基于新能源汽车轨迹数据的交通拥堵评价方法研究

潘雨诗，钟鸣荟，杨 益，姚 雯，单雪辉

1.上海晶众信息科技有限公司，2.上海市新能源汽车公共数据采集与监测研究中心

0 引 言

近年来，随着城市机动车保有量不断攀升，面对交通出行量大幅增长，城市的道路容量难以做出快速提升；同时，一线城市职住、功能区划分明显，高峰期市中心人口聚集，人流量增大，城市道路交通拥堵已逐渐从单一性的路段或者交叉口拥堵演变成为区域性的网络拥堵，使得缓堵保畅对城市交通拥堵特征分析提出了更高的要求，《交通强国建设纲要》也是指出各城市要近一步完善治理体系，提升治理能力。

与此同时，信息技术的高速发展让交通运输从数据匮乏迈向数据丰富的大数据时代。交通管控已经能够从单车级别的微观数据入手，基于海量交通数据，建立更为结合城市实际交通状况的交通拥堵指数评价模型，利用可视化技术手段全面、实时的呈现城市交通运行状态，确定合理评价指标，对定量评价交通拥堵、优化道路交通系统、缓解拥堵状况、促进城市可持续发展有重要的意义。

1 国内外交通评价指标研究方法

目前，国内外各城市都陆续形成了一系列交通评价指标研究方法，适用于各城市本身的道路运行情况。国外对交通拥堵评价指标的评判标准主要是基于车辆出行的流密速，即包括了对道路交通量、道路交通密度、道路行程车速等多个方面[7]。比较典型的交通评价指标有INRIX Index指标，这是一种根据路段车速计算道路拥堵情况的指标，形成一套对道路拥堵的判定标准，主要通过自由流车速及行程车速之间的关系来进行评价方法建立，是目前比较通用的评判标准之一。此外，根据交通流密度也可研究道路运行情况及拥堵持续情况。由美国提出的道路拥堵指数通过对道路等级进行划分，以等级、距离、平均日流量作为参数进行加权平均的方式建立评价方法，反映拥堵情况。日本提出拥堵度的概念，通过实际交通量与全日24小时或者白天的基准流量相比，以交通量间的关系来衡量交通拥堵状况。以上是国外根据各自城市状况与数据源质量情况，目前采用的一些典型评价方法。

我国随着经济的快速发展，道路拥堵成为城市交通需要解决的一大难题。国内各城市也形成了一些适用于本城市的交通运行评价指标方法，总体来讲可以围绕拥堵里程比例、出行时间比和综合评价等几种计算方法展开。以北京来说，以车公里数为主要影响因子，同时加入道路等级、拥堵里程比例等影响因素，计算拥堵指数，提出了一套综合反映全市的道路网交通运行状况的评判标准，该《城市道路交通运行评价指标体系》标准于2011年正式实施[1]。国内其他城市中，广州与北京的指标评价方法较为类似来。与北京、广州不同，上海提出的道路交通指数评价指数是根据选取的道路饱和度和机动车运行速度作为影响指标建立指数模型，并利用实际采集数据结合指数模型计算得到，能直观地反映交通服务状况的优劣[4]；郑淑鉴、郭宏雨等学者针对各项案例研究提出了道路交通拥堵指标[1,5-6]。王研颖，基于北京道路检测器数据，研究道路拥堵特征，并构建相应指标体系[3]。

可以看出，国内外根据自己城市的特征，采用的拥堵评价指标表达形式不一，但都能比较客观、定量得衡量城市交通拥堵情况。

2 基于新能源汽车数据的交通拥堵评价方法研究

2.1 评价指标设计

为了保证对交通运行情况评价的结论尽可能的客观、科学，评价指标的设计选取必须遵循一定的规则，即本文设计的评价指标需保证整体的完备性、客观性、可比性、可操作性等原则。

本文是基于上海新能源汽车GPS数据来进行道路拥堵研究，通过新能源GPS数据可分析较为准确的车速数据，而平均行程车速是反映拥堵的关键性指标，满足以上设计原则，故本文基于路段速度来计算拥堵性的相关指标反映路段拥堵情况，根据不同道路的等级、交通容量等情况计算判定道路自由流车速与实际行程车速。

2.2 拥堵指数计算

本文采用的拥堵指数方法是根据平均行程车速和路段自由流车速之间的相互关系进行计算确定。首先确定初始计算方法：以路段自由流车速/平均行程车速为路段的基础拥堵指数算法核心进行计算，本文采用数据上传的间隔为15 min，计算步骤如下：

①计算统计间隔里各路段的拥堵指数

15 min路段的拥堵指数计算方法如下列公式(1)所示：

上述公式中CSij表示第i条路段第j个间隔的计算速度，即路段上车辆行驶的实际运行速度，RSij则表示的是第i条路段第j个间隔的参考速度，即道路在自由流状态下的速度值。

②计算统计间隔里区域的拥堵指数

对15 min间隔中计算出的路段指标值Xij，以路段的长度为权重，进行加权平均，所得区域的拥堵指数计算如下列公式(2)所示：

式中：N表示区域的路段总数。

通过计算，最终所得的交通拥堵指数固定在范围0～10，指数小于0赋值0，指数大于10赋值10。反映在地图上，指数数值越高，表示这条路的交通拥堵状况越严重，按等级划分，共分为五级，分别代表道路的畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵等五级[2]。即当一条道路的拥堵指数在0～2之间时，会在地图相应的位置显示出绿色，当一条路的拥堵指数大于8时，会在地图相应的位置显示出深红色。不同指数表示道路拥堵情况如下：

