基于GIS的城市交通流時空特征分析

孫維亞，周凌焱，宋志豪

（1．西南交通大學，四川 成都 610031）

基于GIS的城市交通流時空特征分析

孫維亞1，周凌焱1，宋志豪1

（1．西南交通大學，四川 成都 610031）

交通堵塞是當今世界面臨的嚴重問題，分析交通路況在不同時間不同空間上的特征有助于有關部門了解交通信息，及時作出調整或制定政策，緩解交通壓力。主要研究了成都市3個環線上交通流的時間特征、空間特征以及時空特征；并對交通數據進行Pearson相關分析，繪制散點分布圖，為研究交通狀況提供依據。

交通流；特征分析；Pearson相關系數

為了緩解交通擁堵，很多城市采取了汽車限購、尾號限行等措施，但效果并不理想。治理交通擁堵，應先分析交通擁堵的成因。目前各國專家學者從多方面分析交通流的特征，為政府制定緩解交通擁堵的政策提供依據。

時空數據模型的研究興起于1970年代末[1,2]，Langran將時空數據模型的建模思路分成2種類型，即側重于反映時空對象狀態序列的面向過程的建模和側重于反映時空過程中因果聯系的面向時間點的建模[3]；20世紀80年代后，面向對象的數據建模[4]逐漸成為一種時空數據建模的方向。國內對于空間數據模型的研究起步較國外遲一些，杜道生等于1997年研究建立了基于同步數據項和碎分拓撲弧段時間標記的時空數據模型[5]。舒紅、陸鋒、李小娟、周成虎等人也在模型方面對時空數據進行了一系列的研究[5,6]。本文基于時空數據模型，分別從時間、空間和時空3方面，對城市的交通流特征進行分析，從而更好地了解交通擁堵的特征，為緩堵提供依據。

1 相關原理與數據信息

1.1 相關分析

相關分析是分析客觀事物之間關系的數量分析方法[7]。Pearson相關系數用來衡量2個序列是否在一條線上，以衡量定距變量間的線性關系[7]。其計算公式為：

式中，n為樣本量；xi和yi分別為兩變量的變量值[7]。當r>0.8時，表示2個變量之間具有較強的相關關系；r＜0.3表示2個變量之間的相關關系較弱[7]。

1.2 數據來源及數據信息

本文實驗數據是從Google Earth上直接下載的成都市柵格路況圖,如圖1所示,其圖幅大小為1 792×1 536，每個像素實地距離為19.08 m。圖中不同的顏色代表不同的路況信息：綠色表示為暢通無阻；黃色代表車速較快；紅色代表擁堵，車速較慢；紅黑間隔代表嚴重擁堵，車速很慢。由于無法直接獲取每種顏色所代表的車速信息的精確范圍，因此需對路況信息值進行等級劃分：綠色為第一等級，黃色為第二等級，紅色為第三等級，紅黑間隔為第四等級。

圖1 原始數據：柵格地圖

本次實驗采用2012-01-16~2012-01-18從10:00~21:00的非等間隔時間數據，共包含柵格路況地圖329幅。由于這3 d是工作日，因此該實驗數據具有一般性特點。

1.3 數據的提取與處理

對于交通流信息，直接處理和分析圖片數據較為復雜，因此實驗中將柵格地圖里的路況信息進行提取并數值化，再進行處理和分析。筆者采用C#語言編寫相關的應用程序，對柵格路況圖的信息進行提取。首先在路況圖上獲取道路區域的像素范圍；再沿著道路等距離提取一些采樣點，對其編號并量取對應的像素坐標；然后將這些點號和像素坐標組成數據文件；最后使用編寫的數據提取軟件，獲取圖幅上每一個對應像素點的灰度信息。本次實驗僅對成都市一環、二環、三環道路進行數據提取和分析，采樣間隔為10個像素，即實地間隔190.8 m。表1為采樣數據的樣表。

表1 采樣數據樣表

2 交通流時空分析

首先整體統計各個環線上所有采樣點路況信息的頻數和頻率，統計結果如表2所示。

表2 各個環線上采樣點路況信息總體統計表

2.1 時間特征分析

時間序列分析是一種對動態數據進行處理的統計方法。該方法在數理統計學和隨機過程方法基礎上，研究隨機數據其中的統計學規律，用來解決實際生活中的決策和預測分析問題[8]。

對于成都市3個環線上交通流的時間特征，實驗中將每個采樣點的路況等級信息組成1組時間序列，存入Excel文檔中。例如，取2012-01-16 上午9：55所有采樣點的等級信息組成時間序列1，取下一個時間點10：05的采樣點信息組成時間序列2，依次作出序列3、4等，如圖2所示。

圖2 時間序列雙變量相關系數示意圖

將所有序列組成的Excel文件導入Spss[7]統計學軟件，通過計算序列間的Pearson相關系數，確定2個序列間的關系。由于實驗中的時間序列是非等時間間隔的，加上數據量比較大，所以需進行大量統計工作，分別統計序列1與序列2的相關系數，序列1與序列3的相關系數，序列1與序列4的相關系數，直至時間間隔為30 min時停止，繼而從序列2以相同的方式統計相關系數，依此類推，得到結果如圖3所示。

