大数据在交通拥堵分析和治理方面的应用

2020-04-07张勇余金林杨凌云龚全洲

信息技术时代·中旬刊 2020年5期

张勇余金林杨凌云龚全洲

摘要：随着智能交通的快速发展，高德等较为权威的交通大数据平台应运而生，同时交管部门视频、卡口、流量检测、车辆数据的多样化和齐全化，在一定程度上可以较为准确的反映出交通运行状态。大数据的整合和应用越来越受到交通管理部门的重视和重用。以武汉为例，通过大数据分析研判，对城市交通拥堵进行分析和治理，如交通运行特征规律总结、交通组织优化、交通影响评估等。为精细化交通管理提供技术支撑，为领导决策提供依据，为市民出行提供指南参考。

关键词：大数据;交通管理;拥堵分析;拥堵治理

1引言

道路交通管理涉及到人、车、路、环境和法规五个方面，总体目标是交通运行安全、畅通和有序。传统的交通管理手段主要依靠交警、辅警在路面的现场管理，主要方法是依靠个人的经验进行交通信号优化、现场执法等，此外，经济发展带来的交通出行需求加大及交通出行多样化和复杂化，传统的管理手段难以为交通管理提供更加精准和精细的技术支撑，特别是在拥堵治理方面，给交管部门带来了巨大的挑战。

随着交通信息化和智能化的发展，大数据时代的到来可以使人们以史无前例的低成本去获取和利用数据，更为城市交通管理工作带来了新的机遇[1]。2015年，Barb[2]探讨了波士顿市利用大数据技术来解决城市交通拥堵问题。王福磊[3]积极推动大数据在道路交通事故预防中的应用。罗西军[4]分析了大数据在智能交通中的几种应用。徐炜[5]结合大数据技术在深圳的应用实践，提出了大数据在城市交通管理方面的应用思路。总结而言，国内外大数据在交通管理方面的研究主要在拥堵治理、事故预防、智能交通等领域。

目前，高德等公司已经建立起了交通大数据平台，并在许多城市中得到了应用。大数据信息量巨大，种类繁多，面对众多的数据，如何及时、高效、准确地获取有价值的信息并对其进行有效的分析处理，成为大数据应用的关键所在[6]。

因此，结合武汉交通特色以及交通管理部门获取到的大数据信息库，探讨大数据在交通管理中拥堵分析与治理方面的深度应用。

2武汉交通概况

武汉是湖北的省会城市，总体城市格局为两江三镇（两江分别为长江和汉江，三镇分别为武昌、汉口和汉阳）。截止2017年底，常住人口1100万人左右，全市面积8570平方公里，建成区面積576平方公里，道路共4882条道路，总长5704公里，已形成三环十三射的路网格局。过江通道已通车18条，正在建设的5条。机动车保有量达到280万辆，电动自行车110万辆，共享单车接近100万辆。已通车的轨道交通共5条，运营里程达到181.6公里，现在同时在建的轨道交通线路达到14条。根据高德大数据分析报告，2015年、2016年、2017年武汉拥堵全国排名分别为第13名、第17名和第47名，全市全天平均车速分别为29.11km/h、30.06km/h和32.67km/h。

总体而言，武汉道路交通特征是过江交通、环线交通明显。受湖泊、大型院校、单位、小区影响，路网结构较差、道路密度偏低;同时，武汉处于大建设时期，全市多处占道施工，给武汉交通出行带来了较大挑战。

3武汉的大数据来源

为了提高智慧交通管理水平，武汉市交管局积极探索智慧交通建设和应用，建成了“智慧政务、智慧出行、智慧应急、智慧监管、智慧警营”系统，搜集了大量的交通基础数据，主要来源[7]如下：

（1）交通设施数据。1628个信号灯路口（其中980个联网），6454处视频监控，5453个方向电子警察，2189个卡口。包括交通事件，道路流量，交通管制，道路交通的视频图像以及交通违法点等6类信息数据。

（2）交通平台数据。高德等交通信息平台提供的浮动车数据，公众访问数据等提供的出行时间、车速等数据。

（3）车辆数据。1.8万辆出租车和7000多辆公交车的实时GPS数据，2000多个停车场的数据（停车场内实时的车辆数），重型货车有49190辆、4000多辆渣土车、混凝土车实时GPS数据，共享汽车GOFUN在武汉4000多辆实时数据。

（4）交管内部数据。包含舆情民意平台数据、122情报中心数据、事故数据、施工数据、违法数据、广播数据、领导信箱数据等。

武汉市现有的交通大数据量大，种类多，但是不同数据之间的融合还有进一步挖掘的空间，数据的深度应用以及精准应用也有进一步探索的空间。

4大数据在拥堵分析中的应用

4.1拥堵特征分析

根据高德提供的交通运行数据，可以对全市、主城区、各行政区、环线、主干道、次干道、支路等不同范围、不同道路的拥堵时间、空间分布特征进行量化分析。具体如下：

4.1.1拥堵时间分布

根据时间段划分，可以分析24小时、一周各天、各月份交通运行情况，具体如下：

4.1.2拥堵空间分布

根据空间划分，可以分析全市、各行政区、环线、过江通道等交通运行情况，以全市过江通道为例，高德显示的拥堵空间分布如下：

4.2拥堵原因分析

常规的拥堵原因分为两大类，一类是不可控的因素，如路网结构不合理、车流量大、恶劣天气、突发事件等;另一类是可以通过交通管理进行改善的，如交通组织不合理、信号灯控制不合理、交通违法、道路施工、节假日影响等。目前传统的原因分析较为单调且紧紧是定性的分析。因此，选取其中可操作、可控制和可管理的拥堵因素进行量化深入分析，为交通管理提供精准决策。

