基于收費數據的高速公路交通擁擠自動判別方法

楊聚芬，姜桂艷，李 琦（.吉林大學交通學院，00長春；.寧波大學海運學院，5浙江寧波；.青島市城市規劃設計研究院，6607山東青島）

基于收費數據的高速公路交通擁擠自動判別方法

楊聚芬1，姜桂艷2，李 琦3
（1.吉林大學交通學院，130022長春；2.寧波大學海運學院，315211浙江寧波；3.青島市城市規劃設計研究院，266071山東青島）

針對高速公路交通擁擠日益嚴重的現象，通過對收費數據的深層挖掘和高效利用，提出了基于滾動時間序列的行程時間數據合成方法，以此為基礎構建了交通擁擠指數，并基于交通擁擠指數的變化特征對擁擠持續時間進行了在線估計；結合收費站布局的時空特征，設計了基本路段和復合路段融合的高速公路交通擁擠自動判別方法.實證分析表明，該方法在判別率提高到96.52%，誤判率降低到0.43%的同時，判別時間減少了74%，而且收費數據的獲取成本為零.

交通工程；數據合成；交通擁擠；自動判別；收費數據

高速公路是我國重要的交通運輸通道，高速公路的飛速發展，極大地改善了交通系統的運輸效益和居民的出行效率.但是隨著交通需求的日益增長，高速公路交通擁擠問題變得越加嚴重.交通擁擠導致出行成本增大、交通事故頻發以及環境質量惡化等不良后果，給社會的可持續發展帶來了巨大危害.因此，開展高速公路交通擁擠自動判別［1］（automatic congestion identification，ACI）算法的研究對于及時疏導交通擁堵、減少交通擁堵持續時間具有重大實踐意義和實用價值.

ACI算法指的是利用各種實時采集到的交通數據，依據相關理論與方法，進行快速識別，從而得到交通擁堵發生的時間、地點等信息.依據交通信息獲取方式的不同，目前ACI算法主要包括基于檢測器數據的ACI算法［2-3］、基于GPS浮動車數據的ACI算法［4-5］、基于車牌識別的ACI算法［6］和基于仿真數據的ACI算法［7-8］等.每一種ACI算法都能實現交通擁堵的自動識別，并能獲得較好的識別效果.但是，由于線圈檢測器覆蓋率較低，且鋪設成本耗資較大；GPS浮動車數據受天氣影響大；車牌識別的工作量較大；仿真數據的可移植性又有待考察.所以上述4種ACI算法都不是高速公路交通擁堵識別的最優選擇.

高速公路都配有收費站、聯網收費中心等一體化收費管理系統，由此產生了大量的收費數據.目前收費數據的應用僅限于簡單的查詢服務和統計分析，缺少多角度的深度挖掘和全方位的實踐應用，造成了交通信息資源的大量浪費［9］.

為此，本文以實時收費數據為基礎，針對固定時間尺度合成存在較大時間延遲的不足，構建了一種基于滾動時間序列的行程時間數據合成方法.然后結合交通流由順暢到阻滯再到擁堵期間交通擁擠指數的發展趨勢和變化特征，提出了基于收費數據的交通擁擠自動判別算法.考慮到收費站布局的時空特征，設計了基本路段和復合路段融合的交通擁擠自動判別方法.最后采用滬杭甬高速公路的實測收費數據對其進行了實例驗證和對比分析.

1 基于滾動時間序列的行程時間數據合成

收費數據全天候記錄了所有進出高速公路車輛的出行屬性、車輛屬性和付費方式等信息，表1為滬杭甬高速公路的收費數據樣例.

表1 高速公路收費數據樣例

從表1可看出，離開時刻減去進入時刻再減去付費時間，即為車輛在高速公路上的行程時間.對特定的車輛k，進口編號為i，進口時刻為ti（k），出口編號為j，出口時刻為tj（k），假定付費時間為常數C，則該車輛行程時間ti，j（k）計算公式為

