基于可视化的活动中心交通拥堵检测与分析

2020-05-12李亚男庞潇罗富智王翔坤曹梦琦闫建荣

现代计算机 2020年10期

李亚男，庞潇，罗富智，王翔坤，曹梦琦，闫建荣

（四川大学计算机学院，成都 610065）

0 引言

随着城市化的发展，生活水平的提高。人们在生活之余，对于精神文化的追求也越来越多。为了满足市民的需要，城市中出现了许多的大型文体活动中心，越来越多的大型文体活动也不断举办。而活动举办期间产生的交通流量激增，交通拥堵等问题也接踵而至[1]。给活动中心管理者和活动举办方带来了许多困扰。文本针对上述提到的问题，结合活动中心周边网约车订单数据，给出了一套基于可视分析的道路流量及拥堵分析方案。

在结合相关部门需求及实际调研后，本文确定了以下三个分析问题，问题如下：

问题一，分析活动中心10平方公里范围内的交通流量演变情况；

问题二，找出10平方公里范围内的拥堵点，并说明拥堵特征及解释拥堵原因；

问题三，给出针对活动中心周边的交通疏导方案。

围绕着三个问题，本文给出了一套完整、可交互的可视化设计方案，能够从宏观和切片两个角度分析活动中心附近的交通流量演变情况，快速发现其中存在的拥堵点，并通过可视化系统，找到拥堵特征及产生原因。为管理人员及活动举办方缓解文体活动举办期间交通拥堵情况提供了可行的交通疏导方案。

1 可视分析过程

针对需要解决的三个问题，本文的可视分析流程主要分为三个阶段。第一阶段是是对原始数据进行预处理及有效特征提取，第二阶段是设计并实现可视分析策略，第三阶段是对可视化结果做分析验证。

2 数据预处理

本文所用到的数据主要有来自“滴滴”公司提供的2018年5月1日成都中国现代五项赛事中心某活动期间附近内订单及轨迹数据，总计0.5GB[2]。两部分数据的描述如下：

（1）订单数据，记录当天赛事中心10公里范围内的订单的起止地点，主要字段有订单ID、起止计费时间及上下车经纬度，约5万行数据；

（2）轨迹数据，记录数据1中订单所在车辆行驶过程中的时间和位置信息，主要字段有订单ID、时间戳及经纬度，约900万轨迹点数。

原始数据用MySQL[3]数据库对数据进行存储，使用Python[4]进行数据的预处理及分析，由于数据中存在GPS信息，使用ArcGIS[5]进行GPS信息与路网信息的匹配，具体过程如下：

（1）对赛事中心十平方公里范围区域以50×50m的网格进行划分；

（2）根据GPS数据计算轨迹点的速度，在网格划分的基础上实现数据装箱；

（3）利用ArcGIS手工构建该区域内路段信息，路段信息包括路段ID、路段名、路段类型（主干道、一级道路、贰级道路）、路段经纬度；

（4）将GPS点映射到路网中，实现数据的路段匹配。

3 可视化方案设计及实现

根据提出的三个分析问题，本文设计了可视分析方案，并通过ECharts[6]实现了可视分析系统，系统主要由三个模块构成，主视图模块、流量分析模块、路段排名模块，如图1所示。（a）地图直观显示各个路段的方式对道路的分布情况进行总览，（b）堆叠条形图对路段流入车辆、流出车辆、停留车辆进行可视化，（c）折线图对路段在一天内的流量变化进行可视化。可以通过选择时间片粒度的方式对整体时间进行切片，从而滑动流量分析视图中的滑块对某一时间片的道路状态以及流量排名进行分析。

图1 可视分析系统主界面

本系统一共分为两种分析模式，分别是流量分析和拥堵分析模式，其中前者可以分析不同路段流量的变化情况，后者则分析不同路段的车速情况来发现拥堵并进行分析。本文围绕三个问题，分别给出了基于可视分析的解释。

3.1 交通流量演变分析

以基于五分钟的时间粒度对该区域内整体流量变化情况进行分析，从图2中流量变化图可以看出，在全天视角下，00：00-06：00整体区域流量趋近于零，而其他时间整体区域流量呈现出从增至减的过程，该结论符合大众对夜间车流量少、日间车流量多的认知。此外，可以观测出17：30之前区域全天流量稳定在200左右，17：30-19：30 流量持续增加达到峰值 600，19：30 过后流量恢复到正常水平。

