基于网格模型与K-Means算法的交通状态演变特征

李甜，李瑞玲，张萌萌，宋欣航，王帅琦

1.山东交通学院 交通与物流工程学院，山东 济南 250357；2.西南交通大学 利兹学院，四川 成都 610000

0 引言

交通拥堵是许多城市面临的严重问题之一[1-3]。为了制订有效的交通管制方案以缓解交通拥堵，需要对交通状态进行识别[4-7]。以往的研究大多集中在基于微观交通流/宏观交通流的交通状态演化[8-13]，但依赖于仿真数据并且试验数据难以描述实际的拥堵问题。随着交通大数据的发展，一些学者利用实际交通数据[14-17]，特别是轨迹数据来评估交通状态[18-20]。韦伟[21]利用全球定位系统(global positioning system，GPS)数据将交通状态分为非阻塞聚集型、非阻塞非均匀型、拥塞聚集型和拥塞非均匀型4种类型。这些研究都是基于路段来估计交通状态，需要花费大量的精力才能将轨迹与路网进行匹配。本文利用成都市网约车轨迹数据，基于网格模型和K-Means算法估计交通状态，分析不同的拥堵类型及其时空分布特征。

1 数据来源与交通状态判别

1.1 研究区域概况与数据来源

研究数据来自成都市部分区域脱敏浮动车轨迹数据。研究区域与成都市网约车轨迹覆盖的数据区域相同，如图1中方框阴影部分所示。研究区域的经纬度范围分别为北纬30.65°～30.72°、东经104.04°～104.12°。数据信息包含订单号、纬度和经度信息、时间戳和司机编号。数据采样间隔约为3 s。本文选取2016-11-09(周三)的数据作为工作日的出行数据进行实证分析。

图1 研究区域

通过经纬度数据和时间戳数据获取车辆瞬时车速和行驶距离，对采样间隔、行驶距离、车辆瞬时车速、经纬度数据进行预处理，删除采样间隔过大、行驶距离与瞬时车速不合理、经纬度超出范围的数据，以提高数据质量。

1.2 交通状态判别方法

1.2.1 网格划分

图2 网格模型

交通状态计算利用网格内有效轨迹点的平均车速作为计算指标，计算公式为：

(1)

1.2.2 交通状态的判别

文献[26]根据车速将交通状态划分为畅通(vi≥25 km/h)、缓慢(15 km/h≤vi<25 km/h)、拥堵(vi<15 km/h)3个等级。

为了研究交通状态在时间维度上的变化规律，本文选取早高峰时段7：00—8：00，以10 min为间隔，根据瞬时车速，由式(1)计算vi，计算结果如图3所示，图3中红、黄、绿色的车速范围分别为[0,15)、[15,25)、[25,120) km/h。

图3 7：00—8：00时段的交通状态分布

从图3可以看出：6个时段内,部分网格交通状态均呈畅通状态，部分网格交通状态为持续拥堵状态，部分网格交通状态在畅通、缓慢、拥堵间多次变化，为识别每个网格在时间维度上的演变规律，本文通过聚类方法对每个网格不同时段的交通状态进行聚类分析。

2 交通状态的演变模式识别与分析

2.1 K-Means聚类

为研究交通状态在空间维度和时间维度上的演变特征，通过K-Means聚类算法识别交通状态的演变模式，采用欧式距离计算网格之间的距离，将距离相近的网格分为一类，即将交通状态演变模式相似性较高的网格划分为一类。欧式距离计算公式为：

(2)

式中：dip为网格i到网格p之间的欧式距离；xik为网格i第k(k=1,2,…,6)个时段的交通状态值，其中畅通xik=1、缓行xik=2、拥堵xik=3；xpk为网格p第k个时段的交通状态值。

本文采用逐个试验法分别选取2、3、4、5、6、7个聚类中心进行对比分析，最终根据聚类中心的交通状态特征选择了4个聚类中心，并以聚类中心的交通状态演变模式代表该类网格的交通状态演变模式。

2.2 聚类分析结果

4个聚类中心的交通状态随时间的变化特征如表1所示。根据不同交通状态时间维度的变化特征，将网格的交通演变模式分为持续畅通型、轻度缓行型、持续缓行型、持续拥堵型4种类型。比如：聚类中心2，该类网格在7：00—8：00时段每隔10 min的交通状态变化依次为缓行畅通缓行缓行畅通缓行，则定义该类网格的交通演变模式为轻度缓行型。

表1 聚类结果

2.3 时间维度特征分析

根据表1对网格类型进行统计分析，每类网格数目及占比如图4所示。由图4可以看出：研究区域总体交通状态较好，网格内交通状态变化幅度不大。

图4 每种聚类的网格数及百分比

2.4 空间维度特征分析

从空间维度分析网格交通状态演变特征，并挖掘部分区域交通状态演变的内在原因，将网格空间分布图与部分网格的百度路网图进行组合[27]，如图5所示。从图5可以看出：轻度缓行型及持续缓行型区域主要分布在一环路以内。持续拥堵区域整体分布较为分散，相对集中在天府广场旁边的人民东路/西路附近，如东城根南街与人民西路交汇的上下游路段、人民中路一段(2条单行道)、人民东路-顺城大街交叉口。

图5 不同类型网格空间分布及成都市部分持续拥堵区域百度路网图

东城根南街与人民西路交汇的上下游路段较短，长度仅有180 m，路段的蓄车能力不足，若上下游信号配时不协调，易导致路段车辆车速缓慢，甚至发生拥堵；同时道路两侧商店密集，吸引了大量行人，虽然该路段设有人行道，仍存在行人通行与机动车通行的相互干扰问题，加剧了路段的拥堵。

人民中路一段周边有四川省图书馆、四川省科技馆、天府广场等文化休闲设施，该区域交通流量较大，加之该路段为单行道，单向3车道，其中1车道为公交车专用道，有限的道路资源不能满足机动车通行需求，因此成为持续拥堵区域。

人民东路-顺城大街交叉口周边商场密集，交通流量较大，且该交叉口空间范围较大，进口道与出口道距离为100 m，虽然交叉口内设置了待行区，但过大范围的交叉口依然影响交叉口的通行效率，增加了交通拥堵风险。

3 结论

1)以网格为单位估计交通状态比将轨迹与路网进行匹配更具可操作性。本文基于网格模型对成都市的交通状态进行分析，为交通状态估计提供了新的视角。

2)通过K-Means算法将相似网格分类，将交通状态分为持续畅通型、轻度缓行型、持续缓行型和持续拥堵型4种类型。其中持续畅通型网格占比较大，主要集中在成都市二环路；轻度缓行型及持续缓行型主要分布在一环路以内；持续拥堵区域整体分布较为分散。

3)早高峰时段7：00—8：00成都市交通状况良好，天府广场人民东路/西路附近为连续拥堵区域，需要在交通管理和控制上有所侧重。