基于數據驅動的交叉口通行效率評價

吐爾遜·買買提, 曲古拉·圖馬爾拜, 馬潔, 陳俊豪

(新疆農業大學交通與物流工程學院, 烏魯木齊 830052)

近年來烏魯木齊市機動車保有量持續增長,2011年2月底,烏魯木齊市機動車保有量已近35.3萬輛,到2018年末達到了114.72萬輛,其中汽車保有量111.93萬輛,小汽車保有量102.47萬輛[1],交通供需矛盾日益嚴峻,對烏魯木齊城市道路網建設、交通管理和控制以及交通環境治理提出了新的要求和挑戰。城市道路網中交叉口是核心節點,交叉口的管控和運行效率以及服務水平直接影響城市道路網的服務水平。因此交叉口的排隊長度、延誤時長、通行時間、停車次數等微觀指標,通行效率、服務水平以及渠化等宏觀參數方面的研究一直是學術熱點,也是涉及大眾出行時間的應用問題。

綜上所述,研究內容方面,隨著城市規模及汽車保有量持續增長,目前的研究具有由單個交叉口效率評價向區域多個交叉口效率評價方向發展的跡象,同時目前交叉口運行效率方面的研究中多數采用一種或兩種評價參數,雖然這種方法簡單、易用,并具有較好的可行性,但由于城市道路平面交叉口交通流影響因素較多,因此單一指標或較少的指標不能充分映射交叉口實際運行的微觀參數變化以及宏觀的評價需求。研究方法方面,交叉口效率評價研究中浮動車GPS軌跡、傳感器技術、視頻和微波等數據采集技術已取代傳統交通調查方法為交叉口效率評價提供了感知多源數據的方法,同時,交通仿真以及數據孿生等方法和技術為交叉口效率評價研究提供了方法途徑。

因此,現根據研究區域城市交通現狀、數據的獲得性以及現有研究基礎上,提出一種基于大規模浮動車GPS軌跡數據與多指標融合的交叉口運行效率評價思路和方法。

1 數據來源及預處理

1.1 軌跡數據總體特征描述

烏魯木齊市自2007年末開始實施浮動車輛GPS信息采集系統,目前,9 000多輛出租車均配備了GPS定位系統[10]。出租車每隔5、15、30 s向數據中心發送一次數據,包括車牌號、時間、經緯度、速度、方位角以及載客狀態。將烏魯木齊交通流現狀和數據的可獲得性等因素相結合,選取 2021 年 11 月 26 日的5 645 669 條出租車 GPS原始軌跡數據作為數據源開展交叉口通行效率評價研究,出租車GPS原始數據樣例,如表1所示。

表1 出租車GPS原始數據樣例Table 1 Taxi GPS raw data sample

根據烏魯木齊市小汽車保有量和出行強度25%(小客車出行比例)估算,配備了GPS的出租車即浮動車占比達到了32%。因此,通過出租車軌跡分析城市道路交叉口交通效率從浮動車占比方面考慮具有較好的可行性和代表性。

烏魯木齊市出租車GPS出行軌跡量空間分布,如圖1所示,從圖1中可以看出,出租車GPS行駛軌跡可基本覆蓋到烏魯木齊市每個區域,尤其是在集中于中心城區的快速路、主干路以及次干路,而少量分布于外部通道。

圖1 烏魯木齊市出租車GPS軌跡點空間分布Fig.1 Spatial distribution of taxi GPS trajectory points in Urumqi

1.2 軌跡數據處理流程

通過車載GPS設備采集的軌跡數據因設備、信號干擾和外部因素存在錯誤數據、缺失數據和冗余數據,因此通過利用SQL server數據庫與python語句結合,對2021年11月26日的5 645 669 條出租車 GPS原始數據集中存在的異常數據進行清理,其預處理操作步驟如下。

(1)針對重復數據,以車牌為主關鍵字進行數據分類,并刪除與每個“車輛ID”相關的重復記錄。

(2)由于出租車在進入高架、擁擠路段、惡劣天氣等條件下,浮動車GPS信號會受到干擾,導致數據的丟失和不連續。為此,采用相鄰數據取均值方法補全不連續的缺失數據。

基于上述方法預處理并補全缺失數據之后的有效數據為7 330 065條,為后續研究提供數據支撐。

2 研究方法

2.1 交叉口范圍劃定

在進行城市道路交叉口各評價交通參數的估算之前要先劃定交叉口的研究范圍。在確定信號交叉口的范圍時,根據信號交叉口的車輛實際排隊長度,中國城市道路規劃規范、以及信號交叉口影響區域范圍的標準,通常以140～180 m的范圍為準[11]。