交通流具有隨機波動特征，導致正常交通狀態下相同進出口車輛的行程時間數據會出現上下浮動的現象，并且采樣時間間隔越小，其波動性越大.為了減少交通波動帶來的負面影響，可將原始行程時間數據序列進行固定時間尺度合成［10］.例如原始行程時間數據序列是每隔1min采樣一次得到的平均行程時間，如果將其合成間隔為5min采樣一次的平均行程時間，其原理是在原始行程時間序列中每隔5個采樣時間間隔對其內連續5個原始行程時間數據進行一次平均，合成后的輸出時間點為第5個原始行程時間數據采樣間隔結束后的時間點.雖然固定時間尺度合成可減少行程時間數據波動性的不利影響，但同時增加了交通擁擠平均判別時間.為了克服固定時間尺度合成存在的不足，本文構建一種基于滾動時間序列的行程時間數據合成方法.其原理是在原始行程時間序列中每隔1個采樣時間間隔對連續5個原始行程時間數據進行一次合成，合成后的輸出時間點為第5個原始行程時間數據采樣間隔結束后的時間點.兩種合成方法如圖1所示.

圖1 兩種交通參數合成方法

2 基于收費數據的ACI算法

2.1 基于收費數據的ACI算法原理

每隔一個采樣間隔都采用以上基于滾動時間序列的行程時間序列合成方法獲得行程時間合成數據.由交通流理論可知，交通狀態由順暢到阻滯再到擁堵的過程中，路徑行程時間逐漸增大，路徑行程速度呈逐漸下降，為了能夠單調地表達路段交通擁擠程度，本文將車輛行程速度的倒數作為交通擁擠判別指數，即

按照文獻［11］設計的路段交通擁擠量測標準及其確定方法，根據高速公路交通管理的需要確定相應的阻滯狀態和擁堵狀態量測的標準，并分別記為γ1和γ2，則

本文把交通阻滯狀態和擁堵狀態統稱為交通擁擠，依據以上交通擁擠判別原理對某交通擁擠路段的收費數據進行自動判別，得到判別結果如圖2所示.

2.2 交通擁擠持續時間在線更新方法

從圖2可看出，當交通流從順暢到擁擠再到恢復正常的過程中，交通擁擠指數先增大后降低.即當交通流運行順暢時，交通擁擠指數保持為1不變；當開始發生擁擠時，交通擁擠指數由1增大為2或3；擁擠持續期間，交通擁擠指數為2或3；當交通擁擠結束時，交通擁擠指數由2或3減小為1.基于這種變化特征，可構建交通擁擠持續時間在線更新算法，算法主要思想如下：1）當檢測到當前分析時間段q內的交通擁擠指數為1時，直接輸出交通流運行順暢．2）當檢測到當前分析時間段q內的交通擁擠指數為2時，如果當前分析時間段q與前一分析時間段q-1的交通擁擠指數之差1，那么即可判斷當前分析時間段開始發生交通擁擠，擁擠持續時間Tq=t，t為分析時間間隔；否則，判斷結果為當前分析時間段處于交通擁擠持續階段，且截至當前分析時段已經持續的擁擠時間為Tq=Tq-1+t，其中Tq-1為從交通擁擠發生到前一分析時間段為止的交通擁擠持續時間．3）當檢測到當前分析時間段q內的交通擁擠指數為3時，如果當前分析時間段q與前一分析時間段q-1的交通擁擠指數之差2，那么即可判斷當前分析時間段開始發生交通擁擠，擁擠持續時間Tq=t．否則，判斷結果為當前分析時間段處于交通擁擠持續階段，且截至當前分析時段已經持續的擁擠時間為Tq=+t．

圖2 交通擁擠路段的交通擁擠指數變化

3 基于收費數據的高速公路ACI方法

高速公路上行駛的每一輛車都必須通過收費站才能進出，本文把相鄰兩個收費站之間的高速公路定義為基本路段，非相鄰收費站之間的高速公路定義為復合路段，具體如圖3所示，實曲線覆蓋的路段L0，1、Li-2，i-1、Li-1，i為基本路段，虛曲線覆蓋的路段Li-1-b，i-1、Li-2，i-1、Li-1-b，i為復合路段．

從時間方面看，由于車輛離開高速公路后才能獲得其收費數據，所以基本路段能更快地獲取實時收費數據，而復合路段由于通過時間較長，采集到的動態收費數據時間延遲較長.從空間方面看，由于基本路段距離較短，短途出行者很少選擇收費道路，導致基本路段上的車輛數較少.而復合路段一般覆蓋多個基本路段，車輛數較多.

