基于浮動車數(shù)據(jù)的高速公路擁堵檢測方法摘要：針對基于固定檢測設(shè)備的高速公路擁堵檢測方法在檢測時間和檢測范圍方面的不足，提出了基于浮動車GPS數(shù)據(jù)的檢測方法。提出了完整的擁堵檢測流程，包括高速公路的區(qū)間劃分、GPS匹配、區(qū)間狀態(tài)判定和擁堵狀態(tài)仿真等環(huán)節(jié)。通過一個檢測案例分析說明了方法效果。在擁堵檢測的快速性、準(zhǔn)確性和全面性方面較之傳統(tǒng)方法有明顯優(yōu)勢，同時分析了此方法的具體應(yīng)用條件。關(guān)鍵詞：浮動車；GPS；高速公路；擁堵檢測

ADetectionMethodofExpresswayTrafficCongestionbasedonProbeCarDataAbstract:Inviewofthetraditionalexpresswaytrafficcongestiondetectionmethodhasalongdetectiontimeandlimiteddetectionrange.AnewmethodofexpresswaycongestiondetectionbasedonprobecarGPSdatawasproposed.Theexpresswayintervaldivision,GPSmatching,intervalstatejudgementandcongestionstatussimulationwereincludedinthismethod,andtheapplicationconditionsofthismethodwasgiven.Thereareobviousadvantangesindetectiontimeandaccuracycomparedwithtrditionalmethods.Keywords:ProbeCar;GPS;Expressway;Trafficcongestiondetection

0引言傳統(tǒng)的高速公路擁堵檢測一般是通過沿線布設(shè)的各種自動檢測設(shè)備、報警急救電話和車輛巡邏等方法檢測交通信息，然后通過現(xiàn)場或者視頻進(jìn)行人工確認(rèn)，最后通過網(wǎng)絡(luò)、廣播和VMS等渠道進(jìn)行發(fā)布。這樣雖然在準(zhǔn)確率和誤判率方面都有不錯的效果，但檢測范圍有限，檢測時間不能滿足動態(tài)交通信息的標(biāo)準(zhǔn)。基于浮動車的高速公路擁堵檢測方法可以快速地，在浮動車數(shù)據(jù)覆蓋的路網(wǎng)范圍內(nèi)較為精確地檢測出擁堵，并且能夠獲取擁堵開始時間、結(jié)束時間、擁堵點(diǎn)位置和近似排隊(duì)長度等比較全面的擁堵參數(shù)。這就為交通指揮管理部門快速反應(yīng)提供了必要的信息支持。特別地，浮動車技術(shù)在檢測偶發(fā)性擁堵方面優(yōu)勢明顯，如果和道路施工等計劃性交通事件信息結(jié)合，將會發(fā)揮更大的作用。張存保等[1]曾經(jīng)通過VISSIM仿真的方法論證過浮動車檢測高速公路擁堵的可行性和先進(jìn)性，在不同交通流量條件下，仿真取得了較高的檢測率（92.5%），較低的誤判率（1.2%）和快速的檢測時間（1.6min）。本文則在此基礎(chǔ)上開展實(shí)踐應(yīng)用研究。何兆成[6]等對基于浮動車的高速公路區(qū)間平均速度進(jìn)行估計。本文研究成果是基于全國重點(diǎn)營運(yùn)車輛聯(lián)網(wǎng)聯(lián)控信息服務(wù)平臺項(xiàng)目的河北省浮動車數(shù)據(jù)得到的，并以河北省高速公路管理局網(wǎng)站發(fā)布的高速公路擁堵事件信息為評價的標(biāo)準(zhǔn)。1理論依據(jù)交通擁堵檢測的算法有很多，根據(jù)檢測途徑，可以分為基于固定檢測設(shè)備的檢測方法和基于移動設(shè)備的檢測算法。