城市道路交通流檢測數據精度評價

翟雅嶠 翁劍成 榮 建 劉小明

(北京工業大學 交通工程北京市重點實驗室，北京 100124)

城市道路交通流檢測數據精度評價

翟雅嶠 翁劍成 榮 建 劉小明

(北京工業大學 交通工程北京市重點實驗室，北京 100124)

目前各種檢測方法采集到的路段速度數據普遍存在一定的誤差，其準確性直接影響各種交通分析模型結果的精度.針對浮動車檢測器、微波檢測器以及線圈檢測器的路段速度數據進行研究，利用GPS(Global Positioning System)設備實時記錄試驗車位置，分別在快速路和主干路進行了12次實驗，對不同采集方式獲取的速度信息進行了精度驗證和評價.實驗結果分析表明，浮動車數據獲取的城市快速路和主干路的路段行程速度平均誤差分別為13.6%和27.8%，且采集值與實際速度具有相同的分布.快速路微波檢測器和主干路線圈檢測器的速度數據與真實行程速度數據的誤差分別為30%和56%.表明了微波檢測器的斷面速度值，用來表征所處路段的行程速度時雖然具有一定的誤差，但是基本能表征路段的行駛狀況.該研究結論為不同精度需求的交通模型選擇合適的數據源提供支持，并為利用多源數據的冗余信息提高數據精度和完備性提供了理論依據.

智能交通系統;交通信息采集;數據精度;行程速度;信息一致性;數據融合

現在城市交通擁堵問題日益嚴重，及時準確地發布交通信息，合理地交通預測與誘導越來越受到重視.路段行程速度作為智能交通應用系統所需的最重要數據之一，其精度直接影響系統的應用效果.人們在城市中布設了各種采集設備以獲得路段速度，其中最常見的3種分別為浮動車采集系統、線圈檢測器和微波檢測器.其中浮動車采集系統可提供路段的行程速度，而其檢測精度至今沒有被系統驗證.

目前，文獻［1－2］驗證了單獨浮動車采用不同采集間隔和上傳間隔的檢測精度，但未對整個系統的檢測精度進行驗證.文獻［3］用仿真的方法對得到具有給定可靠度和精確度行程時間(與行程速度描述的信息相同)所需的最小浮動車樣本量進行了研究，該方法缺乏真實數據的支持.同樣文獻［4］用理論分析的方法得到達到95%可靠度所需的浮動車樣本量，但并沒有對浮動車系統本身的精度進行分析.文獻［5］得出多源數據融合所估計的行程時間精度優于浮動車采集的行程時間的精度，但并未分別對各種檢測器進行精度評價.文獻［6］對歐洲業已建成的信息系統計算得到的門到門出行時間的準確率進行了驗證，但未對系統所使用的數據源精度進行評價.文獻［7］利用牌照法對出租車速度與整個交通流的行程速度進行比較，從理論上得到浮動車采集方法的精度，但未涉及實際浮動車采集系統的精度驗證.

本文以北京市的浮動車采集系統為研究對象，利用試驗車測試的方法驗證該系統的精度并分析誤差的分布和影響精度的原因.此外本文還檢驗了線圈和微波檢測器提供的路段斷面速度與該路段的行程速度的相關性.

1 實驗方法

1.1 實驗設計

本文選擇一輛安裝有DL-3 GPS接收設備的小汽車作為試驗車，試驗車上同時有一名記錄員根據預先設定好的檢測點記錄試驗車通過檢測點時的時間.試驗車沿著預先選擇好的實驗路線行駛，駕駛員始終保持試驗車速度與車流速度一致.

本實驗根據試驗車通過相鄰兩個檢測點的時間差和檢測點間的路段長度得到路段的行程速度.將此路段的行程速度和浮動車的行程速度進行比較，得到浮動車行程速度的準確率.實驗數據以DL-3記錄的經過檢測點的時間為主，當GPS信號丟失或嚴重漂移時利用人工記錄的通過檢測點的時間進行補充和校核.實驗流程圖如圖1所示.

