基于車牌識別數(shù)據(jù)的交通出行特征分析

劉冬杰，陳衛(wèi)東

(上海市政工程設(shè)計研究總院(集團)第七設(shè)計院有限公司，青島 266005)

城市道路的服務水平、擁堵程度需借助交通量、通行能力、車速等指標衡量，傳統(tǒng)的交通運行指標調(diào)查方法包括人工觀測法、攝像法、跟車法、試驗車法、浮動車法等[1]，消耗較大的人力、物力，且調(diào)查樣本量小，不確定性較高，對研究成果影響較大。

隨著大數(shù)據(jù)技術(shù)的發(fā)展及智能交通技術(shù)的普及，道路交通調(diào)查手段也逐漸豐富，交通電子設(shè)備被廣泛應用，道路卡口系統(tǒng)逐漸成為交通調(diào)查研究的主要手段[2]。卡口攝像頭遍布城市道路，無間斷記錄車輛信息，為城市道路研究提供充足的基礎(chǔ)數(shù)據(jù)[3]。暢玉皎等[4]通過卡口數(shù)據(jù)對城市道路分析，得到城市通勤數(shù)據(jù)。龍小強等[5]通過車牌識別數(shù)據(jù)，從個體出行及車輛職住地角度對廣州市道路網(wǎng)運行狀態(tài)進行分析。王蓓等[6]基于卡口數(shù)據(jù)，從宏觀、中觀和微觀三個層面對道路交通進行分析。韓國華等[7]基于車牌識別數(shù)據(jù)，研究居民的出行特征，進而分析城市靜態(tài)交通。劉聰?shù)萚8]基于車牌識別數(shù)據(jù)，分析交通擁堵狀態(tài)。基于卡口數(shù)據(jù)分析得到的道路交通指標可應用于交通工程的多個方面，分析結(jié)果為城市道路交通系統(tǒng)規(guī)劃、道路交通設(shè)計和道路交通管理等提供重要參考。

1 研究方法

本文在交通流理論基礎(chǔ)上，結(jié)合車輛出行特征，提出交通運行狀態(tài)分析框架，如圖1所示。①對車牌識別數(shù)據(jù)進行預處理，生成車輛初始運行數(shù)據(jù)；②根據(jù)車輛初始運行數(shù)據(jù)獲取單車運行軌跡及速度；③基于單車運行速度，獲得路段及路網(wǎng)平均運行速度；④根據(jù)平均運行速度判斷路網(wǎng)運行狀態(tài)，對交通擁堵路段有針對性地提出優(yōu)化建議。

圖1 交通運行狀態(tài)分析框架

1.1 數(shù)據(jù)預處理

在大量的交通運行數(shù)據(jù)中，存在著較多的錯誤數(shù)據(jù)、丟失數(shù)據(jù)、重復數(shù)據(jù)，不利于準確分析路網(wǎng)運行狀態(tài)，需對過車數(shù)據(jù)、點位數(shù)據(jù)和行程時間數(shù)據(jù)進行預處理，提高分析結(jié)果的質(zhì)量。

1) 卡口過車數(shù)據(jù)預處理。卡口過車數(shù)據(jù)包含所有車輛的過車數(shù)據(jù)，是多運行屬性的匯集，本文僅選取部分屬性數(shù)據(jù)，通過算法剔除冗余的數(shù)據(jù)，以提高算法的運行效率。算法利用到的屬性數(shù)據(jù)為車輛牌照、檢測時段、設(shè)施點位位置、設(shè)施點位編號等。

在車牌數(shù)據(jù)收集過程當中，因設(shè)施識別率、信號傳輸影響、套牌車等問題的存在，導致卡口過車數(shù)據(jù)存在異常情況，主要包括數(shù)據(jù)漏檢、亂碼、錯誤及車輛時空關(guān)系不合理等。數(shù)據(jù)處理主要包括：①車牌信息漏讀，信息顯示為空；②車牌信息錯誤，與正常車位數(shù)不一致。

2) 點位數(shù)據(jù)預處理。點位數(shù)據(jù)即監(jiān)控設(shè)施所在的位置，通常以經(jīng)緯度表示，點位數(shù)據(jù)存在偏差或缺失，大多因為設(shè)備回傳存在問題。為避免點位數(shù)據(jù)錯誤影響研究成果的可靠性，本文借助ArcGIS生成點位位置圖，核查點位數(shù)據(jù)準確性，修正錯誤點位信息，建立正確的點位數(shù)據(jù)表。

3) 行程時間預處理。車輛依次經(jīng)過相鄰道路交叉口，得到的時間差即為行程時間。通過跟蹤記錄行駛車輛，提取車牌及時間信息，得到逐車行程時間數(shù)據(jù)。由于存在車輛繞行、識別錯誤等問題，行程時間同樣存在異常值，處理方法參考李曉莉等[9]的研究方法，采取上下限值及循環(huán)檢測判斷閾值的方式剔除異常數(shù)據(jù)。

