大數據驅動的動態交通分配仿真及實證研究

姚子男

（上海市城市建設設計研究總院（集團）有限公司，上海 200120）

環境污染和交通擁堵是工業化進程中最重要的兩類社會問題，兩類問題相互影響、相伴共生。破解交通擁擠和環境污染最主要的方法之一就是進行交通分流和疏解。交通流量動態分配和協調主要針對當前大城市交通擁堵問題，利用視頻監控技術獲取城市特定區域實時交通流量信息，針對預定的交通流量分配和協調目標設計效用函數，通過特定數學算法獲取效用函數的極大或極小值，在此基礎上分析和預測指定路段或交通節點的人（車）流量、速度、密度以及通勤時間，科學確定最佳路線、合理安排通勤。

國內外學者關于交通流量分配和協調問題提出了較多有效的解法。王靜遠等[1]總結了如何利用大數據技術設計智慧城市的通用方法；黃大榮等[2]基于大數據技術設計了如何對城市交通運輸網絡進行優化和動態協調，緩解交通擁堵問題；張坤等[3]分析了數據描述客體在數據分析過程中的具體應用并進行了仿真例證。

本文在學習和借鑒已有研究成果的基礎上，基于大數據驅動和互聯網技術，以手機信令數據為人（車）流量標定的基礎，利用標定數據建立交通流量動態分配和協調問題數學模型，基于數學模型提出交通流量效用函數，通過智能算法求解并進行仿真驗證。

1 手機信令數據在交通流量標定中的應用

1.1 手機信令數據的概念

手機信令數據主要產生于手機通信或定位，運營商通過基站能夠記錄手機信號的運動軌跡，通過特定分析方法可以實現手機信號的定位與密度分析，掌握手機使用者的運動狀態和相關軌跡。手機信令數據的產生離不開手機定位技術，手機信令數據具有一定的單方向性，為基于信令數據研究手機使用者的出行行為提供了可能。

1.2 基于手機信令數據的交通流量監測方法

基于手機信令數據可以實現對人口分布的估算，在此基礎上可以得出靜態初始目的地（origin destination，OD）矩陣（簡稱OD矩陣，下同），實現對交通流量的實時動態監測。交通流量分布OD矩陣可以表征為利用手機運營商基站得到的信令數據容量、待研究城市手機人均擁有率、手機運營商市場占有率、用戶手機被監測概率等有關，具體可以表示為：

式中：XOD——表示交通流量分布OD矩陣；γ——利用手機運營商基站得到的信令數據容量；α1——待研究城市手機人均擁有率；α2——手機運營商市場占有率；α3——用戶手機被監測概率。

在利用待研究區域交通流量實時監測數據的基礎上，結合當地手機運營商提供的基礎數據，包括手機運營商基站得到的信令數據容量、待研究城市手機人均擁有率、手機運營商市場占有率、用戶手機被監測概率等，可以計算得出交通流量分布OD矩陣。在此基礎上，對待研究區域的地理數據信息進行分割，設置合理的交通路線起始點，可以得到城市交通流量OD分布概況。

1.3 手機信令數據用于交通流量監測的適應性

手機信令數據基于手機定位功能和信息（包括文字和語音）收發得以實現，具有實現簡單、定位準確的優點，手機保持開機狀態就可以采集相關信息，具有較好的實時性和時間持續性。

手機信令數據樣本容量大，在線處理時具有較大的計算負擔，對算法運算能力有更高的要求。手機信令數據的定位精度較，目前最大定位精度約為300 m，低于GPS定位精度，更適用于中大尺度的空間。在使用手機信令數據進行交通流量監測時，一方面需要開發運算速度更快、在線處理能力更強的數學算法，另一方面需要結合研究范圍的空間尺度情況進行選擇。

2 動態交通流量分配和協調數字化模型

交通流量分配和協調仿真是交通狀況實時監測數據和城市交通流量OD分布概況的直觀體現，具有形象、準確、靈活的特點，是進行交通動態疏導的重要技術手段。現階段，大數據分析技術和三維立體顯示技術有助于交通流量分配和協調仿真的真實化實現。