1.2 實驗路線選擇

實驗路線覆蓋了北京市的二、三、四環，以及長安街、平安大街等重點路段.全長29.8 km，共包含143條浮動車路鏈，13個微波檢測器和5個線圈檢測器.既包含了城市快速路，也包含了城市主干路及次干路.其中快速路13.4 km，占45%;主干路 15.3 km，51.3%;次干路 1.1 km，占 3.7%.所謂浮動車路鏈為浮動車檢測系統中，對道路網進行人為的分段，每一段稱為一條浮動車路鏈.浮動車采集系統中的數據均表示為浮動車在某條路鏈上的行程速度.

圖1 實驗流程圖

整條實驗線路設置了32個檢測點，將實驗線路分為31個路段.每個路段都包含多條浮動車路鏈，路段的起點和終點與浮動車路鏈的起終點重合，目的是使計算方便準確.同時為了驗證微波檢測器數據和線圈檢測器數據，每個路段盡可能僅包含一個檢測器.

實驗于2009年12月期間共完成了12次，包括工作日和休息日，一天中的早晚高峰和平峰.

2 試驗車速度數據驗證

現有對路段行程速度的檢測方法中，基于牌照識別的檢測方法具有最高的檢測精度，因此通常將其作為路段行程速度的真值.但牌照法需要投入大量人力物力，且覆蓋范圍有限.因此本文擬以試驗車數據作為路段行程速度的標準值.為了證明其合理性，本文設計了檢驗牌照識別數據和試驗車速度數據的相關性和一致性的實驗.

2.1 驗證實驗方法

沿實驗線路分別挑選2個位于快速路和主干路的代表路段，每個路段分別于上下游兩個斷面各設置1臺攝像機，拍攝路段最內側車道上行駛車輛的車牌照.試驗車GPS設備每1 s錄一次數據，且記錄員記錄試驗車通過上下有斷面的時間.同時將攝像機時間與GPS的時間保持同步.

統計試驗車通過牌照法檢測路段時刻，5min內所有經過該路段上下游斷面車輛的時間差并計算路段平均行程速度，見公式(1).式中，L為上下游斷面之間距離;Ti為5min內每輛車經過兩個斷面的時間間隔;n為5min內經過兩個斷面的車輛總數.以此數據作為標準值對試驗車行程速度數據進行驗證.

2.2 結果分析

實驗進行12次，得到48對數據，其中快速路和主干路各24對，得到的數據分別見圖2、圖3.

圖2 快速路牌照識別和試驗車速度對比圖

圖3 主干路牌照識別和試驗車速度對比圖

對兩組數據的統計特性進行檢驗，檢驗其是否具有相同的概率分布.由于兩組數據是同一交通參量的測量值且具有一一對應的關系，故應對其進行配對檢驗.配對數據檢驗的方法有很多，主要包括T檢驗和一些非參數檢驗，如Wilcoxon檢驗，符號檢驗和McNemar檢驗等.T檢驗和Wilcoxon檢驗針對小樣本量(N＜30)的連續數據檢驗效果較好.其中T檢驗要求被檢驗數據符合正態分布，而Wilcoxon檢驗不要求.因此首先檢驗本實驗的樣本是否符合正態分布.

K-S檢驗(Kolmogorov-Smirnov檢驗)，用來檢驗單一樣本是否分布來自某一特定分布總體.原假設H0:樣本來自的總體符合某特定分布.其基本公式為

式中，F0(x)為理論分布的分布函數;Fn(x)為樣本的累積頻率函數.當實際觀測的D大于拒絕臨界值D(n，a)時，拒絕原假設H0.也可根據差值序列D(x)計算顯著性進行判斷.當顯著性大于顯著性水平α(本文α均取0.05)時，接受原假設.

對4組數據進行單樣本K-S檢驗，結果如表1所示.

