基于智能公交数据的道路拥堵信息提取与分析

史守正，石忆邵

（1.同济大学 测绘与地理信息学院，上海200092；2.苏州科技大学 环境科学与工程学院，江苏 苏州215009）

基于智能公交数据的道路拥堵信息提取与分析

史守正1，2，石忆邵1*

（1.同济大学 测绘与地理信息学院，上海200092；2.苏州科技大学 环境科学与工程学院，江苏 苏州215009）

苏州智能公交系统自2009年运行以来，已积累了大量的GPS时空数据。这些数据中蕴含着丰富的道路拥堵信息，为此开发了一个适用性较强的智能公交数据分析系统。借助该系统，从公交线路、道路路段、城市主干道和城市圈层等四个层面分析公交速度数据，提取苏州道路拥堵信息，获取道路拥堵的时空分布。结果显示，苏州道路拥堵主要集中在古城区，且双休日比工作日拥堵更甚。最后，从交通政策、交通规划、线网调整等方面提出建议，以期缓解道路拥堵问题。

智能运输系统；拥堵信息；数据挖掘；运营速度；公共交通；GPS数据

道路拥堵导致出行时间浪费，出行效率下降，从而给社会带来巨大的经济损失，然而，受城市土地区位的级差效益以及道路设施的外部效应影响，道路拥堵有其自身的必然性［1］。伴随计算机与通信技术的发展，交通信息的计算机模拟和利用智能交通系统（ITS）采集的数据逐渐成为拥堵信息获取的主要途径。陈静等通过元胞自动机模型，对常态化的拥堵点（中小学门口道路）交通流进行了模拟［2］；姜桂艳等利用车牌识别数据，分析了某城市一条主干道的交通拥堵情况［3］；廖律超等则从交通视频中提取拥堵信息［4］；吴佩莉等基于出租车轨迹提出拥堵同伴发现算法［5］；郭雪婷等基于出租车GPS数据，采集道路平均行程速度，对深圳市局部地区88条路段进行拥堵判别［6］；王东柱等基于出租车GPS数据，进行交叉口车辆排队长度计算［7］。交通拥堵具有时间性和空间性，并非城市的任何地点或一天的任何时刻都发生拥堵［8］，通过对交通数据的挖掘，掌握人们在不同时段、区域的出行规律［9］，可以为缓解交通拥堵提供理论依据。

相对于时间、行程不固定的出租车，定时、定线的城市公交车无疑是更好的道路拥堵分析载体。2009年7月1日，苏州智能公交系统正式运行，至2010年6月，苏州智能公交系统已完成224条公交线路的信息化管理，4 500多个公交站台的编号和经纬度采集，2 800多辆公交车GPS车载设备的安装，实现全市区公交线路、公交站台和公交车辆的全覆盖全监控。安装了GPS设备的公交车每隔30 s回传一个实时定位数据，因此，苏州累计了海量的公交运行数据，笔者收集了2012年4月16日至21日共6 d的车辆定位数据，文件大小已超过8 G。笔者以2012年4月16日（周一）和2012年4月21日（周六）2 d的公交数据为例，分时间、分空间进行苏州市道路拥堵分析，以期为提高交通运行效率提供参考。

1 数据预处理

1.1 属性数据处理

笔者从公交公司得到的是CSV（Comma Separate Values，逗号分隔值）格式的数据文件。将该格式文件导入SQL Server数据库，得到5张数据表，分别是BusLocation、LineInfo、StandInfo、LstandData和BusPosition。参照苏州智能公交系统建设数据规范［10］，BusLocation为文中主要数据表 （表1），其余4张数据表提供必需的辅助信息，并通过同名属性字段与主表关联（表2）。

表1 BusLocation表实例

表1数据来源于公交车载GPS每30 s一次的自动采集数据，记录了公交车车牌号、采集的瞬间时刻、GPS坐标（WGS84坐标系）和瞬间速度。仅2012年4月16日一天，2 974辆公交车就产生了2 200多万行记录，在这样规模的大数据量中，系统查询一组记录将花费约0.5 h。经过数次尝试后，文中得出了适合大数据的系统处理方案：（1）对BusLocation表进行分割，为每一小时建立一个BusLocation分表，如BusLocation10表示10：00-11：00的公交车数据；（2）对数据表建立索引，以提高查询的速度。

