交通数据获取及分析

程前+陈亚伟+邵毅明

摘 要：随着国内汽车的保有量快速增加，交通事故率也随之上升。其中在上下班高峰时间段的城市拥堵和交通事故，尤为突出。及时、高效发现城市交通道路上存在的一系列的交通拥堵和交通事故时交通检测研究领域的重中之重，并且在城市上下班高峰时段的交通情况已经成为当代研究领域的热点之一。文章首先对交通数据的背景和意义进行分析，然后分析了国内外交通数据获取的研究历史和现状。接着对交通数据获取方法进行详细的分析，指出不同的交通数据收集方法的不足之处，并加以优化。

关键词：交通监测；交通数据；分析；获取

中图分类号：U491.1+16 文献标志码：A 文章编号：2095-2945（2018）07-0189-02

Abstract： With the rapid increase in the number of domestic cars， the traffic accident rate is also rising. Among them， urban congestion and traffic accidents during the rush hour are especially prominent. Timely and efficient detection of traffic jams and traffic accidents on urban roads is the most important task in the field of traffic detection. And in the rush hour in city commuting， traffic has become one of the hot spots in the field of contemporary research. This paper first analyzes the background and significance of traffic data， and then analyzes the history and current situation of traffic data acquisition at home and abroad. Then the traffic data acquisition methods are analyzed in detail， and the shortcomings of different traffic data collection methods are pointed out and optimized.

Keywords： traffic monitoring； traffic data； analysis； acquisition

1 概述

1.1 课题研究的背景和意义

众所周知，因一系列交通拥挤和交通事故而造成的能源浪费和环境污染等问题[1]，已经成为全世界各国所面临的共同话题，它们导致了一系列严重的后果，这是难以估计的[2]。根据世界卫生组织和疾病控制预防中心的一份统计资料表明，在全世界所有范围类20-45年龄段的死亡人数当中，由于城市道路交通事故造成的死亡人数占了其中的50%以上[3][4]。在这份资料中显示，尤其是在我国，由于交通事故造成的日均死亡人数可以和一架普通客机的载客数量等同，死亡人数远远高于美国、英国等发达国家。由于突发的交通事故不但会使道路交通拥堵，造成居民出行时间的消耗。而且也会使驾驶人员或者行人以及周围建筑物造成人身伤害和财产损失[5][6]。根据一份资料显示，我国在北京、上海、广东、深圳、重庆等大型拥堵城市每个月因为交通拥堵造成的经济损失20亿人民币以上。在北京、上海、广东、深圳尤为严重[9][10][11][16]。

综上所述，本文将以对交通状态监测与预测方法进行研究，旨在以较低的成本为交通管理者和交通出行者提供更为及时、可靠和有预见性的决策依据，其研究结果可以很大程度上提高道路出行安全，对经济性、环境保护也具有重要的学术意义和实用价值[12]。

1.2 交通数据获取及其研究历史与现状

交通数据是实现交通状态监测与预测的基础，其实时性、准确性和全面性将直接决定交通状态监测与预测的效果。最早在1976年，Payne等[6]就提出了单参数阈值法的错误数据识别方法[13][14]。在2001年，利用相邻时段交通数据针对Trans Guide交通监控系统进行线性插值的数据修复方法[15]。2011年，姜桂艳等[11]针对城市中快速道路设计了交通流量和速度以及占有率这三种交通数据评价方法的组合使用流程。在2012年，谭政[12]针对城市主干道车辆检测器自动获取方法，提出了可以利用灰色理论对故障数据进行修复。

2 交通数据获取及其分析

2.1 概述

什么是交通数据？顾名思义：“通过各种监测手段将跟交通信息相关的所有数据整合到一起（车辆信息、地图信息、人员信息、违规违章信息等等）形成的一个数据链。”在我国，由于高速公路以及一些路段车辆监测器布设间距跨度大，很难满足对道路交通数据实时状态的监测和预测的需要。因此，本文将以多种数据源为基础，研究交通数据的获取及其预處理新方法，进一步改善道路交通状态监测与预测的数据成本与数据覆盖范围。

2.2 交通数据来源分析

从总体上来看，交通数据获取主要从扔获取方法、自动获取方法以及准自动获取方法三种。而按交通量调查统计方式分为：间隙式调查统计方式和连续式调查统计方式。综上所述，在本文中交通数据分类方法如图1所示。

2.3 基于交通数据采集分类方法及存在问题

2.3.1 人工获取方法。交通量数据的人工获取主要是利用经过培训的交通数据观测、记录人员在规定的地方在单位时间内记录该地点通过的行驶到各个方向的车型。因此，从人工获取方法分析来看，人工获取方法的存在的缺点是：（1）耗费大量人力、物力；（2）人工调查人员的人为误差，收集的数据准确性不高；（3）采样数据偶然性比较大，具有一定的误差；（4）存在特殊天气和夜间监测的安全隐患等等。endprint