前者可以實(shí)現(xiàn)穩(wěn)定的、連續(xù)的檢測，但是設(shè)備布設(shè)成本高，檢測范圍受限制；當(dāng)樣本車數(shù)量和比例足夠時，浮動車技術(shù)可以對空間范圍有較好的覆蓋，但是覆蓋路段和強(qiáng)度不能任意控制，受到車流分布的影響，數(shù)據(jù)質(zhì)量有一定波動。美國加利福尼亞運(yùn)輸部開發(fā)的加州算法[2]是通過分析鄰近檢測線圈的占有率數(shù)據(jù)，判斷可能存在的交通事件。開發(fā)于1991年的莫尼卡算法[2]以連續(xù)車輛之間的車頭時距的測量值和方差、連續(xù)車輛之間的速度差為基礎(chǔ)，判斷是否存在交通事件。McMaster方法[3]通過使用大量歷史數(shù)據(jù)建立流量-占有率分布關(guān)系模板，并以此作為是否發(fā)生交通擁堵的依據(jù)。Adeli和Karim[4]將模糊邏輯、小波分析和RBF神經(jīng)網(wǎng)絡(luò)綜合應(yīng)用于事件檢測，取得較好的效果。以上方法或者基于廣泛布設(shè)的檢測器，或者基于難以獲得的測量值，很難在實(shí)際應(yīng)用中推廣。最近幾年中，BishopR.對全球范圍內(nèi)的FCD技術(shù)運(yùn)用做了一個有篩選的總結(jié)和回顧[8]，RueyLC，BasnayakeC等人對基于GPS的浮動車技術(shù)在道路交通事件的自動化檢測方面進(jìn)行了研究[9~11]。本文算法是基于數(shù)據(jù)挖掘理論以及GIS動態(tài)分段思想提出的基于FCD數(shù)據(jù)的高速公路擁堵檢測方法。算法首先對高速公路路段進(jìn)行了動態(tài)分段，按需將其動態(tài)劃分為一定長度的檢測區(qū)間，然后計算每個檢測區(qū)間內(nèi)的交通參數(shù)，并根據(jù)參數(shù)值對檢測區(qū)間對象進(jìn)行分類，最后通過分層聚類的方法將單獨(dú)的檢測區(qū)間對象進(jìn)行簇的聚集合并，至此可以得到高速公路路段的相關(guān)路況狀態(tài)及參數(shù)。動態(tài)分段是指在不改變要素位置描述（坐標(biāo)）的前提下，將屬性的沿程變化存儲為獨(dú)立的屬性表（事件屬性表），使道路以一維線性參照系統(tǒng)為基礎(chǔ)建立的各類屬性集與道路以二維參照系統(tǒng)為基礎(chǔ)建立的空間位置關(guān)聯(lián)起來，在顯示和分析過程中直接依據(jù)事件屬性表中的距離值對線狀要素進(jìn)行動態(tài)邏輯分段，不必隨每個屬性集的分段不同來修改對應(yīng)的二維空間中的坐標(biāo)數(shù)據(jù)[6]。它是在傳統(tǒng)GIS數(shù)據(jù)模型的基礎(chǔ)上利用線性參考系統(tǒng)和相應(yīng)算法，對線性要素的定位不再使用X，Y坐標(biāo)，而是動態(tài)計算出屬性數(shù)據(jù)的空間位置的方法。分類和聚類均是數(shù)據(jù)挖掘的重要研究分支，都是人們認(rèn)識研究對象的一種方法。分類是指將數(shù)據(jù)映射到預(yù)先定義好的群組或類。因?yàn)樵诜治鰷y試數(shù)據(jù)之前，類別就已經(jīng)被確定了，所以分類通暢稱作有指導(dǎo)學(xué)習(xí)。分類算法通常通過觀察已知所屬類別的數(shù)據(jù)的特征來描述類別。模式識別就是一種分類問題，輸入的模式根據(jù)它預(yù)先定義好的類別的相似度，被劃分到某一類中去。所謂聚類就是按照事物的某些屬性，把事物聚集成類，使類間的相似度盡可能小，類內(nèi)的相似度盡可能大。迄今為止，人們已經(jīng)提出了很多聚類算法，其中分層聚類的方法由于算法簡單、快速和能夠有效地處理大數(shù)據(jù)集等優(yōu)點(diǎn)已成為實(shí)際聚類分析的支柱[7]。2檢測算法基本思想和流程 交通狀態(tài)通過可以檢測的交通相關(guān)參數(shù)來表達(dá)。高速公路交通狀態(tài)并非均勻一致的，不同區(qū)間的交通狀態(tài)存在差異；也不是穩(wěn)定的，而是隨著時間在不斷變化。