道路交通状态指数的模型构建及应用.pdf

25交通科技与管理智慧交通与应用技术0引言近年来，随着现代化都市道路交通拥堵的日益加剧和交通大数据信息化的快速发展，公安交通管理工作引入大数据应用，对道路交通管理和决策开展科学化和精细化的改革1。在日常道路交通路况中，通常以红、黄、绿来表示道路交通运行的路况2。但仅用颜色来表示道路交通运行状态虽然直观，却不能表示不同颜色交通运行状况的程度差异，更不能区分同一种颜色的程度差异。因此传统以红、黄、绿三色定性描述道路交通运行状态的方式已经跟不上时代发展的步伐3。为实现道路运行状况的数据化，需要制定数字化的指标来描述道路交通运行状态4。该文立足于公安视频平台和高德交通信息发布平台数据，着眼于交通智能化、可视化的需求，在上海市拥堵指数的基础上增加车流量指标参数5，构建交通状态指数计算模型，并对指数进行分级。同时在不同路段对该指数计算模型进行验证以确定局限性，并对交通状态指数进行展望。1研究路段的基本道路工程情况和道路交通状态该文模型数据采集于重庆市南岸区的城市快速路海峡路（鹅公岩大桥至四公里立交方向）。海峡路为城市快速路，中央绿化隔离带宽 1.2 m，双向 6 车道，双向车道对称，车道宽 3.75 m，路肩宽 0.8 m，道路限速 70 km/h，设计速度 60 km/h。西接鹅公岩大桥，东连江南立交，相交路段有南滨路、大石路，途经赵家坝立交、南湖立交，是一条进出南岸区的主干道。根据高德地图交通信息发布平台公布的重庆市早晚高峰拥堵排名显示，海峡路作为重庆市通勤日早高峰拥堵道路中拥堵延时指数（城市居民平均一次出行实际旅行时间与自由流状态下的旅行时间的比值）最高的一条道路，指数达 5.12，其早高峰行车速度 6.45 km/h，基本处于堵塞状态，晚高峰行车速度 18.16 km/h，早晚高峰拥堵延时指数介于3.86.4，平均耗时比自由流时段多3.1倍。该文在交通状态指数模型中采用基本通行能力，海峡路段设计速为 60 km/h，即通行能力 1 800 vel/h。2道路交通状态指数模型构建及应用上海市道路交通拥堵指数结合行程速度、车道数、自由流速度通过加权计算从宏观角度得出的交通拥堵指数的数学计算模型，将交通拥堵指数 0100 划分为 4 个等级，对应畅通、较畅通、拥挤、堵塞四种拥堵情况。该文提出的交通状态指数是以一定范围内各个路段实时采集的高德地图用户的平均车速为基本参数，按道路的车流量和通行能力加权计算，并经过标准化后计算生成。计算模型如下：（1）式中，vf 自由流车辆速度；vi 不同时段行车速度，即运行速度；路段饱和度；N 路段观测横截面经过的实际车流量；C 路段所有车道的通行能力。TSI 取值范围 010，所得数值越大，道路交通状态越差（车流密度越大），数值越小，道路交通状态越好（车流密度越小）。下述将以海峡路段早高峰时段的实际车流量、运行速度、自由流速度数据着手进行，参照采集断面车流运行速度、车流量数据所得出的车流密度与高德地图大数据团队给出延时拥堵指数（出行旅行时间与自由流畅通时间作比）比较验证该文所提出的交通状态指数能更为准确地描述交通拥堵状况。2.1数据收集采用道路监控视频人工统计的方式采集车流量。基收稿日期：2023-08-01作者简介：方志苗（1983）,女,博士,副教授,研究方向：警务数据。基金项目：重庆市教育委员会人文社会科学研究项目“大数据时代背景下的警务情报信息体系构建”（18SKGH65）；重庆警察学院教学改革研究项目“大数据背景下的学生数描综合评定体系”（jyjg201721）；重庆市教育委员会高等教育教学改革研究项目数字化转型“心中有 数 的数学教学转型研究”（234123）。道路交通状态指数的模型构建及应用方志苗1,谢皓汛2（1.重庆警察学院基础教研部,重庆 401331;2.重庆市酉阳县公安局,重庆 409800）摘要文章借助道路交通状态指数的数学公式计算模型，突破传统思维的红黄绿三色路况标识，构建交通状态指数路况等级对应表，以饱和度和交通密度赋予交通状态指数意义，使道路交通运行管理实现数据化，推动交通大数据时代的发展，让智慧交通接轨于道路交通的决策管理。关键词道路交通状态指数；交通状态路况等级对应表；车流密度中图分类号U495文献标识码A文章编号2096-8949（2023）18-0025-032023 年第 4 卷第 18 期26交通科技与管理智慧交通与应用技术础数据采集时间段为 2 月 20 日 3 月 31 日，期间在每日早高峰（7：009：00）、晚高峰（17：0019：00）、平峰阶段（11：00、13：00 和 15：00）内每小时随机采集 2 个 5 min 时段，由 5 min 的车流量得出该小时段的小时车流量，进而得到早高峰、晚高峰、平峰时段的车流量。