基于OD的高速公路断面交通流量推算方法

基于OD的高速公路断面交通流量推算方法*

靳引利1,2▲张英1韩雪婷1

(1.长安大学电子与控制工程学院西安 710064； 2.长安大学交通系统工程研究所西安 710064)

摘要目前，对高速公路断面交通流量的采集主要依靠人工方式或交通流量检测设备，没有充分利用已有的OD数据资源。针对非拥挤的交通状态，根据现有的高速公路OD数据，综合考虑高速公路不同路段对于不同车型车辆的限速要求及车辆在白天或夜间的运行状况等因素，在空间和时间上同时对OD数据进行分析处理，提出了1种高速公路断面交通流量推算方法，得到高速公路指定时间段内的断面交通流量及车型，采用趋势图描述断面交通流量的分布规律，对比分析基于OD数据得到的断面交通流量与车检器检测得到断面交通流量，并通过实例验证该算法的可靠性与实用性。

关键词交通规划；断面交通流量；Dijkstra算法；OD数据；高速公路

中图分类号：U49文献标志码：A

收稿日期：2014-09-25修回日期：2014-11-15

通讯作者▲第一作者()简介：靳引利(1972-)，博士.研究方向：交通系统分析与仿真、交通控制与评估.E-mail:yljin@chd.edu.cn

Estimation Method of Expressway Section

Traffic Flow Based on OD Data

JIN Yinli1,2ZHANG Ying1HAN Xueting1

(1.CollegeofElectricalandControlEngineering,Chang′anUniversity,Xi′an710064,China；

2.InstituteofTransportationSystemsEngineering,Chang′anUniversity,Xi′an710064,China)

Abstract:At present, the traffic flow acquisition for expressway section mainly depends on manual counts or using traffic flow detection equipment. The OD data is not fully used for estimating the section traffic flow. This study proposes a traffic flow calculation method for non-congested expressway section. This method analyzes the OD data in space and time to estimate the traffic flow and vehicle classifications during a specified period, considering different speed limits on different expressway sections or operation conditions during the day or night etc. This paper uses tendency chart to describe the distribution of the section traffic flow and comparison analysis of the section traffic flow based on the OD data. The reliability and practicability of the method is validated through real traffic flow data collected by the vehicle detectors.

Key words:Transportation planning; section traffic flow; Dijkstra algorithm; OD data; expressway

*陕西省科技攻关项目(批准号：2012K06137)资助

0引言

截止到2013年底，我国高速公路通车里程已突破10万km，在全球范围内位居前列。完整而准确的高速公路收费数据为高速公路断面交通流量的计算与分析奠定了基础。

目前，国内外部分学者将研究的重点集中在数学仓库的更新[1]、数学模型的建模等技术上[2-3]。重庆交通大学万金朋[4]在分析高速公路联网收费数据的基础上，提出了1种估算交通流量的算法。长安大学付鑫[5]提出基于高速公路收费站的通行记录数据库的OD矩阵整理算法以及断面流量的计算方法。

我国在交通流量采集的分析技术和理论研究上都取得了一些成果[6]。但实际的高速公路运行状况是1个变化的过程，不同路段受其实际路况影响，各路段对于不同车型车辆的限速要求也有所不同，即使是同一路段不同车型的运行情况也存在明显差异[7]。对于这些问题，国内外相关的研究较少。

目前，在城市规划中，常利用断面交通流量反推OD交通量，而在高速公路建设中，通常需要通过已有封闭路段的OD数据，推算高速公路任意断面的交通流量。笔者针对非拥挤的交通状态，综合考虑高速公路不同路段对于不同车型车辆的不同限速要求及车辆在白天或夜间的不同运行状况等因素，在空间和时间上同时对OD数据进行分析处理，得到更加可靠的断面流量，将推算得到的断面交通流量与经过校验的工作状况良好的车检器检测得到的断面交通流量进行对比，并通过算例验证了该推算方法的准确性。对于未布设车检器、车检器故障或者车检器精度不高的非拥挤状态下的高速公路路段，应用断面推算方法可获得任意断面的交通流量，为交通预测提供数据支持。

1研究思路及数据预处理

1.1研究思路

针对高速公路对断面流量全面、经济的需求，笔者提出基于OD数据分析的高速公路断面交通流量推算方法。

1) 数据预处理。给出站表中添加行驶时间、行驶路径、行驶距离及平均行驶时间信息列，并根据进出站时刻计算得出车辆的行驶时间，在此基础上对车辆信息进行数据清洗，删除因人工或仪器记录错误而产生的错误数据。