（1）交通组织不合理。通过大数据平台数据，掌握道路交通运行特征，查找出拥堵点位，通过视频巡查数据，对道路几何特征进行分析，研究路口车道布置、公交站点、道路沿线开口、人行横道设置等交通组织方式对道路通行的影响，从而确定因交通冲突、道路资源与流量流向不匹配等不合理的点位。

（2）信号灯控制不合理。通过高德地图、视频监控、流量检测设备、信号灯配时数据，分析出各进口、各转向的车辆排队长度、等待信号灯的周期，查找出因信号灯周期、信号灯配时、信号灯放行相位相序、相邻路口信号协调等不合理的点位。

（3）交通违法。通过大数据平台交通运行数据，结合路口视频监控、卡口、违停抓拍设备等数据，判别闯红灯、逆行、违法掉头左转、违法通行禁行区、违法停车等因素引起的交通拥堵行为。

（4）施工影响分析。道路施工占用道路资源，车道数量减少，且在渐变段处存在交织问题，直接影响道路通行能力。根据实际观测以及相关资料查阅表明，施工区的长度、大型车比例、限速大小均对施工区道路通行能力存在一定的影响，其中大型车百分比对施工区通行能力影响最显著，限速影响次之，施工区长度影响最小。

（5）节假日影响分析。不同节假日及节假日期间交通运行均存在较大差异，根据武汉市近几年各大节假日交通运行数据统计分析，各节假日放假当天和放假期间交通上升下降幅度如下：

（6）天气影响分析。阴雨天气下，驾驶员视线视距变差，反应时间增加;路面与轮胎的附着系数降低，车辆制动距离增加，停车减速时间将增加，启动加速时间也增加。通过长时间观测不同季节、不同天气条件下的交通运行情况，统计得出结论：晴天阴天交通运行情况基本一致，小雨对交通出行影响较小（拥堵程度加剧2%左右），中雨对交通出行影响较大（拥堵程度加剧11%左右），雪天更加严重（拥堵程度加剧14%左右）。.

（7）交通事故影响分析。

交通事故的发生和消除分为四个阶段：事故响应阶段，交通事件确认后，救援部门、人员和救援设备到达事故现场的阶段;事故清除阶段，救援队伍到达事故现场后，对受伤人员、事故车辆、道路设施处理的阶段，解除干扰交通正常运行的障碍;事故恢复阶段，交通事故清除后，拥挤车流开始消散，交通流恢复到正常交通状态的阶段。根据历史数据统计，当交通事故导致单向3车道封闭1车道时，通行能力下降42%左右;当交通事故导致单向3车道封闭2车道时，通行能力下降70%左右。

5大数据在拥堵治理中的应用

现有的大数据提供了全市大部分道路、桥梁、隧道的交通运行情况以及部分流量、视频数据，但是在拥堵治理方面的应用较为浅显，目前只是简单的提出了拥堵特征，简单的理论原因分析，与现场的实际情况存在一定误差。因此，需通过不同大数据之间的整合、二次应用进行精准化和精细化拥堵分析和治理。

5.1拥堵预测

通过查看历史数据，结合大型活动、施工、天气条件、大型政策调整等外在因素影响，对交通情况进行提前预测，便于提前采取相应的措施，实现主动管理。以武汉市2018年1月1日取消过江通道ETC收费为例。

（1）现有的过江通道管制措施

长江大桥、江汉一桥分单双号通行，长江隧道限制9座及以上客车通行，每日零时至6时封闭，月湖桥2017年4月15日至2018年7月31日封闭施工。其中，长江大桥、江汉一桥和江汉二桥未采取ETC收费。

（2）取消ETC收费前过江交通运行状况

结合卡口数据及高德大数据分析， 2017年1-6月过江交通运行情况如下：

（3）取消ETC收費过江交通预测评估

一是取消ETC收费后，会刺激过江交通出行需求，总的过江交通量有一定的上升幅度。参照之前设置ETC收费当月过江交通总量下降9%，预计增加的过江交通总量为11%（其中9%为抑制的交通出行需求，2%为诱增的交通量），即10万辆左右。

二是取消ETC收费后，会打破原先过江交通量的平衡，长江大桥及江汉一桥11%左右的流量（1.1万辆和1.3万辆）将会转移至鹦鹉洲长江大桥、长江隧道、长江二桥以及晴川桥、知音桥。按照距离权重及重力吸引因子，预计：鹦鹉洲长江大桥流量日均增加6800辆，长江隧道流量增加2000辆，长江二桥流量增加1300辆，晴川桥流量增加9500辆，知音桥流量增加3500辆。

（4）取消ETC收费实际与预测的过江交通运行情况对比

取消ETC收费后，实际总的过江交通量为1032578pcu，预测总的过江交通量为1017960pcu，误差1.4%;长江大桥和江汉一桥流量下降12.15%，与预测的11%接近。

5.2拥堵治理

根据上述大数据在拥堵特征、原因及预测分析的应用，可以较为精确的指导交通组织优化，缓解拥堵。现将结合大数据进行交通拥堵治理方法总结如下：

5.2.1信号控制优化

结合地磁、卡口、视频流量检测设备采集到的流量数据、视频巡查数据、高德交通信息平台数据等显示的各方向拥堵情况，实现信号控制优化。具体内容如下：

一是优化路口信号灯配时，均衡各方向、各转向车辆排队长度;

二是对相邻路口采取协调控制，防止路口流量溢出;

三是研究绿波控制，保障干线的快速优先通行。

5.2.2交通组织优化

根据地磁、高德数据平台提供的各方向、车道交通运行特征，开展交通组织优化，具体内容如下：

一是根据各方向、各转向的交通运行数据特征，优化路口直行、左转、右转车道分布，实现车道资源与流量流向相互匹配;