车流量采集的地点（断面）选取在公安视频基础平台上重庆南岸海峡路加油站出口右侧的视频监控观测断面上。该地段道路运行条件符合整条路段的道路工程条件，无大幅度坡道、立交聚分流等因素的影响，且该断面位于整个路段的中间路段，所采集的车流量能够代表海峡路路段的车流量。车辆运行速度数据来自高德地图交通信息发布平台，自由流速度为高德用户无其他交通要素干扰下的运行速度（通常采取的夜间车流量极小时所采集用户平均在该路段的运行速度 66 km/h）。通过数据整理得到，在采集时间跨度内早高峰时段运行速度介于 1442 km/h，平均速度为 31 km/h，车流量介于 6601 710 veh/h；晚高峰时段车辆运行速度介于 3153 km/h，断面车流量介于 1 1101 640 veh/h；平峰时段车辆运行速度介于3045 km/h，车流量介于1 2701 480 veh/h。2.2数据处理早高峰时段，海峡路在采集 40 日中有 24 日都处于不稳定流的状态，13 日处于接近不稳定车流，1 日处于自由流状态，饱和度介于 0.650.97；交通状态指数介于0.276.36，交通状态指数与车流密度、饱和度的变化趋势相同。晚高峰时段，有 8 d 处于不稳定流的状态，30 d处于接近不稳定车流，2 d 处于自由流状态，饱和度介于0.630.94；交通状态指数介于 0.924.66，交通状态指数与车流密度、饱和度的变化趋势相同。通过对每时段数据代入公式所得的交通状态指数和饱和度，并结合服务水平与交通流的状态关系，得到图12。对图 12 以二分法将交通状态指数进行等级划分。首先将交通状态指数分为畅通和拥堵两个显著差异数据表 1交通状态指数路况等级对应表指数对应路况等级表（车速高于 15 km/h）车流密度/（veh/km)路段饱和度对应运行状况00.501000.3接近自由流状况，车流极小，运行畅通0.5310350.30.75车流属于稳定流状况，运行畅通34.535450.750.9车流接近于不稳定流，运行较为拥堵，车辆跟车距离较近4.5 以上45 以上0.91车流属于不稳定流状态，运行拥堵，极易导致堵塞表 2车流密度和饱和度对应表时间运行速度/(km/h)自由流速度/(km/h)车流量/(veh/h)路段车道通行能力/(veh/h)TSI车流密度/(veh/km)饱和度4 月 6 日 10 时3664301 7502.35 143.33 0.25 4 月 6 日 9 时4665801 7503.11 145.00 0.33 4 月 5 日 9 时5665901 7503.12 118.00 0.34 4 月 5 日 10 时6666101 7503.17 101.67 0.35 2 月 22 日 10 时9665801 7502.86 64.44 0.33 3 月 10 日 9 时10666101 7502.96 61.00 0.35 3 月 12 日 15 时11666301 7503.00 57.27 0.36图 1交通状态指数与饱和度关系图 2交通状态指数与车流密度关系区间，在此基础之上，在每个半区继续分为2种指数特征，即形成 4 个阈值区间，将交通状态指数分为 4 级，交通状态指数越大，车流密度、饱和度越大；交通状态指数越小，车流密度、饱和度越小。如表 1 所示。2.3数据的差异性比对经过数据模块化的统计比对，交通状态指数在车速低于 15 km/h 时，交通状态指数不符合路况对应表的车流密度与路段饱和度的对应值。在表 2 所采集统计的 7 个车速低于 16 m/h 的通勤时段中，将采集的车流量和车速等数据代入交通状态指数数学模型中，并将所得值对应到路况对应表中，车流密度、饱和度普遍都有 1 到 2 个等级的误差，此时车流的状态已处于时走时停、极不稳定的状态，车流量和速度同时由大变小，直至为零，交通密度随交通量的减少而增大。此时的交通流状态早已不属于正常状态，属于堵塞近乎停滞的异常状态，因此海峡路交通状态指数在低27交通科技与管理智慧交通与应用技术于 16 km/h 时（即自由流速度的四分之一时，下文称非正常车速）不适用于交通状态指数数学模型计算公式。3交通状态指数特点分析3.1极端路况下的误差验证在速度极低状态下的7个通勤日中，将采集的车流量、车速代入公式得到交通状态指数与所对应的车流密度与路段饱和度均不相符，偏差很大。