基于电子收费数据的高速公路交通流特性分析

郭瑞军,于景,孙晓亮,牛树云

(1.交通运输部公路科学研究院 ITS技术研究中心，北京 100088； 2．大连交通大学 交通运输工程学院，辽宁 大连 116028)

0 引言

随着我国高速公路事业的高速发展，电子收费系统也大量应用在高速公路中.原来“一路一公司”，相邻路段连接处都设主线收费站的管理模式带来了收费站过多过密、停车次数多的问题，严重制约了高速公路的通行能力，且增加了高速公路营运部门的建设和营运成本.而电子收费系统利用车辆自动识别技术完成车辆与收费站之间的无线数据通讯，进行车辆自动识别和有关收费数据的交换，并能记录下包括出入口匝道、时间、车型、行车方向、车牌号等在内的数据，如何有效快速地利用这些交通信息、进行数据的统计和挖掘，对其所呈现出的交通特性进行深度分析并有效应用，成为亟需解决的问题.

目前，国内外学者对电子收费系统进行了相应研究.Karsaman等人[1]以印尼多个地区为例，介绍了高速公路电子收费系统的原理.陈家炎[2]利用高速公路联网收费数据，分析交通流参数特征，即研究在不同片区、不同高速公路、不同区段间、不同断面、不同工作日、不同时段情况下的流量、速度、密度的时空特征和参数间的两两关系特征模型.万金鹏[3]通过对联网收费数据进行知识挖掘，提出了一种基于联网收费数据估算任意断面交通流量的方法，并通过构建交通流量数据仓库进行交通流量多维分析.谢中清等人[4]利用基于PDF417的收费系统，研究在SQL Server数据库平台进行高速公路OD调查、车速调查和断面流量调查的方法.于晓桦[5]利用山东省高速公路联网收费数据，对高速公路网中的车辆行程里程、行程时间分布进行了研究，分析了车辆行程速度的时间-空间概率密度联合分布，并用二维正态分布进行了拟合.盛鹏[6]以四川省高速公路联网收费系统采集到的2010年～2012年数据为基础，结合国家长假和路网区域分布等信息，分析路段车流的时空特征，研究了四川省高速公路路网交通流量的变化规律.孙德强[7]分析交通流量的日变特性、周变特性，分车型交通流量时变特性，车型比例变化特性和方向系数变化特性，通过数据拟合方法得到高速公路交通流量周变特性的模型和分车型行程速度概率密度分布模型.于晓桦等人[8]借助高速公路收费系统中的交通流数据，提出了时空相关性判别法.

通过国内外学者对高速公路电子收费系统数据分析的研究可看出，目前对于基于电子收费数据的处理过程中，关于交通参数关系分析、时空相关性判别以及交通流量的多维分析研究较多，但对于高速公路交通流基本特性研究还不够全面、深入.本文选取某高速公路电子收费数据，对该区域高速公路交通流特性做了充分分析，通过建立数据仓库，识别车辆到达、离开时刻和日期，车型标志，车牌号信息等，分析交通流参数特性及并总结了计算方法.

1 电子收费数据的存储与预处理

高速公路电子收费数据通常由业务流水数据、参数数据、基础数据、财务数据和其他统计数据等组成，研究对象为2012年西部某高速公路电子收费业务流水数据中的收费站数据，含出口和入口收费数据，包括车辆进出收费站日期、时刻、车牌号、客货车标志、车型标志等信息.格式及内容如表1所示，根据交通运输部颁布的车型分类标准，客车划分为四类，货车划分为五类.从而可对电子收费数据进行分车型的流量统计.

表1 收费站入口的源数据

选取SQL Server数据管理平台，将日常收费流水数据导入SQL Server，利用SQL语句构建相关的交通流参数计算模型.利用SQL Server 中“导入数据”功能导入原始收费数据的文本文件到数据库之前，需要对字段的类型、名称、长度进行定义.

收费数据有时是残缺的，有的数据存在明显异常.数据统计分析前需要进行预处理，剔除异常数据，提高整体数据质量.结合高速收费数据实际情况，通过对原始数据库车辆行程时间计算，剔除异常数据，进而结合时间阈值惩罚算法得到有效数据.

所研究高速收费站间最短距离为2.3 km，最长距离为63.9 km，基于高速公路的限速规定，理论行程时间应介于(69 s,3 834 s)范围之间，且据相关的交通安全统计资料，所研究时期该高速公路并无交通事故和交通管制发生.因此可以设定异常数据为行程时间小于60 s或大于4 000 s的情况.

原始数据经过数据清理、过滤、存储可作为数据分析的基础数据库.采用正态分布的置信区间来对异常数据进行过滤，根据参数估计方法，可信数据的时间取值范围为:

(1)

对基础数据进行分日期、分时段、分车型的OD行程速度计算.需要建立以下模块：①OD存储表；②数据中转表；③存储表;④交通流参数计算;⑤写入参数.

将平均行程时间转化为区间平均速度，可由以下公式进行计算，并存储到交通主题数据仓库中.