浮動車數(shù)據(jù)是目前反映交通狀態(tài)的一種重要方法，應(yīng)用廣泛。特別地，高速公路交通流在擁堵和暢通狀態(tài)下，其中的浮動車GPS數(shù)據(jù)具有明顯的特征差異。高速公路的擁堵路段范圍會隨著時間不斷變化的，這就要就在時間和空間維度上進(jìn)行劃分，以便獲取足夠的數(shù)據(jù)用以判斷區(qū)間交通狀態(tài)。在時間維度上，一般以5min~15min為周期對路況信息進(jìn)行更新。 浮動車一般為全部交通流車輛的一部分，在交通流中分布不一定均勻，并且GPS數(shù)據(jù)具有一定的時間間隔，對交通狀態(tài)的描述難免有不周全。綜合檢測精度要求和經(jīng)濟(jì)性要求，一般將高速公路劃分成200m~500m的小區(qū)間。經(jīng)過時空劃分后，每個周期，每個區(qū)間內(nèi)或者包含了一定數(shù)量的浮動車GPS數(shù)據(jù)，或者無數(shù)據(jù)。這些數(shù)據(jù)就是判斷此區(qū)間本周期內(nèi)交通狀態(tài)的依據(jù)。因?yàn)楦榆嚁?shù)據(jù)源的不同，路網(wǎng)中每條路段被浮動車覆蓋的強(qiáng)度、時間段千差萬別，在提取交通狀態(tài)特征時有必要剔除涉及數(shù)據(jù)量的因素，一般取平均速度、低速比例等參數(shù)。而這些參數(shù)的狀態(tài)判斷閾值是通過大量的觀測數(shù)據(jù)得到的。隨著擁堵的發(fā)生，浮動車數(shù)據(jù)在交通流中分布的均勻性急劇下降，往往會造成上述判斷結(jié)果中擁堵區(qū)間相離，而中間區(qū)間無數(shù)據(jù)的情況，僅根據(jù)其內(nèi)部參數(shù)無法將其判定為擁堵狀態(tài)，這就需要進(jìn)行狀態(tài)填補(bǔ)。 實(shí)現(xiàn)基于FCD的高速公路擁堵檢測必須具備以下條件：1）檢測時間內(nèi)，路網(wǎng)（或路段）被FCD覆蓋，并且達(dá)到一定的覆蓋強(qiáng)度。檢測流程如圖1所示。高速公路網(wǎng)高速公路網(wǎng)小區(qū)間劃分區(qū)間參數(shù)計算區(qū)間狀態(tài)判定、填補(bǔ)擁堵檢測結(jié)果浮動車GPS匹配結(jié)果圖1基于FCD的高速公路擁堵檢測方法流程Fig.1TheprocessofexpresswaytrafficcongestiondetectionbasedonProbeCarData 之所以將基于FCD的擁堵檢測方法首先應(yīng)用于高速公路，是因?yàn)楦咚俟肥墙^對的交通性道路，幾乎不受外界環(huán)境干擾，浮動車數(shù)據(jù)能比較真實(shí)地反映交通狀況。試驗(yàn)結(jié)果也證明在此方法在高速公路擁堵檢測中效果顯著，而在其他等級道路上，則難以取得理想效果。按照以下步驟進(jìn)行高速公路的擁堵檢測。step1:高速公路主線分段，在GIS地圖中，以高速公路起、終點(diǎn)和分流點(diǎn)、合流點(diǎn)作為分段基準(zhǔn)點(diǎn)。按照交通流方向逐次劃分長度為l的區(qū)間，不足部分單獨(dú)作為一個區(qū)間；step2:將GPS數(shù)據(jù)和高速公路地圖進(jìn)行匹配，記錄各點(diǎn)所在的區(qū)間ID；step3:根據(jù)匹配結(jié)果，統(tǒng)計各區(qū)間的信息，并進(jìn)行狀態(tài)判定；step4:進(jìn)行區(qū)間狀態(tài)填補(bǔ)；距離不大于3km的擁堵區(qū)間可以互相連通，即將位于它們之間的區(qū)間狀態(tài)判定為擁堵。雖然這個距離值沒有明確的依據(jù)，但是從高速公路現(xiàn)有擁堵分布情況來看，上下游兩處擁堵一般至少距離10km以上，為了保險起見，盡量取小；為了使現(xiàn)有FCD基本都能填補(bǔ)擁堵狀態(tài)，這個值盡量取大，但同時會造成誤填充。step5:統(tǒng)計并保存各周期的擁堵信息，包括隊(duì)頭位置、隊(duì)尾位置、排隊(duì)長度等信息；step6:當(dāng)檢測到某次擁堵完全消散時，匯總擁堵信息，保存結(jié)果。 