O-D對間觀測車輛數越大，獲取的平均路徑行程時間可靠性水平越高，當車輛數低于某一閾值時，將導致平均行程時間可靠性水平降低，為了提高輸入數據的可靠性，本文將路徑行程時間的可靠性按照通過的車輛數依次從大到小排序為：車輛數大于等于3、車輛數為1或2、車輛數為0.為了能夠優先使用可靠性高的行程時間數據進行交通擁擠自動判別，本文以車輛數為核心，綜合考慮收費站布局的時空特征，設計一種基本路段和復合路段融合的交通擁擠自動判別方法．其原理主要是針對基本路段Li-1，i，判斷Li-1，i上的車輛數是否符合數據可靠性要求，如果符合，則可直接對基本路段Li-1，i進行交通擁擠在線判別；否則聯合分析Li-1-a，i和Li-1-a，i-1的判別結果，推導出Li-1，i的擁擠狀態．考慮到路徑太長將導致交通擁擠在線判別產生較大的信息延遲，故a最大取1或2．

設某條高速公路主線上共I+1個收費站，收費站標號如圖3所示，在第q個分析時間間隔內，令a=2，為在第q個分析時間間隔內從第i個收費站到第j個收費站之間觀測車輛數，對于出口E= i，其基于收費數據的高速公路ACI算法流程如下．

圖3 基本路段和復合路段示意

根據大綱要求，英語專業三年級學生已經獲得一定的英語知識和經驗，但是從表1中的統計可以判斷，部分學生的翻譯錯誤除了句式問題和冠詞用法外，還主要集中于文化負載詞匯、習慣用語的翻譯。下文舉例說明、闡釋引起譯文錯誤的原因。

第8步，判斷b是否小于a．若是，則令b=b+ 1，轉第7步；否則，輸出“無信息”．

第11步，令q=q+1，轉第1步．

綜上所述，本文設計的基于收費數據的高速公路ACI方法流程如圖4所示.

對于第1個出口E=1，由于其上游只有一個收費站入口，故不存在可供聯合分析的復合路段，當n0，1≠0時，只對其基本路段L0，1進行交通擁擠在線判別，否則，輸出“無信息”．

對于第2個出口E=2，只考慮a=1的復合路段L0，2．

圖4 基于收費數據的高速公路ACI算法流程

4 實證驗證

圖5 滬杭甬高速公路各收費站位置及編號

由于受到傳輸線路故障、駕駛員駕駛行為異常等因素的影響，結算中心返回的數據可能存在異常記錄，所以獲得收費數據后，應首先將缺失數據、錯誤數據和極端離群值等異常數據進行剔除處理.

判別性能采用判別率RI、誤判率RFI和平均判別時間TM3個評價指標進行評價．擁擠狀態判別率是指在某特定時間段內，由算法檢測出的擁擠次數占實際發生擁擠次數的百分數；擁擠狀態誤判率是指在某特定時間段內，由算法檢測出的虛假擁擠次數占實際發生擁擠次數的百分數；擁擠狀態平均判別時間是指由算法檢測出的擁擠發生時刻與擁擠實際發生時刻差值的算術平均值．

采用該兩種方法進行交通擁擠判別，方法1為基于固定時間尺度合成的基本路段和復合路段融合ACI算法，方法2為基于滾動時間序列合成的基本路段和復合路段融合的ACI算法，兩種方法分別得到的判別性能計算結果見表2.

表2 基于固定時間尺度和滾動時間序列合成行程時間數據的交通擁擠自動判別性能指標對比

從表2中可看出基于滾動時間序列合成行程時間數據的交通擁擠判別算法不僅將判別率提高到96.52%，將誤判率降低到0.43%，同時判別時間減少了74%，改善了交通擁擠自動判別的準確性和實時性.

圖6、7分別為2012年2月9日路徑1053—1027和1023—1027的行程時間以及車輛數.

圖6 路徑1053—1027和1023—1027行程時間

圖7 路徑1053—1027和1023—1027車輛數

從圖6、7可得出，路徑1053—1027和1029—1027的行程時間和車輛數的趨勢性基本一致，表明當基本路段路徑行程時間不可靠時，可利用其復合路段路徑行程時間進行交通擁擠自動判別的合理性.