選取烏魯木齊市新華北路-光明路信號交叉口(簡稱目標交叉口)為研究對象,以信號交叉口轉角緣石曲線端點為計算起點,并以車輛行駛的方向為轉向,進口道向上游、出口道向下游計算180 m范圍內為交叉口范圍,如圖2所示。

圖2 交叉口研究范圍Fig.2 Scope of intersection research

交叉口范圍確定后將預處理后的全部樣本數據導入到Arc Map的道路圖層中,選取研究區域內的交叉口,借助Arc Map軟件,判斷出車輛與信號交叉口之間的位置,然后對經過目標交叉口的車輛進行篩選,提取在早高峰時段交叉口范圍內行駛的出租車軌跡信息共28 329條,為各指標交通參數的提取提供數據支撐。

2.2 通行效率評價指標體系及量化方法

2.2.1 指標體系建立

評價指標的選取是城市道路交叉口通行效率評價的一個初步環節,它直接影響評價結果的效果和適應性。交叉口通行效率作為影響城市道路交通流運行的關鍵因素受到交叉口區域道路條件、交通條件和管控措施等多個因素的影響。其中交通條件包括交通流特性、車輛行駛速度、路段上的交通流量分布、大中小型客貨車構成比例、長途短途車的分布情況等。由于道路交通的隨機性與模糊性,無法對交叉口通行效率進行直接的量化判斷,但,評價指標在一定程度上描述交叉口通行效率。通過對評價指標的分析,可以更好地了解各評價指標的特點和作用,從而明確在不同的交通條件下,應該選取哪些評價指標來描述交叉口的通行效率。交叉口通行效率評價指標可以分為宏觀評價指標和微觀評價指標。宏觀評價指標包括交通流量、速度、占有率、排隊長度、通行時間、延誤以及停車次數等,能夠反映整個交通流的運行狀態特性,而微觀評價指標包括,車頭時距和車頭間距,能夠反映交通流中各個交通工具的行駛狀態特性。相比微觀指標,宏觀指標對交叉口的交通流特征敏感度較高,能夠及時、準確地反映交叉口通行效率的變化。

交叉口通行效率評價方面目前多數研究基于單一指標評價方法,為彌補單一評價指標的缺陷。故,本文將根據目標交叉口實際交通流現狀、出租車GPS軌跡數據的獲得性、評價指標的特點以及相關文獻[12-15]的方法相結合,為提高評價結果的準確度以及充分反映交叉口實際運行的評價需求建立以排隊長度、延誤、通行時間和停車率組成的交叉口通行效率評價指標體系。

2.2.2 指標量化方法

城市道路交叉口交通流是一種變化趨勢較復雜的時間序列,在分析交叉口通行效率中,根據交通流時間序列變化特征選取正確提取和反映其變化曲線的方法是關鍵。本文研究中定量分析目標交叉口排隊長度、延誤、通行時間和停車率等通行效率指標時采用以下方法。

(1)交叉口排隊長度。排隊長度是指車輛進入排隊狀態之后,排在最后一輛車距至交叉口停車線的距離,以米為單位統計。本文應用球面距離算法估計車輛的排隊長度。首先篩選出每一輛車的初試停車點位置(速度小于5 km/h),然后判斷該車至停車線的距離。設交叉口停車線A的經緯度為(Xlat1,Ylong1),車輛在經過交叉口進口道減速排隊時的第一個軌跡停車點B的經緯度為(Xlat2,Ylong2),則可以得到基于地球半徑來計算兩點距離的方法為

(1)

LDistance(AB)=RArccos(dL)

(2)

式(1)中:R為地球的平均半徑,m/s;dL為距離;LDistance(AB)為兩點之間的距離。

(2)交叉口通行時間。通過交叉口的初始停車點和通過路口終止點的GPS定位數據,應用位置-時間插值法估計車輛的通行時間。根據任意一輛車的兩個GPS定位點時刻初始停車點時刻和通過路口終止點時刻,用終止點的時刻te,減去初始停車點的時刻ts,就可以得到通過該交叉口的通行時間T。具體計算公式為

T=te-ts

(3)

式(3)中:T為車輛通過目標交叉口所用的通行時間;te為車輛初始停車點的時刻;ts為車輛通過路口終止點的時刻。

(3)交叉口延誤。交叉口延誤的計算是指車輛從進入十字交叉口到車輛離開十字交叉口的全過程。當浮動車向左或直行時,除了行駛信號交叉口范圍la外,還應當考慮由停車線所圍繞的導流線距離lb,因此在信號交叉口范圍內浮動車行駛的距離為L=la+lb。本次研究對確定車輛向左或直行的導流線長度確定過程不做詳細闡述。則具體計算公式為

(4)