首先將高速公路路段劃分成長度范圍在200m～1000m之間的小區(qū)間，區(qū)間長度的具體取值依據(jù)空間檢測精度的要求和FCD覆蓋強(qiáng)度確定?？臻g檢測精度要求越高，F(xiàn)CD覆蓋強(qiáng)度越大，則區(qū)間長度越短；反之越長。一般只對高速公路主線作小區(qū)間劃分，出入口匝道、立交連接/轉(zhuǎn)向匝道因?yàn)殚L度較短、曲率半徑較小，不在檢測范圍之內(nèi)。浮動車GPS數(shù)據(jù)和高速公路網(wǎng)的匹配除了一般的道路匹配結(jié)果之外，在此還應(yīng)增加一個屬性值，即匹配點(diǎn)到路段起點(diǎn)的長度。這個數(shù)據(jù)是后續(xù)確定各個GPS點(diǎn)（或?qū)?yīng)的匹配點(diǎn)）所在 針對擁堵檢測的區(qū)間參數(shù)主要有平均速度、低速比例等，本文低速比例主要采用P_5(表示GPS點(diǎn)瞬時速度速度不大于5km/h的GPS點(diǎn)數(shù)占所有點(diǎn)數(shù)的百分比)。根據(jù)區(qū)間的參數(shù)，主要是最大速度、平均速度和低速比例。根據(jù)條件：區(qū)間內(nèi)最大速度小于60km/h，且平均速度不大于20km/h，且低速比例P_5不小于50%，則判定為擁堵。隨著擁堵的發(fā)生，浮動車數(shù)據(jù)在交通流中分布的均勻性急劇下降，造成上述判斷結(jié)果中擁堵區(qū)間相離，而中間區(qū)間無數(shù)據(jù)的情況，僅根據(jù)其內(nèi)部參數(shù)無法將其判定為擁堵狀態(tài)，這就需要進(jìn)行狀態(tài)填補(bǔ)。根據(jù)實(shí)踐經(jīng)驗(yàn)，可以按照如下規(guī)則進(jìn)行狀態(tài)填補(bǔ)：當(dāng)前后擁堵區(qū)間相距不超過3km時，可以將中間區(qū)間的狀態(tài)判定為擁堵。最終得到的結(jié)果就有本周期內(nèi)擁堵起止位置和近似排隊(duì)長度。在高速公路上發(fā)生的擁堵往往會跨周期，這就需要對擁堵信息進(jìn)行保存，直至其完全消散。 最后對于本文提出的算法的適應(yīng)性，主要是在FCD的覆蓋率和分布均勻性方面有要求，在暢通條件下，每個周期，每個區(qū)間內(nèi)的有效匹配GPS點(diǎn)數(shù)量不少于5。如果達(dá)不到這個要求，只能適當(dāng)延長信息更新周期，或者增加劃分的區(qū)間長度，通過降低檢測精度來滿足檢測準(zhǔn)確率和誤報率方面的要求。3算例 為了更清楚地表達(dá)本文方法的流程和效果，以一次擁堵的檢測為例。根據(jù)本文提出的方法，以15min為更新周期，500m為區(qū)間劃分單位，檢測到在2011年7月26日路段113004742（GIS地圖中路段ID）處發(fā)現(xiàn)擁堵，對照GIS地圖，擁堵位置為黃石高速石家莊方向，深州西站附近。擁堵開始于10:00，結(jié)束于11:15，最大排隊(duì)長度1500m表1部分GPS數(shù)據(jù)及其處理結(jié)果Tab.1SomeGPSdataandoperationresult序號車輛ID日期時間緯度(N)經(jīng)度(E)速度距離11_冀J89900201107263729837.994410115.558722924305.821_冀J89900201107263732837.994749115.549852945083.831_冀J89900201107263738837.995904115.532935766571.541_冀J89900201107263741837.996070115.530701146768.151_冀J89900201107263747837.996160115.53013706818.261_冀J89900201107263759837.996174115.53012206819.7為了便于觀察，提取路段113004742上下游連續(xù)Link在這一天中的檢測結(jié)果，其擁堵時空影響范圍如圖2所示，圖中橫軸表示時間周期序號，15min為一個周期；縱軸表示沿主線劃分的區(qū)間序號，每500m為一個區(qū)間單位；白色區(qū)域表示此次擁堵的時空范圍，其他部分為暢通。