吴景荣
苏交科集团检测认证有限公司 江苏省南京市 210000
摘要：在城市管理工作当中，交通管理是重点问题，现在很多城市都存在堵车的情况，这给人们的生活带来了较大的影响，为了改善当前的交通环境，必须要对交通拥挤情况进行治理，利用合理的检测方法来对交通的拥堵点进行检测，但是现在经常使用的拥堵检测方法以路段为单位，没有办法，对拥堵的时空演变规律进行详细的了解，在此基础上，专家学者开始利用cart分类数算法来对交通拥堵点进行检测，这种方方法是以路段典韦检测单元可以根据路段平行行驶速度实时检测拥堵点以及类型，能够缓解当前的交通环境。
关键词：CART分类树；交通拥堵点；检测
一、交通拥堵时空演变模式分析
(一)时空维路况演变异常规则及异常模式分析
为了更好地对路况进行分析，在标记路况信息时，各个地图软件都会将拥堵情况划分为四个等级，有畅通、缓行、拥堵和严重拥堵，这四种类型在划分时一般会根据车辆的行驶速度来作为一句，由于拥堵情况有四个等级，所以一个路段的上游至下游的路况演变情况有16种组合方式，这16种组合方式又被分为四种不同的拥堵类型。接下来将对这四种类型进行较为详细的介绍。
(二)交通事件点
这种交通拥堵的时空演变模式，主要是在该路段发生了会引起交通拥堵的交通事件，包括公路上的行驶车辆出现了故障、发生了交通事故等等各种各类的情况。在这种路况上，空间序列的演变模式为拥堵—交通—事件通畅。
交通事件点这种时空演变模式，对路段上游的影响较大，通常会在短时间内造成上游的拥堵，但是对于发生交通事件的下游来说影响较小。
(三)继发性拥堵点
在某一路段发生交通拥堵之后，随着时间的推移，如果拥堵的情况没有得到缓解，那么路段上游的拥堵情况将会逐渐加重，这个时候路段上游增加的拥堵点被定义为继发性拥堵点。
这一拥堵点主要用来监测拥堵情况的蔓延程度，如果再发生某一交通事件之后，继发性拥堵点的数量在短时间内大量的上升，那么说明在发生交通事件地点的上游车流量较大，有车不断地涌入。
(四)事件持续点
由于交通事件发生之后，需要一定的时间来处理，所以在某一段时间内，该路段都可能处于拥堵的状态下，这个时候就需要对交通事件点的持续过程进行监测。事件持续点指的就是在交通事件发生之后，仍保持持续拥堵状态的交通事件点。
每一场交通事件发生之后，持续的时间都会不尽相同，而持续时间的长短，也在一定程度上反映了交通事件的严重程度，所以对时间持续点进行检测，可以了解交通事件的严重程度，同时可以分析该交通事件，对整个交通所产生的影响。
(五)持续性拥堵点
持续性拥堵点指的是在某一时刻，某一路段发生了拥堵，但是在上一时刻，这一路段也是拥堵路段，这一地点就被称为持续性拥堵点，对持续性拥堵点进行检测，可以了解该路段的基本情况，帮助管理人员对瓶颈路段进行舒缓。
二、拥堵点分类检测方法
(一)拥堵点路段点路况时空序列提取
在对拥堵点的路况进行时空序列提取的过程当中，如果是采取以路段作为单元的检测形式，那么最终的结果可能不够精确，因为这种检测方法有一定的弊端，为了避免误差的发生，需要在检测之前将路段划分为等间隔的路段点，然后再对这些路段点的时空序列进行提取，一般的检测的时间间隔为3到10分钟。先对路况路段进行检测，然后再将路段进行等间隔的划分，最后提取时空序列，通过这种方式能够获取到较为准确的路况信息。
(二)属性集合提取
在检测拥堵点的过程当中，一般以拥堵等级来作为数据的属性，这种数据是离散数据，在统计起来数据的精确性会受到一定的影响，所以这种数据不能够直接的进行使用，要在使用之前将数据进行转换分析将其转换成连续数据。为路段点pi和最近邻下游路段点pi+1在当前时刻t和上一时刻t-1的路况示意图，根据不同类型的交通拥堵演变模式sit与s(i+1)t、si(t-1)和s(i+1)(t-1)在空间维和时间维上相关，每一时刻各路段点的路况又由路段平均行驶速度决定，因此需要提取速度属性集 V={vit,v(i+1)t,v(i+1)t,v(i+1)(t-1)}={v1, v2,v3, v4}，其中为在当前时刻 的路段平均行驶速度。按属性集合提取样本空间后，与分类标记列共同组成实验数据集。
