APP下载

基于高速公路收费数据的交通流量分析

2015-11-26韩大千

交通科学与工程 2015年4期
关键词:交通流量车流量收费站

韩大千

(山西省交通科学研究院,山西 太原 030006)

基于高速公路收费数据的交通流量分析

韩大千

(山西省交通科学研究院,山西 太原 030006)

为了研究高速公路某断面的交通流量,通过对联网收费数据库的出(人)口刷卡时间、车型数据及收费站地理位置数据进行采集,提出了一种基于收费数据的道路断面交通流量的计算方法。该方法能准确、有效地计算出高速公路任意断面的交通流量,应用于交通规划、设计、管理、维修养护以及经济评价等方面。

交通流量;数据库;高速公路

交通流量是体现高速公路交通运行状态的重要参数,通过采集得到的交通流量数据不仅是高速公路规划、设计、管理、维修及养护的重要参考资料,也是衡量地域经济发展状况的科学依据[1]。

目前,关于断面交通流量的数据采集方法有人工采集、监测设备采集和OD推算法[2—3]。人工采集是通过在采集点安排人工计数,以获取高速公路某断面交通流量的方法。该方法的数据整理极为繁杂,且数据准确性不高[4]。监测设备采集是在公路周围设置交通流量的检测仪器(如微波检测仪),以获取数据的方法。但该数据只能体现某点的交通流量,且仪器的成本高昂[5]。OD推算法是将高速公路联网收费数据库的数据进行整理、计算,得到断面交通流量的方法。但在实际中,该方法受到了路网的局限,计算过程极其复杂[6]。由于现有数据采集的方法存在诸多不足,因此,作者拟通过对高速公路联网收费数据库的出(人)口刷卡时间、车型数据及收费站地理位置数据进行采集,采用基于联网收费数据的计算方法,准确计算出高速公路断面的车流量。

1 数据的获取

数据的获取是将研究所需的数据从高速公路联网收费数据库中提取,并记录于数据分析服务器中。由于长时间在联网收费数据库提取数据,会对其造成过重的负载。为了确保高速公路联网收费数据库的正常运行,应采用定时触发的方式进行提取所需的数据。然后,在指定时间内,将所需的数据运用高速公路联网收费数据的断面交通流量估算方法进行转化和处理,并记录在交通流量专用的数据分析服务器中。

1.1 数据采集

将时间点设置为整点处,提取1 h内联网收费数据库中的数据,同时将分析交通流量无关的数据通过SQL Server语句服务器进行过滤处理,以提高采集的效率。此外,首次采集应从联网收费数据库中将收费站的基础数据信息记录在数据分析服务器上,如收费站的基础数据库发生改变,需及时反映到SQL中,并依据采集器的要求,继续采集。

1.2 数据转化

在数据的转换上,采用触发器(Trigger)和Data Transformation Service(简称为DTS),将交通流量数据进行转化和处理。DTS是一种转化数据源的服务工具,能够将数据源和文本在驱动程序ODBC、OLE DB与SQL Server之间进行数据的导人、导出和传输,而且能将多个不同的数据源导人数据分析服务器中[7—8]。触发器为一种自动识别数据准确性的程序,设置图和表的插人、更新及删除等命令后,程序将自动同步执行命令[9]。

1.3 数据采集流程

数据的采集过程(如图1所示)为:编写计算交通流量中所需的DTS程序;将DTS任务导人SQL Server服务器中,并在预定的时间内运行;将联网收费基础数据库采集的数据记录于SQL Server数据分析服务器内。此外,如联网收费基础数据库的数据发生突变,触发器应自动执行命令,同时将SQL Server变动的数据更新,以确保采集的数据与分析交通流量规律所需数据一致。

图1 数据的采集过程Fig.1 The process of the data acquisition

2 建立模型和计算方法

2.1 数据预处理

高速公路联网收费系统的主要数据如图2所示。提取数据前,需对库内数据进行预处理,数据的预处理是将研究所需的数据从海量的联网收费数据库中进行提取。为了保证采集数据的可靠性和准确性,数据预处理要进行数据清除处理、数据集成处理和数据筛选处理[10—11]。

图2 高速公路联网收费系统的主要数据Fig.2 The main data of highway toll system database

1)数据清除处理:清除高速公路中收费卡丢失、人口调头、强行冲关、机器故障、收费卡损坏及收费人员操作失误等异常数据。

2)数据集成处理:将图2中的数据集成于新表格中。

3)数据筛选处理:筛选出新表格中出(人)口的站名、时间、车型及车辆数量数据。

2.2 基础数据调研

根据调查和研究,分别得出某高速公路需检测的断面与上(下)游收费站之间的距离。收费站与检测数据面位置如图3所示。

从图3中可以看出,高速公路的收费站分别位于A,B,C和D处,车辆由左往右行驶,上游收费站则为A和B处,其基础数据为:上游收费站点编号x、监测断面编号y、下游收费站点编号z、上游收费站点与检测断面的间距dxy(km)及上(下)游收费站点间距dxz(km)。

