基于FCD的城市交叉口擁堵事件計算機檢測算法

文/趙躍東 陳晶晶(安徽維德工業自動化有限公司）

一、概述

城市60%的交通擁堵通常是由無法預知其發生時間、地點和模式的交通事件引起的，交通擁堵會帶來交通延誤，影響交通安全，也會加劇環境污染。交通事件自動檢測（Automatic Incident Detection,AID）技術為解決城市交通擁堵問題提供了可能。

20 世紀60年代以來，國內外許多機構在研究開發和改進事件自動檢測（AID）算法方面做了大量的工作，并提出了一系列基于固定檢測器的事件檢測算法[1,2]，如圖1 所示。目前被應用的AID 算法，除直接檢測方法（視頻檢測法）外，大致可分為基于模式識別的算法（或稱比較算法）、基于統計理論的算法、基于交通流模型的算法、基于人工智能的算法和基于小波分析理論的算法五類。其中絕大部分AID 算法都是針對高速公路或城市快速路，這些道路很少出現停車等待現象，而城市道路存在交通信號燈，停車等待是必然現象，這些AID 算法很難直接應用。另外由于固定檢測器采集的是定點數據，所以難以代表真實的交通狀況。

FCD（Floating Car Data）數據采集技術則是通過浮動車GPS 定位數據信息（包括浮動車ID、地理坐標、瞬間車速和行駛方向等）和GIS 地圖數據匹配，動態計算路網的平均車速數據，為路網交通運行狀態（暢通、擁堵等）提供重要的判別依據，具有一定的優勢，已被國內外廣泛應用，基于FCD 的交通事件檢測算法成為研究的熱點。國外學者研究了一些基于FCD 的事件檢測算法[3]，主要有MIT 算法、TTI 算法、UCB 算法、ADVANCE 算法、TRANSMIT 算法等。但由于城市道路交通流的復雜性，上述算法并沒有取得較好的檢測效果。從直觀上看，這些算法的缺點在于沒有考慮道路交叉口交通信號對交通擁堵事件檢測的影響，因此城市交通事件檢測算法仍然有待進一步完善。

本文將FCD 計算的路網平均車速數據和城市道路交通信號控制參數聯系起來檢測道路交通事件的發生。首先通過分析實時上傳的FCD 以及城市道路交通信號周期數據，充分挖掘交叉口產生交通擁堵時的交通流特征，建立快速有效的AID 算法，實現交叉口擁堵事件和擁堵消散的快速檢測，并利用寧波市實際浮動車數據和交通信號周期數據進行了算法的有效性驗證。

二、交叉口擁堵事件檢測算法

根據城市交通實際情況，交通事件主要分為事故、擁堵和疑似擁堵三類。對于路段，一般檢測交通事故的發生；對于交叉口，一般檢測入口方向的擁堵和疑似擁堵發生。城市交叉口擁堵治理是城市交通管理的核心，因此本文主要關注交叉口入口方向的疑似擁堵或擁堵情況的檢測。

1.交叉口擁堵檢測算法基本原理

路段行駛時間和行駛速度是表征路網交通擁堵狀態的兩個直觀、有效的交通流參數，同理當交叉口發生疑似擁堵或擁堵時，浮動車停留在交叉口所關聯路段的時間，即在交叉口入口方向路段的行駛時間將超過多個信號周期，同時浮動車在交叉口入口方向路段上的行駛速度將小于擁堵速度閾值。基于上述情況，通過對浮動車在交叉口入口方向路段的平均車速（以下稱交叉口平均車速）、停留時間和交叉口信號周期進行綜合分析，可以形成以下兩個交叉口擁堵判定條件：當交叉口平均車速小于其擁堵速度閾值且停留時間大于2 個及以上交叉口信號周期時間時，判定為交叉口入口方向疑似擁堵；當交叉口平均車速小于其擁堵速度閾值且停留的時間超過2 個及以上交叉口信號周期時間，且該狀態持續時間大于2 個及以上檢測周期時，判定為該交叉口入口方向擁堵。

2.交叉口擁堵檢測算法邏輯步驟

交叉口擁堵檢測算法的邏輯步驟見圖1。

圖1 交叉口擁堵檢測算法的邏輯步驟

首先將實時獲取的GPS 數據點位匹配到路網弧段上，然后將匹配后的GPS 數據和對應的弧段與交叉口相關聯。地圖匹配采用基于位置點的匹配方法[4]，選擇候選路段中距離度量值最小的作為匹配路段，距離度量值的計算公式如下：