表2 公交数据表之间的联系

为了更好地提取道路拥堵信息，文中并没有直接使用GPS采集的瞬间速度，而是使用派生的时段速度以减少误差。具体如下：利用经纬度坐标生成点图层，剔除不在道路上的异常点，按时间顺序对同一辆公交车连点成线，使用线段长度数据与时间段数据相除，即得到公交车的时段速度，系统提供了3、5、8 min三个时段选择。参照文献［1］，文中采用了5 min的时段速度。

1.2 空间数据处理

扫描苏州市地图，分散选取6个道路交叉口作为控制点，使用Buslocation表提取的道路交叉口经纬度坐标进行配准。控制点坐标如下：Pt1（120.628394°E，31.295401°N），Pt2（120.621532°E，31.330954°N），Pt3（120.723367°E，31.262203°N），Pt4（120.705741°E，31.351108°N），Pt5（120.513139°E，31.256924°N），Pt6（120.544301°E，31.361654°N）。根据研究需要，对绿地、水域、道路、保养场、主干道、道路中心线等图层进行数字化采集。

2 道路拥堵信息提取与分析

速度是道路拥堵最直观的表现，文中通过公交速度的分级来衡量道路拥堵状况。北京市公交300路快线拥堵路段公交速度低于11 km·h-1［11］，道路上，95%以上的社会车辆为小型客车［12］，城市公交车相对于小汽车，机动性差，速度慢，随着路段车流饱和度的增加，小汽车无法超车只能跟车运行时，公交车速和社会车辆速度差值逐渐减小到零。综上，考虑公交车的速度特性以及苏州数据库内公交运营速度的整体变化情况，确定公交速度分级如下：0-11、11-16、16-21、＞21 km·h-1，分别代表道路的拥堵、轻微拥堵、正常和通畅状况。

针对智能公交数据特点，文中从四个层面进行公交速度分析，即：公交线路速度分析、道路路段速度分析、城市主干道速度分析、城市圈层速度分析。为此，利用C#编程语言，借助SuperMap Objects组件开发一个专用系统，以辅助道路拥堵信息提取。

2.1 基于运行线路的公交速度分析

系统以公交线路为对象，选择特定时间段，可以获得同一公交线路途经不同道路的速度变化情况。以309路公交线在11：30-11：35之间的速度分析为例，各路段速度对比见图1。

图1 309路公交速度分析

图1中浅色柱状图表示工作日路段速度，深色柱状图则表示双休日路段速度，309路公交依次经过的道路为：学府路、宝带西路、东吴北路、人民路、十梓街、凤凰街、干将东路、临顿路、齐门路、北环东路，共10段，剔除统计时段内没有309路公交车运行的路段，有7段获得速度数据。分析显示：（1）工作日，宝带西路公交车运行速度较快，东吴北路到齐门路速度较慢，速度最小值在临顿路，仅为5.4 km·h-1，城市中心区速度慢，外围速度快，这与生活常识相吻合；（2）双休日，各路段速度变化不大，宝带西路与市区中心的道路速度相近，或许反映中心区周末办公用地不具人流诱导性，而宝带西路则迎来了进、出城游玩客流。

2.2 基于道路路段的公交速度分析

以道路路段为对象，获取路段上所有途经公交车的平均速度作为路段速度，可以对拥堵道路进行分路段分析，为道路整改提供基础依据。文中选取苏州市具有代表性的南北向主干道——人民路进行分析，分别统计了11：00、15：00、17：00三个时间点上的速度，并绘制折线图（图2）。

图2 人民路不同时段路段速度变化图

人民路自南向北依次被10条东西向道路（南门路、竹辉路、十全街、十梓街、干将路、景德路、因果巷、白塔西路、西北街、平齐路等）分割成11段。图2显示：（1）竹辉路以南（路段1、2）和西北街以北 （路段10、11）的人民路两端部分，公交速度低于15 km·h-1，处于道路拥堵或轻微拥堵状态；而人民路主体（路段3-路段9），在调查的三个时间点，不分工作日、双休日，公交车速度都小于11 km·h-1，处于道路拥堵状态。（2）路段7（景德路-因果巷）处于市级商业中心（观前街）附近，工作日三个时间点速度几乎重合于9 km·h-1以下，双休日三个时间点速度稍高，但也都在10 km·h-1以下，说明该路段是人民路交通流的瓶颈所在。（3）在工作日17：00时间段内，路段3（竹辉路-十全街）速度明显较低，或许因为南门商圈工作人数较多，下班人流车流较大造成的。