图3 收费站与检测断面位置示意Fig.3 Schematic diagram of the charging station and the position detection section

2.3 计算的方法

将基础数据进行推理计算,得出了高速公路某断面的交通流量,其计算过程为:

1)计算车辆通过收费站的平均速度。上(下)游收费站点间距为dxz,且通过所需的时间为△t1=tx—tz=txz,则车辆通过收费站的平均速度为v=dxz/txz。

2)计算车辆通过人口与检测断面之间的距离所用的时间。根据基础数据,上游收费站与检测断面的间距为dxy,且平均速度为v,则通过所需时间为△t2=txy=dxy/v。

3)计算车辆到达检测断面的时刻并记录信息。设车辆通过人口的时刻为tx,行驶至检测断面所需的时间为txy,则车辆到达检测断面的时刻为ty=txy+tx。

4)统计某段时间内经过监测断面的车流量。将所有通过检测断面的车辆时间信息记录并保存,根据计算方法的需要,统计不同单位时间内的车流量。

3 实验和验证

3.1 实验环境

选择某高速公路中微波检测器所在的位置,将其设定为检测断面。分别对检测断面的交通流量进行微波检测和数据计算,其周围环境见表1。

通过微波检测,经过该隧道口断面的车流量见表2。

3.2 对比验证

将经过检测断面所有车辆的出(人)收费站名(距离)、出(人)时间及数量等数据进行提取,计算该检测断面处某时刻的车流量,并与微波检测数据进行对比。

表1 某隧道口检测断面的周围环境Table 1 The surrounding environment of the tunnel test section

表2 微波检测某隧道口1 h内的车流量Table 2 Microwave detection of a tunnel in one hour traffic

对1 h内每5 min断面车流量进行计算和检测,计算车流量与实际车流量的对比如图4所示。从图4中可以看出,计算所得的车流量与实际检测的流量接近,其平均相对误差为3.4%,最大相对误差为68%。

图4 1 h内数据计算的车流量曲线Fig.4 Comparison curve of traffic flow in one hour

3 d内检测断面每天各小时车流量分布情况分别如图5所示。从图5中可以看出,收费数据计算所得的车流量与实际检测的车流量相同。此外,通过收费数据计算得出图5的平均相对误差分别为0.5%,0.3%和0.4%,最大相对误差分别为0.9%,1.1%和1.2%。

15 d内检测断面每天的车流量分布情况如图6所示。从图6中可以看出,由收费数据计算得出其平均相对误差为0.08%,最大相对误差为0.31%。这表明基于收费数据计算得出的交通流量和实际检测的交通流量一致。此外,通过对各时间段交通流量的对比发现,时间段越长,其计算所得的车流量越接近实际检测数据。

图5 3 d内车流量对比曲线Fig.5 Comparison curve of traffic flow in 3 days

图6 15 d内车流量的对比曲线Fig.6 Comparison curve of traffic flow in 15 days

数据计算在不同单位时间内平均相对误差的变化如图7所示。A,B和C点分别表示单位时间5 min,1 h和1 d内车流量的收费数据计算与实际检测的平均相对误差的数值。从图7中可以看出,不同单位时间所通过收费数据计算的交通流量的平均相对误差不同,平均相对误差随着单位时间的增加而逐步减小。

图7 不同单位时间内平均相对误差的变化Fig.7 The changes on averaged relative error in different periods

3.3 结果分析

在图4中,将车流量计算结果与实际检测结果进行对比,其准确率较低。其原因是实验时间较短,采取的数据量较少,外界影响因素较大,其中在35 min时平均相对误差突增,达到最大值68%。从高速服务中心得知,此刻由于某轿车超速,导致交通事故发生。由于图5~7的试验时间增加,采取的数据也随着增多,外界对其误差的影响大大减小,因此,收费数据计算所得的车流量与实际微波检测的车流量相同。在图9中,影响平均相对误差的主要因素为单位时间段的长短,其单位时间段越长,平均相对误差则越小。

4 结论

本研究提出了基于高速公路出(人)收费站的时间、地理位置及车型数据进行断面车流量计算的方法,其计算过程简单,实用性强,能准确而有效地得出高速公路任意断面的交通流量,为高速公路新建、改扩建道路设施及道路规划提供参考,为交通运输管理部门提供决策技术支持,同时也为高速高路交通设计、维修养护及经济评价等方面提供参考。

[1] Chunhsin W,Chiachen W.Travel time prediction with support vector regression[J].IEEE Transaction on Intelligent Transportation Systems,2004, 5(12):276—281.