式(3)中:di為信號交叉口延誤;Ts為信號交叉口范圍起點;Te為信號交叉口范圍終點;Vp為城市道路規劃規范設定的速度;(xs,ys)和(xe,ye)為分別為交叉口影響范圍起點Ts與交叉口范圍終點Te時刻浮動車在信號交叉口弧段處經緯度坐標;Ts1、Ts2為分別為交叉口起點的上游和下游時刻;Te1、Te2為分別為交叉口終點的上游和下游時刻;(xs2,ys2)為Ts1時刻浮動車的坐標;(xe2,ye2)為Te2時刻浮動車的坐標。

(4)交叉口停車率。停車率是指車輛在進入排隊狀態之后停車的次數總和占全部流量的百分率。本文研究所選取的停車率為車輛進入排隊狀態之后,停車的總數量與交叉口范圍內行駛的出租車有效樣本車輛的百分率。首先要確定每一輛車的初始速度為0 km/h,即處于停止狀態,并判斷每一輛車是否進入下一區域(速度大于0 km/h)。然后按照該規則進行統計樣本中車輛的停車總數。具體計算公式為

(5)

式(4)中:qt為交叉口有效樣本中的停車總數量;qe為交叉口有效樣本車輛數。

2.3 通行效率影響因素分析方法

針對傳統數據處理技術無法有效處理交通領域產生的具備非結構化、季節性、隨機性、混沌和含有噪音等特征的數據,需要考慮新的理念、方法和技術來解決這些問題。根據研究對象特征序列變化趨勢,采取合理的方法對多個影響因素進行定量分析對交叉口通行效率分析產生重要影響。粗糙集(rough sets)是Pawlak等[16]首先提出來的分析數據的理論,用于從研究對象特征數據序列中挖掘其所隱含的知識的方法,是在數據挖掘中常用于決策屬性已知情況下計算參考屬性的權重。

根據量化后的評價指標值的值域、變化趨勢和數據量的現狀,采用粗糙集理論中的計算屬性依賴度和重要度方法測度每個通行效率影響因素向量對輸出向量的重要程度,進而進一步量化影響因素的權重。計算步驟如下。

(1)知識表達系統的建立:設S=(U,A,V,F)為一個知識表達系統,其U為所有對象的集合,U=[X1,X2,…,Xn],A為屬性的非空集合;V為各屬性離散化值域的并集;F為信息函數,它為每個屬性賦予一個屬性值。A=C∪D,C∩D≠ф,這里的C是參考屬性,D是決策屬性,從而生成二維的決策表。論域中,對象根據條件屬性的不同被劃分到不同決策屬性的決策類中。

(2) 屬性依賴度計算:若U/C={X1,X2,…,Xn},U/D={Y1,Y2,…,Y},決策屬性D對條件屬性C的依賴度可以定義為

(6)

式(6)中:posc為決策屬性;yi為全體條件屬性;|u|為集合中包含的元素個數;其中0

(3)計算第i種條件屬性對決策屬性的重要性。

(7)

(4) 計算屬性權重Ki。

(8)

2.4 仿真分析方法

基于實測數據,采用VISSIM 仿真方法,對交叉口的通行效率進行分析,進一步驗證排隊長度、通行時間、延誤和停車率對交叉口通行效率的影響程度的可行性,其基本算法思路如下。

(1)在VISSIM 中繪制道路交叉口仿真路網圖。

(2)將現場調查的交通流量數據輸入仿真系統。

(3)設置各進口道交通沖突點處的優先權、讓路規則、期望速度以及信號燈相位。

(4)選取排隊長度、通行時間、延誤、停車次數等評價指標,進行交通仿真,并觀察交叉口各進口道和整個交叉口的通行效率。

(5)應用各評價指標的仿真結果服務水平進行評價,輸出相應的仿真結果,并驗證各個影響因素對交叉口通行效率的影響程度的可行性。

3 實例驗證

3.1 交叉口通行效率評價

烏魯木齊市出租車GPS軌跡數據作為基本數據集,應用2.2.2節通行效率指標的量化方法估計了目標交叉口各高峰期的車輛交通參數,某早高峰部分數據提取結果,如表2所示。

表2 車輛交通參數信息表Table 2 The table of vehicle traffic parameters

從表2中可以看到,4個進口道中,南進口和西進口的排隊長度和通行時間較為長,該交叉口的總的平均排隊長度為142.64 m,平均延誤60.82 s、平均通行時間108.43 s、平均停車次數0.51。參考美國 HCM2000 給出的服務水平劃分標準[17],目標交叉口(西、東、北、南)4個進口道的服務水平分別為 F、E、F、F,總體服務水平為 F,因此,該交叉口處于嚴重堵塞狀態。

