基于高速公路收费数据的用户交通出行多维度特征分析.pdf

为提升高速公路信息化管理水平,调节高速公路需求分布不均衡问题,构建了包含时间、空间、用户个人属性 3 个维度的特征指标体系,在 K-means 聚类算法的基础上,设计并使用 Mini-Batch-Kmeans 聚类算法对出行用户进行了分类,同时从时间、空间、个人属性 3 个不同维度深入分析了各类出行特征指标。研究结果表明:1)高速公路出行者多为单次出行或周末出行;2)经 PCA 降维和 Mini-Batch-Kmeans 聚类后,出行用户可分为 6 类;3)时间上,用户出行早晚高峰为 7:009:00 和 16:0018:00;空间上,用户出行站点多在经济水平较高城市,长途用户多在沿海或有货物中转站的城市;个人属性上,通勤用户与长途用户多使用 ETC 支付且花费金额高。关键词:交通工程;用户出行特征;差异化收费;Mini-Batch-Kmeans 聚类;ETC 数据文章编号:1009-6477(2023)03-0151-08 中图分类号:U491.1+2 文献标识码:BMulti-dimensional Characteristics of User Traffic Based on Highway Toll Collection DataWANG Xiaohan1,CAO Rong2,LIU Chunsheng1,JIA Jianmin1(1.Shandong Jianzhu University,School of Transportation Engineering,Jinan 250000;2.Shandong High Speed Co.,Ltd.,Jinan 250000)Abstract:In order to improve the level of highway information management and adjust the imbalance of highway demand distribution,a feature index system containing three dimensions of time,space and personal attributes of users is constructed.On the basis of K-means clustering algorithm,Mini-Batch-Kmeans clustering algorithm is designed and used to classify travel users.In three different dimensions of time,space and personal attributes,various travel feature indicators are deeply analyzed.The results show that:1)Most of the highway travelers are single trips or weekend trips;2)After PCA reduction and Mini-Batch-Kmeans clustering,travel users can be divided into 6 categories;3)In terms of time,the morning and evening peak of user travel is 7:00-9:00am and 4:00-6:00pm.In terms of space,users travel stations are mostly in economically developed cities,while long-distance users are mostly in coastal cities or cities with cargo transfer stations.In terms of personal attributes,commuter users and long-distance users pay more ETC and spend a higher amount.Keywords:traffic engineering;user travel characteristics;differentiated charging;Mini-Batch-Kmeans clustering;ETC data 近年来,随着高速公路网络建设日趋完善,高速公路出行量逐年攀升,公路使用电子支付和 ETC 不停车收费技术逐渐成熟,使得用户更期待安全、快速、通畅的交通出行。目前,ETC 收费数据尽管记录了车辆进入和离开高速公路的个体信息,但高速公路日常产生的巨量通行信息,仍需通过数据分析技术和方法,挖掘高速公路用户潜在的出行特征和出行习惯,以提升高速公路运营管理水平与交通运行效率。