交通流量分配和協調仿真技術的基礎是動態交通流量分配和協調數字化模型，該模型主要由路阻函數模型和交通動態OD模型兩部分組成。

2.1 路阻函數模型

路阻函數模型主要表征特定區域交通流的阻力，即交通路網對人（車）通勤能力的限制[4]。路阻函數模型最早由美國聯邦公路局（FHA）提出，較多學者在此基礎上進行了改進，目前較為通用的模型為：

式中：t——車輛通行路段的有效時間；t0——指定路段的自由流通時間；b——指定路段的車流量；a——指定路段設計通行能力；α、β——待確定的參數。

在實際計算過程中，指定研究路段后，可以利用視頻檢測統計工具或微波信號檢測器獲得人（車）單位時間、單位斷面的通行量，由計時器獲得該路段人（車）的行駛和通勤時間，在此基礎上利用式（2）進行積分運算，可以求得路阻函數的實際值。

2.2 交通動態OD模型

交通動態OD模型主要基于手機信令數據和交通流量監測技術，利用人（車）通勤數據對交通流量進行動態調整和校準。基于數據迭代算法實現最短通勤路徑的有效搜索，并在此基礎上對指定路段的人（車）流通勤能力進行分配[5]。

交通動態OD模型：

式中：z——交通動態OD模型有效值；r(w,t,p)——觀測時間t內指定路段w處人（車）流量實測值；d(w)——該路段人（車）流量標定值；q(l,t)——觀測時間t內待定路段l上人（車）流量密度實測值；qˉ(l,t)——觀測時間t內待定路段l上的人（車）流量密度標定平均值；p——待確定參數。

進行交通動態OD建模時，需要采集手機信令數據，在此基礎上對數據進行歸一化處理，根據處理結果采用智能化算法（神經網絡、深度學習等），對人（車）流量的各種數值進行統計分析，依據式（2）映射出交通動態OD模型的有效值，完成建模工作。

基于交通動態OD模型，可以計算特定時間和指定路段內的交通流量相關數據，對數據進行歸一化處理，并利用梯度下降等算法求取極大（小）值，可以確定該段時間內交通流量的分配方案。

2.3 仿真實現步驟

動態交通流量分配和協調數字化模型主要由路阻函數模型和交通動態OD模型兩部分組成，路阻函數模型相當于交通動態OD模型的Kron積運算：

式中：P——動態交通流量分配和協調數字化模型有效值；?——矩陣Kron積運算。

基于動態交通流量分配和協調數字化模型，可以實現動態交通分配仿真驗證。

（1）構建城市指定區域路網通勤地圖，主要基于城市交管部門提供的衛星云圖和交通流量實時觀測大數據。

（2）利用車牌識別、交通流監測、微波數據統計等技術手段，實現對人（車）流量的有效監測。在此基礎上獲取通行路段的有效時間、指定路段的自由流通時間、指定路段的車流量、指定路段設計通行能力、人（車）流量實測值、人（車）流量標定值、人（車）流量密度實測值等相關數據，構建路阻函數模型和交通動態OD模型。

（3）利用手機信令數據，獲取人（車）流動OD相關數據，對動態交通流量分配和協調數字化模型進行數據修正，根據修正值調整動態交通流量分配和協調數字化模型中的待定參數，直至獲得最優值。

（4）利用三維動態仿真圖實現對交通流量的動態分配，實時監測交通通勤狀態。

（5）判斷交通動態OD模型的有效值是否收斂，如果收斂表示交通狀況良好、交通分配和協調方案有效運行、路面無擁堵現象；如果有效值發散，表示交通狀態惡化，需要進行在線疏導，并返回執行識別檢測，直至有效值收斂為止。

3 結語

綜上所述，文章結合特定區域交通實時狀態監測數據，通過建立路阻函數和交通動態OD模型，利用手機信令數據對交通流量實時狀態進行了標定。在此基礎上制定了交通分流方案，利用分流方案對交通狀況的進一步發展情況進行了預判，數字化分析分流結果。相關成果具有一定可實施性，且經過工程實踐證明了其有效性，可以為相關專業技術人員提供借鑒和理論指導。