(三)利用决策树分类检测拥堵点
在分类算法当中，决策树是一种经常使用到的分类模型，这种分类方法和树枝的形状非常相似，因此取名为分类树，在分类树中有根节点、内部节点以及其他的叶节点等等，这种分类方法的优点就是能够根据最优化分属性选择结果将实力划分到相应的节点当中，能够找出不同节点之间的关系。Cart算法是在决策树算法基础上进行优化的一种新的算法，它不仅仅能够用来处理离散的数据信息，而且更加简化，时效性更高。所以cart算法能够更适用于拥堵点分类检测，它能够提高数据的精确性。
三、拥堵点分类检测实验与分析
(一)数据集提取
在对交通数据进行安溪之前首先要做好数据的收集提取工作，车辆上负载的GPS可以提供车辆的行驶数据，包括他们的位置，行驶速度等这些可以帮助工作人员判断交通工具的运行状况。为了对Cart分类树分类检测方法进行分析，本文截取了一段交通数据进行研究。
在提取数据的过程当中，首先要对路段的路况进行检测，利用车载的GPS来收集车辆的行驶速度，根据不同路段行驶车辆的平均速度，将路段进行拥挤的等级划分，并且将这一速度作为路况时空序列提取的数据源；在做好道路情况检测之后再进行拥堵点分类标记，对某一地段发生的交通事件点事件、持续点以及其他的拥堵类型进行标记；然后就需要做好样本空间提取工作，最后进行数据集的提取，在收集到相关的信息数据之后，将这些信息数据制作成分类决策树，本文收集了上海某一路段，早上七点到下午12点的行驶数据，并且将收集的数据制作成了分类决策树。
(二)决策树训练结果
在制作好分类决策树之后，就需要根据这一数据图像来对路况进行分析，根据不同路段提取到的平均行驶速度，将数据进行可视化分析。
(三)模型对比评估
通过决策树分析之后，再对数据进行评估，采用的是混淆矩阵的形式来进行数据分析，最终制成了一个n×n大小的矩阵，其中的字母n代表的是类别数。在混淆矩阵当中，每一行，每一列都代表不同的含义，其中每一列代表的是预测类别中的实例，每一行真实类别实例的总数代表该类别的真实实例个数。通过模型比对分析，可以得出以下的评估结果：
在这个结果中，我们可以看出本文所使用的cart分类决策树模型，能够起到较好的效果，它能够对拥堵点进行快速的、准确的分类。
四、结语
总而言之，解决道路拥堵问题非常关键，它对于提升人们的生活幸福感有着非常高的作用，现在很多大型城市都存在严重的交通拥堵问题，做好拥堵检测，能够合理的管控交通，是当前城市交通管理中的重要工作，通过拥堵检测，可以对城市中出现堵车的原因进行分析，并且了解背后的规律，只有这样才能够对堵车的情况进行治理，本提出的基于cart分类树的交通拥堵点分类检测方法相比传统的检测方法来说更加精准大，不仅仅细化了拥堵检测的基本单元，而且能够增加检测的类型，能够帮助交通管理部门更好地了解交通情况，从而缓解堵车。
参考文献：
[1]范筱洁.上海中心城区常发性交通拥堵点精细化改造设计[J].交通与运输,2020,36(02):52-56.
[2]孙冰.城市道路交通单向拥堵点预测分流仿真[J].计算机仿真,2017,34(12):139-142.
[3]王洋. 北京市部分拥堵点段交通疏堵改造工程案例研究[D].北京工业大学,2015.
[4]周波.广州市交通拥堵点改善思路和方法研究[J].湖南交通科技,2013,39(02):212-216.
[5]鲁小丫,宋志豪,徐柱,李木梓,李婷,孙维亚.利用实时路况数据聚类方法检测城市交通拥堵点[J].地球信息科学学报,2012,14(06):775-780.
作者简介：吴景荣（1990-11-21），男，汉族，籍贯：江苏盐城，当前职称：助理工程师，学历：本科