交通状态判别综述

李 甜，段修辉，宋欣航，张萌萌，于 悦

（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 611756）

引言

城市交通状态的准确判别是科学地制定管控策略的重要基础。早期对交通判别的研究主要集中在对交通事件的自动检测，21 世纪以来，交通状态判别发展为常发性拥堵、偶发性拥堵的识别研究。为了更加全面的梳理交通状态判别的理论方法和应用，运用文献计量学的方法对知网和Web of Science 核心数据库中近20 年的交通状态判别相关的文献进行统计分析，以追踪交通状态判别领域的发展趋势、研究热点及前沿。

1 数据来源

所使用的数据来源于两大数据库，其中国内文献以中国知网（CNKI）为检索来源，检索主题设为：主题=“交通拥堵”或“交通状态”并且主题=“识别”或“判别”，检索时间跨度为2000—2018年；国外文献以Web of Science 为检索来源，检索主题为：主题=“traffic congestion” or “traffic state/condition”and“identification” or “discrimination”。经过筛选得到325 篇CNKI 的分析样本与980 篇Web of Science 分析样本。

2 结果与讨论

2.1 发文年度分析

国家/地区发表文献数量统计见图1。可以看出：（1）每年发表文章数量前三名的国家包括美国、中国、英国、印度等国。2016 年之后印度发文数量增势明显，均位于第三位。（2）篇均引用次数整体呈下降趋势，与发表论文总量的大幅增长有关。（3）年度总引用量在2008 年达到峰值，近两年呈大幅下降趋势。可能由于近两年发表的文献缺少时间累积被其他论文引用，也可能由于学者对交通状态识别的关注度下降。

图 1 国家/地区发表文献数量统计

由图2 可以看出整体趋势与WOS 数据库类似，整体波动增长。年总引用量在2006 年达到峰值，随后波动下降。

图2 知网相关文献发表概况

2.2 国家发文数量及合作关系分析

文献质量和文献影响力可以通过篇均引用次数反映。由图2 可知，篇引用次数最高的分别为德国、加拿大、澳大利亚，中国的篇均引用次数虽然相对较低，但与前三位的差距不大。

国家间的学术合作有利于促进科学研究的发展融合，国家间合作关系见图3。可以看出，与其他国家合作较多的国家有中国、美国、澳大利亚、英国、韩国、法国等国，与发表文章较多的国家基本吻合。中国与其他国家的合作较为广泛，与日本、美国、英国、等国学者均有合作。

图3 国家间合作关系分析

2.3 期刊的表现

科技期刊的影响力主要指它在自己专业学术领域期刊利用的广度和深度。由表1 可知，影响力较大的期刊有《交通信息与安全》与《交通运输系统工程与信息》。由表2 可知，英文期刊表现较为突出的是《TRANSPORTATION RESEARCH RECORD》。

表1 基于CNKI 数据库发表文献数目排名前5 期刊的表现

表2 基于Web of Science 数据库发表文献数目排名前5 期刊的表现

2.4 文章被引与共被引分析

2.4.1 文献被引次数分析

2000—2018 年CNKI 数据库总被引前5 的文献见表3，2000—2018 年Web of Science 数据库总被引前5 的文献见表4。

表3 CNKI 前10 高被引文献

（1）《中国交通工程学术研究综述·2016》[1]的总被引次数最高，系统梳理了交通流理论、交通规划、道路交通安全等11 个领域的国内外研究进展及前沿热点。（2）总被引第二位是《交通状态模式识别研究》[2]，较早地利用仿真数据，通过监督分类的机器学习算法对网络交通状态识别，为后期交通状态判别研究提供了一个方向。（3）总被引第三位是《基于环形线圈检测器采集信息的交通状态分类方法应用研究》[3]，较早地利用固定交通检测器及聚类算法对交通状态判别，为交通状态自动识别奠定了一定的研究基础。

表4 Web of Science 数据库前10 高被引文献

（1）《Onset of traffic congestion in complex networks》[4]总被引次数最高，研究了不同网络拓扑结构对交通流状态的影响。（2）总被引次数第二的是《Congestion and centrality in traffic flow on complex networks》[5]，研究了交通无标度网络上几种模型的中心度与流量密度之间的关系，对未来通过交通网络结构研究交通拥堵领域的学者有重要的参考价值。（3）BAUZA R[6-7]在被引频次较高的文献中出现了两次，提出并评价了基于V2V 通信的COTEC 交通拥堵检测技术。

2.4.2 文献共被引分析

文献共被引[8]是指两篇文献共同出现在第三篇施引文献的参考目录中，则这两篇文献形成共被引关系。表5 显示了两个不同作者之间的共被引强度。

表5 作者共被引频次

在交通状态判别领域有影响力的作者可以在图4 清晰地显示，并且可以发现排名前5 的高被引文章作者都可以在共被引网络图体现，其中ARNOTT R网络节点较大且与其他3 位作者共现频次较高。

2.5 关键词研究

关键词可以突出一篇文章的主题和研究重点，读者可以利用关键词来快速确定该文章的研究方向。对收集的325 篇文章中的1 292 个关键词进行分析，并将所有的关键词划分为七大类，CNKI 关键词分析见图4。

图4 CNKI 关键词分析

可以看出，交通事故、交通控制和交通诱导主题研究较多，聚类算法、神经网络、模式识别、分类算法的占比较高，交通状态的分析多集中在城市道路与高速路，基于固定检测器与移动式采集设备的数据对于该领域的研究占比相差不大。

2.6 未来研究方向预测

引文分析可以直观的显示出研究领域的智能结构。对2016—2018 年的中英文文献所提取的关键词进行聚类分析，结果见图5、图6。

图 5 CNKI 数据库关键词聚类

图 6 Web of Science 数据库关键词聚类

随着大数据和先进设备的发展，更精确的数据开始成为研究交通问题的有力工具，越来越多的研究开始关注神经网络与机器学习。

3 结语

对数据库的文献作者、国家/地区等进行统计，发现中国发文量较高，与其他国家关系密切，期刊中《交通信息与安全》和《交通运输系统工程与信息》对交通状态更加关注，聚类算法应用较多。未来复杂多变的交通环境下如何实时、精确地识别交通状态仍是该领域研究的重点。