目前,通过大数据对用户出行特征进行研究的成果报道逐年增多,从出行时空角度分析交通出行特征是常见的研究途径之一。在空间维度上,吴娇蓉等1通过对上海中心城和新城区的出行方式结构、公共交通出行目的、出行距离、出行空间分布、使用者经济属性等特征进行对比分析,提出了现阶段下新城和中心城市不同的公共交通差异化发展策略;赖坤涛2基于巡游车和网约车时空数据,研究了交通出行的空间分布、整体性、结构性等对城市交通空间分布的影响;李明3基于公交刷卡数据,以栅格的出行量、公交站点 OD 数据等来作为划分城市空间的特征值;Gao 等4利用刷卡数据研究了不同区域的居住空间分布,并分析了居住空间变化的 3 种模式。在时间维度上,郭良久等5基于重庆市历年高速公路收费数据,从时间维度重点分析了五一、国庆、春运等重要节假日对高速公路交通出行特征的影响;刘冬杰等6利用潍坊市高新区车牌识别数据,从交通流量、运行速度等角度进行了多维度交通出行特征分析;毛建等7基于浮动车数据,计算了城市道路路段平均行程时间、路段通行频率、道路等级 3个交通出行特征因素,构建了车辆出行特征分析模型库;吴林8利用轨道出行刷卡、出租车 GPS 等多源数据挖掘了长沙高铁南站的交通出行特征。基于以上研究,为更深入地分析出行者的时空分布特征,研究人员多借助于聚类算法。魏广奇等9基于高速公路收费流水数据,借助 K-means+聚类方法识别高速公路日常通勤车辆,掌握该类车辆的出行时空分布特征;畅玉娇等10采用上海快速路牌照识别系统采集数据,通过 K-means 聚类数据挖掘方法,分析了通勤特征车辆在路网中的出行时空分布;余庆等11基于美国加州高速公路交通数据集,通过改进的模糊 C 均值聚类算法对高速公路交通数据进行了分析,其结果可有效识别高速公路交通状态,提高路网服务水平。综上分析,研究人员大多借助于 K-means 聚类或模糊 C 均值等聚类算法,以用户时空运行大数据研究其出行特征,较少考虑到个人属性方面的出行特征。为此,本文将以 K-means 聚类算法为基础,从时间、空间与个人属性 3 个不同维度方面对出行者的交通出行特性展开深入研究,以供高速公路管理部门个性化出行服务参考。1 数据处理的理论和方法1.1 数据预处理由于收费系统故障、收费 ETC 或微信支付操作不当等因素,调查数据中存在一些异常数据和重复数据,这对分析结果有较大影响。因此,在数据分析前需对调查数据进行整体的检查和清洗,剔除异常数据。1.2 用户分类指标高速公路用户多种多样,每种用户在时间、空间及个人属性上都具有相对稳定的性质。本次研究以收费站数据为基础,以每 2 个相邻的收费站点为一个 OD 点,从时间、空间、个人属性角度进行多维度交通出行特征分析,指标维度如表 1 所示。表 1 用户分类指标维度Table 1 Indicator dimension of users classification 指标维度指标名称指标说明时间工作日出行天数研究时段用户在工作日中出行的天数高峰时期出行天数研究时段用户在工作日高峰时段出行的天数出行天数一个月中用户有高速公路出行的天数空间最大 OD 出行占比研究时段用户经过次数最大 OD 点的次数与用户通过 OD 点总数的比值个人属性出行频率研究时段用户总出行天数出行消费总金额研究时段用户出行所消费的总金额1.3 数据标准化及降维处理从时间、空间、个人属性 3 个不同维度划分用户出行数据,这 3 项指标的纲量和数量级都不同,直接使用会影响分析结果。因此,在聚类前,需对数据按251公 路 交 通 技 术 第 39 卷式(1)进行标准化处理。zij=xij-xisi(1)式中:xi为各个指标的均值;si为各个指标的标准差;xij为实际数据;zij为标准化后的数据。经 PCA(Principle Component Analysis)标准化处理后,6 个指标降维到了 3 个。PCA 降维的基本步骤是:1)将由 M 个用户,6 个聚类指标组成矩阵 XM6特征中心化,并计算矩阵 XM6的样本的协方差矩阵C66。2)计算协方差矩阵 C66的特征向量 e1,e2e6和对应的特征值 1,26,将特征值从大到小排列。3)按照特征值的大小计算协方差矩阵 C66的贡献率和累计贡献率,按式(2)计算。i=i6n=1nr=ri=1i(2)式中:i 为协方差矩阵 C66第 i 列向量的贡献率;r为协方差矩阵 C66前 r 列矩阵的累计贡献率。4)经计算可得 3大于 90%,且本次研究的 6个指标是基于 3 个维度得出的,因此可取投影矩阵的维数为 3。5)按从大到小取前 3 个特征值对应的特征向量作为投影矩阵 S63,将需要降维的矩阵 XM6与投影矩阵 S63相乘,得到降维后的矩阵 Tm3。1.4 聚类算法聚类算法是一种无监督的学习算法,它的主要作用是将具有相似特征的样本自动归到一个类别。常见的聚类算法有层次聚类算法、模糊聚类算法、密度聚类算法等。本文以 K-means 算法作为核心算法,但由于数据集数量过于庞大,则采取从数据集随机抽取一部分样本进行聚类的 Mini-Batch-Kmeans算法。