基于卡口型電警數據的路段車輛數估計方法

郝建根　劉騰　石巍

摘要：提升路段車輛數估計準確性，提出一種基于卡口型電警數據的路段車輛數估計方法，能夠利用燈控路口交通流間斷放行的特征設定車流間間斷放行最小間隔閾值，根據該閾值對上下游路口過車記錄進行分組運算，結合號牌號碼與號牌顏色組合確定的車輛唯一身份信息關聯分析生成上下游車輛匹配數據，利用車輛駕駛的跟隨特性有效縮小匹配數據檢索范圍，快速計算任意時刻路段內實時車輛數，為精細化掌握路段級交通狀態提供數據支撐。

關鍵詞：路段車輛數；間斷放行；跟隨特性

一、前言

近年來隨著交通基礎設施的規?；ㄔO，城市道路廣泛安裝卡口型電子警察，實時記錄通過停止線所有車輛的過車數據，通過號牌號牌、號牌顏色組合確定的車輛唯一身份信息進行上下游關聯分析，可以進一步發揮電子警察數據的價值。

傳統的電子警察僅記錄違法車輛的信息，大大緩解了交通管理人力資源短缺的問題，但需提高非現場執法的合理性和可靠性，創造和諧的道路交通環境[1]。卡口型電子警察采集的部分過車數據會出現異常，考慮流量的周期性和時變性，基于馬爾科夫模型，基于模型預測結果和設定的流量合理分布閾值，以置信區間的形式直接判斷流量的異常偏離情況[2]?，F有對電子警察數據的應用主要集中在行程時間的獲取上?；诠潭ú蓸娱g隔的常規行程時間計算方法，判別車輛在路段的停車次數，并利用深度學習算法對排隊長度進行預測，判別過飽和排隊溢出程度[3-4]。充分考慮間斷交通流車頭時距分布特征，以車隊為分割精細化計算行程時間，有效反映信號周期的控制效果[5]。

對于城市道路交通運行狀態通過流量、行程時間、路段車輛數等參數進行多維度刻畫。其中路段車輛數是指上下游兩個路口間在途的車輛數量，現有路段車輛數估計方法對歷史周同天數據的依賴性比較大[6]，但由于交通參與者駕駛行為的差異性以及事故、拋錨、臨時停車等隨機交通事件因素的影響，不同日期同一時刻交通流會有一定的隨機性，利用實時數據、歷史周同天數據分析得到的交通參數會有一定的差異性，往往會導致路段車輛數估計的準確性低。本文基于交通信號的間斷放行和車輛駕駛的跟隨特性，快速計算任意時刻路段實時車輛數，研判路段車輛動態，精細掌握路段交通狀態[7]。

二、路段車輛數估計方法

（一）上游路口過車記錄分組

上游路口過車記錄包括號牌號碼、號牌顏色、路口編號、車道號、過車時間、分組編號、通過下游路口時間等數據項。

上游路口過車記錄分組主要包括計算車流間斷放行最小間隔、上游過車記錄鏈表更新、參考車流車輛分組劃分、非參考車流隸屬分組確定等步驟。

將上游路口前一段時間內（比如1小時）所有過車記錄構建形成上游過車記錄鏈表；根據車流間斷放行最小間隔閾值對上游路口過車記錄進行分組。任選一股車流作為車輛分組劃分的參考車流，計算當前車輛與上一個車輛的車頭時距，并與車流間斷放行最小間隔閾值進行比較，確定每個車輛隸屬的分組編號以及每個分組對應的起始時刻、結束時刻等信息；其他車流的車輛可根據其過車時間確定所隸屬的分組信息。

計算車流間斷放行最小間隔。車流間斷放行最小間隔可以取某一股交通流從失去通行權到下一次獲得通行權所有歷經相位的最小綠燈時間與過渡燈色時間之和，即車流間斷放行最小間隔，其為固定值，與信號控制實際執行方案無關。

上游過車記錄鏈表更新。將上游路口前一段時間內（比如1小時）所有過車記錄構建形成上游過車記錄鏈表；按照時間順序實時獲取參考車流所有隸屬車道的過車記錄，， ，……，將新增的上游路口過車記錄更新至上游過車記錄鏈表尾部，并將通過下游路口時間這一數據項初始設置為空值。

參考車流車輛分組劃分。根據圖1，上游路口的北向東左轉、西向東直行、南向東右轉三股交通流可匯入下游交叉口；對于信號燈控制的路口，每一股交通流都具有間斷放行的特征，可任選一股車流作為車輛分組劃分的參考車流。

根據參考車流相鄰車輛間的車頭時距與車流間斷放行最小間隔閾值進行比較，確定每個車輛的隸屬分組編號以及每個分組對應的起始時刻、結束時刻等信息。車輛分組劃分具體方法如下：