圖2案例113004742-20110726的擁堵范圍（白色區(qū)域）Fig.2Thecongestionrangeofcase113004742-20110726擁堵開始產(chǎn)生擁堵完全消散擁堵開始產(chǎn)生擁堵完全消散擁堵發(fā)展面擁堵消散面圖3路段113004742上下游路段20110726交通運(yùn)行時空圖和擁堵局部放大圖Fig.3TheSpace-TimeFigureoflink113004742andpartialenlargementon20110726 上述時空圖中，橫軸表示時間，單位是小時?？v軸表示距離路段起點(diǎn)長度，單位為米。從全天總圖中可以看出，在距離路段起點(diǎn)6000m~7000m處，大約在10:00~11:00發(fā)生了擁堵，如圖中紅色虛線表示。將此局部放大，可以清楚地看到經(jīng)歷擁堵的各輛浮動車的時空運(yùn)行軌跡。圖中紅色虛線表示擁堵產(chǎn)生面隨著時間的運(yùn)動情況，而綠色虛線表示此次擁堵的消散面。圍合部分就表示擁堵的時空范圍。 對應(yīng)上述檢測到的擁堵信息，從河北省高速公路管理局官網(wǎng)發(fā)布的信息中，找到對應(yīng)的擁堵描述，參見圖4：2011年7月26日，10：17起，黃石高速公路石家莊方向深州西站附近，K212+500處發(fā)生擁堵，至11：00擁堵消散，車輛擁堵約2km。通過檢測結(jié)果和此次發(fā)布的擁堵信息的對比如表2所示。圖4官網(wǎng)發(fā)布信息截圖Fig.4ThefigurefromHebeiExpresswayManagementCenter表2擁堵檢測和官網(wǎng)發(fā)布信息對比Tab.2TheComparisonofDetectionResultandPublishedInforamtion序號對比項(xiàng)擁堵檢測結(jié)果網(wǎng)站發(fā)布信息對比結(jié)果1日期2011072620110726日期相同2位置LinkID：113004742黃石高速，K212+500位置接近3開始時間10：0010：17早17min4結(jié)束時間11：1511：00晚15min5影響時間75min43min多32min6最大長度1.5//7影響長度1.5約2km相近 最大影響長度不超過2km，時間不超過2h，這在高速公路上屬于較小規(guī)模的擁堵，而從上表中，可以看出基于浮動車的高速公路擁堵檢測方法對此也具有較高的準(zhǔn)確性，并且第一個檢測到擁堵的周期結(jié)束即為其信息發(fā)布的時間，即為10:15，明顯早于管理部門網(wǎng)站發(fā)布時間11：02?？梢钥闯龌诟榆嚁?shù)據(jù)的高速公路擁堵檢測方法在降低檢測成本和避免擁堵加劇升級方面的巨大潛力。4結(jié)論 依據(jù)河北省高速公路管理局發(fā)布信息，選取2011年7月份具有代表性的10個擁堵信息，對本文提出的方法進(jìn)行驗(yàn)證，均得到相應(yīng)擁堵檢測結(jié)果，并且對發(fā)布信息，特別是擁堵發(fā)生時間和最終消散時間有一定校正。 基于浮動車數(shù)據(jù)的擁堵檢測方法計算簡單，適應(yīng)性強(qiáng)；但其所得排隊(duì)長度對浮動車在排隊(duì)中的分布存在較強(qiáng)的依賴關(guān)系，并且在更新信息時往往存在一定跳躍。本文提出的方法實(shí)際上是針對高速公路通行能力的檢測，而有些事件不會對高速公路的通行能力造成明顯的影響。所以本文提出的方法只能檢測到導(dǎo)致通行能力明顯下降的事件，而對一些小型事件天然過濾，從交通狀況檢測角度來看這是一個明顯優(yōu)勢。參考文獻(xiàn)：[1]張存保，楊曉光，嚴(yán)新平.