聚类过程:1)从数据集 Y=y1,y2,y3yn中随机抽取指定数量的数据作为一个样本。2)采用 K-means 算法对随机抽取的样本进行聚类。(1)确定数据集 Y=y1,y2,y3yn的高速公路用户聚类类别数目 K,以及聚类中心点的个数 N。(2)对于数据集中的每一个样本用户,计算其到各个初始聚类中心 ci的欧式距离按式(3)计算,并将其划到欧式距离最小的聚类中心对应的类别上。Di(x,ci)=nj=1(xi-cij)2(3)(3)根据各个类别中的用户数据重新计算各个类别的质心,将重新计算的质心作为新的聚类中心,计算公式为:ci=1Myciy(4)式中:M 为各个类别里的样本个数。3)重复 1),以 2)的聚类中心为初始聚类中心,再重复 2),直到聚类中心不再发生变化。4)把计算的聚类中心应用到整个数据集中,以欧式距离最短原则确定用户所属类别。2 实例应用分析2.1 数据获取及预处理以 2021 年 3 月份山东省高速公路收费站的交易流水数据为例进行应用研究,该数据共 4 530 万条,通行车辆类型包括客车,货车和专项作业车,研究时段包含工作日 23 d 和非工作日 8 d,经数据预处理删除重复数据后,剩余数据约 880 万条。2.2 PCA 降维处理在所采集到的交易流水数据中,大部分的高速公路出行者出行次数都较少。为简化聚类分析过程,提前把出行频率为 1 次和只在周末出行的这些具有显著出行特征的用户数据提取出来,并将其定义为 A1 和 A2;对剔除 A1 和 A2 数据的剩余数据集进行 PCA 降维,经 PCA 降维后统计该剩余数据集的时间、空间、个人属性概率密度,如图 1 所示。2.3 Mini-Batch-Kmeans 聚类从剔除 A1 和 A2 数据的剩余数据集中随机抽取数量为 10 000、50 000、100 000、150 000、200 000的样本数据集,计算这 5 个样本数据集经 Mini-Batch-Kmeans 聚类后的 CH 分数,如图 2 所示。从图 2 可知:1)当抽样数为 100 000 时,CH 分数最高,聚类效果最好。2)使用抽样数为 100 000 的数据作为抽样样本,利用平均轮廓系数法得到该抽样样本的最佳聚类数目为 6,即聚类中心点的个数为 6。351 第 3 期 王晓晗,等:基于高速公路收费数据的用户交通出行多维度特征分析(a)出行天数密度(b)工作日出行次数密度(c)工作日高峰出行天数密度(d)最大出行 OD 占比密度(e)消费金额密度(f)出行频率密度图 1 概率密度Fig.1 Probability density图 2 抽样聚类结果Fig.2 Sampling clustering results3)使用 Mini-Batch-Kmeans 聚类算法对抽样样本聚类,总共分为 6 类,并将其编号为 A3、A4、A5、A6、A7、A8。2.4 聚类结果分析经 Mini-Batch-Kmeans 聚类后,将出行数据分为了 A3A8 六类,加上前面剔除的 A1 和 A2 数据,451公 路 交 通 技 术 第 39 卷共分为了 8 类,为将其进行定义,现统计聚类后的 8类数据在时间、空间和个人属性维度上的聚类结果,如表 2 所示。分析表 2 数据可知:1)A1 是出行次数只有一次的用户,将其定义为单次出行用户。表 2 聚类结果Table 2 Clustering results指标A1A2A3A4A5A6A7A8平均出行频率/次12.5353.28336.50115.069.30467.24619.739平均个人出行总消费/元137.17113.78218.751 349.8811 903.14670.711 991.951 009.36平均出行天数11.4662.25320.26911.3326.29926.90312.405工作日出行次数0.72502.54128.84411.0787.03353.0215.33工作日高峰出行天数0.18400.5358.7061.7841.72415.7723.964平均最大 OD 出行占比/%10.4670.4210.3960.3010.3150.4150.32车辆数2 276 295809 5273 884 026134 85790 7521 169 87050 265389 098车辆比例/%25.859.1944.111.531.0313.290.574.42 2)A2 是只在周末有出行行为的用户,将其定义为周末出行用户。3)与其他种类用户相比,A3 的出行频率很低,出行次数偏少,出行总消费也不高,侧面反映 A3 用户的出行距离也较短,工作日出行次数和高峰出行次数都很少,但其车辆所占比例却最高,绝大多数出行者都属于这一类,将其定义为零星用户。4)A4 平均出行频率和平均个人总消费都较高,从出行频率可以看出该类用户基本每日都会出行,且多数是在工作日内出行,这与营运车辆从事运输作业的特性相吻合,将其定义为营运用户。