罗煦夕
哈尔滨市市政工程设计院有限公司 黑龙江哈尔滨市 150070
摘要：目前，我国经济迅猛发展，城市路网规模不断扩大，交通需求持续增长，交通拥堵已呈现常态化趋势。本文针对出租浮动车线路不固定、地图匹配算法要求较高的缺陷，提出运用公交浮动车数据对拥堵路段进行判别的方法。基于速度对路段交通运行状况进行等级划分，通过将模糊理论引入到交通运行状况等级划分的速度阈值中，解决由于换算导致的速度阈值不准确的问题，进而建立拥堵判别模型，基于公交浮动车数据的交通拥堵路段判别方法能够准确判别路段的交通拥堵状态，具有一定的可行性和实用性。
关键词：交通状态判别；公交浮动车；判别
引言
在城市交通系统中，道路的最大通行能力与道路的各种物理特征、交通管控规则及行驶的车辆密切相关，城市道路规划的可利用资源有限，道路的扩建通常不是最优的选择。因此，当代交通领域的专家和学者面临的基本问题是如何在这些有限的道路空间范围内，以有效可行的策略手段来管理交通出行，以实现最优的通行效率和交通出行的供求平衡关系。
1道路拥堵评价指标
目前，现有的国内外关于交通拥堵评价及等级划分的研究成果有很多，其中最常用评价指标为平均行程车速、出行时间比、出行率指数、密度、拥堵路段长度、服务水平等，并且提出了具体的等级划分标准将道路拥堵程度划分为畅通、稳定、拥挤等不同状态。整体而言，大部分国家相关机构从单个评价指标出发，给出了相应的拥堵程度划分标准。
2公交浮动车数据的城市交通拥堵路段判别
2.1确立隶属函数
由于公交车与其他浮动车之间速度关系获得的交通运行状况等级划分不符合实际。因此，本文将公交车路段运行状态五级划分方法转换为三级划分法，并引入模糊理论建立模糊评价模型。当路段为主干道时，设定路段平均行驶速度大于14km/h为畅通状态，13~14km/h为缓慢和畅通的临界状态，11~13km/h为缓慢状态，9.5~11km/h为拥堵和缓慢的临界状态，小于9.5km/h为拥堵状态。
2.2浮动车数据采集技术
浮动车(Floatingcar)，也被叫作探测车(Probecar)，是目前智能交通系统(ITS)中所采用的获取道路实时交通运行状态信息的先进技术手段之一。随着计算机技术的开发与应用，近些年来“大数据”“云平台”的概念被专家提出。在智能交通领域，大量浮动车数据的获取一方面对学术研究提供了新思路，另一方面也促进了智能交通系统的发展。浮动车数据采集技术依托于浮动车的交通信息采集系统，该系统一般有三部分构成:装有GPS设备的浮动车、信息控制中心及无线通讯网络。装有GPS设备的浮动车指的是安装有定位系统设备的接收机终端及具备移动无线通讯功能的车辆，GPS的接收机终端主要用来接收GPS卫星定位的信息，可通过计算得到该车行驶的实时位置坐标、瞬时速度等数据，无线移动通讯网络主要是用来将得到的交通信息数据上传到控制中心，同时也可接收控制中心下达的指令。卫星定位系统通过浮动车上安装的接收机终端设备进行通信，把记录的导航信息做一定的计算得到车辆的瞬时速度、经纬度坐标、方向角、车辆的有效编码等，通过固定的时间间隔把这些信息上传到信息控制处理中心。
2.3道路交通拥堵传导分析