表1 K-S檢驗結果表

通過表中結果所示，4組數據的雙側顯著性均大于0.05符合正態分布，因此可以分別對快速路和主干路的行程速度數據進行配對T檢驗.

T檢驗的結果如表2所示.

表2 配對T檢驗及誤差分析結果表

從表2中可以看出，主干路數據配對T檢驗的顯著性均大于0.05，不能拒絕原假設，即試驗車數據和牌照識別數據來自相同均值的正態總體，且顯著性非常高.相關系數r均大于0.9，表示試驗車數據和牌照識別數據關系密切.上述信息說明試驗車數據和牌照識別數據具有相同的分布特征且它們之間的聯系非常緊密.此外，不論快速路還是主干路其平均絕對誤差(AAD，Average Absolute Deviation)都不超過5 km/h，其中快速路只有3.31 km/h;主干路的平均相對誤差(AARD，Average Absolute Relative Deviation)為 15.7%，而快速路僅有7.2%.這說明試驗車所測量的行程速度數據和牌照識別數據之間的誤差很小.因此，本文使用試驗車的路段行程速度作為標準值對各種檢測器數據進行驗證是可行的.這為今后開展類似的實驗提供了重要的參考.

3 浮動車速度數據驗證

3.1 異常數據剔除

根據多次實驗的結果，以試驗車數據為標準值，計算每個實驗路段的浮動車行程速度的平均相對誤差，具體的結果如圖4所示.

圖4 浮動車數據各路段平均相對誤差

圖4中黑色的實驗路段的相對誤差過高，明顯高于其他路段，通過對具體實驗路段的位置分析得知，發生數據異常變化的路段均為實驗路線中主干路左轉路段.即試驗車所反映的是沿該路段左轉向行駛的行程速度，而浮動車數據反映的是該路段以直行為主平均行程速度，近似認為該路段的直行行程速度.因此為了保證實驗的合理性，剔除上述路段的數據.且根據上述分析可知，當用戶需要含有左轉的路段的行程速度時，浮動車速度不能反映路段的真實行程速度，應在浮動車速度數據的基礎上適當折減.

3.2 快速路浮動車數據精度分析

快速路浮動車行程速度和試驗車行程速度(標準值)的對比結果如圖5所示.從圖中可以看出浮動車行程速度數據與標準值在非自由流(行程速度小于60 km/h)的條件下誤差較低，自由流條件下誤差相對較大.進一步對數據進行分析的結果如表3所示.

圖5 快速路浮動車數據與標準值對比圖

表3 快速路浮動車數據精度表

表3中可以看出，浮動車快速路的絕對誤差(AD，Absolute Deviation)和相對誤差(ARD，Absolute Relative Deviation)的平均值、最大值和最小值分別為 5.72 km/h和 13.6%，17.2 km/h 和43.2%，0.1 km/h 和 0.5%.已經能滿足日常實時路況信息的發布及旅行時間估算等應用的精度要求.而目前行程速度預測的精度要求為不超過20%，浮動車快速路數據也可滿足要求.尤其是其最大誤差不超過20 km/h，對于一般根據行程速度將路況分為3級，每級之間的速度間隔為20 km/h的交通狀態信息發布和群體交通誘導而言其應用效果和準確率符合應用需求.

對浮動車數據進行配對T檢驗，其顯著性為0.029小于0.05表明快速路浮動車數據與標準值分布情況不同，分析其原因為快速路自由流狀態下，浮動車速度均值小于標準值.因此對非自由流狀態下快速路浮動車數據進行分析，結果如表4所示.

表4 快速路非自由流浮動車數據精度表

從表4中可以看出，絕對誤差和相對誤差的平均值均有所降低.在非自由流狀態下的進行配對T檢驗的顯著性為0.373大于0.05，故接受原假設，表明快速路浮動車數據與標準值來自同一分布的正態總體，且r=0.928說明關系密切.上述結果表明快速路浮動車數據在非自由流狀態下可以完全代表路段的行程速度.而自由流狀態下的速度偏低，應加以修正以提高精度.其原因是快速路自由流速度分布較分散且出租車出于經濟原因其速度較其他車輛略低.

