基于高速公路收費數據的交通流量分析

韓大千

(山西省交通科學研究院,山西 太原 030006)

基于高速公路收費數據的交通流量分析

韓大千

(山西省交通科學研究院,山西 太原 030006)

為了研究高速公路某斷面的交通流量,通過對聯網收費數據庫的出(人)口刷卡時間、車型數據及收費站地理位置數據進行采集,提出了一種基于收費數據的道路斷面交通流量的計算方法。該方法能準確、有效地計算出高速公路任意斷面的交通流量,應用于交通規劃、設計、管理、維修養護以及經濟評價等方面。

交通流量;數據庫;高速公路

交通流量是體現高速公路交通運行狀態的重要參數,通過采集得到的交通流量數據不僅是高速公路規劃、設計、管理、維修及養護的重要參考資料,也是衡量地域經濟發展狀況的科學依據[1]。

目前,關于斷面交通流量的數據采集方法有人工采集、監測設備采集和OD推算法[2—3]。人工采集是通過在采集點安排人工計數,以獲取高速公路某斷面交通流量的方法。該方法的數據整理極為繁雜,且數據準確性不高[4]。監測設備采集是在公路周圍設置交通流量的檢測儀器(如微波檢測儀),以獲取數據的方法。但該數據只能體現某點的交通流量,且儀器的成本高昂[5]。OD推算法是將高速公路聯網收費數據庫的數據進行整理、計算,得到斷面交通流量的方法。但在實際中,該方法受到了路網的局限,計算過程極其復雜[6]。由于現有數據采集的方法存在諸多不足,因此,作者擬通過對高速公路聯網收費數據庫的出(人)口刷卡時間、車型數據及收費站地理位置數據進行采集,采用基于聯網收費數據的計算方法,準確計算出高速公路斷面的車流量。

1 數據的獲取

數據的獲取是將研究所需的數據從高速公路聯網收費數據庫中提取,并記錄于數據分析服務器中。由于長時間在聯網收費數據庫提取數據,會對其造成過重的負載。為了確保高速公路聯網收費數據庫的正常運行,應采用定時觸發的方式進行提取所需的數據。然后,在指定時間內,將所需的數據運用高速公路聯網收費數據的斷面交通流量估算方法進行轉化和處理,并記錄在交通流量專用的數據分析服務器中。

1.1 數據采集

將時間點設置為整點處,提取1 h內聯網收費數據庫中的數據,同時將分析交通流量無關的數據通過SQL Server語句服務器進行過濾處理,以提高采集的效率。此外,首次采集應從聯網收費數據庫中將收費站的基礎數據信息記錄在數據分析服務器上,如收費站的基礎數據庫發生改變,需及時反映到SQL中,并依據采集器的要求,繼續采集。

1.2 數據轉化

在數據的轉換上,采用觸發器(Trigger)和Data Transformation Service(簡稱為DTS),將交通流量數據進行轉化和處理。DTS是一種轉化數據源的服務工具,能夠將數據源和文本在驅動程序ODBC、OLE DB與SQL Server之間進行數據的導人、導出和傳輸,而且能將多個不同的數據源導人數據分析服務器中[7—8]。觸發器為一種自動識別數據準確性的程序,設置圖和表的插人、更新及刪除等命令后,程序將自動同步執行命令[9]。

1.3 數據采集流程

數據的采集過程(如圖1所示)為:編寫計算交通流量中所需的DTS程序;將DTS任務導人SQL Server服務器中,并在預定的時間內運行;將聯網收費基礎數據庫采集的數據記錄于SQL Server數據分析服務器內。此外,如聯網收費基礎數據庫的數據發生突變,觸發器應自動執行命令,同時將SQL Server變動的數據更新,以確保采集的數據與分析交通流量規律所需數據一致。

圖1 數據的采集過程Fig.1 The process of the data acquisition

2 建立模型和計算方法

2.1 數據預處理

高速公路聯網收費系統的主要數據如圖2所示。提取數據前,需對庫內數據進行預處理,數據的預處理是將研究所需的數據從海量的聯網收費數據庫中進行提取。為了保證采集數據的可靠性和準確性,數據預處理要進行數據清除處理、數據集成處理和數據篩選處理[10—11]。

圖2 高速公路聯網收費系統的主要數據Fig.2 The main data of highway toll system database

1)數據清除處理:清除高速公路中收費卡丟失、人口調頭、強行沖關、機器故障、收費卡損壞及收費人員操作失誤等異常數據。

2)數據集成處理:將圖2中的數據集成于新表格中。

3)數據篩選處理:篩選出新表格中出(人)口的站名、時間、車型及車輛數量數據。

2.2 基礎數據調研

根據調查和研究,分別得出某高速公路需檢測的斷面與上(下)游收費站之間的距離。收費站與檢測數據面位置如圖3所示。

從圖3中可以看出,高速公路的收費站分別位于A,B,C和D處,車輛由左往右行駛,上游收費站則為A和B處,其基礎數據為:上游收費站點編號x、監測斷面編號y、下游收費站點編號z、上游收費站點與檢測斷面的間距dxy(km)及上(下)游收費站點間距dxz(km)。