5)在所有的出行用户中,A5 平均个人总消费排名最高,但出行频率却不高,间接说明 A5 每次出行距离都很远,其平均最大 OD 出行占比最低,表明其出行起终点并不集中,且出行时间较长,汽车使用率较低,因此将其定义为长途用户。6)A6 平均出行频率较低,但其个人总支出却不低,且该类用户不太选择工作日高峰时段出行,将其定义为单次消费多次数少用户。7)A7 的平均出行频率在所有用户中排名最高,平均个人总消费也很高,且该类用户几乎每日都要外出,这明显符合通勤车辆的出行特点,将其定义为通勤用户。8)A8 平均出行频率较高,但个人消费不高,说明其出行距离较短,该类用户的出行天数不少,且多会选择在工作日出行,将其定义为商务用户。3 用户运行特征可视化分析3.1 时间分布特征分析本文结合聚类分析,开展了高速公路用户的出行时间分布特征分析,8 类用户在一周内的日小时交通量如图 3 所示。图 3 用户一周日小时交通量Fig.3 Hourly tratfic rolume of every day per week for users551 第 3 期 王晓晗,等:基于高速公路收费数据的用户交通出行多维度特征分析从图 3 可以得出:1)就出行时间而言,不同类型出行者的出行特征都具有高度相似性,都存在 2 个高峰和一个低谷,早晚高峰的时间几乎都集中在早上的 7:009:00和下午的 4:006:00。A4 用户大多为临时出行,为了出行顺畅,会避开日常的早晚高峰,因此该用户一般在早上 8:0010:00 和下午 2:004:00 时间段内出行。2)从总的出行流量看,在工作日与非工作日,A3 用户的出行数量都最多,而 A5 用户的最少。A3工作日内日平均交通量约为 18 000 辆/h,非工作日约为 15 000 辆/h,A5 日平均交通量约为 1 800 辆/h。A7 用户在工作日高峰期与非高峰期的车流量差距很大,而在非工作日的差距较小,侧方面反映出 A7用户在工作日内多为高峰期出行,非工作日各时间段内都有出行。3.2 空间分布特征分析本文依据 8 类用户的入口收费站,统计了 8 类用户在山东省最常经过的 20 个收费站点,并基于ArcMap 软件开展了空间分布分析,结果如图 4 所示。(a)A1 用户出行站点分布(b)A2 用户出行站点分布(c)A3 用户出行站点分布(d)A4 用户出行站点分布(e)A5 用户出行站点分布(f)A6 用户出行站点分布(g)A7 用户出行站点分布(h)A8 用户出行站点分布图 4 用户出行站点分布Fig.4 Distribution of user travel sites从图 4 可知:1)收费站点聚集区:这 8 类用户出行常经过的收费站点多集中在济南、青岛等经济发达的城市,以这 2 个城市为中心形成密度较为集中的一块区域。尤其是 A7 用户的出行站点密集度最为明显,这与651公 路 交 通 技 术 第 39 卷这两地的经济发达,人口密集,商业繁荣有很大的关系。2)站点范围:A5 用户出行范围最广,有好几个密度中心。除济南外,在青岛、临沂、日照等城市也有不小的密度中心,这些城市大多沿海或有货物中转站,长途用户都会来此运送物资,满足了长距离使用者的需求,也符合该类用户的出行习惯。3.3 个人属性分布特征分析统计 8 类用户出行所使用的支付类型所占比例及其支付金额,结果如图 5 所示。图 5 用户支付类型与支付金额Fig.5 Users payment type and payment amount从图 5 可以看出:1)绝大多数出行者都会选择使用 ETC 或银联卡支付车辆通行费用,但仍有部分用户会选择现金支付,这会在一定程度降低车辆通行效率,因此有关部门可加大宣传力度,使 ETC 收费更加普及。2)A4、A5、A7 是使用 ETC 支付最多的群体,这符合该群体出行频率高、出行花费多、注重出行效率等特点。3)与其他群体用户相比,A2、A3、A6 使用现金支付更多,这 3 个群体的出行频率都很少,且都不太选择工作日高峰期出行,因此使用现金支付也可以基本满足他们的出行需求。4)从出行消费来看,A5 用户出行花费最高,这与其出行时间长、出行范围广、出行距离长有关,这也更加符合长途用户的出行特点。除 A5 外,A7 用户出行花费金额也比其他用户偏多,这与该群体用户出行次数多,出行频率高有密切关系。4 结论本文基于山东省高速公路收费站交易流水数据,通过 Mini-Batch-Kmeans 聚类算法在时间、空间、个人属性 3 个不同维度方面对用户出行特征进行研究和分析,得出以下结论:1)经数据预处理后,发现大部分的高速公路出行者出行次数都较少,多为单次出行或在周末出行。2)经 PCA 降维和 Mini-Batch-Kmeans 聚类后,将抽样样本数据分为 6 类,分析在时间、空间、个人属性维度上的聚类结果后,分别定义为零星用户、营运用户、长途用户、单次消费多次数少用户、通勤用户、商务用户。