其中：△d為 GPS 距離誤差，d為 GPS 點到道路的投影距離，θ為車輛行駛方向與路段矢量方向差值。

交叉口擁堵檢測計算的處理過程見圖2。

圖2 交叉口擁堵檢測計算過程

具體計算步驟如下：

Step1：在完成GPS 數據的交叉口地圖匹配后，獲取當前交叉口的信號周期和擁堵速度閾值；

Step2：篩選K輛浮動車在交叉口入口方向所關聯路段上的GPS 數據，判斷K是否大于或等于預設的最小樣本數K0，若是則執行Step3，若否則結束本次流程判斷；

Step3：計算浮動車在交叉口入口路段上的行駛時間T，判斷T是否大于或等于M個信號周期時間，若是則執行Step4，若否則執行交叉口擁堵消散判斷；

Step4：計算當前檢測周期內K輛浮動車在交叉口入口路段上的平均速度V，判斷V是否小于或等于交叉口的擁堵速度閾值V0，若是則可判定交叉口疑似擁堵，若否則執行交叉口擁堵消散判斷；

Step5：判斷交叉口疑似擁堵情況是否持續了J個檢測周期，若是則可進一步判定待檢測交叉口入口方向擁堵，并更新交叉口狀態為擁堵，若否則執行交叉口擁堵消散判斷。

當執行交叉口擁堵消散判斷時，若交叉口當前狀態為擁堵，則將其修改為疑似擁堵，若交叉口當前狀態為疑似擁堵，則將其修改為暢通，若當前狀態為暢通，則保持不變。

三、算法驗證與分析

1.評價指標

目前，國內外常用的事件檢測評價指標主要有檢測率（Detection Rate, DR）、誤報率（False Alarm Rate, FAR）和平均檢測時間（Mean Time to Detect,MTD），其中檢測率和誤報率通常用來度量事件檢測算法的效能，平均檢測時間則用來反映算法的效率。通常情況下這三個指標的相對重要程度為：DR ＞ FAR ＞ MTD。

檢測率DR 定義為一定時間段內檢測到的交通擁堵數與實際發生總的交通擁堵數之比，以百分數表示。誤報率FAR 定義為一定時間段內，誤報擁堵次數與算法檢測到的擁堵總次數之比，以百分數表示，也可以表示為每個時間段的誤報次數。平均檢測時間MTD 定義為從擁堵發生到檢測算法檢測到擁堵之間的平均時間間隔。

2.數據來源

本文基于寧波市交通事件自動檢測（AID）系統項目，數據來源于該城市市區范圍內浮動車實時上傳的GPS 數據和該城市使用的SCATS 系統（Sydney Coordinated Adaptive Traffic System 即悉尼自適應交通控制系統）提供的信號周期數據。浮動車樣本數共有4400 多輛，占城市車輛數量的5%，滿足浮動車技術應用的最小樣本需求，GPS 數據采樣周期為15s，屬高頻采樣數據，保證了一條路段上能夠得到多個GPS 數據。

3.評價分析

本文采用評價指標中檢測率和誤報率對算法進行定量驗證分析。

表1 交叉口擁堵檢測驗證結果

檢測率DR。從視頻監控系統中抽取交叉口的N 次交通擁堵事件，檢查同一時間段內本方法所產生的擁堵報警次數n，則：

誤報率FAR。從交通事件自動檢測（AID）系統中任意抽取N 次擁堵報警，通過視頻監控系統觀察同一時間段內同一位置實際發生的交通擁堵次數n，則：

采用寧波市浮動車實時上傳的GPS 和信號控制系統上傳的信號周期數據進行驗證，選取高峰時段（7：00—9：00，17：00—19：00）對本文方法進行驗證（每 3 分鐘進行一次擁堵判別），驗證結果見表1。

從表1可以看出，本文提出的交叉口擁堵檢測算法檢測率達到了96.1%，誤報率為6.6%，而誤報率主要是由于疑似擁堵事件的判定而產生的，因此本文算法能有效檢測城市道路交叉口交通擁堵事件的發生。