1.2 運行速度采集

1) 單車平均運行速度采集。車輛行駛在道路上，先后經(jīng)過設(shè)置的檢測截面，根據(jù)車輛通過檢測截面的時間差，可計算出車輛在路段中的運行速度。在運行速度計算中，城市道路車速不存在超過120 km/h的情況，若存在此類數(shù)據(jù)，本文將視為無效數(shù)據(jù)，予以剔除。根據(jù)卡口采集數(shù)據(jù)，提取卡口坐標數(shù)據(jù)和過車時間數(shù)據(jù)，根據(jù)式(1)求解車輛平均運行速度。

(1)

式中：Vi為車輛i的運行速度；(xj，yj)為卡口j的坐標；(xj-1，yj-1)為卡口j下游卡口j-1的坐標；tj，tj-1分別為車輛i經(jīng)過卡口j、卡口j-1的時間。

單車平均運行速度計算流程如圖2所示。

圖2 車輛平均運行速度流程

2) 區(qū)域平均運行速度采集。區(qū)域平均運行速度可衡量整個路網(wǎng)的運行狀態(tài)，分析路網(wǎng)服務水平，針對不同道路出現(xiàn)的擁堵問題提出不同的治理措施，對于路網(wǎng)通行能力改善意義重大。根據(jù)單車平均運行速度計算方法，利用式(2)可計算區(qū)域平均運行速度。

(2)

1.3 道路擁堵狀態(tài)判別

交通狀況是駕駛員的一個主觀認識。國外對于交通擁堵狀態(tài)的量化界定主要包括以下3種方式：① 日本道路公團。將交通速度作為判別標準，確定高速公路是否處于擁堵狀態(tài)；② 美國芝加哥運輸部。將車道占有率作為判別道路擁堵狀態(tài)的標準；③ 美國德克薩斯運輸部。將交通延誤作為判別擁堵狀態(tài)的標準。

國內(nèi)對交通擁堵狀態(tài)判別標準的相關(guān)研究較少，主要根據(jù)交通速度進行判別。本文以交通速度作為路網(wǎng)交通狀態(tài)判別標準，借鑒梅朵等[10]基于MR-FCM的區(qū)域交通狀態(tài)識別的研究成果，將路網(wǎng)運行狀態(tài)分為暢通、擁堵和嚴重擁堵3種狀態(tài)，交通狀態(tài)判別指標閾值如表1所示。

表1 路網(wǎng)交通狀態(tài)判別指標閾值

2 實例分析

2.1 研究區(qū)域及數(shù)據(jù)來源

濰坊市作為山東省內(nèi)經(jīng)濟較強的城市，市區(qū)車輛較多，高峰時段交通擁堵狀況較為嚴重，尚無基于車牌識別數(shù)據(jù)進行交通運行狀態(tài)分析的案例。依據(jù)《濰坊市城市總體規(guī)劃(2011—2020)》，濰坊城市建成區(qū)在2009年的道路面積率為11.9%，平均路網(wǎng)密度為3.64 km/km2。

為提供交通運行狀況的基礎(chǔ)研究數(shù)據(jù)，給予交管部門決策依據(jù)，本文以Python爬取的濰坊市高新區(qū)路網(wǎng)為研究區(qū)域，以區(qū)域內(nèi)60 km主干路、67 km次干路、70 km支路和773處卡口(見圖3)，1759.6萬條車輛出行數(shù)據(jù)作為研究對象，進行交通出行特征分析。

圖3 濰坊市高新區(qū)卡口點位

2.2 路網(wǎng)交通流量分析

通過提取連續(xù)一周全天交通流量，繪制出交通流量時變圖(圖4)，根據(jù)交通量變化曲線，總結(jié)出路網(wǎng)交通流量存在周期性、時間相關(guān)性和重復性3種特點。

1) 周期性。日交通量變化呈現(xiàn)出波浪形式，工作日波浪幅度強于周末，交通流量呈現(xiàn)較強的日周期性變化現(xiàn)象。早晚高峰出現(xiàn)時間均為7：00—8：00和17：00—18：00，周末全天交通量變化相對較小，交通量隨時間變化呈現(xiàn)出一定的周期性，周期性變化強度工作日整體強于周末。

2) 時間相關(guān)性。交通流量時變圖呈現(xiàn)馬鞍形，具體表現(xiàn)為0：00—5：00最小，6：00驟增，7：00—8：00達到波峰，9：00驟減，10：00—15：00趨于穩(wěn)定，16：00驟增，17：00—18：00達到波峰，19：00—23：00迅速降低至最低點，具有明顯的時間相關(guān)性。

3) 重復性。路網(wǎng)交通流量表現(xiàn)出較強的重復性，日早晚高峰出現(xiàn)時間高度一致，日高峰小時交通量差距相對較小，可根據(jù)其重復特性進行交通分析。

通過對工作日早高峰(7：00—8：00)區(qū)域路網(wǎng)進行分析，發(fā)現(xiàn)工作日出行車輛數(shù)差距較小，出行交通總量基本保持在27萬輛左右。周一早高峰出行交通總量最多，達到27.42萬輛，周五早高峰出行交通總量最小，為26.55萬輛。整個區(qū)域工作日的早高峰出行交通量較為均衡，便于進行整體化分析。