提取上游過車記錄鏈表中最新的過車記錄，當時，該車輛為第一個車輛，將對應的分組編號計為1，并將該車輛的過車時間作為分組1的起始時刻，當時，計算與上一個車輛的車頭時距，當小于等于車流間斷放行最小間隔閾值時，則返回繼續獲取下一個車輛；當大于車流間斷放行最小間隔閾值時，將該車輛的過車時間作為當前分組的結束時刻，同時將分組編號加1，并把該車輛的過車時間作為下一分組的起始時刻，返回繼續獲取下一個車輛。

非參考車流隸屬分組確定。根據非參考車流所有隸屬車道的過車記錄的過車時間與每個分組的起始時刻進行比較，確定車輛所在的分組編號。

（二）下游路口過車記錄分組

下游路口過車記錄包括號牌號碼、號牌顏色、路口編號、車道號、過車時間、分組編號、通過上游路口時間等數據項。

根據圖2，下游路口西進口包含西向北左轉、西向東直行、西向南右轉三股交通流。

下游路口過車記錄分組主要包括計算車流間斷放行最小間隔、下游過車記錄鏈表更新、參考車流車輛分組劃分、非參考車流隸屬分組確定等步驟。

下游路口過車記錄分組與上游過車記錄分組步驟類似，本文不再贅述。

（三）上下游過車記錄關聯匹配

根據上、下游過車記錄比對檢索和車輛駕駛的跟隨特性進行上、下游過車記錄關聯匹配。對于下游路口新增的一個過車記錄，與上游過車記錄鏈表進行比對檢索，根據車輛駕駛的跟隨特性有效縮小比對檢索的范圍，當上下游過車記錄中號牌號碼、號牌顏色都相同時，更新上游過車記錄的通過下游路口時間數據項以及下游過車記錄的通過上游路口時間數據項。

將新增的下游路口過車記錄與上游過車記錄鏈表中的過車記錄逐一進行比對檢索，提取并記錄當前選中的上游路口過車記錄。

對于某一條上游路口過車記錄，當檢索到該過車記錄中通過下游路口時間為空值時，若上、下游過車記錄中號牌號碼、號牌顏色都相同，則記錄該上游路口過車記錄。提取新增的下游路口過車記錄的過車時間，將該過車時間更新到記錄的上游路口過車記錄的通過下游路口時間這一數據項中；同時提取記錄的上游路口過車記錄的過車時間，將該過車時間記錄到新增的下游路口過車記錄的通過上游路口時間這一數據項中。

當檢索到該過車記錄中通過下游路口時間為非空值時，表示車輛已通過下游，根據車輛駕駛的跟隨特性（在交通中有車輛跟馳模型、車隊等相關概念，每個駕駛員都是期望盡快到達目的地，所以車輛之間會存在跟隨特性），檢索的車輛應在最近若干個上游分組內出現，設定停止檢索判別規則，縮小車輛檢索的范圍，提高檢索效率。

其中停止檢索判別規則具體如下：若是第一次檢索到該過車記錄中通過下游路口時間為非空值時，提取該上游路口過車記錄的分組編號記為，則返回繼續檢索；若不是第一次檢索到該過車記錄中通過下游路口時間為非空值時，提取車輛的上游路口分組編號記為，計算分組編號差值，考慮到車輛駕駛的跟隨特性，當大于某一個數值時，表示車輛在較長一段時間內未與同行車輛一并駛離下游路口，認為車輛是從路段內直接駛入下游的，停止檢索。

（四）路段車輛數估計

根據上游過車記錄鏈表統計當前計算時刻未駛離下游路口的車輛總數，計算路段車輛數初始值；根據上游過車記錄鏈表統計前一段時間內經過上游但未經過下游的車輛，計算上游過車記錄中從上游駛離未在路段內停駛車輛占比；根據下游過車記錄鏈表統計前一段時間內經過下游但未經過上游的車輛，計算下游過車記錄中從上游駛離通過下游車輛占比；根據車流間關聯性對路段車輛數初始值進行修正，得到路段車輛數估計值。

路段車輛數初步統計：根據上游過車記錄鏈表中的通過下游路口時間這一數據項是否為空值，來確定車輛是否已駛離下游路口，并根據車輛駕駛的跟隨特性，設定停止檢索判定規則，計算得到當前計算時刻路段車輛數初始值。停止檢索判別規則與上下游過車記錄關聯匹配中的類似，本文不再贅述。

由于車輛可能在路段內停駛或從路段內交通小區駛入下游路口等因素，結合圖3所示的上下游車流與路段內交通小區的車流間關聯關系，可以通過上游過車記錄中從上游駛離未在路段內停駛車輛占比、下游過車記錄中從上游駛離通過下游車輛占比對路段車輛數初始值進行修正得到路段車輛數估計值。