基于浮動車的高速公路交通事件自動判斷方法研究[J].武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2006，30（6）：973-975[2]姜桂艷.道路交通狀態(tài)判別技術(shù)與應(yīng)用[M].北京:人民交通出版社,2004[3]PersaudB,HallF.TheMcMastersinglestationalgorithmfordetectionoffreewayincidentsWorkingpaper[R].DepartmentofCivilEngineering.McMasterUniversity,1988[4]AdeliH,KarimA.FuzzywaveletRBFNNmodelforfreewayincidentdetection[J].TransportationEngineeringASCE,2000,12(11):464-471[5]張敬磊,王曉原.交通時間檢測算法研究進(jìn)展[J].武漢理工大學(xué)學(xué)報:交通科學(xué)與工程版,2005,29(2):215-218[6]符鋅砂,郭云開.交通地理信息系統(tǒng)[M].北京:人民交通出版社,2007,174-180.[7]董均宇.層次聚類算法的研究于應(yīng)用[D].長沙:中南大學(xué),2009.[8]BishopR.Floatingcardataprojectworldwide:Aselectivereview[C]//ITSAmericaAnnualMeeting,2004[9]BasnayakeC.AutomatedtrafficincidentdetectionusingGPS-basedtransitprobevehicle[D].UniversityofCalgray,2004[10]RueyLC,BasnayakeC,AutomatedtrafficincidentdetectionwithGPSequippedprobevehicles[C].IONGNss,2004[11]Pattara-atikomW.PongpaihooolP.ThajchaypongS,Estimatingroadtrafficcongestionusingvehiclevelocity[C]//6thInternationalConferenceonITSTelecommunicationsProceeding,China,2006收稿日期：2012-6-1作者簡介：張志平（1969-），男，黑龍江省齊齊哈爾市人，同濟(jì)大學(xué)博士研究生，研究方向：交通運(yùn)輸規(guī)劃與管理；汪向杰，男，上海優(yōu)途信息科技有限公司；林航飛，男，同濟(jì)大學(xué)。ZHANGZhiping1,2 WANGXiangjie2 LINHangfei1(1.TongjiUniversity 2.ShanghaiYootuInformationTechnologyCo.,Ltd)聯(lián)系人：汪向杰通訊地址：上海市楊浦區(qū)國泰路11號復(fù)旦科技園大廈1305(200433)聯(lián)系方式：wangxiangjie804@163.comTel/p>

修改說明：1）相對于傳統(tǒng)的方法優(yōu)越性：準(zhǔn)確性、全面性驗(yàn)證不足。全面性是指擁堵檢測所獲得的參數(shù)種類多，如發(fā)生時間、消散時間、排隊(duì)長度波動、隊(duì)頭隊(duì)尾位置的變化等；而準(zhǔn)確性，是依賴我們通過單車軌跡獲得的時空圖的。由于缺乏現(xiàn)場調(diào)查（突發(fā)性事件導(dǎo)致的擁堵難以預(yù)測準(zhǔn)確位置），目前只能通過后期的數(shù)據(jù)得到時空圖。并將其近似作為實(shí)際交通運(yùn)行情況。本文提出的方法比傳統(tǒng)的方法精確，有多個案例可以說明。2）文中算法步驟闡述不夠明晰，應(yīng)進(jìn)一步條理化。按照要求，對算法步驟進(jìn)行了條理化表達(dá)。

3