2.3 基于城市主干道的公交速度分析

以有公交车经过的道路为对象，获取道路上所有途经公交的平均速度作为道路速度，可以对苏州城区主干道速度进行空间分异分析，了解拥堵的空间分布情况。文中选取11：30-11：35时段，分别获取工作日和非工作日苏州市城市主干道公交速度图（图3、图4）。其中：深黑色粗实线表示速度0-11 km·h-1，代表道路拥堵；浅黑色粗虚线表示11-16 km·h-1，代表道路轻微拥堵；浅黑色细虚线表示速度大于等于16 km·h-1，代表道路正常或者通畅。

通过分析主干道在工作日与双休日的速度变化情况后发现（图3、图4）：（1）护城河以内区域，工作日有三条东西向拥堵路段，最南边的拥堵路段为连接在一起的新市路和竹辉路，中间拥堵路段为连接在一起的道前街和十梓街，最北边为东中市；到了双休日，仅剩下十梓街仍然拥堵，反映护城河内区域在双休日的道路拥堵情况有所减轻。（2）护城河以外区域，工作日东西向拥堵路段有宝带东路、解放西路和现代大道，这些路段双休日仍然拥堵，并新增加了解放东路、何山路、马运路三条东西向拥堵道路，反映了护城河以外区域在双休日交通压力增大，也说明苏州交通流有明显的圈层分化。

图3 工作日主干道公交速度图

图4 双休日主干道公交速度图

图5 人民路公交速度时间变化曲线

选定道路的某一具体路段，可以详细获取路段速度的全天变化。文中选取人民路进行工作日与双休日公交全天速度变化情况分析（见图5）。结果显示：（1）工作日早上6：00之前和晚上7：00之后道路通畅度良好，在早上 8：00-9：00和下午 17：00-18：00分别有一个上下班的人流高峰，公交速度明显减慢。（2）双休日速度大部分时间小于工作日。人民路为苏州南北向的主干道，包括市级商业中心观前街在内的很多商业形态在人民路附近布局，因此人民路上双休日市民出行量大，造成路段拥挤，公交速度较小。（3）尽管选取了人民路上公交速度最快的路段代表人民路公交速度，但双休日公交速度仍在较多时段内小于11 km·h-1，处于拥堵状态。

2.4 基于城市圈层的公交速度分析

为验证交通流的圈层分化，笔者把苏州城区分为三个环状部分：（1）护城河之内区域；（2）苏州内环线与护城河之间的区域；（3）内环线之外的区域。然后，分别计算区域内的平均公交运营速度作为区域速度，工作日和双休日苏州内、中、外三区域速度变化情况如图6所示。

图6 苏州内、中、外三区域公交速度对比图

分析结果显示：（1）工作日在大部分时间段内，内环外的公交速度远大于护城河内的公交速度，且三个区域自内向外呈递增趋势。护城河内古城区旅游景点密集，布满各类商业街，人流量较大；内环内区域商业街零星点缀，更多集中的是各种生活区或其他公共建设用地；外环外区域更多的是工业厂房，人流量较为稀疏。通过对比发现，苏州人流量总体上从城市中心展开，呈辐射状，依次递减。这同样符合苏州公交线路布局，姑苏区公交路线最多且以姑苏区为中心与其他各区连接，这种公交线路布局导致姑苏区成为最大的人流集散地，带动或促进姑苏区商业发展的同时，也增加了姑苏区的道路负担。（2）双休日苏州内、中、外三区域公交速度都比较低，且空间分异不明显，这反映双休日苏州道路整体处于拥堵状态。

3 结语

苏州道路拥堵以护城河以内的古城区最为严重。该区域作为2 500多年历史文化名城的主要载体，古典园林、历史街区等文物保护单位众多，许多街巷宽度小于7 m，不具备开通公交线路的条件，现有大于7 m的道路几乎都有一条或多条公交线路经过。为了缓解苏州拥堵问题，提出如下建议：