表3為各個基本路段上平均的交通擁擠時間TP，以及本文算法在順暢狀態和擁擠狀態下的判別性能評價參數.從表3可看出，基本路段1033—1031的平均擁擠時間最長，主要是因為該路段通往機場，進出高速公路車輛頻繁；基本路段1027—1053的平均擁擠時間最短，主要是因為該路段距離較短，路況較好.另外從表3可看出，本文算法在順暢狀態下的判別性能優于擁擠狀態下的性能.

表3 不同路段在不同交通狀態下的交通擁擠自動判別性能評價參數

5 結 論

1）針對目前收費交通數據利用率偏低的現狀，提出了基于收費數據的高速公路交通擁擠自動判別算法，具有較好的判別效果.

2）提出的基于滾動時間序列的交通參數合成方法不僅改善了已往數據合成方法存在時間延遲大的缺陷，還為進一步深度的數據挖掘提供了一定的技術支持.

3）針對高速公路收費站布局特征和交通流運行特點設計的基本路段、復合路段融合ACI算法較大地改善了高速公路交通擁擠自動判別性能，同時判別時間減少了74%，實現了低成本監測高速公路交通運行狀況的目標，為今后高效利用多源交通數據構建綜合交通信息平臺奠定了基礎.

［1］姜桂艷.道路交通狀態判別技術與應用［M］.北京：人民交通出版社，2004：160-168.

［2］YANG S.On feature selection for traffic congestion prediction［J］.Transportation Research Part C：Emerging Technologies，2013，26（1）：160-169.

［3］莊斌，楊曉光，李克平.道路交通擁擠事件判別準則與檢測算法［J］.中國公路學報，2006，19（3）：82-86.

［4］ZHANGYongchuan，ZUOXiaoqing，ZHANG Liting，et al. Traffic congestion detection based on GPS floating：car data［J］.Procedia Engineering，2011，15（1）：5541-5546.

［5］TAYLOR M A P，WOOLLEY JE，ZITO R.Integration of the global positioning system and geographical information systems for traffic congestion studies［J］. Transportation Research Part C：Emerging Technologies，2000，8（1）：257-285.

［6］姜桂艷，常安德，牛世峰.基于車牌識別數據的交通擁堵識別方法［J］.哈爾濱工業大學學報，2011，43（4）：131-135.

［7］ARNOTTR.A bathtubmodelof downtown traffic congestion［J］.Journal of Urban Economics，2013，76（7）：110-121.

［8］OTSUBO H，RAPOPORT A.Vickrey’smodel of traffic congestion discretized［J］.Transportation Research Part B：Methodological，2008，42（10）：873-889.

［9］沈強.基于高速公路收費數據的路網運行狀態評價［J］.公路交通科技，2012，29（8）：118-126.

［10］王秋蘭.短時交通參數多步預測方法研究［D］.長春：吉林大學，2012.

［11］王春娥.城市道路交通狀態判別算法研究［D］.長春：吉林大學，2008.

（編輯 魏希柱）

The automatic traffic congestion identification of freeway based on charging date

YANG Jufen1，JIANG Guiyan2，LIQi3
（1.College of Transportation，Jilin University，130022Changchun，China；2.School of Maritime and Transportation，Ningbo University，315211 Ningbo，Zhejiang，China；3.Qingdao Urban Planning and Design Institute，266071 Qingdao，Shandong，China）

In view of increasingly serious traffic congestion on freeway，a synthesismethod of travel time datewas proposed based on the rolling time sequence and charging data，and on which this paper built a traffic congestion index and estimated the duration time according to the changing characteristics of the index.Moreover，taking the spatial and temporal characteristics of toll station layout into account，a method of automatic traffic congestion identification on freeway was designed by merging basic links with composite links.Empirical analysis shows that thismethod can improve the recognizing rate to 96.52%and reduce the false recognizing rate to 0.43%，at the same time，the recognizing time is declined by 74%，and the cost of charging date is zero.

traffic engineering；data synthesis；traffic congestion；automatic identification；charging date

U491.1

A

0367-6234（2014）12-0108-06

2013-10-31.

國家自然科學基金（51278257）；浙江省自然科學基金（LY12F01013）；高等學校博士學科點專項科研基金（20110061110034）.

楊聚芬（1988—），女，博士研究生；姜桂艷（1964—），女，教授，博士生導師.

姜桂艷，jljiangguiyan＠126.com.