基于多源軌跡數據的流量溯源分析技術研究

潘嘉杰 羅鈞韶 鄧能靜

摘 要：浮動車定位數據具有覆蓋廣，頻率高和信息可靠等優點，通過對浮動車定位數據的起訖點識別和軌跡匹配可獲取車輛在城市道路的行駛軌跡，實現城市道路和區域的流量來源和去向分析。本文建立浮動車定位數據的標準化處理框架，設計并實現基于多源軌跡數據的路段流量溯源、通道流量溯源和區域流量溯源分析方法。

關鍵詞：浮動車;OD識別;地圖匹配;流量溯源

中圖分類號：TP393.06 文獻標識碼：A

0 引言

城市道路交通流量溯源分析是交通規劃和城市道路設計的熱點研究問題，通過獲取經過目標路段或局部區域的車輛行駛軌跡數據，實現城市道路交通流來源和去向分析。交通流量溯源幫助交通規劃人員研究并掌握道路車輛的來源和去向，分析道路擁堵成因，輔助交通誘導決策和指導城市道路規劃。

傳統的人工交通調查只能針對局部結點或研究路段，交通調查范圍有限，數據容量低，人力和時間成本高，無法為全市交通流量溯源分析提供持續的數據支撐。RFID技術作為交通領域的前沿應用技術，采集的交通數據具有精度高、樣本容量大等優勢，能夠對車輛實現軌跡跟蹤和流量統計[1]。利用RFID采集車輛軌跡數據進行交通溯源需要在城市大量鋪設采集設備，只能采集安裝RFID標簽的車輛，采集范圍有限。缺點是RFID點位主要分布在道路上無法精確車輛真正的起終點。隨著人工智能技術的發展，通過城市道路卡口的視頻和圖像數據識別行駛車輛，對兩個卡口間的車輛進行路徑搜索能夠實現道路或局部區域的交通流溯源分析[2，3]。由視頻圖像獲得的車輛數據全面，但是對視頻設備布設的密度要求高。視頻點位不足會導致車輛數據丟失，路徑信息不完整，從而流量溯源的精度降低。浮動車數據具有覆蓋范圍廣、數據容量大、數據獲取容易的特點，配備定位裝置的車輛可實現車輛的實時高精度定位，通過軌跡挖掘技術可得到浮動車的行駛路徑。多源的大規模浮動車軌跡數據為城市路段和區域流量溯源分析提供可能[4]。

針對浮動車數據的特點，本文提出基于多源浮動車軌跡數據的交通流量溯源方法。基于出租車、貨車和車載導航GPS數據，通過軌跡挖掘和地圖匹配算法模型獲取車輛行駛軌跡[5]，建立分種類的車輛軌跡數據集。最后從路段流量溯源、通道流量溯源和區域流量溯源三個角度對利用多源軌跡數據進行流量溯源應用進行闡述。

1 浮動車軌跡處理

多源浮動車軌跡數據挖掘的技術流程包括數據清洗、出行鏈識別、OD切分和路徑匹配四個步驟。

（1）數據清洗即對原始GPS數據進行預處理，剔除原始數據中的無效數據，例如日期時間錯誤、經緯度錯誤、重復數據、字段空值等數據，按照標準化數據格式進行轉換和存儲。

（2）出行鏈識別是指根據浮動車數據的時間標簽，獲取車輛全天的GPS運動軌跡。

（3）通常車輛一天中會產生多次出行，因此要對車輛的全天出行鏈通過OD切分算法識別不同類型車輛的出行起訖點，得到車輛的OD軌跡數據。

出租車OD切分主要依據出租車空重載運營狀態的變化，提取出租車每次載客運營出行的起訖點，并篩選出行時間大于10分鐘的OD軌跡作為交通流量溯源的有效出行數據。導航數據的OD切分與出租車類似，依據導航數據出行鏈中由導航狀態到非導航狀態的變化，認為出行者到達終點并切分OD。如果連續兩個導航GPS點均為導航狀態但時間間隔大于10分鐘，則認為出行者產生兩次出行并進行OD切分。最終篩選出行時間大于10分鐘的OD軌跡作為有效出行數據。貨車OD切分的關鍵是識別出貨車的停留點位置[6]，兩個停留點之間的行駛記錄即貨車的出行軌跡。通常貨車在出行產生前或結束后需要在目的地停留一段時間進行載貨或卸貨行為，可認為車輛是非運動狀態，速度接近為零。因此本文認為可通過判斷車輛出行鏈的運動狀態來識別車輛的停留點，從而獲取停留點之間的OD軌跡。由于車輛在停車狀態下也會出現經緯度點漂移的情況，因此判斷運動狀態不能直接用零速度作為閾值來判斷，因此加入最低運動速度閾值。考慮貨車在信號控制交叉口也會產生短暫的停車行為，加入最短停留時長作為貨車在區域停留的判斷閾值。