道路交通拥堵是道路在某一时空内，因交通需求与交通供给之间的矛盾导致的交通滞留现象，此时该道路的通行能力无法满足当前道路交通量，且不能及时进行交通疏解，部分车量被滞留在该道路上。道路交通拥堵按照其在道路网络中的空间分布，可归纳为三种类型:一、点拥堵，交通拥堵出现在一个独立的交叉口或者道路瓶颈点，只影响其相邻的路段交通;二、线拥堵，点拥堵相邻路段的交通拥堵情况加剧，继而影响其主要关联路段;三、面拥堵，交通拥堵分布在相互关联的路段，形成区域性的交通拥堵，可能出现拥堵闭环交通拥堵传导现象指的是由于上下班通勤、恶劣天气、公共事件、突发交通事故等因素的影响，造成某条道路上的交通拥堵持续存在且向外扩散，继而影响其关联的上游路段，持续一段时间后不断缩小，直至消失的过程。在本文中，所研究的为交通拥堵传导属于线拥堵情形，此时路段的交通拥堵开始传导至其关联路段。
2.4公交浮动车数据的处理与分析
浮动车实时GPS数据在生成、传输过程中，受硬件设备、网络传输条件等因素影响，容易出现数据缺失、时间倒叙的问题，且数据本身也可能存在回传周期不一致、经纬度偏离等问题。这就需要对数据进行处理。通过技术手段对原始浮动车GPS数据进行清洗、降噪、抽稀等操作，生成后续处理逻辑使用的数据类型。
浮动车GPS信息提供的位置信息是独立于路网数据的，要通过浮动车得到路网的交通信息，首先要建立GPS 点与路网中Link的关联，将GPS点定位到道路Link上。由于GPS点的位置信息本身有一定误差，其不一定完全位于道路Link 上，而是有所偏移，一个GPS点可能位于多条Link之间，这样地图匹配时就可能与多条Link关联。地图匹配就是要建立GPS点与道路Link联，为后续的路径推测做好准备。
根据公交浮动车数据提供的线路、车号、发车间隔等属性，及公交出行APP可推断公交浮动车GPS点所在道路及其位置。对处理好的数据进行速度识别，根据上文提出的模糊评价模型，将各路段分为畅通、缓慢、拥堵三种状态。
2.5道路交通拥堵预测传导路径搜索
根据道路交通拥堵传导的特性分析可知，道路交通拥堵在传导过程中，通常沿着网络拓扑结构传导至邻近的下游路段中且保持进一步传导的趋势，由于其传导具有方向性，因此道路交通拥堵将传导至与之交通性关连程度高的路段。那么道路交通拥堵路段与相关传导路段一起构成了道路交通拥堵的传导路径。目前，随着ATIS(出行信息系统)体系建设取得的卓越进步，人们在出行时获取交通信息的能力逐步提升，人们对于交通信息发布服务的依赖也在逐渐上升。相关研究表明，人们在出行中往往更为关心交通拥挤路段的位置或者交通事故的发生地点，在选择出行路径时，往往仅选择避开拥堵路段及拥堵路段的邻近路段。因此，人们为躲避交通拥堵而选择的路径可能与该道路交通拥堵的后续传导路径重合，而加快交通拥堵的传导过程。因此，预测出现道路交通拥堵路段的传导路径，有利于出行者选择更佳的拥堵躲避路线和交通管理者制定更为科学合理的交通疏解方案。
结语
(1)采用拓扑分析的技术手段对路网数据进行数据预处理工作，并对其出现的拓扑错误提出相应的修复措施，并结合GPS数据的特性对公交车GPS数据完成了数据清洗。(2)针对大规模的公交车GPS数据完成地图匹配难度较大的情况，采用了公交运行数据与公交出行APP相结合的技术手段，快速完成地图匹配工作，减轻交通大数据处理的工作量，降低了运用交通大数据应用分析的门槛。(3)运用聚类分析的手段，计算道路交通拥堵评价指标阂值，使得道路交通状态的划分更加的科学合理，并对所采用的聚类分析算法K-MEANS算法进行了相应的改进。(4)采用定性分析的手段，解析了道路交通拥堵传导的成因，划分了交通拥堵传导周期过程的不同阶段，分析了交通拥堵传导的特性。
参考文献
[1]赵风波,孙敏.基于模糊聚类分析的交通状态识别方法[J].微型电脑应用,2006,22(2):9-11.
[2]王艳军,吕志勇,黄蕾.基于物联网传感器的城市交通状态预测[J].武汉理工大学学报(交通科学与工程版)，2010,32(20):108-111.