浅谈交通流大数据在高速路况分析应用

王以好

【摘要】交通流在高速路况分析与应用是实现智能交通控制与诱导的基础，随着信息化云计算技术的发展，大数据的应用也越来越广泛。交通流大数据在高速路况分析中的应用，涉及到云数据处理中心和运行服务体系平台的建设，泛物联网生态数据采集和并行处理引擎技术，通过综合对比四种交通流大数据运动形态模型差异，分析出行行為、交通流、交通事件、交通控制对路网拥挤态势的相互作用的规律，协助决策者做出改善有关策略更好的为公众出行服务。

【关键词】高速公路 ；交通流大数据；云计算；路况分析

交通流大数据的分析应用正引起国内外专家学者的广泛关注，但研究对象大多以城市交通为主。本文根据“智慧高速”云工程与云服务建设总体思路，对高速公路交通流大数据对拥挤路况态势进行研究分析，将高速公路交通大数据与云工程和云服务相结合，并通过交通流大数据研究成果的转化出“智慧”的亮点，为行业的协同管理和公众出行提供高速公路拥堵指数的信息服务。

1 构建云数据处理中心和运行服务体系平台

开展高速公路交通流大数据分析应用研究，首先是将浙江省多年来沉淀的结构性数据激活，再充分采集现有的泛物联网系统生成的多源数据，在数据引擎并行处理模式下，在“智慧高速”数据中心和运行平台上建模分析。针对目前数据中心存储条件、计算机运算速度不能满足全省近7600公里（单幅）高速公路、多处并发异常交通态势的巨量数据运算要求等情况，可将高速公路多年来累积的交通运行数据、实时交通运行数据、数据运算模型等迁移到云计算系统，形成一个海量数据中心和层次化的服务体系，充分应用云计算强大的时空计算能力，抽取数据中心相关服务要素和分析模块相互集成、相互融合形成一个统一的数据分析云。

1.1云数据处理中心和运行服务体系平台

云数据处理中心和运行服务体系平台是“智慧高速”云工程与云服务系统大型专用软件的基础核心，主要负责采集、存储、处理和分析与智慧高速相关的图像、交通流、交通事件、应急预案等信息，为上层应用服务系统提供云计算处理和海量数据存储支撑。

1.2数据采集和关联共享体系

基于广谱信息总线技术，主要包括基础交通监控设施采集的数据、车载与移动定位与位移数据、行业关联数据、环境数据形成云数据中心的采集和信息共享体系。

1.3协同管理体系

通过交通流运行态势监测系统、协同指挥管理系统、运营管理系统等形成云职教中心协同管理体系。

1.4配套管控体系

通过运行管控体系、责任追溯查证体系、标准规范体系和安全保障体系形成云平台配套管控体系。

2 泛物联网的生态数据采集技术

高速公路监控系统和车载系统物联网共同构成高速公路泛物联网数据采集元数据。数据收集涉及到供模型分析所需要的全部数据，包括应用历史形成的流水和分析成果数据，从关联部门和单位获取所需要的数据。

2.1高速公路泛物联网采集的车流量数据

对交通流量数据采集途径有地线圈车检测器采集、微波车检测器采集、卡口视频车辆抓拍采集等，上述设备采集到的车流量分别存储在监控系统和收费系统数据库中，并归集到云数据中心虚拟数据库中。在车道和道路物联网系统中，采集到的数据量结构性数据占30%，以视频图像为主体的异构性数据占70%，为了将道路视频图像异构性数据成为交通流数据采集对象，可以通过数学模型把视频图像分析转换为结构化数据。

2.2高速公路紧邻的周边城市主干道车流量数据

高速公路紧邻的周边城市主干道车辆运行轨迹显示，在每天特定时间段大量的车辆进出高速公路，尤其是全省三大绕城高速与紧密相连的城市进出口干道、高架道路所形成的车辆通行的潮汐现象，为高速公路交通拥堵现象提供巨大的能量。因此，需要打破属地管理概念加强与城市交通管理部门共同协调，在交通流信息共享方面密切合作，采集与高速公路相邻的城市道路实时交通流数据，丰富的交通流数据采集和占有，对于研究高速公路交通流大数据对应用于地方的国民经济发展具有重要的作用。

3 高速公路交通流大数据建模综合分析

高速公路交通流建模主要将采集到的各类流量数据，结合环境数据、交通事件、人工推送等数据，通过计算机分析模型算法进行连续学习和运算，输出短期交通流发展态势较为可靠的推断。

3.1交通流大数据分析建模的基础

高速公路交通流大数据从宏观统计分析角度提出车流量、车流密度、车辆的时间或空间平均速度，为具体模型研究奠定了基础。交通流量是连续流和间断流两类交通设施共用参数，而速度和密度主要用于连续流（包括一些与流率相关的参数，如车头间距和车头时距）；其他参数如饱和流量或间隙适用于间断流。

3.2几种交通流大数据实验分析模型

现行的研究实验分析，交通流运动形态模型包括微观跟驰模型、流体模型、随机模型及其他模型，在实际建模过程中需要考虑各类模型特点综合加以利用，以达到掌握对某段高速公路交通流形态发展趋势。

跟驰模型：考察运动车辆的跟随行为，分析车辆（队）运动的稳定性。

流体模型：主要由连续性方程和动态车速-密度构成，流体模型可以用来设计高速公路入口匝道控制器。

随机模型：主要包括排队模型、离散时间点过程模型。其中，排队模型是稳态模型，可以解决某些静态优化问题；离散时间点过程模型是动态模型，可以估计高速公路交通流基本参数（速度、密度）。

4 高速公路交通流大数据的应用

4.1节假日免费车辆行驶拥堵路段预测

为达到在免费通行节假日等关键节点对高速公路拥堵状态的预测预报，在充分参考历史出行数据的基础上，利用模型运算过程中将当年小客车的保有量、旅行行为、气象环境、新增加的高速公路支线分流所产生的数据，在模型中作为变量参数加以测算推导，形成较为精准的时间和空间交通流动态波形，作为节假日免费车辆行驶拥堵路段预测参考值。

4.2为公众出行提供择优路径

通过对高速公路交通流大数据和移动导航系统的信息共享，共同开发具有择优路径导航功能的GPS、APP系统。在某段高速公路发生重特大交通事故时，施救人员需要将预计事故封道情况和处理时间及时上报。云数据中心立即启动应急预案，GPS导航系统和手机APP指引图将在地图上用红颜色标出发生事故路段方位，同时展示前方有关互通、枢纽，以及附近国省道和地方分流路线，并通过语音播报前方30公里发生重特大交通事故，建议驾驶员驶离高速公路，通过分流路径驶入下一个高速公路入口。由此可见，该方式能有效解决目前GPS导航系统仅提供最短路径的问题。

5 结束语

本文提出的泛物联网的生态数据采集技术使交通流大数据全面且丰富，结合环境数据、交通事件、人工推送等信息，通过计算机分析模型算法进行连续学习和运算，为用户、行业及企业提供创新的个性化服务，从而加速“智慧交通”大型软件科研成果的转化与应用，为交通流大数据与高速路况态势解析提供契机。但是要正真实现建模分析应用还存在许多技术瓶颈，仍需在研究中不断修正完善。

参考文献

[1]戴世强等.交通流动力学：它的内容、方法和意义.自然杂志，1997；19（4）：196～20139

[2]王亦兵，韩曾晋，罗赞文.智能运输系统初探.控制与决策，1997，12（增刊）：403～40740

[3]徐吉谦.交通工程总论.第二版，人民交通出版社

[4]王维平.仿真模型有效性确认与验证.国防科技大学出版社