別數(shù)量。對于分類結(jié)果,依據(jù)該類別所代表的路網(wǎng)可能的路段劣化情況,標(biāo)定該類路網(wǎng)的供給能力,并針對不同類別路網(wǎng)實(shí)施不同程度的交通管控方案。

2 實(shí)例分析

本節(jié)依據(jù)長沙市城市道路車牌識別系統(tǒng)數(shù)據(jù),得到研究區(qū)域內(nèi)道路網(wǎng)絡(luò)半個月內(nèi)的實(shí)時路況數(shù)據(jù)?；谲囕v道路旅行時間數(shù)據(jù)分析的結(jié)果以及第2節(jié)所提出的擁堵指標(biāo)計(jì)算方法,得到路網(wǎng)在不同時段的擁堵指標(biāo)。基于歸一化譜距離平均值指標(biāo)確定合適分類數(shù)為4。依據(jù)擁堵指標(biāo)使用K-means分類器將不同時段的路網(wǎng)分為4類,各類分別表示路網(wǎng)供給能力良好、一般、較差、極差。最終依據(jù)路網(wǎng)實(shí)時路況數(shù)據(jù),評價研究區(qū)域內(nèi)路網(wǎng)供給能力,依此提出合理的交通管控方案。

2.1 卡口數(shù)據(jù)分析

依據(jù)長沙市城市道路車輛車牌識別系統(tǒng)數(shù)據(jù),分析長沙市五一廣場周邊道路網(wǎng)絡(luò)2019年7月1日—2019年7月13日的交通狀況。研究區(qū)域內(nèi)(框內(nèi)區(qū)域)的道路交通網(wǎng)絡(luò)包含有44個節(jié)點(diǎn),146條有向路段,如圖3所示。

圖3 研究區(qū)域示意圖

區(qū)域內(nèi)設(shè)有卡口監(jiān)控的節(jié)點(diǎn)有31個(粗黑點(diǎn)位置),長沙市道路卡口監(jiān)控系統(tǒng)平均每日記錄數(shù)據(jù)約有2 200萬條,所分析數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)見表1。通過卡口數(shù)據(jù)分析得出的路段行程時間分布可以看出,研究區(qū)域內(nèi)交通流量有明顯的早晚高峰擁擠現(xiàn)象,如圖4所示。

表1 部分?jǐn)?shù)據(jù)

圖4 2019年7月1日(325,331)路段道路旅行時間情況

圖中以(325, 331)路段為例,圖4(a)展示了早高峰時期及其往后1 h的車輛道路旅行時間概率密度分布,早高峰時段向后1 h內(nèi)的車輛旅行時間相比于早高峰時段有了明顯下降, 早高峰時段旅行時間最大值可達(dá)600 s;圖4(b)展示了晚高峰時期及其往后1 h的車輛道路旅行時間概率密度分布,晚高峰時段向后1 h內(nèi)的車輛旅行時間相比于早高峰時段同樣有明顯下降,并且相比于早高峰時段,晚高峰時段更為擁堵,旅行時間最大值可達(dá)700 s;圖4(c)展示了路段在2019年7月1日全天的車輛道路旅行時間的期望值和中位數(shù)值。

本文以道路圍合區(qū)域作為自然的交通小區(qū),依據(jù)交叉口監(jiān)控數(shù)據(jù)可得到路網(wǎng)實(shí)時OD數(shù)據(jù),如圖5所示。圖5展示了路網(wǎng)8日18時的交通需求結(jié)果。表2展示了高峰時段(8日18時)和平峰時段(8日6時)交通需求前十的OD對的交通流量和最短路徑時間。

表2 交通需求前十的OD對的交通數(shù)據(jù)

圖5 交通需求結(jié)果(8日18時)

2.2 指標(biāo)結(jié)果

基于長沙市2019年7月1日—2019年7月13日的城市道路卡口監(jiān)控數(shù)據(jù),得到每天每時研究區(qū)域內(nèi)道路網(wǎng)絡(luò)的道路行程時間和路網(wǎng)OD數(shù)據(jù),進(jìn)而可分析得出擁堵指標(biāo)結(jié)果,如圖6所示。圖6展示了擁堵指標(biāo)最大值于2019年7月8日18時出現(xiàn),值為3.492 4,最小值出現(xiàn)于2019年7月2日23時,值為1.312 8。總的來說,早晚高峰時段路網(wǎng)擁堵指標(biāo)有明顯增大,并且晚高峰時段路網(wǎng)擁堵指標(biāo)增長更為顯著。在周末(6日、7日、13日)的早晚高峰時段,路網(wǎng)擁堵指標(biāo)增長幅度相對較小。

圖6 擁堵指標(biāo)結(jié)果

2.3 路網(wǎng)分類結(jié)果

使用K-means聚類算法,依據(jù)擁堵指標(biāo)數(shù)據(jù),進(jìn)行路網(wǎng)分類。為確定合適的類別數(shù)量,計(jì)算類別為1至7,步長為1,劣化系數(shù)δ取2時,歸一化譜距離的平均值,如圖7所示。圖7表示當(dāng)類別為4時歸一化譜距離的平均值下降幅度最大。

圖7 不同類別的分類結(jié)果

依據(jù)肘部法則,取類別為4進(jìn)行分類,K-means分類器訓(xùn)練結(jié)果將路網(wǎng)劃分成了4類,中心點(diǎn)擁堵指標(biāo)分別為1.522、1.823、2.207、3.069,擁堵指標(biāo)從小到大依次確定為類1、2、3、4。

