城市道路交叉口信息化數據質量評價體系研究

王雪雪 楊學晨

（上海電科智能系統股份有限公司，上海 200063）

1 概述

隨著國民經濟的快速發展，我國機動車保有量持續增高，日益嚴重的交通擁堵也成為了城市化建設必須關注的問題。如今通過智能化交通建設來提高城市交通運行效率是改善交通狀況的重要途經。路口交通流數據作為智能化交通建設的基石，對發揮智能交通應用起著關鍵性作用。

采集設備可通過對道路或者交叉口進行信息采集、分類，將能夠反映道路或交叉口真實狀態的交通參數數據上傳至存儲中心，為交通管理與控制提供數據基礎。準確的路口交通流數據在管理方面對于信息發布，道路狀態生成，決策規劃等方面起著重要作用；在控制方面對于信號優化方案生成、效果評價等也至關重要。通過對路口交通流數據質量評價，保障路口交通流數據質量，將有效提高運行管理效率，增強交通管理的準確率，是實現智能交通的必要條件。

施莉娟[1]、姜桂艷[2]等對于路口交通流數據質量宏觀層面角度進行了相應的分析與研究，并取得了一些成果，但缺乏微觀層面的路口交通流數據指標判斷。針對目前較為常用的交通檢測設備，包括地磁線圈、視頻卡口、雷達設備等。地磁線圈由于其布設方式易于損壞，維護成本較大。本文從現今利用率、效率較高的雷達檢測設備和視頻檢測設備入手，從宏觀以及微觀兩個層面，提出一套較完整的路口交通流數據質量評價體系。

2 數據質量問題分析

從路口交通流數據采集到上傳至數據中心，鏈路中有多個環節相扣，任一環節出錯都可能導致路口交通流數據不完整或者不可用。分析傳輸鏈路，可能出現的原因有數據檢測錯誤、外場設備斷電、網絡通訊中斷、檢測設備故障等。對數據以及來源進行分析，可以歸納為以下幾個方面：

2.1 錯誤數據

錯誤數據即數據數值方面出現錯誤，表示數據與實際數據出入過大，不符合常規路口交通流數據規律。該類數據通常是由檢測設備檢測錯誤引起。

2.2 缺失數據

缺失數據即相應數據丟失，具體表現為在短時段或長時段內無對應數據記錄。該類現象通常是由設備斷電或者網絡中斷造成。

2.3 異常數據

異常數據與正常交通參數數據有一定出入，該類數據不代表數據錯誤，僅表示非常規數據。可能由于實際道路情況與檢測設備設置有所出入引起，例如突發交通事故、道路管制或者非常規駕駛行為等原因。

2.4 空值數據

空值數據即接收到數據但該條數據對應參數無有效值返回，該類數據現象需根據實際情況進行進一步分析。

3 數據質量判斷流程

交通基礎數據質量判斷涉及到宏觀和微觀兩個層面。宏觀層面的數據質量判斷，涉及完整性、有效性、存在性三個方面。微觀層面的數據質量判斷，是對外場設備采集數據指標分類進行數據質量判別，本文通過對具體指標包括流量、平均速度、車頭時距等交通參數進行判斷指標設計，以獲得路口交通流數據微觀層面的有效性評價。在宏觀層面，具體指標涉及：

3.1 完整性

完整性是指設備采集到數據并傳至存儲中心的數據完整率，該指標表征了數據的缺失程度。通常由于外場設備故障、網絡通訊中斷或波動等原因，導致數據在某一時段類缺失，該指標由理論上傳條數與實際上傳條數獲得。完整性檢驗是數據質量判斷的基礎判斷條件。

3.2 有效性

通過外場設備采集到中心的數據，通常需要經過有效性準則判斷。對于采集數據數值本身，應當通過一系列判斷準則，以檢驗該數據為有效數據，可用于后續應用。通過有效性判斷，無效數據應剔除或標記。

3.3 存在性

通常檢測設備對對應數據字段配置檢測算法，當某一指標字段無正常輸出時，應檢驗其對應指標是否配置。

在微觀層面上，路口交通流數據指標涉及流量、時間占有率、車頭時距等常用交通參數。通過對具體交通參數指標進行有效性判別，能夠判斷該數據是否有效，以用于后續質量控制或進入下一流程。

4 數據質量指標設計

4.1 宏觀判斷指標設計

在宏觀層面，本文提出了完整性、有效性、存在性三個判斷指標。

圖1 路口交通流數據質量判斷流程圖

4.1.1 完整性

完整性由理論上傳條數和實際上傳條數獲得。理論上傳條數即根據設備上傳周期，獲得時段內理論上傳總條數，通過該條數與實際獲得上傳數據條數的比值，即為完整性指標。具體公式如下：

式中：Ntotaldata為設備采集到總條數；Nexpected為理論上傳條數；Ttime為統計時段；Tperiod為設備上傳周期。

4.1.2 有效性

有效性通過實際上傳數據和完成判斷指標數據兩者比值獲得。對于采集到的基礎路口交通流數據滿足微觀層面數據質量指標判斷的，即為有效數據。具體公式如下：

式中：Ntocc為統計時段內，數據異常的記錄條數；N 為統計時段內，實際采樣總條數。

4.1.3 存在性

通過對某一指標進行連續時段檢測，以判斷該指標是否在檢測設備上配置。排除掉錯誤、異常數據之后，設某一指標長時段內為固定值m，即判斷該指標未配置。

4.2 微觀判斷指標設計

對常規視頻采集設備分析，標準視頻設備采集數據指標由如下指標組成：流量、平均速度、時間占有率、車頭時距、非高峰期占有率。通過對每一指標進行判斷算法設計，以獲得有效數據衡量該指標異常程度，得到該上傳數據有效性。