（1）在护城河内区域实施拥堵收费的探索。护城河以内区域面积不大，仅14.2 km2，区内地面道路与其他区域通过桥连接，护城河边界特征明显，对拥堵收费实施具有先天优势。拥堵收费可以有效地控制进入控制区域内的交通流量［13-14］，提高车辆行驶速度，有效缓解中心区域的交通压力，使整个路网流量分布更趋合理。（2）大力推行公交优先政策。在有条件的路段，建设更多的公交专用道，完善公交站台设施，加强公交信号优先，即在路口的路权分配和通行信号方面给予相应的优先或专用，以此提高公交系统的运行速度和可靠性［15］。2011年9月，在苏州市区公交线路上对苏州市区IC卡实施6折优惠，苏州教育E卡通开启义务教育阶段学生免费公交功能，地铁开通后也适用于地铁，便捷而价格优惠的公共交通诱导市民增加对公共交通的利用。（3）调整不合理的公交线路。比如：公交309路非直线系数偏大，建议直接走人民路向北或走东大街、司前街、养育巷、中街路、桃花桥路向北，降低其非直线系数，同时也可以避免绕道，降低临顿路的公交线路重复度，缓解临顿路的交通压力。（4）苏州内环以外区域正在施工的南环高架西延以及中环的建设，可以通过提高道路通行能力，缓解苏州整体上的拥堵状况。

［1］张毅媚，晏克非.城市交通拥挤机理的经济解析［J］.同济大学学报（自然科学版），2006，34（3）：359-362，381.

［2］陈静，庞明宝，杨敏.中小学门口道路上学期间的一个元胞自动机模型［J］.物理学报，2014，63（9）：225-235.

［3］姜桂艳，常安德，牛世峰.基于车牌识别数据的交通拥堵识别方法［J］.哈尔滨工业大学学报，2011，43（4）：131-135.

［4］廖律超，蒋新华，邹复民，等.基于交通视频的交通拥堵状态自动识别方法［J］.公路交通科技，2014，31（1）：110-117.

［5］吴佩莉，刘奎恩，郝身刚，等.基于浮动车数据的快速交通拥堵监控［J］.计算机研究与发展，2014，51（1）：189-198.

［6］郭雪婷，秦艳丽，雷震.基于出租车GPS数据的城市道路拥堵判别［J］.交通信息与安全，2013，31（5）：140-144.

［7］王东柱，陈艳艳，李亚檬.基于浮动车停车点数据交叉口车辆排队长度计算方法［J］.公路交通科技，2012，29（12）：119-124.

［8］胡启洲，孙煦.基于多维联系数的城市路网交通拥堵态势监控模型［J］.中国公路学报，2013，26（6）：143-149.

［9］李德仁，李清泉，杨必胜，等.3S技术与智能交通［J］.武汉大学学报（信息科学版），2008，33（4）：331-336.

［10］庄徐昇.苏州智能公交系统建设数据规范20090604［S］.苏州：苏州交通局，2009.

［11］宗高勤，黄爱玲.基于GPS车辆监控数据的公交速度特性分析［J］.城市公共交通，2013（8）：32-36.

［12］陈峻，王涛，李春燕，等.城市公交车与社会车辆混合流速度模型及交通运行状态分析［J］.中国公路学报，2012，25（1）：128-134，140.

［13］刘明君，朱锦，毛保华.伦敦拥堵收费政策、效果与启示［J］.交通运输系统工程与信息，2011，11（1）：146-151.

［14］LAM S H，TOAN T D.Land transport policy and public transport in Singapore［J］.Transportation，2006，33（2）：171-188.

［15］马万经，谢涵洲.考虑远端停靠站的交叉口公交优先控制方法［J］.同济大学学报（自然科学版），2011，39（4）：524-528.

责任编辑：谢金春

Road congestion information extraction and analysis based on intelligent public transport data

SHI Shouzheng1，2，SHI Yishao1
（1.College of Surveying and Geo-Informatics，Tongji University，Shanghai 200092，China；2.School of Environmental Science and Engineering，SUST，Suzhou 215009，China）

In Suzhou intelligent public transport system，a large number of GPS spatio-temporal data has been accumulated since 2009，which contain a wealth of information on road congestion.Thus，a strong adaptive intelligent public transport data analysis system has been developed.With the help of this system，the data on bus speed were extracted from four aspects，including bus lines，road sections，city roads and city spheres to identify the road congestion and obtain the temporal and spatial distribution of road congestion in Suzhou.The results show that Suzhou road congestion is mainly centered on the city's historic district，especially on weekends.Finally，we put forward some suggestions on alleviating road congestion from the aspects of policy，transportation planning and bus line adjustment.

ITS；congestion information；data mining；operational speed；public transportation；GPS data

U49

A

1672-0687（2016）02-0068-06

2015-05-04

教育部2011年度高等学校博士学科点专项科研基金（博导类）资助课题（20110072110053）

史守正（1973-），男，山东莘县人，讲师，博士研究生，研究方向：地图制图学与地理信息工程。

*通信联系人：石忆邵（1963-），男，教授，博士生导师，E-mail：shiyishao@tongji.edu.cn。