2) 单车辆基础信息处理模型。结合车辆的进出站名称及实际路网拓扑关系，采用Dijkstra最短路径算法，计算出车辆的行驶路径、行驶距离，并根据车辆的行驶距离和行驶时间计算出车辆的平均行驶速度。

3) 封闭区段行程时间计算模型。首先计算各封闭区段白天、夜间各不同车型的平均速度，在此基础上计算各封闭区段白天、夜间各不同车型的平均行驶时间，最后分析单车辆的行驶时间及车型分类，并结合其行驶路径和各封闭区间不同车型的平均行驶时间，采用一定的分配方法计算得出车辆在其行驶路径各封闭区段中的行驶时间，从而计算出车辆到达检测断面所需的时间。

4) 断面流量分析模型。结合车辆的进站时刻及车辆到达检测断面所需的时间，计算得出车辆到达检测断面的时刻，在此基础上计算检测断面不同车型的日流量，并与该断面处车检器检测所得的数据进行对比分析，验证该算法的可靠性与实用性。

1.2数据预处理

对海量的联网收费数据和车检器检测得到的基础数据进行处理，转换为适合本文处理的可靠精确的数据[8]，数据预处理主要包括数据清洗、数据集成、数据抽取[9]。

1) 数据清洗。过滤不符合要求的数据，主要包括异常数据、错误数据和冗余数据三大类。删除由于记录错误而造成的行驶时间为负的数据、行驶时间为零的数据、行驶时间大于1年的数据、进站名称与出站名称相同的数据等。

2) 数据集成。将清洗后的数据进行融合并统一存储，建立数据仓库。

3) 数据抽取。对集成后的收费数据及车检器检测得到的基础数据的有效信息进行提取。

收费数据提取的主要基础字段有：车牌号、出(入)站编号、出(入)站时间、车种、车型、轴数和总重。

车检器的基础数据提取的主要基础字段有：车检器编号、车检器桩号、上游收费站名称、下游收费站名称和交通流量。

2单车辆基础信息处理模型

2.1车辆行驶路径及行驶距离的计算

设检测断面在图1所示的位置，S0,S1,S2,…,Si,…,Sn为该高速公路收费站，由车行方向可知，S0,S1,…,Sx-1为检测断面A的上游收费站，其余收费站为检测断面A的下游收费站。将S0到Sn的整条路线以收费站为单位划分为若干路段Li(i=1，2，…,n)，路段Li指2个相邻收费站Si-1和收费站Si之间的封闭区段。

(1)式中：l总为车辆j的行驶距离；li为封闭区间Li的长度。

图1　高速公路收费站点及检测断面示意图

2.2车辆平均行驶速度的计算

对1个月内某路段的单车辆基础信息进行预处理，根据收费数据出站表的基础数据，车辆j从收费站S0进入高速公路与从收费站Sx驶出高速公路的时间数据及车辆j的行驶距离，得到车辆j平均速度(j=1，2，…，N)。

(2)

3封闭区段的行程时间计算模型

封闭区段行驶特征主要包括车辆的平均速度与平均行驶时间。高速公路的车流量及车速在白天与夜间存在差异，故本研究将各封闭区段的平均速度分为白天的平均速度与夜间的平均速度。

根据“全国日出日落时刻表”，各月白天、夜间时段划分见表1，不同地域的白昼时长可能有所差别，具体可根据所需分析计算的地域、季节对白昼划分进行相应调整。

表1　不同月份白天、夜间时段划分表

3.1封闭区段平均速度计算

根据收费收据的基础信息，将车型分为中小型客车、大型客车、小型货车、中型货车、大型货车、特大型货车等6种车型。

根据不同车型的车辆从其入口收费站行驶到出口收费站的时间数据及行驶路径的长度，分车型求出各封闭区段在白天的平均速度与夜间的平均速度，封闭区段的单车辆的速度为单车辆从收费站S0进入高速公路，从收费站Sx驶出高速公路的平均速度。

(3)

如果某封闭区段在统计时间内没有某类车型的车辆经过，则采用逼近类比的方法，用与该封闭区段相邻的封闭区段的同车型车辆的平均速度和该路段其他相邻车型车辆的平均速度来拟合该路段该车型车辆的平均速度。若路段Li-1在白天的统计时间内没有大型客车经过，本研究用已有路段Li-1中小型客车白天的平均速度、路段Li中小型客车白天的平均速度、路段Li大型客车白天的平均速度来拟合路段Li-1大型客车白天的平均速度。