3)通过数据可视化分析得到,在时间维度上,各类出行者的出行特征都高度相似,有 2 个高峰一个低 谷,早 晚 高 峰 分 别 集 中 在 7:009:00 和16:0018:00;在空间维度上,出行者的出行站点多集中于济南、青岛等经济发达城市,长途用户多集中于沿海或有货物中转站的临沂、日照等城市;个人属性维度上,与其他用户相比,长途用户与通勤用户出行花费更高,使用 ETC 支付也最多。4)高速公路收费站交易流水数据,蕴含着车辆出行的全面信息,通过对数据的挖掘提取,可了解掌握出行者的出行特征、缓解交通拥堵。后续的研究还可与差异化收费深入结合,实施更加灵活多样的收费方式,提高高速路网通行效率。参 考 文 献References1 吴娇蓉,林清凯,邓泳淇,等.中心城和新城公共交通出行特征差异分析及发展策略J.交通与运输,2022,38(2):95-100.WU Jiaorong,LIN Qingkai,DENG Yongqi,et al.Differences in public transport travel characteristics and development strategies between the central cityand the new cityJ.Traffic and Transport,2022,38(2):95-100.2 赖坤涛.基于巡游车和网约车数据的交通出行空间分布及出行特征研究D.北京:北京交通大学,2021.LAI Kuntao.Analvsis of Spatial distribution and demand characteristics of traffic ravel based on cruising cars and online car-hailing data D.Beijing:Beijing Jiaotong University,2021.3李明.基于出行相似性的交通小区划分方法研究D.北京:北京交通大学,2019.LI Ming.The method of traffic analysis zone delineation based on passenger s travel similarity D.Beijing:751 第 3 期 王晓晗,等:基于高速公路收费数据的用户交通出行多维度特征分析Beijing Jiaotong University,2019.4 GAO Q,LI Q,YUE Y,et al.Exploring changes in the spatial distribution of the low-to-moderateincome group using transit smart card dataJ.Computers,Environment and Urban Systems,2018(72):68-77.5 郭良久,王新渝,章玉.重要节假日期间重庆高速公路交通出行特征与预测分析J.公路交通技术,2020,36(3):116-120.GUO Liangjiu,WANG Xinyu,ZHANG Yu.Characteristics and forecast analysis of Chongqing highway transportation during important holidaysJ.Technology of Highway and transport,2020,36(3):116-120.6 刘冬杰,陈卫东.基于车牌识别数据的交通出行特征分析J.青岛理工大学学报,2021,42(4):129-134.LIU Dongjie,CHEN Weidong.Analysis of traffic trip characteristics based on license plate recognition dataJ.Journal of Qingdao University of Technology,2021,42(4):129-134.7 毛建,王晓霞,徐志远,等.基于浮动车数据的交通出行特征库构建研究J.地理空间信息,2020,18(5):46-48,53,6-7.MAO Jian,WANG Xiaoxia,XU Zhiyuan,et al.Research on the construction of traffic travel characteristic database basedon floating vehicle dataJ.Geospatial Information,2020,18(5):46-48,53,6-7.8 吴林.从多源数据中挖掘长沙高铁南站的交通出行特征J.科技创新与生产力,2018(11):72-74.WU Lin.Traffic characteristics mining of Changsha south railway station from multisource dataJ.Science and Technology Innovation and Productivity,2018(11):72-74.9 魏广奇,苏跃江,吴德馨,等.