通過對工作日晚高峰(17：00—18：00)區(qū)域路網(wǎng)進行分析，發(fā)現(xiàn)工作日出行車輛數(shù)集中在23萬～27萬輛。周五晚高峰出行交通總量最多，達到26.75萬輛，周四晚高峰出行交通總量最小，為23.57萬輛。整個區(qū)域晚高峰出行交通量存在一定的浮動，浮動率達到12%，可針對路網(wǎng)不同的交通流量提出差異化的交通管控措施，保證路網(wǎng)整體通行效率最優(yōu)。

周末白天(7：00—18：00)交通量整體趨于穩(wěn)定，總體來看，周六路網(wǎng)交通流量高于周日。

2.3 路網(wǎng)運行速度分析

在提取每輛車運行軌跡的基礎(chǔ)上，依據(jù)車輛經(jīng)過的卡口坐標和過車時間，進而求出車輛運行速度信息。借助車輛運行速度，得到路段平均運行速度，進而獲得路網(wǎng)平均運行速度。基于卡口數(shù)據(jù)得到各時間段路網(wǎng)平均運行速度如圖5所示。

圖5 路網(wǎng)平均運行速度時變

區(qū)域路網(wǎng)白天平均運行速度為30～40 km/h，路網(wǎng)整體處于暢通狀態(tài)，運行狀態(tài)良好。其中，7：00—9：00路網(wǎng)運行速度為30 km/h以下，處于輕微擁堵狀態(tài)，與早高峰居民集中出行有關(guān)。17：00—19：00路網(wǎng)平均運行速度為30～40 km/h，晚高峰路網(wǎng)運行狀態(tài)相對較好。從晚上20：00至凌晨5：00，路網(wǎng)平均運行速度提升至40 km/h以上，夜間路網(wǎng)處于暢通狀態(tài)。

2.4 車輛歸屬地分析

根據(jù)2019年12月高新區(qū)某一周的車牌識別數(shù)據(jù)，共采集到97.6萬輛機動車的行駛軌跡，外地車占比高達25.49%，其中，省外車輛共5.7萬輛，占比約5.85%。

2.4.1 省外車輛分析

通過篩選、提取、整理、歸類分析省外車輛數(shù)據(jù)，依據(jù)個體車輛出行特征得到各省比例如圖6所示。

根據(jù)圖6，省外車輛中以浙江省車輛最多，占比近40%，浙江、四川、河北、江蘇、廣東等經(jīng)濟發(fā)達省份總占比接近70%，與高新區(qū)經(jīng)濟高度開放、普惠的招商引資政策有關(guān)。

圖6 省外車輛占比

2.4.2 省內(nèi)車輛分析

通過篩選、提取、整理、歸類分析省內(nèi)車輛數(shù)據(jù)，依據(jù)個體車輛出行特征得到省內(nèi)比例如圖7所示。

圖7 省內(nèi)(濰坊除外)主要城市車輛占比

根據(jù)圖7，省內(nèi)的外地車輛以青島、濟南等經(jīng)濟發(fā)達地區(qū)為主。青島的車輛占省內(nèi)車輛(濰坊除外)1/5以上，主要原因是青濰兩地同處山東半島藍色經(jīng)濟區(qū)，經(jīng)濟往來緊密，且距離較近，居民之間聯(lián)系密切。

3 結(jié)論

以濰坊市高新區(qū)車牌識別數(shù)據(jù)為研究對象，通過數(shù)據(jù)篩選、處理、提取等車輛出行分析方法，得出如下結(jié)論：

1) 路網(wǎng)交通流量呈現(xiàn)出周期性、時間相關(guān)性和重復性特征，可根據(jù)居民出行特點，提出有針對性的交通改善措施；

2) 路網(wǎng)總體運行狀況良好，除早高峰時段路網(wǎng)出現(xiàn)擁堵狀態(tài)外，其他時間段路網(wǎng)均處于暢通狀態(tài)；

3) 區(qū)域內(nèi)通行的車輛中，外地車占比較高，可根據(jù)路網(wǎng)中的擁堵節(jié)點制定高峰時段外地車限行措施。

卡口車牌識別數(shù)據(jù)作為一種新型出行數(shù)據(jù)，蘊含了城市路網(wǎng)運行車輛全面持續(xù)的出行信息。本文通過對車牌識別數(shù)據(jù)的挖掘，提出了能夠有效提取車輛出行信息的分析方法。該方法具有處理數(shù)據(jù)規(guī)模大，運算精度高等特點。借助車牌識別數(shù)據(jù)得到的路網(wǎng)交通流量、路網(wǎng)平均運行速度及車輛歸屬地等分析結(jié)果，對于掌握城市道路網(wǎng)的交通分布特征，為城市交通運行規(guī)律研究、交通擁堵緩解措施分析，以及交通需求管理政策制定提供輔助決策信息。