(4)

3.2封闭区段平均行驶时间计算

各类车型在封闭区段Li的平均行驶时间如下。

(5)

3.3车辆在封闭区段的行程时间计算

(6)

4断面交通流量分析模型

4.1车辆到达断面的时刻计算

检测断面A以车检器在实际路网中的桩号进行定位，得到其相邻的上游收费站编号、下游收费站编号以及检测断面A与上游收费站之间的距离，从而得到车辆只要经过其相邻的上下游收费站则一定经过检测断面A，可计入检测断面A的交通流量[10]，再结合车辆的出发地点、出发时间以及各路段的相应车型的行驶速度，计算出车辆到达该检测断面A的时刻。

假设车辆j在T′时刻从收费站S0驶入高速公路，T′′时刻从收费站Sx驶离高速公路，则车辆j行驶至检测断面A的所需时间△tA的计算方法如下。

(7)

式中：ΔtA为车辆j从收费站S0出发行驶至检测断面A处所需时间；A为检测断面;tx为k型车辆从入口收费站Sx-1到出口收费站Sx分配的行驶时间；lx为封闭区段Lx的长度；l为上游相邻收费站Sx-1到检测断面A之间的距离;ti为k型车辆从入口收费站Si-1到出口处收费站Si的行驶时间。

通过车辆j的出发时刻T″和其行驶至检测断面A的所需时间ΔtA，得到车辆j行驶至检测断面A的时刻TA为

(8)

式中：T′为车辆j从收费站S0出发的时刻；TA为车辆j行驶至检测断面A的时刻。

存储车辆j行驶至检测断面A的时刻信息，用相同的方法对路网中所有经过该断面的车辆进行处理，得到所有经过该检测断面A的车辆到达该断面的时刻，并储存相关车型及时间信息。

4.2分车型断面交通流量计算

根据单车辆到达模型的计算结果(即所有车辆经过指定检测断面A的时刻)，计算得出检测断面在指定周期下的分车型断面交通流量。

假设需计算时间段(t0，t0+T)内的分车型断面交通流量，对于某一车辆j，先判断其到达检测断面A的时刻TA，若TA∈(t0，t0+T)，再判断其车型，并将该车辆计入相应车型的断面交通流量中，对经过该检测断面的所有车辆进行相同处理。

(9)

式中：FA-1为未计算车辆j检测断面A相应车型的流量；FA为计算车辆j之后的检测断面A相应车型的流量。

4.3模型校验

根据车检器的数据(以下简称VD数据)来校验本研究基于OD数据计算得到的断面交通流量，选择某路段内数据较完整的车检器的断面流量，通过对比分析，验证该模型的可靠性与实用性。为了能评价和比较计算结果，研究使用性能指标平均绝对误差与平均相对误差。

(10)

式中：MAE为平均绝对误差；N为统计天数；fod(t)为某时间段内OD数据的流量；fvd(t)为某时间段内VD数据的流量。

(11)

式中：MRE为平均相对误差;N为统计天数，fod(t)为某时间段内OD数据的流量;fvd(t)为某时间段内VD的流量。

5实例

应用本研究的所提出的方法对陕西省2013年9月的OD数据进行分析，并结合陕西省路网的实际拓扑关系，共计算32个检测断面的流量，现以车检器编号为YUSUIMD_016处的数据计算结果为例，对研究结论进行验证白天的时间段为06:10～18:30时，夜间的时间段为18:30～次日06:10时。9月下半月OD数据日流量与车检器检测得到的VD数据的日流量对比如图2所示。(注：此处由于是地域为陕西省，且是秋季的9月，因此根据“全国日出日落时刻表”，将白天的时间段定为06:10～18:30时，夜间的时间段为18:30～次日06:10时)

图2　9月下半月OD总日流量与VD总日流量对比图

由图2可见，根据OD数据得到的9月下半月该断面总日流量与车检器检测得到的总日流量走势基本一致。与OD数据相比较，13日的VD数据异常，经过查看16号车检器13日的VD小时报表数据，得知该车检器只检测到夜间9点到夜间12点的流量，并且从16号车检器13日的设备故障记录得知，该车检器在13日通信故障。