因为此时的道路运行状况属于极不正常状态，车流几乎处于堵塞停滞状态。在车速接近路段自由流速度状态下的4个通勤日中，将采集的车流量、车速导入数学模型计算公式中所得到的交通状态指数与所对应车流密度、路段饱和度均相符，并且交通状态指数与车流密度、饱和度的变化趋势保持一致，即交通状态指数越大，车流密度、饱和度越大。3.2在其他不同道路条件的道路上的误差验证菜园坝大桥路段不包括坡度和弯道等因素，模型计算公式在正常车速的时间节点上均成立；正常车速的时间节点上不符合交通状态指数数学模型计算公式，标红单元格的数值与交通状态指数对应的车流密度、饱和度阈值区间不相符，如表 3 所示。因此在不含坡道、弯道的桥梁、隧道路段，该文构建的交通状态指数数学模型计算公式成立。另外选取次支干路 中山二路和有坡度影响、弯道参入路段，验证发现交通状态指数数学模型计算公式在随机采集的四个时间节点中有不相符的情况，因此，该文构建的交通状态指数数学模型计算公式对上述路段不适用。3.3交通状态指数的优势该文所构建的交通状态指数较高德地图大数据团队给出的拥堵延时指数更能在数值上体现出道路交通运行优劣程度上的不同。在研究路段平均行车速度为 32 km/h 时四个通勤日中，高德地图与上海市的拥堵指数均为一个定值（表 4所示），而应用交通状态指数能够将道路运行状况体现在数值上，再将交通状态指数的数值所对应的车流密度、路段饱和度等指标将道路运行状况体现在具体路况。表 3菜园坝大桥车流密度和饱和度对应表菜园坝大桥（南城隧道到中山三路）运行速度/(km/h)自由流速度/(km/h)车流量/(veh/h)通行能力/(veh/h)交通状态指数车流密度/(veh/km)饱和度4 月 7 日 15 时19641 3801 7505.54 72.63 0.79 3 月 15 日 17 时52641 2301 7501.32 23.65 0.70 3 月 17 日 9 时13647601 7503.46 58.46 0.43 3 月 22 日 19 时9648101 7503.98 90.00 0.46表 4交通状态指数与拥堵指数对比时间自由流速度/(km/h)车速/(km/h)车流量/(veh/h)通行能力/(veh/h)交通状态指数拥堵延时指数（高德）拥堵指数（上海市）车辆密度/(veh/km)路段饱和度2.2762321 6301 7504.80 1.94 48.3850.94 0.93 2.2862321 5901 7504.68 1.94 48.3849.69 0.91 3.962321 5701 7504.62 1.94 48.3849.06 0.90 3.2762321 6701 7504.92 1.94 48.3852.19 0.954交通状态指数的展望在红黄绿三色评价道路运行状况时，交通运行态势预测分析报告中只有单一的车速参数，无法表示车流具体的运行态势，也就无法就道路运行的实时路况合理施策。而交通状态指数评价了道路运行的真实情况，能够表示车流密度，较传统颜色区别道路运行状况，能够以数值的形式直观地表达车流在道路上的状况，为道路交通管理部门提供信息化支撑。后续，将坡道系数、转弯半径系数、交通设施利用率、重车混入等因素并入评价交通状态指数的数学模型计算公式当中，形成各有侧重、互相补充、多维度考量的交通状态指数体系。5结语在全力推进大数据建设纵深发展的背景下，推进公安交通管理工作创新，是时代与技术发展的必然趋势。该文构建的交通状态指数将道路运行状况进行量化，得出相应的交通密度、饱和度等指标和对应运行情况，以服务于道路交通管理的量化管理，便于给出具有针对性的举措，给民众出行提供数据化、可靠的出行指南。参考文献1 符锌砂.理论运行速度与公路线形设计及评价方法研究 M.北京：人民交通出版社,2011.2 何承.城市道路交通状态指数研究 M.上海：上海科学技术出版社,2007.3朱建平.大数据时代下数据分析理念的辨析M.北京：人民出版社,2004.4 吉静,顾承华,翟希,等.基于交通状态指数的城市道路交通拥堵评价体系研究 C/中国智能交通协会.第十一届中国智能交通年会大会论文集.电子工业出版社（Publishing House of Electronics Industry）,2016:931-939.5 张扬,何承,张祎,等.上海市道路交通状态指数简介及应用案例 J.交通与运输,2016(3):16-18.