圖3 收費站與檢測斷面位置示意Fig.3 Schematic diagram of the charging station and the position detection section

2.3 計算的方法

將基礎數據進行推理計算,得出了高速公路某斷面的交通流量,其計算過程為:

1)計算車輛通過收費站的平均速度。上(下)游收費站點間距為dxz,且通過所需的時間為△t1=tx—tz=txz,則車輛通過收費站的平均速度為v=dxz/txz。

2)計算車輛通過人口與檢測斷面之間的距離所用的時間。根據基礎數據,上游收費站與檢測斷面的間距為dxy,且平均速度為v,則通過所需時間為△t2=txy=dxy/v。

3)計算車輛到達檢測斷面的時刻并記錄信息。設車輛通過人口的時刻為tx,行駛至檢測斷面所需的時間為txy,則車輛到達檢測斷面的時刻為ty=txy+tx。

4)統計某段時間內經過監測斷面的車流量。將所有通過檢測斷面的車輛時間信息記錄并保存,根據計算方法的需要,統計不同單位時間內的車流量。

3 實驗和驗證

3.1 實驗環境

選擇某高速公路中微波檢測器所在的位置,將其設定為檢測斷面。分別對檢測斷面的交通流量進行微波檢測和數據計算,其周圍環境見表1。

通過微波檢測,經過該隧道口斷面的車流量見表2。

3.2 對比驗證

將經過檢測斷面所有車輛的出(人)收費站名(距離)、出(人)時間及數量等數據進行提取,計算該檢測斷面處某時刻的車流量,并與微波檢測數據進行對比。

表1 某隧道口檢測斷面的周圍環境Table 1 The surrounding environment of the tunnel test section

表2 微波檢測某隧道口1 h內的車流量Table 2 Microwave detection of a tunnel in one hour traffic

對1 h內每5 min斷面車流量進行計算和檢測,計算車流量與實際車流量的對比如圖4所示。從圖4中可以看出,計算所得的車流量與實際檢測的流量接近,其平均相對誤差為3.4%,最大相對誤差為68%。

圖4 1 h內數據計算的車流量曲線Fig.4 Comparison curve of traffic flow in one hour

3 d內檢測斷面每天各小時車流量分布情況分別如圖5所示。從圖5中可以看出,收費數據計算所得的車流量與實際檢測的車流量相同。此外,通過收費數據計算得出圖5的平均相對誤差分別為0.5%,0.3%和0.4%,最大相對誤差分別為0.9%,1.1%和1.2%。

15 d內檢測斷面每天的車流量分布情況如圖6所示。從圖6中可以看出,由收費數據計算得出其平均相對誤差為0.08%,最大相對誤差為0.31%。這表明基于收費數據計算得出的交通流量和實際檢測的交通流量一致。此外,通過對各時間段交通流量的對比發現,時間段越長,其計算所得的車流量越接近實際檢測數據。

圖5 3 d內車流量對比曲線Fig.5 Comparison curve of traffic flow in 3 days

圖6 15 d內車流量的對比曲線Fig.6 Comparison curve of traffic flow in 15 days

數據計算在不同單位時間內平均相對誤差的變化如圖7所示。A,B和C點分別表示單位時間5 min,1 h和1 d內車流量的收費數據計算與實際檢測的平均相對誤差的數值。從圖7中可以看出,不同單位時間所通過收費數據計算的交通流量的平均相對誤差不同,平均相對誤差隨著單位時間的增加而逐步減小。

圖7 不同單位時間內平均相對誤差的變化Fig.7 The changes on averaged relative error in different periods

3.3 結果分析

在圖4中,將車流量計算結果與實際檢測結果進行對比,其準確率較低。其原因是實驗時間較短,采取的數據量較少,外界影響因素較大,其中在35 min時平均相對誤差突增,達到最大值68%。從高速服務中心得知,此刻由于某轎車超速,導致交通事故發生。由于圖5～7的試驗時間增加,采取的數據也隨著增多,外界對其誤差的影響大大減小,因此,收費數據計算所得的車流量與實際微波檢測的車流量相同。在圖9中,影響平均相對誤差的主要因素為單位時間段的長短,其單位時間段越長,平均相對誤差則越小。

4 結論

本研究提出了基于高速公路出(人)收費站的時間、地理位置及車型數據進行斷面車流量計算的方法,其計算過程簡單,實用性強,能準確而有效地得出高速公路任意斷面的交通流量,為高速公路新建、改擴建道路設施及道路規劃提供參考,為交通運輸管理部門提供決策技術支持,同時也為高速高路交通設計、維修養護及經濟評價等方面提供參考。

[1] Chunhsin W,Chiachen W.Travel time prediction with support vector regression[J].IEEE Transaction on Intelligent Transportation Systems,2004, 5(12):276—281.