(2)

其中，V为平均行程速度,L为行程距离,统计车辆数为n辆.

2 交通流特性分析

通过建立的交通主题数据仓库，对高速公路交通流量特性进行分析，包括交通流量的日变特性、周变特性、时变特性、车型比例和行程方向分布特性；通过数据拟合方法建立交通流的周变特性模型和车辆行程速度概率密度分布模型，并统计以收费站作为交通小区的交通发生吸引量及分布量；通过收费站间距离和车辆的行程时间，可计算车辆的行程速度并进行概率分布统计.

2.1 收费站流量的时变特性

(1)交通量的时变特性

图1是对非节假日一周内的小时交通流量统计结果，高速公路主要以一类车为主.可看出总交通流量和一类车交通流量呈现出类似的周期性变化，二类车、三类车、四类车和五类车也体现出一定的周期变化规律.交通流量总量与一类车流量在交通流时变特性中表现为双峰的特性，其中凌晨1:00～6:00 为全天交通流量的波谷；10:00～12:00 为交通流量时变图的第一个波峰； 16:00～17:00 为第二个波峰，总体而言，凌晨为高速公路出行的低谷，昼间10：00～17：00高速公路出行量较大，图中显示的出行规律也符合人们的出行习惯.

图1 交通流时变特性图

(2)分车型交通流量时变特性及车型比例变化特征

对不同车型流量以1 h为时间单位进行统计，可得交通流量的时变图，一类车交通流量的时变特性如图2所示.

图2 一类车交通流量的时变特性图

一、二、三类车的出行特点符合人们的工作活动特点，在数据上体现为由两个波峰，高峰期集中在11:00～13:00 和 17:00～19:00；而在凌晨 1:00～7:00 的交通流量仅占全天流量的10%左右.四类车和五类车为一些中大型客货车，其交通流量时变特性与一类车相反，在凌晨2:00～6:00期间三、四、五类车车流量较大，其余时间均较小.

各种车型按比例的时变系数曲线如图3所示，在4:00～6：00一类车所占比例达到最小，时变系数增加至8:00左右达到最大值，并保持基本稳定，在23:00开始下降直至最小.三、四、五类车的车型比例变化特点与一类车相反，约5:00时车型所占比例达到最大，8:00时下降至基本稳定状态，并于23:00开始呈上升趋势，直到车型比例上升至最大.二类车流量较小，其变化规律不明显.

图3 车型比例的时变系数曲线

(3)本地/外地车辆交通量时变特性

将不同日期分为节假日、非工作日和工作日的类型，并标定出节假日的首日和末日，根据数据库中车辆的通行日期和牌照属性，得出不同日期类型的交通流量时变特性，如图4所示，可知，工作日、非工作日、节假日首日和末日的小时交通量分布呈 “驼峰状”，外地车辆在四种类型的小时交通量分布中所占比例较小，绝大多数都分布在白天(6:00～18:00)，而在节假日首日上午(8:00～11:00),外地车辆的小时交通量增长较多，但所占比重仍比较小，高速公路路段的运行车辆以本地车为主.

图4 四种日期类型交通流量时变特性

2.2 收费站流量的日变特性

对2012年3～4月连续4周的高速公路分车型的日交通量做了统计如图5所示，其中，4月2日(周一)～4月4日(周三)为清明节假期，其车流量在假期有明显的波峰，假期开始首日即达到最大，第二日稍有回落，第三日返程车流增多.

图5 分车型的日交通流量统计图

从非节假日的高速公路车流量统计可看出，高速公路交通流量呈现出周期性变化，周五交通流量最大，周日交通流量最小，从周一至周四的流量较为稳定.

2.3 收费站的OD流量

以该高速公路的各收费站作为交通小区，将高速公路外围看作一个交通小区，则该研究对象可以看作一个较特殊的交通规划区域，相邻收费站间的路段流量即为两收费站间的交通分布量，从而利用路段流量和进出收费站流量得到各收费站的发生吸引量.按行车方向的最末端收费站的出口流量即为该收费站与高速公路外围小区的交通分布量，其余收费站间的交通分布量可以按照逆行车方向顺序依次算出.

统计所选高速公路在某日的电子收费用户进、出站车数，可得出分不同日期类型的交通分布量，如表2、表3所示.

表2 节假日首日OD流量表 pcu/d

表3 节假日末日OD流量表 pcu/d

可知交通发生、吸引量较高的收费站分别是北碚(2520)、合川(2507)和兴山(2605)收费站.东阳(2505)收费站在节假日首日发生量明显大于吸引量，而节假日末日正好相反，反映了节假日出行及返程的特点，而在工作日和非工作日，发生量和吸引量差别不大.兴山收费站(2605)也有类似特点.

由各收费站的OD分布流量表2、3可以看到，北碚收费站2520-合川收费站2507的交通分布量最大，其次是北碚收费站2520-兴山收费站2605之间的交通分布量，节假日首日，由合川收费站2507-北碚收费站2520方向的交通分布量最大，即出城方向交通需求较大.而节假日末日，由北碚收费站2520-合川收费站2507方向，即入城方向的交通分布最大.而在工作日和非工作日，这两个方向的交通分布量差别不大.