三、實例分析

本文以南京市中山東路解放路和中山東路清溪路兩個相距1.2km的路口作為研究對象，研究2018年8月6日周一兩路口間西向東的路段車輛數變化特性，其中上游路口為中山東路解放路，下游路口為中山東路清溪路。另在兩路口之間還有一拖二的燈控路口，包括中山東路明故宮東、中山東路明故宮西。

確定車流間斷放行最小間隔。不失一般性每個路口可選取西直行作為參考車流，西直行從失去通行權到下一次獲得通行權所有歷經相位包括東西左轉、南北直行、南北左轉，各相位最小綠燈、過渡燈色分別選取8秒、3秒，因此車流間斷放行最小間隔為33秒。

根據車流間隔放行最小間隔，分別對上下游參考車流、非參考車流的過車記錄進行分組，確定每一條過車記錄的分組號，其中上游共有700個分組，下游共有647個分組。根據號牌號碼、號牌顏色是否相同對上下游過車記錄進行關聯匹配，新增通過上游路口時間、通過下游路口時間。匹配結果示例，蘇A×…×，藍牌，2018年8月6日17時4分33秒通過中山東路解放路西方向第3車道，上游分組編號511，2018年8月6日17時8分12秒通過中山東路清溪路西方向第2車道，下游分組遍號478，行程時間219秒。

路段車輛數和現有電警數據分析方法得到的行程時間存在一定的關聯性，為了驗證路段車輛數估計值的合理性，選取車隊行程時間作為參考值，計算分析結果如圖4所示。路段車輛數與行程時間對于峰值的跟蹤性上比較一致，在10：04：00、12：21：45、18：18：35，行程時間分別為472s、690s、418s，路段車輛數分別為99veh，98veh，98veh。由于車隊行程時間采用的是所有匹配記錄中各車輛行程時間的中位值或均值，是統計值，因此變化相對不明顯。而路段車輛數計算間隔是15秒，由于兩路口間還存在一拖二路口，上下游車輛放行差異會比較大，路段內車輛動態比較復雜，因此路段車輛數相鄰兩次計算值的波動性會比較明顯，但實際應用中常用路段車輛數劃分區間，數值的波動不會影響其使用。

圖4? 中山東路示例路段車輛數、行程時間變化趨勢圖

結合下游路口放行數據，比如信號周期最大通過放行量，可以對路段車輛數劃分不同的區間范圍，區段數量表示等候信號燈次數，可以更好的表征該路段的通行狀態。信號周期最大通過放行量可以通過下游路口各分組的車輛總數的合理最大值確定，下游過車記錄分組中共有208個分組的車輛總數在44輛到60輛，占比較大，可以取中值52輛作為信號周期最大通過放行量。根據圖4，路段車輛數最大值為100，在高峰時期需要等候兩次信號燈才能通過路口。

四、結語

本文針對城市道路，充分利用交叉口間斷放行的特征，對卡口型電子警察過車數據進行精細化分析，實現路段車輛數的快速估計，路段車輛數與行程時間相比，一方面計算實時性較強，能快速直接反映路段內車輛的動態，另一方面該參數可以直接換算成排隊長度、等候信號燈次數等參數，能更好的反映道路的通行狀態。通常采用流量表示交通需求，但流量只表示實際通過停止線的車輛，但無法刻畫繼續排隊等候信號燈通過的車輛數，尤其在過飽和交通狀態無法精準刻畫實際的交通需求。路段車輛數的大小表示兩個路口之間的車輛數，可以真實表示實際的交通需求。路段車輛數有效的估計方法，助力交通管理者精細化掌握路段級交通狀態。H

參考文獻

[1]羅強，劉宗廣，李友欣，等.基于數據挖掘的電子警察執法異常分析方法及應用研究[J].公路與汽運，2017（02）：49-51+55.

[2]韋學武，朱海峰，劉彥斌，等.基于時序馬爾科夫模型的電子警察采集數據異常識別[J].公路與汽運，2020（02）：42-46+126.

[3]武志薪.基于電子警察數據的過飽和排隊溢出研究[D].上海：上海應用技術大學，2021.

[4]鞠建敏.基于電子警察數據的交叉口車流排隊長度研究[D].上海：上海應用技術大學，2021.

[5]江超陽，郝建根，何華英，等.一種獲取間斷交通流中車隊行程時間的方法[P].中國專利：CN109377759B，2021-02-26.

[6]余志，鄒兵，何兆成，等.一種基于旅行時間分布規律的路段車輛數估計方法[P].中國專利：CN108629982B，2020-12-29.

[7]郝建根，劉騰，程健，等.一種基于間斷放行特征的路段車輛數估計方法及終端[P].中國專利：CN113963532A，2022-01-21.