图2 流量分析视图

滑动窗口观测不同时间下地图中整体流量变化以及路段排名变化，发现剑南大道，经临林寺火烧桥沿府河至牧华路三段（自编号：100）、绿野路这三个路段变化较大，基于此，依次在路段排名视图中选择这三个路段进行详细分析。

点击剑南大道进行分析，其展示结果如图3所示，由流量变化图可以看出在14：00该路段流量开始激增，直至17：30流量减少并稳定在正常水平。

图3 剑南大道交通流量展示图

点击100路段进行分析，其展示结果如图4所示，其流量变化图可以看出其流量从16：00开始增加，至18：30 达到高峰，19：30 恢复正常。

图4 100路段交通流量展示图

3.2 交通拥堵情况分析

将系统切换至拥堵分析模式，如图5所示，拥堵分析模式下系统的视图分为地图视图和速度变化图。其中地图视图显示在当前时间片内各个路段的平均速度，将速度按照一般交通规则进行分段，并映射到不同的颜色。通过滑动时间轴，可见区域内整体的路段速度变化情况，对于变化较为明显的路段，点选可以看到其一天内的速度变化情况，对比其流量变化情况进行拥堵分析。

图5 拥堵分析视图

根据系统发现如下三个拥堵点。

第一拥堵点：剑南大道和龙马路交叉口，时间为14：00-21：00。通过滑动时间轴，发现剑南大道南段在14：00-15：00内变化明显，点选分析后如图6所示，在中午12：00开始，车速有明显的下降，并在14：00下降到了低谷，此后一天内都处于较为拥堵的状态。初步分析得知当天在五项赛事中心有演唱会举行，剑南大道南行的车辆可以在进入中段之前左转去往五项赛事中心，进入中段之后，中段与南段的十字路口禁止左转，需要行驶经过南段在武汉西路进行绕行，导致剑南大道南段道路长时间持续拥堵。

图6 剑南大道速度分析图

第二拥堵点：经临林寺火烧桥沿府河至牧华路三段（自编号：100）时间为 16：15-20：00。通过滑动时间轴，发现 100号路在 16：15-20：00内变化明显，点选分析后如图7所示，在中午16：10开始，车速有明显的下降，并在18：20下降到了低谷，19：00拥堵开始出现缓解，直至20：00路段恢复正常状态。推测自14：00开始，从五项赛事中心离开的车均选择该道路行驶，导致该路段发生拥堵，直至演唱会开始之后20：00路段拥堵情况逐渐缓解。

图7 100路段速度分析图

第三拥堵点：正北上街、丽都街，时间为8：00-20：00。由图8可知，正北上街从早晨8：00开始一直处于平均速度不超过20km/h的状态，持续拥堵，结合POI分析可知，该道路附近有天府新区人民医院，由于其为大型综合医院，昼间车流量大，故容易造成拥堵。

3.3 交通疏导方案

拥堵主要发生在活动举办的起止时间，以高峰时段17：30-19：00赛事中心周边的交通情况进行分析，可以发现赛事中心周边的流量较高的道路为：西侧的剑南大道、南侧的龙马路与武汉西路、东侧的经火烧桥至牧华路三段、213国道、锦江路东三线。但通过东侧主干道天府大道的车辆较少。通过对道路进行点击可以对通过车辆的OD进行分析。

图8 正北上街速度分析图

图9 赛事中心西侧干线OD分析图

赛题中心西侧的主干道为剑南大道，对通过剑南大道的车辆OD进行分析，如图9所示，OD明显的分为2个簇：①从城内各区域打车至赛事中心的订单；②从赛事中心南部的黄龙溪客运中心打车至城内的订单。因此，可建议高峰时段从南侧至城内的车辆避开剑南大道，绕行第二绕城高速或天府大道。

图10 赛事中心东侧干线OD分析

赛事中心东侧干线的OD分析如图10所示，趋势较为明显，目的地为赛事中心，同时赛事中心东北部6公里处为广福地铁站。通过分析可以发现，至赛事中心的订单主要经剑南大道与213国道。因此可得到如下推荐交通疏导方案：①从赛事中心南部至城内的订单避开剑南大道与213国道，绕行第二绕城高速或天府大道；②车辆离开赛事中心后，经武汉西路疏导至天府大道，充分发挥天府大道流通量优势。