基于高速公路流水数据的通勤车辆特征研究J.交通运输系统工程与信息,2019,19(3):237-344.WEI Guangqi,SU Yuejiang,WU Dexin,et al.Trip characteristics of vehicle with commuting property based on highwa ticket data J.Transportation Systems Engineering and Information,2019,19(3):237-344.10 畅玉皎,杨东援.基于车牌照数据的通勤特征车辆识别研究J.交通运输系统工程与信息,2016,16(2):77-82,112.CHANG Yujiao,YANG Dongyuan.Recognition of vehicles with commuting property using license plate dataJ.Journal of Transportation Systems Engineering and Information Technology,2016(2):77-82,112.11 余庆,胡尧.基于改进 FCM 聚类算法的高速公路交通状态识别J.交通运输研究,2021,7(2):47-54.YU Qing,HU Yao.Identification on traffic State of expressway based on improved FCM clustering algorithmJ.Transportation Standardization,2016(2):77-82,112.(上接第 150 页)11 王海英,毛明磊,何佳.基于亮度优化的绿色隧道照明模糊 PID 控制算法J.隧道建设(中英文),2022,42(4):621-629.WANG Haiying,MAO Minglei,HE Jia.Fuzzy PID control algorithm for green tunnel lighting based on brightness optimizationJ.Tunnel Construction,2022,42(4):621-629.12 招商局重庆交通科研设计院有限公司.公路隧道照明设计细则:JTG/T D70/2-012014S.北京:人民交通出版社股份有限公司,2014.China Merchants Chongqing Communications Research&Design Institute Co.,Ltd.Design rules for highway tunnel lighting:JTG/T D70/2-012014S.Beijing:China Communications Press Co.,Ltd.,2014.13 杨超,肖宇.公路隧道入口和过渡段照明布灯参数优化研究J.华东交通大学学报,2018,35(4):53.YANG Chao,XIAO Yu.Research on Optimization of Lighting Distribution Parameters for Highway Tunnel Entrance and ITD J.Journal of east China Jiaotong University,2018,35(4):53-59.14 李月姝,史玲娜,涂耘,等.基于隧道污染机制的内壁亮化耐污涂层技术试验研究与应用J.隧道建设(中英文),2022,42(S1):553-559.LI Yueshu,SHI Lingna,TU Yun,et al.Experimental research and Application of anti-fouling coating technology for inner wall lighting based on tunnel pollution mechanism J.Tunnel Construction,2012,42(S1):553-559.15 赵战伟,史玲娜,涂耘,等.基于安全提升的公路隧道涂层墙面标设计方法研究J.公路交通技术,2022,38(3):124-130.ZHAO Zhanwei,SHI Lingna,TU Yun,et al.Research on the design method of highway tunnel coating wall marking based on safety lifting J.Journal of Highway and Transportation Technology,2022,38(3):124-130.851公 路 交 通 技 术 第 39 卷