經過目標交叉口的實際通行效率分析發現,基于出租車GPS軌跡數據作為數據源,可以較好地估算車輛排隊長度、通行時間、延誤以及停車率等交通參數,并提取的各交通參數可以較好地反映城市道路交叉口的各進口道和整個交叉口的通行效率。因此浮動車采集的數據可為信號交叉口交通參數的計算提供真實可靠的數據源,可以用于交叉口實際通行效率分析中。但提取的樣本量的不足,GPS點漂移及定位誤差等現象降低了少數評價指標的精確度,不過總體上可以接受范圍內。

3.2 通行效率影響因素分析

城市道路中交叉口通行效率的變化趨勢在排隊長度、通行時間、延誤和2次停車率等因素的聯合作用下,其變化趨勢呈現出季節性、隨機性和混沌性以及含有噪音等特性。交叉口通行效率評價指標體系中正確映射各指標與通行效率之間的關系是定量分析交叉口通行效率的關鍵。

表3 影響因素的依賴度、重要度和權重Table 3 Weights, significant and dependence degree for every input factor

表3結果表明,排隊長度是交叉口通行效率的主要的因素,其次是延誤和停車率,最后是通行時間。影響因素的權重反映其對交叉口通行效率的影響程度的大小,而且也表示不同指標在同一個交叉口通行效率評價中的重要程度。本文研究中,排隊長度對交叉口通行效率的影響最為顯著。

3.3 交叉口交通仿真分析

為了分析基于軌跡數據的交叉口交通參數提取及通行效率評價方法的適用性,應用上述方法中目標交叉口實測交通流數據,在VISSIM8平臺中建立面向新華北路與光明路交叉口微觀仿真模型。目標交叉口某早高峰(9:00-11:00)時的實測交通流量數據,如表4所示。

表4 早高峰交通流量Table 4 Morning rush of traffic

目標交叉口搭建的交通仿真模型,如圖3所示。

圖3 VISSIM交通仿真模型Fig.3 VISSIM traffic simulation model

在以各進口道車輛排隊長度、停車次數,通行時間、延誤為通行效率評價指標,對目標交叉口進行3 600 s交通仿真,結果如表5所示。

表5 各參數仿真結果Table 5 Simulation results of each parameter

從表5可知,根據文獻[17]方法評價交叉口(西、東、北、南)4個進口道的服務水平分別為 F、E、F、F,總體服務水平為 F,該交叉口的通行效率很差,早高峰時段交通擁堵尤為突出。經過分析發現降低交叉口通行效率的原因是多方面的,而最主要的原因一方面是由于研究交叉口的行駛周期在180 s之間,紅燈過長,導致車輛停車次數較多,加大了車輛的延誤。另一方面, 在仿真運行中,車輛靜態路徑選擇時會出現異常的車輛行駛,造成交叉口進口道異常停車等候、換道或者掉頭等現象,擴大了交叉口的排隊長度范圍位置。

排隊長度、通行時間、延誤以及停車率作為評價交叉口通行效率和服務水平的重要指標,不僅反映整個交叉口的交通擁堵程度、車輛行駛平穩程度以及駕駛員的舒適性程度、車輛油耗和行駛時間損失,而且還可以反映信號規劃與設計的合理程度,因而排隊長度、通行時間、延誤和停車率都是目前評價交叉口最為常用的評價指標。準確估計車輛在交叉口的各評價指標對改善交叉口運行狀況、提高交叉口服務水平和整個路網的通行效率都有著重要的意義。

4 結論

建立了交叉口通行效率評價指標體系和量化方法,并結合大規模浮動車數據對交叉口通行效率進行分析,提出基于粗糙集的通行效率影響因素定量分析思路,結合仿真方法分析了通行效率評價方法的適用性,得出如下結論。

(1)通過大規模浮動車數據和評價指標體系對目標交叉口4個進口道的服務水平分析發現,基于數據驅動的通行效率評價方法在動態分析交叉口通行效率方面有較強的可行性。

(2)在本文建立的通行效率評價指標體系中排隊長度、延誤、停車率和通行時間4個指標對通行效率的重要度分別為0.726 0、0.516 3、0.510 3和0.479 1,發現排隊長度是動態準確判斷交叉口通行效率和運行狀態的關鍵因素,表明,基于粗糙集的通行效率影響因素定量分析方法在正確映射交叉口通行效率及其影響因素之間的非線性關系方面有較好的參考價值。

(3)從數據的可獲得性、計算復雜度和實效性角度分析,本文提出的基于軌跡數據的評價方法在計算復雜度方面和仿真方法相比不具備優勢,但從數據的可獲得性方面具備較好的應用價值。從評價結果的實效性方面分析,智能交通大背景下,仿真方法有一定的優勢。同時由于數據的精確度、仿真參數的不確定性等因素,導致2種方法所得出的結果也存在部分差異。