圖3 一、二、三環環線時間相關系數均值回歸線圖

由圖3可知，3個環線在時間上的變化程度基本相當，不能明顯區分。這說明，隨著時間的增加，3個環線上路況的相似度逐漸降低。

2.2 空間特征分析

空間分析是分析空間數據的一種技術，目的是為了提取和傳輸空間信息，特別是隱藏的信息，解決地理空間的實際問題，輔助人們決策[9]。

實驗中為了分析成都市內交通路況的空間特性，選擇了與上述時間特征分析類似的方法，即分析空間序列的相關性。如圖4所示，將采樣點1的路況信息按照時間順序排列并定義為序列1，依次定義采樣點2的數據為序列2，序列3…，然后用Spss軟件統計序列間的相關性。實驗中只計算相對距離為1 000內的空間采樣點的相關系數。由于采樣間隔是10個像素，一個像素實地長寬約19.08 m，故相鄰的2個采樣點間距約為190 m。用Spss軟件計算序列1和序列2 的相關系數，即間隔190 m的2個采樣點路況的相關系數；計算序列1和序列3雙變量的相關系數，即間隔380 m的2個采樣點路況的相關系數，依次計算出序列1和序列4、5、6的雙變量相關系數。

圖4 空間序列的雙變量相關系數示意圖

將序列2定義為序列1，序列3定義為序列2，依此分別計算采樣點2與采樣點3、4、5、6、7上的序列的雙變量相關系數。每個采樣點計算與其后相鄰的5個采樣點的相關系數，將相關系數取平均值后作圖并展示如圖5。

圖5 一、二、三環環線空間相關系數均值回歸線圖

由圖5可知，實驗區域一環環線和二環環線的路況變化程度基本一致，而三環的路況相對穩定。

2.3 時空特征分析

時空特征結合了時間和空間，將時間和空間同時考慮進去，也是未來分析空間數據的一種趨勢。由于在采樣時采取了時間上非等間隔、空間上等間隔、使得在研究時空特征時有困難，故在此環節將刪除一些時間片段，使采樣數據在時間上也是等間隔的，時間間隔固定為10 min，組成等距離間隔、等時間間隔的路況數據。

圖6 時空數據組織示意圖

圖6中t1、t2、t3、t4為等間隔時間點的圖幅片段，其間隔為10 min，環形為成都市道路的模擬，1、2、3、4為道路上的采樣點，采樣間隔190 m。圖中同一種顏色表示距離間隔為190 m、時間間隔為10 min的2對序列，用Spss求其相關系數。時空特征分析不等同于單獨分析時間和空間特征，有復雜性和動態性。

圖7 一、二、三環環線時空相關系數均值散點圖

從圖7可以看出，隨著時間與空間的增加，其相關數逐漸減少，即時間間隔越大，同時增大空間間隔，路況的相似程度會減少。將其與單獨的時間增加或空間增加相比較，路況的變化程度更大。

3 結 語

對實驗區域而言，整個城市，離城市中心越遠，城市的路況越好；對每個環線而言，在時間上，隨著時間間隔的增加，采樣點間時間間隔相關系數逐漸變小；在空間上，隨著空間距離的增長，采樣點間空間間隔相關系數逐漸變小；在時間上，3個環線上的路況等級變化頻率相似；從空間上看，一環、二環的路況等級變化相似，變化較快，三環相對較為穩定。由于時空數據的動態性和復雜性，因而在同時考慮時間和空間時，情況相對復雜，但可以看出，無論在哪個環線上，隨著時間間隔空間間隔的增加，采樣點間相關系數逐漸變小。

[1] Langran G. A Review of Temporal Database Research and Its Use in GIS Applications[J]. International Journal of Geographical Information Systems, 1989 (3) :215-232

[2] Flor E N. A Spatiotemporal Data Model for Incorporating Time in Geographic Information System( GEN- STGIS) [D]. Tampa :University of South Florida,1999

[3] 佘江峰,馮學智,都金康. 時空數據模型的研究進展評述[J].南京大學學報：自然科學版,2005(3):260-267

[4] Worboys M F, Hearnshaw H M, Maguire D J.Object-oriented Data Modeling for Spatial Databases[J].International Journal of Geographical Information Systems , 1990(4): 369-383

[5] 杜道生,舒紅. 基于同步數據項組和碎粉拓撲弧段時間標記的時態地理數據模型[J].武漢測繪科技大學學報,1997,22(2):96-101

[6] 陸鋒,李小娟,周成虎,等.基于特征的時空數據模型:研究進展與問題探討[J].中國圖像圖形學報,2001,6(9):830-835

[7] 彭冰,杜閩,徐占華. 基于GIS的海岸帶管理信息系統開發[J].地理空間信息,2007,5(1):84-86

[8] 王振龍. 應用時間序列分析[M].北京: 中國統計出版社，2010

[9] 鄔倫, 劉瑜. 地理信息系統原理、方法和應用[M]. 北京：科學出版社，2001

[10] Shape J,周靖. Visual C#2005從入門到精通[M].北京：清華大學出版社，2006

Temporal-spatial Characteristics Analysis of City Traffi c Flow Based on GIS

bySUN Weiya

Traffi c jam is a serious problem that we faced today. Analysis road traffi c at diff erent times and diff erent space will help the relevant departments to understand the traffi c information. This article mainly researched on Chengdu traffi c loop line about the time characteristics and space characteristics and the spatial-temporal characteristics.Analysis of traffic data by using Pearson correlation draw the scatter distributions, and provide the basis for traffi c conditions.

traffic flow, characteristics analysis, Pearson correlation

P208

B

1672-4623（2014）02-0076-03

10.11709/j.issn.1672-4623.2014.02.027

2013-06-14。

項目來源：中央高校基本科研業務費西南交通大學創新項目（SWJTU11CX059）;“2011計劃”軌道交通安全協同創新中心經費資助項目。

孫維亞，碩士，研究方向為網絡、移動與無線GIS。