3.3 主干路浮動車數據精度分析

主干路浮動車行程速度與標準值對比情況如圖6所示.浮動車數據的波動性明顯小于標準值，其原因主要為主干路行程速度受信號燈的影響本身波動較大，而浮動車數據受本身計算方法和實際采集處理間隔的限制，對路段行程速度的波動不能很好地體現.

圖6 主干路浮動車數據與標準值對比圖

從表5中可以看出，主干路浮動車數據的絕對誤差和相對誤差的平均值均大于快速路，表明其精度比快速路略低，但依然可以滿足交通誘導、旅行時間和交通狀態估計的要求.但對于行程速度預測需求，其精度略差.對數據進行配對T檢驗，其顯著性和相關系數分別為0.941和0.825，表明其數據可以近似代表該路段的行程速度.

表5 主干路浮動車數據精度表

4 微波和線圈檢測器驗證

浮動車數據可以近似代表路段行程速度，并用于目前大多數基于路段行程速度的應用模型.但是浮動車數據受到客觀條件的影響很大，缺失現象較嚴重.因此，為了發揮多源數據的優勢，能否使用微波和線圈數據對浮動車數據進行合理的補充成為本文研究的另一部分內容.

4.1 微波檢測器數據分析

北京市的微波檢測器全部布設在快速路，用以檢測路段的斷面瞬時速度.它與路段行程速度具有本質區別，但可適度反映該路段的整體運行狀態.對比微波檢測器數據和行程速度標準值，如圖7所示.

圖7 快速路微波數據與標準值對比圖

微波檢測器數據的絕對誤差和相對誤差的平均值分別為10.5 km/h和29.5%，雖然與浮動車速度相比有一定差距，但如用于信息發布和基于交通狀態判斷的誘導，其精度完全滿足要求.此外根據T檢驗和相關系數的計算結果，微波檢測器數據可以近似代表該路段快速路的行程速度.快速路微波數據精度見表6.

表6 快速路微波數據精度表

根據實驗，本文還發現微波檢測器反映路段行程速度的精度，與微波檢測器布設在該路段的位置有關，如圖8所示.

圖8 微波數據各路段平均相對誤差

路段20的微波檢測器數據的平均相對誤差明顯高于其他檢測器，其速度值明顯高于標準值.分析其原因為路段20的微波檢測器布設在路段的下游端點，而其余檢測器均布設在路段中部或略靠近上游.交通流對于擁堵的傳播是由下游向上游傳播，位于下游的微波檢測器無法反映上游的擁堵情況.

4.2 線圈檢測器數據分析

線圈檢測器作為自適應交通信號控制系統(如Scoot)檢測路口附近交通流信息的終端設備的一部分，均布設在主干路信號交叉口附近，其檢測的速度也為路段的斷面瞬時速度.

對數據進行T檢驗，顯著性為0.031拒絕原假設，表明線圈檢測器數據和行程速度標準值來自于不同分布總體，存在明顯差異.且相關系數為0.086相關度很低，表明二者之間沒有緊密聯系.從表7可以看出線圈檢測器數據平均相對誤差為56.1%超過了50%，這樣的精度無法滿足一般的應用需求.因此不能用線圈檢測器數據代表主干路路段行程速度.

表7 主干路線圈數據精度表

5 結論

浮動車數據可以用來近似代表路段行程速度，且不論是快速路還是主干路數據精度均可滿足目前多數應用的精度需求.

在快速路浮動車數據缺失的情況下，可以利用該路段的微波檢測器數據代替，用以代表路段行程速度.需要注意的是本文所涉及的實驗路段均為城市快速路，微波檢測器布設較密集，檢測路段的間隔長度為500～800m.對于更長距離的路段，由于交通流變化，其精度結果有待進一步驗證.