从节假日首日末日的OD分布均可以看出，北碚收费站2520的发送车辆数量和到达量车辆数量均为最大，北碚收费站是该高速公路段最繁忙的收费站，且其节假日首日的到达量和发送量分别与节假日末日的发送量和到达量数值相近，呈现出明显的节假日流量的潮汐特性.

2.4 路段交通流量

基于交通主题数据仓库，由该高速公路的各收费站进出流量，可以依次按照行车方向计算出各路段(相邻收费站之间)的交通流量如图6、7所示，按行车方向第一条路段的流量即为进入该路段收费站的流量，其余路段流量可以在考虑进出收费站流量后顺次计算得出.

由四种日期类型的路段流量图可以看出，北碚收费站至东阳收费站路段(2520～2505)，东阳收费站至草街收费站路段(2505～2509)，草街收费站至盐井收费站路段(2509～2506)，盐井收费站至合川收费站路段(2506～2507)等四条路段流量较大，在四种日期类型的路段流量统计中，北碚收费站至东阳收费站(2520～2505)的路段流量都是最大的，图中线段宽度表示了路段流量的大小.

图6节假日首日路段流量图7节假日末日路段流量

2.5 区间速度特性

利用收费站间距离和车辆的行程时间，可计算车辆的行程速度，对车流速度进行正态分布拟合并采取Kolmogorov-Smirnov检验方法对其进行分布检验，6 组车速分布数据均接受了检验假设，可知交通主题数据仓库中各类车型(混合车型和车型1-5)的6组行程速度数据都呈现出不同特征的正态分布特性，该高速公路混合车流及各类车型的行程速度密度分布函数可以用正态分布表示.

车辆行程速度的正态分布如式(3)所示，各车流正态分布的均值和标准差如表4所示.

(3)

其中,v表示车辆的行程速度;s表示车辆行程速度值的标准差;u表示车辆行程速度的均值.混合流车辆行程速度分布如图8所示.

表4 行程速度特性参数表

图8 混合车流正态分布拟合效果图

3 结论

高速公路电子收费系统中存储了海量的车辆运行管理数据，包括车辆信息、行驶路径、收费数据等，这些数据的充分挖掘，将有助于充分掌握高速公路运行性能，有利于交通管理部门制定更加科学、有效的交通管理和规划措施，通过对西部某高速公路的电子收费数据分析，可得出以下结论：

(1)高速公路交通流时变特性中，流量主要以一类车为主，总交通流量和一类车交通流量呈现出类似的周期性变化；

(2)高速公路交通流时变特性中，总交通流量与一类车流量表现为双峰的特性，三、四、五类车的车型比例变化特点与一类车相反；

(3)高速公路交通流周变特性中，高速公路交通流量呈现出周期性变化，周五交通流量最大，周日交通流量最小，从周一至周四的流量较为稳定;

(4)在高速公路收费站的OD流量统计中，节假日首日，出城方向交通需求较大；而节假日末日，入城方向的交通分布最大；而在工作日和非工作日，这两个方向的交通分布量差别不大;

(5)高速公路车辆的速度统计中，各类车型的行程速度数据均符合正态分布.

基于电子收费数据，构建交通主题数据仓库，并进行交通流特性的分析和应用，为交通数据的直观表达提供了案例.交通流特性分析也有助于该高速公路的运行管理，如交通流量时变的双峰特性、节假日期间首末日的潮汐特性等，可为交通流预测、可变信息提示甚至交通应急等管理手段提供了依据.当然，对高速公路交通流特性的全面深入了解，仍需结合实时、大量的交通调查及数据统计，从而能够了解高速公路的车流运行特点，并进行有效地交通管理.

[1]KARSAMAN R H,MAHENDRA Y,RAHMAN H,et al. Measuring the Capacity and Transaction Time of Cash and Electronic Toll Collection Systems[J].Journal of Engineering & Technological Sciences,2014,46(2):180- 194.

[2]陈家炎.基于联网收费数据的高速公路交通流特征分析[D].广州：华南理工大学，2014.

[3]万金鹏.基于联网收费数据的交通流量多维分析技术研究[D].重庆：重庆大学，2012.

[4]谢中清，鄢勇飞，王一雯，等. 基于PDF417收费系统的高速公路OD分析[J]. 武汉理工大学学报(信息与管理工程版)，2009, 3(4)：562- 565.

[5]于晓桦.高速公路交通流时空特性分析[D]. 青岛：山东科技大学，2009.

[6]盛鹏，戴元，陈犁，等.基于联网收费数据的四川省高速公路交通流量研究[J].中国交通信息化，2013(7)：62- 64.

[7]孙德强.基于联网收费数据的交通流特性分析及应用[D].广州：华南理工大学，2014.

[8]于晓桦.高速公路交通流时空特性分析[J].山东科技大学学报，2009, 6(9):231- 235.