2.3.2 自动获取方法。目前，研究发现交通数据自动获取方法包括专业车辆检测器和感应式交通控制系统这两种方法。而车辆检测器一直是最主要的交通数据自动获取途径。从自动获取方法分析来看，尚存在以下的缺点：在我国，由于高速公路以及一些路段车辆监测器布设间距跨度大，很难满足对道路交通数据实时状态的监测和预测的需要。并且，在一些偏远且不发达的城市地区存在着车辆检测器的采样信号机的信号周期是不断变化的参数，导致所采集的交通数据不具有直接的可比性，难以直接用于交通状态的监测与预测，从而导致了所采用的数据源有一定的误差，这也导致了交通数据的不准确性。

2.4 基于交通控制系统的交通数据进行分析与改进

随着科学技术不断地进步与发展，伴随着现代传感技术、计算机技术、通讯技术以及信息技术的快速发展，越来越多的检测设备投入城市道路交通系统的控制与管理中。然而，这一系列的改进措施都少不了中国相关政府部门大力支持和监督管理。因此，通过结合国内外的相关数据以及中国道路交通的实际情况而言，希望可以从以下两个方面着手解决：

加强政府部门的积极监管作用。通过数据的获取方法可知，建议我们政府的相關职能部门应该在高速公路及一些监控设备布设间距大的地方增加监控设备使整个路网信息实时处于监控中，让我们能更加及时、高效的解决道路交通问题，减少损失。

加强人工调查的执行力度。我们应该对人工调查人员进行宣传，让他们接受更多的相关事宜培训，培养出一批高素质、高技能的专业调查人员，让他们明白事情的重要性。

3 结束语

21世纪以来，我国科学技术发生了质的飞跃，交通量数据的收集方法也得到了不断地提升和优化改进，从而使交通数据收集的信息更加的可靠和准确。通过对交通控制系统的数据进行分析，可以有效预防交通拥堵和交通事故的发生，从而减少人员的人身伤害和财产损失，也对能源浪费和环境污染得到有效的解决。然而，本文只是简单对交通数据的获取及缺点进行了分析，在以后的研究中应采用更多种数据源的实测数据对所设计融合方法的有效性进行验证，以避免不必要的交通事故发生，从而实现人车路系统有效进行。

参考文献：

[1]Zhou DS.An integrated traffic incident detection model[D].Austin： University of Texas， 2000.

[2]姜桂艳，温慧敏，杨兆升.高速公路交通事件自动检测系统与算法设计[J].交通运输工程学报，2001，1（1）：77-81.

[3]Schrank D， Lomax T，Eisele B.The 2010 Urban Mobility Report[R].Texas Transportation Institute， Texas， 2011.

[4]全永 .城市交通控制[M].北京.人民交通出版社，1989.

[5]赵亦林.车辆定位与导航系统[M].北京：电子工业出版社，1999.

[6]Payne H J， Helfenbein E D， Knobel， H C. Development and testing of incident detection algorithms[R]. Virginia：2， Research methodology and detailedresults，1976.

[7]Jacobson L N， Nihan N L， Bender J D. Detecting erroneous loop detector data in a freeway traffic management system[J]. Transportation Research Record 1287， TRB， National Research Council， Washington， D.C， 1990：151-166.

[8]Nam D H， Drew D R. Traffic dynamics： methods for estimating freeway travel times inrealtime from flow measurements[J]. Journal of Transportation Engineering， ASCE， 1996， 122（3）： 185-191.

[9]裴玉龙，马骥.实时交通数据的筛选与恢复研究[J].土木工程学报，2000（7）：78-83.

[10]Byon Y J. GPS-GIS Integrated System for Travel Time Surveys[D]. Toronto： University of Toronto， 2004.

[11]姜桂艳，牛世峰，李红伟.动态交通数据质量评价方法研究[J].北京工业大学报，2011.

[12]谭政.城市道路交通流预测及应用[D].广州：华南理工大学，2012.

[13]覃频频.基于信息融合的高速公路事件检测建模与仿真[D].成都：西南交通大学，2007.

[14]姜卉.基于FA-SVM的高速公路交通事件自动检测方法研究[D].长春：吉林大学，2011.

[15]庄斌，杨晓光，李克平.道路交通拥挤事件判别准则与检测算法[J].中国公路学报，2006.

[16] 龙晖.城市交通参数多步预测方法研究[D].长春：吉林大学，2004.endprint