References)

［1］姜桂艷，常安德，張瑋.基于GPS浮動車的路段行程時間估計方法比較［J］.吉林大學學報:工學版，2009，39(增刊2):182－186 Jiang Guiyan，Chang Ande，Zhang Wei.Estimation approaches of average link travel time using GPSdata［J］.Journal of Jilin University:Engineering and Technology Edition，2009，39(Supplement2):182－186(in Chinese)

［2］姜桂艷，常安德，張瑋.基于GPS浮動車的交通信息采集系統研究［J］.交通信息與安全，2009，27(4):104 －108 Jiang Guiyan，Chang Ande，Zhang Wei.Traffic information collection system based on GPS floatingcar［J］.Jounal of Transport Informatiaon and Safety，2009，27(4):104 －108(in Chinese)

［3］ Cetin M，ListG F，Zhou Yingjie.Factors affecting minimum number of probes required for reliable estimation of travel time［J］.Transportation Research Record:Journal of the Transportation Research Board，2005，1917:39 －44

［4］ Green M W，Fontaine M D，Smith B L.Investigation of dynamic probe sample requirements for traffic condition monitoring［J］.Transportation Research Record:Journal of the Transportation Research Board，2004，1870:55 －61

［5］ Bhaskar A，Chung E，Dumont A G.Travel time estimation on urban networks with mid-link sources and sinks［J］.Transportation Research Record:Journal of the Transportation Research Board，2009，2121:41 －54

［6］ Cohn R N.Real-time traffic information and navigation an operational system［J］.Transportation Research Record:Journal of the Transportation Research Board，2009，2129:129 －135

［7］扈中偉，溫慧敏，孫建平，等.基于車牌照識別數據的浮動車系統分析與驗證［C］//2008第四屆中國智能交通年會論文集.上海:同濟大學，2008:834 －840 Hu Zhongwei，Wen Huimin，Sun Jianping，et al.Study on floating car data system based on vehicle license plate recognition data［C］//Proceedings of the 4th China ITS Annual Meeting.Shaihai:Tongji University，2008:834 －840(in Chinese)

［8］ NanthawichitC，Nakatsuji T，SuzukiH.Application of probebehicle data for real-time traffic state estimation and short-term travel-time prediction on a freeway［J］.Transportation Research Record:Journal of the Transportation Research Board，2003，1855:49－59

(編 輯:張 嶸)

Experimental based traffic flow detectors data accuracy evaluation

Zhai Yaqiao Weng Jiancheng Rong Jian Liu Xiaoming
(Beijing Key Laboratory of Transportation Engineering，Beijing University of Technology，Beijing 100124，China)

Considerable errors exist in the road speed data obtained from various detectors and directly influence the accuracy.Various traffic models were established for estimation.12 groups of field experiments on different classes'roads by using a test vehicle with global positioning system(GPS)modules were implemented.Through combining automatically recording and manually recording，the accuracy discrepancy of travel speed data collected by floating car system，microwave detectors，and loop detectorswas attempted to verify.The results analysis shows that the average error rate of travel speed of floating cars at road section on urban expressways and arteries are 13.6%and 27.8%，and the acquisition data and the actual speed have the same distribution.Microwave detector on expressways and loop detectors on arteries are 30%and 56%.Even though the section velocities of the microwave detector have some errors，which could more or less describe the basic driving conditions.Thus，results provide some evidences for selecting appropriate traffic model decided by accuracy.Moreover，it provides evidences for the application of different dimensions information inmultisource data fusion for higher accuracy.

intelligent transportation system(ITS);traffic information collection;data accuracy;travel speed;information consistency;data fusion

U 495

A

1001-5965(2011)06-0733-05

2011-01-25

建設部十一五支撐計劃資助項目(2006BAJ18B03);科技部十一五支撐計劃資助項目(2006BAG01A01)

翟雅嶠(1981－)，男，北京人，博士生，stanleyzhai@139.com.