[2] 鄭志鵬,盧守峰,王杰.一種基于開源軟件的OD反推求解算法[J].交通科學與工程,2015,31(1): 98—102.(ZHENG Zhi-peng,LU Shou-feng,WANG Jie.An OD estimation algorithm based on the opensource package[J].Journal of Transport Science and Engineering,2015,31(1):98—102.(in Chinese))

[3] 樊娜,趙祥模,戴明,等.短時交通流預測模型[J].交通運輸工程學報,2012,12(4):114—119.(FAN Na, ZHAO Xiang-mo,DAI Ming,et al.Short-term traffic flow prediction model[J].Journal of Traffic and Transportation Engineering,2012,12(4):114—119. (in Chinese))

[4] 傅貴,韓國強,逮峰,等.基于支持向量機回歸的短時交通流預測模型[J].華南理工大學學報:自然科學版,2013,41(9):71—76.(FU Gui,HAN Guo-qiang, LU Feng,et al.Short-term traffic flow forecasting model based on support vector machine regression [J].Journal of South China University of Technology:Natural Science Edition,2013,41(9):71—76.(in Chinese))

[5] 李曙光,巨永峰,姬建崗.路徑流量估計方法在高速公路收費分配中的應用[J].北京工業大學學報,2009, 35(8):1028—1032.(LI Shu-guang,JU Yong-feng,JI Jian-gang.Path flow estimation method for highway toll distribution application[J].Journal of Beijing U-niversity of Technology,2009,35(8):1028—1032. (in Chinese))

[6] Pardillo J,Mazon J N,Trujillo J.Extending OCL for OLAP querying on conceptual multidimensional models of data warehouses[J].Information Sciences, 2010,180(5):584—601.

[7] 何石堅,李清波,匡妓妓,等.高速公路混合收費站通行能力的仿真[J].交通科學與工程,2015,31(3): 106—111.(HE Shi-jian,LI Qing-bo,KUANG Jiaojiao,et al.Simulation of the traffic capacity of the composite toll station in highway[J].Journal of Transport Science and Engineering,2015,31(3): 106—111.(in Chinese))

[8] 李穎宏,劉樂敏,王玉全.基于組合預測模型的短時交通流預測[J].交通運輸系統工程與信息,2013, 13(2):34—41.(LI Ying-hong,LIU Le-min,WANG Yu-quan.Short-term traffic flow prediction based on the combination of predictive models[J].Journal of Transportation Systems,Engineering and Information Technology,2013,13(2):34—41.(in Chinese))

[9] 沈國江,王嘯虎,孔祥杰,等.短時交通流量智能組合預測模型及應用[J].系統工程理論與實踐,2011, 31(3):561—568.(SHEN Guo-jiang,WANG Xiaohu,KONG Xiang-jie,et al.Short-term traffic volume intelligent hybrid forecasting model and its application[J].Systems Engineering Theory&Practice, 2011,31(3):561—568.(in Chinese))

[10] 劉剛,楊旭東,關偉.城市常規道路交通流系統的運行特征[J].交通科學與工程,2015,31(3):101—105.(LIU Gang,YANG Xu-dong,GUAN Wei.Operating characteristics of the traffic flow system of city routine roads[J].Journal of Transport Science and Engineering,2015,31(3):101—105.(in Chinese))

[11] 趙偉明,王殿海,戴美偉.城市路網交通控制方案關聯性分析[J].公路工程,2014,39(6):56—60. (ZHAO Wei-ming,WANG Dian-hai,DAI Mei-wei. Analyze correlations of traffic control plans in urban road networks[J].Highway Engineering,2014,39 (6):56—60.(in Chinese))

Analysis of the traffic flow based on the toll data of the highway

HAN Da-qian
(Shanxi Transportation Research Institute,Taiyuan 410008,China)

In order to the study traffic flow of the highway section,the network toll database import and export credit card time,data models and toll station location data is collected,a method of traffic flow of road section based on the data of the charges is put forward.This method can be effectively obtained the traffic flow with arbitrary cross section of highway.It can be applicatied in the transportation planning,the design,the management,the maintenance and the economic evaluation,and so on.

traffic flow;database;highway

U412.36+6.1

A

1674—599X(2015)04—0096—05

2015—05—26

韓大千(1978—),男,陜西省交通科學研究院高級工程師,碩士。