根据16号车检器的9月下半月总日流量曲线走势较正9月13日的总日流量，将较正后的VD数据与OD数据进行对比，如图3所示。

图3　较正后的9月下半月OD总

VD数据较正后，通过计算可知，OD数据与VD数据的总日流量平均绝对误差为-13辆车/d，平均相对误差1.14%。9月下半月OD数据与16号车检器检测得到的VD数据小型车、中型车及大型车的日流量如图4所示。

图4　9月下半月小型车、中型车及大型车

由图4可见，通过计算可知，小型车日流量平均绝对误差为14.8辆/d，平均相对误差4.15%，中型车日流量平均绝对误差为1.61辆/d，平均相对误差2.43%，大型车日流量平均绝对误差为-38.38 辆/d，平均相对误差-12.15%，实例误差值见表2。

表2　实例误差分析表

如图3所示，推断得到的日流量分布情况与VD数据检测得到的日流量非常接近，平均绝对误差为1.14%。而在图4中可以看出，分车型的断面日流量误差相对较大，由以上分析可以看出，是由于车检器对小型车、中型车和大型车的车型判别精度不够高导致的。

6结束语

本研究应用高速公路OD数据，研究断面流量的推算算法，提出了1种断面流量推算算法模型，对比分析车检器检测得到的断面流量与本研究得到的总断面流量及分车型的断面流量，验证了该模型的可靠性与实用性。本研究对于2个收费站之间有惟一的高速公路行驶路径的路段(以下简称非竞争性的高速公路路段)可准确、快速地获得高速公路任意断面流量，不仅节约了设置新的车检器而增加的成本，而且并充分利用了联网收费所产生的收费数据，为高速公路运营管理提供科学依据。但是由于时间及空间等因素，研究还存在许多需要完善的方面，对于存在竞争性的路段可能产生较大的误差，需采用在竞争性路段安装车检器采集数据的方法辅助计算各路段的流量，且研究计算的断面流量精细程度只进行到了日流量，在后续的研究中还需对断面的小时流量、分钟流量计算方法进行研究，并挖掘该算法在不同单位时间下分车型流量的误差变化规律，对算法进行进一步修正完善。

参考文献

[1] Terry Moore.An Introduction to the Global Positioning System and its Applications[J].IEEE Intelligent Transportation Systems.1994,2(8):1-6.

[2]Visser.Arnoud,Nagel Kai.Future Generation Computer Systems Traffic simulation[J].2001,17(5):625-626.

[3]赵松，钱飞.高速公路路网实际交通流量推算方法[J].中国管理信息化，2013(8)：32-33.

ZHAO Song,QIAN Fei.Expressway network actual traffic flow calculation method [J].China Management Informationization,2013(8) ：32-33.(in Chinese).

[4]万金朋.基于高速公路收费站数据的交通流量多维分析技术研究[D].重庆：重庆大学，2012.

WAN Jinpeng.Study on multidimensional analysis of traffic flow based on expressway toll data[D].Chongqin:Chongqing University, 2012.(in Chinese).

[5]付鑫，王建伟.基于高速公路收费数据库的断面交通量计算方法[J].交通标准化，2006，154(6)：150-152.

FU Xin, WANG Jianwei. Algorithm for calculation of link traffic flow based on expressway charge record database[J].Communications Standardization,2006(6):150-152.(in Chinese).

[6]刘拥华，缪应锋.基于高速公路收费数据库的断面交通量计算方法探讨[J].公路交通科技，2010，10(5)：228-230.(in Chinese).

LIU Yonghua,MIOU Yingfeng.The section traffic volume calculation method based on the database of the expressway toll collection [J].Journal of Highway and Transportation Research and Development,2010,10(05):228-230.(in Chinese).

[7]王海燕.高速公路出入口OD矩阵推算方法[J].公路交通科技，2005，22(2)：108-110.

WANG Haiyan.Expressway ramp OD matrix estimation methods[J].Journal of Highway and Transportation Research and Development,2005,22(2):108-110.(in Chinese).

[8]钟足峰，刘伟铭.基于联网收费数据预测交通流量的实现[J].中国管理信息化，2009，12(2)：59-60.

ZHONG Zufeng,LIU Weiming.Based on the realization of the networking toll data to predict traffic flow[J].China Management Informationization,2009,12(2):59-60.(in Chinese).

[9]郑长江，沈金星.数据挖掘在高速公路收费数据中的应用[J].中国科技论文在线，2008，3(10)：174-176.

ZHENG Changjiang,SHEN Jinxing.Data mining application in highway toll data[J].Science paper Online,2008,3(10):174-176.(in Chinese)