[2] 郑志鹏,卢守峰,王杰.一种基于开源软件的OD反推求解算法[J].交通科学与工程,2015,31(1): 98—102.(ZHENG Zhi-peng,LU Shou-feng,WANG Jie.An OD estimation algorithm based on the opensource package[J].Journal of Transport Science and Engineering,2015,31(1):98—102.(in Chinese))

[3] 樊娜,赵祥模,戴明,等.短时交通流预测模型[J].交通运输工程学报,2012,12(4):114—119.(FAN Na, ZHAO Xiang-mo,DAI Ming,et al.Short-term traffic flow prediction model[J].Journal of Traffic and Transportation Engineering,2012,12(4):114—119. (in Chinese))

[4] 傅贵,韩国强,逮峰,等.基于支持向量机回归的短时交通流预测模型[J].华南理工大学学报:自然科学版,2013,41(9):71—76.(FU Gui,HAN Guo-qiang, LU Feng,et al.Short-term traffic flow forecasting model based on support vector machine regression [J].Journal of South China University of Technology:Natural Science Edition,2013,41(9):71—76.(in Chinese))

[5] 李曙光,巨永峰,姬建岗.路径流量估计方法在高速公路收费分配中的应用[J].北京工业大学学报,2009, 35(8):1028—1032.(LI Shu-guang,JU Yong-feng,JI Jian-gang.Path flow estimation method for highway toll distribution application[J].Journal of Beijing U-niversity of Technology,2009,35(8):1028—1032. (in Chinese))

[6] Pardillo J,Mazon J N,Trujillo J.Extending OCL for OLAP querying on conceptual multidimensional models of data warehouses[J].Information Sciences, 2010,180(5):584—601.

[7] 何石坚,李清波,匡妓妓,等.高速公路混合收费站通行能力的仿真[J].交通科学与工程,2015,31(3): 106—111.(HE Shi-jian,LI Qing-bo,KUANG Jiaojiao,et al.Simulation of the traffic capacity of the composite toll station in highway[J].Journal of Transport Science and Engineering,2015,31(3): 106—111.(in Chinese))

[8] 李颖宏,刘乐敏,王玉全.基于组合预测模型的短时交通流预测[J].交通运输系统工程与信息,2013, 13(2):34—41.(LI Ying-hong,LIU Le-min,WANG Yu-quan.Short-term traffic flow prediction based on the combination of predictive models[J].Journal of Transportation Systems,Engineering and Information Technology,2013,13(2):34—41.(in Chinese))

[9] 沈国江,王啸虎,孔祥杰,等.短时交通流量智能组合预测模型及应用[J].系统工程理论与实践,2011, 31(3):561—568.(SHEN Guo-jiang,WANG Xiaohu,KONG Xiang-jie,et al.Short-term traffic volume intelligent hybrid forecasting model and its application[J].Systems Engineering Theory&Practice, 2011,31(3):561—568.(in Chinese))

[10] 刘刚,杨旭东,关伟.城市常规道路交通流系统的运行特征[J].交通科学与工程,2015,31(3):101—105.(LIU Gang,YANG Xu-dong,GUAN Wei.Operating characteristics of the traffic flow system of city routine roads[J].Journal of Transport Science and Engineering,2015,31(3):101—105.(in Chinese))

[11] 赵伟明,王殿海,戴美伟.城市路网交通控制方案关联性分析[J].公路工程,2014,39(6):56—60. (ZHAO Wei-ming,WANG Dian-hai,DAI Mei-wei. Analyze correlations of traffic control plans in urban road networks[J].Highway Engineering,2014,39 (6):56—60.(in Chinese))

Analysis of the traffic flow based on the toll data of the highway

HAN Da-qian
(Shanxi Transportation Research Institute,Taiyuan 410008,China)

In order to the study traffic flow of the highway section,the network toll database import and export credit card time,data models and toll station location data is collected,a method of traffic flow of road section based on the data of the charges is put forward.This method can be effectively obtained the traffic flow with arbitrary cross section of highway.It can be applicatied in the transportation planning,the design,the management,the maintenance and the economic evaluation,and so on.

traffic flow;database;highway

U412.36+6.1

A

1674—599X(2015)04—0096—05

2015—05—26

韩大千(1978—),男,陕西省交通科学研究院高级工程师,硕士。

猜你喜欢

交通流量车流量收费站
江苏20个高速收费站实施“准自由流”改造
浙江首个“云收费站”投用
基于XGBOOST算法的拥堵路段短时交通流量预测
基于Spark的高速收费站大数据系统的设计与实现
基于GA-BP神经网络的衡大高速公路日交通流量预测
一种收费站排队模型的模拟实现
参考答案
基于复合卡和ETC的交通流量采集研究
MLFF系统在交通流量控制中的应用
高速公路重大节假日免费车流量金额算法研究与应用