0～2，畅通：表示可顺畅到达目的地；

2～4，基本畅通：表示一次出行平均需要比畅通时多花费0.2～0.5倍时间；

4～6，轻度拥堵：表示一次出行平均需要比畅通时多花费0.5～0.8倍时间；

6～8，中度拥堵：表示一次出行平均需要比畅通时多花费0.8～1.1倍时间；

8～10，严重拥堵：表示一次出行平均需要比畅通时多花费1.1倍以上时间[2]。

计算中自由流速度是指密度为零时交通流的理论速度，或者说是不受其他车辆干扰、根据驾驶员主观意愿自由选择的行驶速度。此处我们初步结合各道路等级的设计时速及实际道路的速度值，定义RT I C 各等级的自由流速度如下：

RTIC1等级：100 km/h

RTIC2等级：80 km/h

RTIC3等级：50 km/h

RTIC4等级：40 km/h

相关参考如表1、表2所示。

表1 各级公路设计速度

表2 各级道路的设计速度

以上为自由流速度确定的原则，参考出处：“城市道路工程设计规范（CJJ37-2012）”和“公路工程技术标准（JTG B01-2003）”。结合实际情况设定道路等级自由流速度参考值，如表3所示。

表3 不同道路等级自由流速度

2.3 算法纠偏与校正

但往往自由流车速会根据实际城市道路情况不同而有所变化，故本文将进一步深入研究流量与速度的关系。在按实际情况进行自由流车速计算后，完善指数计算算法：

计算分区域分道路等级平均行程车速，根据实际计算结果，取前5%～10%的行程车速作为自由流车速，与2.2中设置的自由流车速参考做对比，进行修正。

另外，新能源汽车GPS数据中仅包含车辆当前记录时间的得瞬时速度数据，故需要通过对GPS数据分析处理，提取计算平均行程车速。平均行程车速的计算需要遵循以下步骤：

①坏数据删除。首先，需要对新能源汽车GPS数据进行坏数据清洗，包含对日期时间、车牌（或车辆唯一标识）、经纬度及瞬时车速格式正确性判定，对瞬时车速的数据合理性进行判定。

②大离散数据剔除。其次进行大离散数据剔除。由于数据中存在一些偏差过大的数据，这些数据会对均值取值产生极大影响，从而干扰交通流的平均行程车速计算，因此需要进行大离散数据剔除。大离散数据剔除采用的原则依据样本数量大小有所不同，一般来说大样本数据适合使用莱茵达准则，数据量较小则适合依据格拉布斯准则和迪克逊准则。本文因数据量大，采用莱茵达准则进行剔除。根据莱茵达准则，样本数据为x1、x2、……、xn，首先计算算术平均值，再计算剩余误差，最后根据贝塞尔法计算均方根偏差，计算公式分别如下：

本文采用的数据量较大，误差服从正态分布时，误差绝对值大于2σ的观测数据出现概率约为5%。

即|xi—X|>2σ时，可以进行数据剔除，反之保留。

最终可对不同范围车速进行二次修正。

3 应用案例

本文实际应用案例选取上海市杨浦区及嘉定区进行实际数据计算分析。数据基本情况如下：杨浦区及嘉定区新能源汽车数约40万辆，GPS总数据量约2亿条，原始数据表字段如表4所示。

表4 新能源汽车GPS数据表（T_EVGPS）

根据本文采用的拥堵指数计算方法，进行道路及GPS数据的空间匹配，按15 min时间段进行划分，统计每15 min每条路段的点车速（瞬时车速）：

①首先对坏数据进行筛查删除。将所有点车速进行筛查，对不规范、错误的坏数据进行删除，以免对后续行程车速计算造成较大影响。

②大离散数据剔除。根据大离散数据剔除标准，误差服从正态分布时，误差绝对值最大约为5%的数据进行剔除，将临停、超速等偶发情况造成的车速过小、过大数据进行剔除。

③确定自由流车速：按道路等级及车道数进行分类，对所有点车速进行排序，取前5%～10%的速度作为自由流车速值。形成道路自由流车速表。

④行程车速计算。对每条路段点车速进行均值计算，得到行程车速值。

⑤道路拥堵指数计算。根据本文采用的拥堵指数计算方法，进行二次修正，得到每条路段及区域的拥堵指数计算结果。

如果车速v<30 km/h，指数=6.2×Ln(自由流车速/车速)+2.9，（ln以自然对数e为底）；

如果车速v≥30 km/h，指数=20.8×Ln(自由流车速/车速)+0.800 35，（ln以自然对数e为底）。

⑥通过建设可视化系统，形成可视化成果。最终数据及可视化效果如图1、图2所示。

图1 区域拥堵指数

图2 道路车速分布

4 结 语

随着城市交通的发展及智能技术的进步，城市交通管理者迫切需要了解实际交通状况，建立交通拥堵评价指标是首要选择。本文主要是应用大数据算法及数据可视化技术，建立交通拥堵评价指标及指数计算方法，基于上海新能源汽车GPS数据进行交通拥堵指数计算分析，反映上海道路拥堵情况，通过指标计算结果为交通管理提供辅助性决策分析数据支撑。本文作为辅助性探究，使用新能源汽车GPS数据，基于路段速度研究交通拥堵评价方法，填补新能源汽车研究路段拥堵情况的空白，同时新能源汽车车辆比例远远超过出租车辆数，故基于新能源汽车GPS数据研究路段道路拥堵具有很大的研究意义，但本文数据类型比较单一，可结合各类城市交通大数据融合分析比对，形成更实际、精准的道路运行情况判断。