根據(jù)擁堵指標(biāo)可將路網(wǎng)劃分成了4類,依據(jù)各類別對應(yīng)的中心點(diǎn)擁堵指標(biāo)來衡量不同類別的路網(wǎng)供給能力:擁堵指標(biāo)越接近于1,其供給能力越好;擁堵指標(biāo)越大,其供給能力越差。類1表示路網(wǎng)供給能力良好;類2表示路網(wǎng)供給能力一般;類3表示路網(wǎng)供給能力較差;類4表示路網(wǎng)供給能力極差。

以類3為例,可知同一類路網(wǎng)于不同時段的路網(wǎng)劣化結(jié)構(gòu)大致是一樣的,如圖8所示,并且各類歸一化譜距離的平均值為1.438。統(tǒng)計(jì)同一類型內(nèi)的所有路網(wǎng),記錄劣化可能性超過50%的路段,得到各類型道路網(wǎng)絡(luò)路段劣化情況如圖9所示。

圖8 不同時段的同一類路網(wǎng)結(jié)構(gòu)(以類3為例)

2.4 路網(wǎng)實(shí)時供給能力分類評價

依據(jù)道路網(wǎng)絡(luò)實(shí)時路況數(shù)據(jù)以及訓(xùn)練后的K-means分類器,可得2019年7月1日研究區(qū)域內(nèi)交通網(wǎng)絡(luò)剩余供給能力變化過程如圖10(a)所示,2019年7月1日—7月13日研究區(qū)域內(nèi)交通網(wǎng)絡(luò)供給能力變化過程如圖10(b)所示。

圖10 交通網(wǎng)絡(luò)供給能力變化

圖10表明,早晚高峰時段路網(wǎng)剩余供給能力有明顯劣化,即路網(wǎng)剩余供給能力較差,路網(wǎng)多為類3狀態(tài),并且晚高峰時路網(wǎng)有可能處于剩余供給能力極差狀態(tài)(即路網(wǎng)為類4)。并且相比于工作日,在周末(6日,7日、13日)的早晚高峰時段,路網(wǎng)剩余供給能力表現(xiàn)較為良好,這與實(shí)際情況相一致。

2.5 交通管控實(shí)施效果

本文針對路網(wǎng)在不同時段所屬的類別,建議使用不同的交通管控方式,如表3所示。

表3 各類別道路網(wǎng)絡(luò)應(yīng)采取的交通管控方式

為體現(xiàn)針對不同類型路網(wǎng)實(shí)施管控方案的效果,本文選用1日18時以及1日19時的路網(wǎng)為例,路網(wǎng)分別處于類2狀態(tài)、類3狀態(tài)。對上述兩類路網(wǎng)實(shí)施對應(yīng)的管控措施,計(jì)算仿真結(jié)果見表4、5。表4展示了1日18時,當(dāng)路網(wǎng)處于類3狀態(tài)時,對路徑1(287, 325, 348, 372, 394)施行交通信號控制優(yōu)化后——依據(jù)車流量比值調(diào)整其直行方向上的綠信比,路徑擁堵緩解情況,結(jié)果表明實(shí)施信號優(yōu)化控制后,路徑1的社會總成本下降了5.1%;同樣,表5展示了1日19時,當(dāng)路網(wǎng)處于類2狀態(tài)時,對路徑1施行信號優(yōu)化控制后的效果,路徑1社會總成本下降了6.3%。

表4 類3路網(wǎng)實(shí)施管控的效果

表5 類2路網(wǎng)實(shí)施管控的效果

3 結(jié) 論

1)基于道路車輛車牌識別系統(tǒng)數(shù)據(jù),分析得到路網(wǎng)實(shí)時路況數(shù)據(jù),包括道路行程時間和路網(wǎng)OD需求數(shù)據(jù),并使用基于平均最短路徑長度的擁堵指標(biāo)衡量道路網(wǎng)絡(luò)運(yùn)行情況。依據(jù)指標(biāo)結(jié)果構(gòu)成的數(shù)據(jù)集,基于譜距離指標(biāo)確定分類數(shù),訓(xùn)練K-means分類器,不同類別表示不同程度的剩余供給能力。最終依據(jù)訓(xùn)練后的K-means分類器和實(shí)時路網(wǎng)指標(biāo)結(jié)果,對路網(wǎng)進(jìn)行分類以評價其剩余供給能力。

2)以長沙市五一廣場附近的道路網(wǎng)絡(luò)為實(shí)例,研究結(jié)果與實(shí)際情況相符,即早晚高峰時段路網(wǎng)供給能力有明顯劣化,路網(wǎng)多為類3狀態(tài),晚高峰時路網(wǎng)甚至?xí)幱谑Ｓ喙┙o能力極差狀態(tài)(類4),并且相比于工作日,周末的早晚高峰時段,路網(wǎng)剩余供給能力表現(xiàn)較為良好。針對路網(wǎng)不同時段所處的剩余供給能力狀態(tài),針對性使用交通管控方案,能有效緩解交通擁堵,仿真結(jié)果表示擁堵路徑社會總成本下降5%以上。

3)以往的交通可靠性研究要么需將車輛數(shù)據(jù)與地圖數(shù)據(jù)相匹配,存在滯后性,要么只能涵蓋路網(wǎng)部分路段,難以于實(shí)踐中應(yīng)用。本文運(yùn)用實(shí)時交叉口車牌識別數(shù)據(jù),高效,準(zhǔn)確,真實(shí)地反映了網(wǎng)絡(luò)交通狀態(tài)。相比于傳統(tǒng)交通網(wǎng)絡(luò)可靠性評價研究,避免了數(shù)據(jù)與地圖匹配問題,使得本文提出的方法能實(shí)時地反映網(wǎng)絡(luò)交通狀態(tài)。