4.2.1 流量

式中：s0為基本飽和流量，參考美國HCM2010（Highway Capacity Manual），取值為1900pcu/h；tc為設備采樣周期。

4.2.2 平均速度

平均速度為檢測車輛通過某一斷面的瞬時速度，即時間平均速度，當滿足以下條件之一時，則判斷該條記錄的平均速度數據異常。

式 中：θlow為0km/h；θhigh為78km/h，城 市 地 面 道 路 限 速60km/h，按超速30%取。

4.2.3 時間占有率

時間占有率表征檢測車輛占用檢測斷面時間上的關系。當滿足以下條件之一時，則判斷該條記錄的時間占有率數據異常。

式中：θhigh為100；o 為時間占有率；vol 為檢測時段內的交通量，輛；li為車輛長度，m；d 為虛擬線圈長度，m；vi為車輛速度，m/s；T 為檢測時段。

4.2.4 車頭時距

車頭時距為兩輛連續車輛車頭通過同一檢測斷面的時間之差。當滿足以下條件之一時，則判斷該條記錄的時間占有率數據異常。

式中：hs為車頭時距；θlow為0；θhigh為數據上傳周期，Tperiod。

4.2.5 非高峰期間占有率

設采集的占有率為occ，并對占有率設定高位閾值，當50≤occ≤100 時，稱occ 為高占有率。在車輛較少的時段高占有率的數據過多則判定線圈存在異常。因此規定當時段為非高峰時段內(00:00:00-05:59:59)出現高占有率情況時判斷該條數據異常。

雷達監測設備多采用微波、毫米波等檢測方法，應用多普勒效應原理，通過向檢測區域內的車輛發射波束和接受反射波束來實現車輛檢測。由于原理區別于視頻設備，雷達監測設備除流量、平均速度等參數外，還能檢測到排隊長度、車頭間距、車身間距指標。因此對上訴指標進行數據質量判斷設計。

4.2.6 排隊長度

排隊長度分為動態排隊長度和靜態排隊長度，本文主要對靜態排隊長度進行指標設計。當滿足以下條件時，判斷該條記錄的排隊長度數據異常。

式中：queue 為排隊長度；θlow取0；lm為車長的較大值；lO為車輛車距。

4.2.7 車頭間距

車頭間距即為同方向行駛的連續兩輛機動車，車頭與車頭之間的距離。本文對車頭間距指標進行數據質量判斷設計，當滿足以下條件時，則判斷該條記錄的車頭間距數據異常。

式中：hs為車頭時距；θhigh為雷達檢測器檢測范圍長度；l0為車輛間距；lmin為最小車輛長度。

5 案例分析

目前，上海市已在大部分交叉口布設了視頻檢測器和雷達檢測器。本文選取某區域的部分路口為例，根據上述公式，分析路口視頻檢測器和雷達檢測器的宏觀和微觀指標情況。

5.1 宏觀指標分析

圖2 是視頻檢測器的數據完整性和重復性的分析結果。四個路口中，盈港路- 淶港路路口視頻檢測器的數據完整率較低，為88.74%。崧澤大道- 華徐公路路口和會涵路- 華徐公路路口的視頻檢測器數據完整，但是完整率超過100%，說明存在重復數據。華徐公路- 蟠中路路口視頻檢測器的數據完整性較好，且不存在重復數據。因此，選取華徐公路- 蟠中路路口的視頻檢測器，進一步分析其數據的有效性和存在性。

圖2 視頻檢測器數據完整性和重復性

如圖3，以分車道的形式，對華徐公路- 蟠中路路口視頻檢測器數據的有效性和存在性進行分析。在該路口的每個車道，都存在異常數據；且存在檢測故障的情況，即存在視頻檢測器為對某個指標進行檢測分析的情況。

圖3 華徐公路- 蟠中路路口視頻檢測器數據有效性和存在性

5.2 微觀指標情況

根據該路口視頻檢測器的產品說明書可知，該視頻檢測器提供流量檢測、時間占有率檢測、速度檢測、車型檢測、各車型流量檢測、各車型速度檢測等六項指標檢查功能。下面對各項檢測指標結果數據的有效性進行判斷分析。

如圖4，該路口視頻檢測器的時間占有率存在檢測故障，說明該檢測器未按照產品說明書配置時間占有率指標的檢測功能。車型數檢測數據有效性差，各車道的車型數檢測結果異常率都在55%以上。其余四項指標檢測數據均為有效，其中，流量數據的有效性最好，異常率為0；平均速度、各車型流量和各車型速度等指標數據的異常率也均低于5%。

圖4 華徐公路- 蟠中路路口視頻檢測器各指標數據有效性

5.3 結論

綜合上述對視頻檢測器檢測數據質量的分析判斷可知，華徐公路- 蟠中路路口的視頻檢測器檢測數據完整性較高，不存在數據重復的情況。且其對流量、平均速度、各車型流量和各車型速度等四項指標的檢查結果有效性較高。可將該路口視頻檢測器的流量檢測、平均速度檢測、各車型流量檢測和各車型速度檢測數據應用于深入的數據統計、分析、挖掘等工作中。

結束語

路口交通流基礎數據從外場設備采集到信息傳輸再到信息收集的過程中，容易受到各種因素影響導致數據質量下降，因此有必要對獲得的交通流基礎數據進行質量判別，以用于進一步應用，充分發揮出智能交通的效用，為正確決策提供數據支撐。本文從宏觀和微觀兩個方面對基礎路口交通流數據進行了數據質量分析與指標設計，對交通參數等數據采用算法判斷數據質量。研究結果在微觀上能有效剔除無效數據，在宏觀上能給出數據質量宏觀評價，對于路口交通流基礎數據質量評價研究有一定指導意義。