（4）路徑匹配浮動車OD軌跡數據包含OD點之間途徑的GPS點序列信息，將OD軌跡數據進行地圖匹配得到車輛行駛路徑數據，本文所用的地圖匹配算法為基于隱馬爾科夫模型的地圖匹配算法[7]。

2 流量溯源應用分析

本文設計的流量溯源方法包括路段流量溯源、通道流量溯源和區域流量溯源，對不同車輛類型、時段特征和空間維度的車輛軌跡數據進行計算得到流量溯源分布。

（1）路段流量溯源分析是指分析經過片區路段的流量在路網和區域間的分布，從而識別流量的需求來源和去向。如圖1（a）所示，從路段流量溯源結果中可獲取路段流量的來源和去向分布比例，分析道路在內部交通、對外交通和跨境交通三者發揮的交通功能，進而交叉口轉向流量分布進行精細化分析。

（2）通道流量溯源分析是指分析經過兩個片區或自定義區域的軌跡流量在空間上的分布，從而識別區域間的主要交通廊道，分析廊道交通量承載。如圖1（b）所示，通過路段疊加流量大小可以簡易識別出兩個區域的關鍵交通通道。

（3）區域流量溯源分析是指分析到達片區的流量來源分布和從片區出發的流量去向分布。如圖2所示，區域流量溯源分析一般針對貨車等特殊車輛類型，可以分析港口片區、貨運場站或物流片區的貨運需求來源，結合通道流量溯源方法可分析區域間的主要貨運通道。

3 結語

本文提出基于多源軌跡數據的流量溯源分析技術，通過多源浮動車行駛路徑數據進行路段流量溯源分析、通道流量溯源分析和區域流量溯源分析，結果顯示利用浮動車路徑數據進行流量溯源分析對分析道路功能和關鍵通道具有一定的參考價值。由于浮動車數據不能完全代表路網中的車輛出行，因此在分析路段流量大小和需求量方面仍存在一定缺陷。同時由于出租車的出行特性，在特殊區域例如大型交通樞紐和熱點片區等容易出現過大的出行量。而導航數據的產生更多來自對本地城市交通網絡不熟悉的人群，無法完全表現出城市居民的出行路徑選擇特性。在未來研究中，可結合研究片區中關鍵斷面和交叉口的交通調查數據對多源浮動車軌跡數據進行融合校驗，嘗試對浮動車軌跡數據進行擴樣計算，提高浮動車軌跡數據的可信度。

參考文獻：

[1]張曉陽，楊弘，陳德玖，等.一種基于RFID的交通量溯源分析方法及系統[P].中國專利：CN107564291A，2018-01-09.

[2]吳克寒，曹晶崢，伍速鋒，等.一種交通流溯源分析方法及系統[P].中國專利：CN110675631A，2020-01-10.

[3]Yuan J，Yu C，Wang L，et al.Driver Back-Tracing Based on Automated Vehicle Identification Data[J].Transportation Research Record： Journal of the Transportation Research Board，2019，2673（06）：84-93.

[4]吳克寒，王芮，高唱，等.面向城市交通規劃的大數據平臺構建方法研究[A].中國城市規劃學會城市交通規劃學術委員會.品質交通與協同共治——2019年中國城市交通規劃年會論文集[C].中國城市規劃學會城市交通規劃學術委員會：中國城市規劃設計研究院城市交通專業研究院，2019：8.

[5]NIE Y M.How can the taxi industry survive the tide of ridesourcing？ Evidence from Shenzhen，China[J].Transportation Research Part C： Emerging Technologies，2017，79：242-256.

[6]丁曉青.基于GPS數據的貨運交通空間特征分析技術——以廈門市為例[A].中國城市規劃學會城市交通規劃學術委員會.品質交通與協同共治——2019年中國城市交通規劃年會論文集[C].中國城市規劃學會城市交通規劃學術委員會：中國城市規劃設計研究院城市交通專業研究院，2019：7.

[7]An Luo，Shenghua Chen，Bin Xv.Enhanced Map-Matching Algorithm with a Hidden Markov Model for Mobile Phone Positioning[J].An Luo;Shenghua Chen;Bin Xv，2017，6（11）.