蘇州公路路網交通態勢分析及輔助決策系統

陳賽花

摘 要：近年來，蘇州經濟得到高速發展，蘇州加大了對交通運輸業的發展力度，蘇州公路交通運輸事業進入高速發展階段。然而，隨著蘇州交通運輸業的快速發展，各地區汽車保有量逐年上漲，交通出行需求越來越大。當交通量趨于飽和，道路通行能力明顯下降，需要進行大規模新建公路的建設。

關鍵詞：蘇州;交通量調查;交通量預測;智慧交通;交通態勢分析

交通量調查及預測分析對公路網規劃工作中有重要影響，交通量調查工作數據的真實性直接決定公路網規劃是否科學合理。進行交通量調查分析工作，得到基年各小區交通出行量及其在各區域分布狀況，是進行交通量預測的基礎;而在此基礎上進行的交通量預測分析則是進行交通狀況評價、分析建設項目必要性和可行性的基礎和前提，也是可行性研究的關鍵部分;交通量預測結果則直接決定公路技術等級、建設規模。

1 項目建設目標

路網運行分析輔助決策系統是依托蘇州公路交通基礎通訊專網和公路業務數據分中心，以充分整合抽取各類業務應用系統中可以反映路網運行狀態的數據和外場各類監控監測數據為基礎，基于GIS平臺集成各類信息技術。服務于蘇州市公路宏觀管理決策部門。

2 系統建設內容

（1）為交通管理提供依據;

（2）為公路運行能力提供科學評測;

（3）為出行者提供最優出行計劃;

（4）為路網規劃和公路設計提供依據。

3 系統詳細功能設計

交通狀態預測系統分為數據采集層、傳輸處理層和業務應用層三大部分組成。

（1）數據采集層主要收集動態交通信息和靜態交通信息，動態交通信息由各類交通基礎設施采集來，靜態交通數據由支撐數據組成，其中交通基礎設施有微波車檢器、視頻車檢器、線圈車檢器等，支撐數據主要有交通事件、道路信息、視頻監控信息等;

（2）傳輸處理層是各類數據向智慧交通運行數據處理中心數據的匯集及交通運行數據處理中心多源數據融合、挖掘、分析、加工、處理;

（3）業務應用層主要是交通狀況綜合監測、交通狀況預測預報及交通綜合信息服務等三部分。

4 路網建模及通行能力分析

4.1 基礎路網管理

公路交通需求預測涉及數據范圍廣、量大、關系復雜，既包括純粹的屬性數據如小區社會經濟數據、道路交通數據、OD數據等，還包括圖形數據如區域公路網空間結構數據等，需要通過一定的方法，將各種數據關聯和融合，形成一個整體統一的數據關系。

4.2 歷史交通量分析

本系統對收集整理出來的交通量數據，可以運用數理統計的知識去進行分析，把大量數據加以對比，找出其變化規律。

年、月、周平均交通量，年、月、周、時變化規律。

4.3 路網運行能力分析

公路通行能力反映了公路設施所能疏導交通流的能力，作為公路規劃、設計和運營管理的重要參數，根據同行能力的使用性質和使用要求，通常定義為基本通行能力、設計通

行能力、實際通行能力。

5 實時路況查詢及交通預測

5.1 實時路況查詢

依據設定的交通狀態判定規則，判定當前道路的交通通行狀況，并使用不同的顏色線條標注道路的交通通行狀態，判定的狀態分為正常、緩慢、擁堵。

5.2 交通與事件聯動

突發事件下的公路網態勢評估過程是通過分析當前路網運行狀態，再結合突發事件的影響預測突發事件后的路網狀態。進行交通控制和誘導。

5.3 短時交通預測

交通態勢預報主要包含：交通狀況變化趨勢，即顯示路段5 min，10 min，15 min等交通狀態的暢通、緩慢和擁堵的狀態變化趨勢。

5.4 節假日交通預測

采用聚類分析的非參數回歸短時交通流預測方法框架。

5.5 大中修交通預測

系統根據動態交通模型，判別和分析某段路段施工情況下，周邊交通狀況的影響。

6 路網輔助決策

6.1 交通報表統計分析

歷史交通量，交通量OD、分布預測、產生吸引等分析報表。

6.2 交通誘導

將實時路況、預測信息通過手機APP，微信公眾號，情報板發布系統等實時發布，主動疏導交通。

6.3 交通應急指揮

系統利用三維GIS可視化平臺，結合蘇州路網交通動態模型，進行應急指揮調度，包括應急預案，應急調度等。

6.4 路網規劃輔助決策

公路規劃過程中，應用GIS技術和蘇州路網交通動態模型來輔助公路規劃。提供更加便捷的可視化圖形資料和更加詳盡準確的相關數據，充分利用成熟的公路規劃決策方法建模，科學合理地得出規劃方案。

7 結束語

蘇州市管理處就蘇州市智能交通工作制定了發展規劃，開展了蘇州市交通態勢分析及輔助決策項目，旨在以交通規劃、交通運行管理控制及交通流等相關理論為

基礎，依托傳感器技術、空間地理信息技術、云計算技術、通信技術，逐步實現蘇州市道路交通規劃、道路交通運行管理、交通運輸管理等諸多環節的智慧化，在“服務于業務管理、服務于領導決策和服務于社會公眾”三個方面對蘇州市進行較為全面的智慧交通建設，提升道路管理形象和服務水平，推動蘇州市交通建設率先實現現代化進程。

參考文獻：

[1]徐錦強，林宇洪，丁藝基于Fratar模型的交通分布預測系統設計[J].山東交通學院學報，2011，19（2）：30-35.

[2]朱鴻國，張祎祎，馬壯林，等.城際間出行分布量預測方法[J].長安大學學報（自然科學版），2017，37（5）：104-112.

[3]馬廣英，李平，聞育，等.基于極大熵模型的交通出行矩陣解法研究[J].浙江大學學報（工學版），2006，40（10）：1778-1782.

[4]張秋美，劉保健，謝永利，等.多種方法下的高速公路交通量預測分析研究[J].公路交通科技（應用技術版），2016，12（6）：289-292.

[5]丁志坤，朱夢煉，宋義勇.基于改進“四階段法”的高速公路交通量預測研究[J].重慶交通大學學報（自然科學版），2017，36（5）：86-90.