大数据驱动的动态交通分配仿真及实证研究

姚子男

（上海市城市建设设计研究总院（集团）有限公司，上海 200120）

环境污染和交通拥堵是工业化进程中最重要的两类社会问题，两类问题相互影响、相伴共生。破解交通拥挤和环境污染最主要的方法之一就是进行交通分流和疏解。交通流量动态分配和协调主要针对当前大城市交通拥堵问题，利用视频监控技术获取城市特定区域实时交通流量信息，针对预定的交通流量分配和协调目标设计效用函数，通过特定数学算法获取效用函数的极大或极小值，在此基础上分析和预测指定路段或交通节点的人（车）流量、速度、密度以及通勤时间，科学确定最佳路线、合理安排通勤。

国内外学者关于交通流量分配和协调问题提出了较多有效的解法。王静远等[1]总结了如何利用大数据技术设计智慧城市的通用方法；黄大荣等[2]基于大数据技术设计了如何对城市交通运输网络进行优化和动态协调，缓解交通拥堵问题；张坤等[3]分析了数据描述客体在数据分析过程中的具体应用并进行了仿真例证。

本文在学习和借鉴已有研究成果的基础上，基于大数据驱动和互联网技术，以手机信令数据为人（车）流量标定的基础，利用标定数据建立交通流量动态分配和协调问题数学模型，基于数学模型提出交通流量效用函数，通过智能算法求解并进行仿真验证。

1 手机信令数据在交通流量标定中的应用

1.1 手机信令数据的概念

手机信令数据主要产生于手机通信或定位，运营商通过基站能够记录手机信号的运动轨迹，通过特定分析方法可以实现手机信号的定位与密度分析，掌握手机使用者的运动状态和相关轨迹。手机信令数据的产生离不开手机定位技术，手机信令数据具有一定的单方向性，为基于信令数据研究手机使用者的出行行为提供了可能。

1.2 基于手机信令数据的交通流量监测方法

基于手机信令数据可以实现对人口分布的估算，在此基础上可以得出静态初始目的地（origin destination，OD）矩阵（简称OD矩阵，下同），实现对交通流量的实时动态监测。交通流量分布OD矩阵可以表征为利用手机运营商基站得到的信令数据容量、待研究城市手机人均拥有率、手机运营商市场占有率、用户手机被监测概率等有关，具体可以表示为：

式中：XOD——表示交通流量分布OD矩阵；γ——利用手机运营商基站得到的信令数据容量；α1——待研究城市手机人均拥有率；α2——手机运营商市场占有率；α3——用户手机被监测概率。

在利用待研究区域交通流量实时监测数据的基础上，结合当地手机运营商提供的基础数据，包括手机运营商基站得到的信令数据容量、待研究城市手机人均拥有率、手机运营商市场占有率、用户手机被监测概率等，可以计算得出交通流量分布OD矩阵。在此基础上，对待研究区域的地理数据信息进行分割，设置合理的交通路线起始点，可以得到城市交通流量OD分布概况。

1.3 手机信令数据用于交通流量监测的适应性

手机信令数据基于手机定位功能和信息（包括文字和语音）收发得以实现，具有实现简单、定位准确的优点，手机保持开机状态就可以采集相关信息，具有较好的实时性和时间持续性。

手机信令数据样本容量大，在线处理时具有较大的计算负担，对算法运算能力有更高的要求。手机信令数据的定位精度较，目前最大定位精度约为300 m，低于GPS定位精度，更适用于中大尺度的空间。在使用手机信令数据进行交通流量监测时，一方面需要开发运算速度更快、在线处理能力更强的数学算法，另一方面需要结合研究范围的空间尺度情况进行选择。

2 动态交通流量分配和协调数字化模型

交通流量分配和协调仿真是交通状况实时监测数据和城市交通流量OD分布概况的直观体现，具有形象、准确、灵活的特点，是进行交通动态疏导的重要技术手段。现阶段，大数据分析技术和三维立体显示技术有助于交通流量分配和协调仿真的真实化实现。

交通流量分配和协调仿真技术的基础是动态交通流量分配和协调数字化模型，该模型主要由路阻函数模型和交通动态OD模型两部分组成。

2.1 路阻函数模型

路阻函数模型主要表征特定区域交通流的阻力，即交通路网对人（车）通勤能力的限制[4]。路阻函数模型最早由美国联邦公路局（FHA）提出，较多学者在此基础上进行了改进，目前较为通用的模型为：

式中：t——车辆通行路段的有效时间；t0——指定路段的自由流通时间；b——指定路段的车流量；a——指定路段设计通行能力；α、β——待确定的参数。

在实际计算过程中，指定研究路段后，可以利用视频检测统计工具或微波信号检测器获得人（车）单位时间、单位断面的通行量，由计时器获得该路段人（车）的行驶和通勤时间，在此基础上利用式（2）进行积分运算，可以求得路阻函数的实际值。

2.2 交通动态OD模型

交通动态OD模型主要基于手机信令数据和交通流量监测技术，利用人（车）通勤数据对交通流量进行动态调整和校准。基于数据迭代算法实现最短通勤路径的有效搜索，并在此基础上对指定路段的人（车）流通勤能力进行分配[5]。

交通动态OD模型：

式中：z——交通动态OD模型有效值；r(w,t,p)——观测时间t内指定路段w处人（车）流量实测值；d(w)——该路段人（车）流量标定值；q(l,t)——观测时间t内待定路段l上人（车）流量密度实测值；qˉ(l,t)——观测时间t内待定路段l上的人（车）流量密度标定平均值；p——待确定参数。

进行交通动态OD建模时，需要采集手机信令数据，在此基础上对数据进行归一化处理，根据处理结果采用智能化算法（神经网络、深度学习等），对人（车）流量的各种数值进行统计分析，依据式（2）映射出交通动态OD模型的有效值，完成建模工作。

基于交通动态OD模型，可以计算特定时间和指定路段内的交通流量相关数据，对数据进行归一化处理，并利用梯度下降等算法求取极大（小）值，可以确定该段时间内交通流量的分配方案。

2.3 仿真实现步骤

动态交通流量分配和协调数字化模型主要由路阻函数模型和交通动态OD模型两部分组成，路阻函数模型相当于交通动态OD模型的Kron积运算：

式中：P——动态交通流量分配和协调数字化模型有效值；⊗——矩阵Kron积运算。

基于动态交通流量分配和协调数字化模型，可以实现动态交通分配仿真验证。

（1）构建城市指定区域路网通勤地图，主要基于城市交管部门提供的卫星云图和交通流量实时观测大数据。

（2）利用车牌识别、交通流监测、微波数据统计等技术手段，实现对人（车）流量的有效监测。在此基础上获取通行路段的有效时间、指定路段的自由流通时间、指定路段的车流量、指定路段设计通行能力、人（车）流量实测值、人（车）流量标定值、人（车）流量密度实测值等相关数据，构建路阻函数模型和交通动态OD模型。

（3）利用手机信令数据，获取人（车）流动OD相关数据，对动态交通流量分配和协调数字化模型进行数据修正，根据修正值调整动态交通流量分配和协调数字化模型中的待定参数，直至获得最优值。

（4）利用三维动态仿真图实现对交通流量的动态分配，实时监测交通通勤状态。

（5）判断交通动态OD模型的有效值是否收敛，如果收敛表示交通状况良好、交通分配和协调方案有效运行、路面无拥堵现象；如果有效值发散，表示交通状态恶化，需要进行在线疏导，并返回执行识别检测，直至有效值收敛为止。

3 结语

综上所述，文章结合特定区域交通实时状态监测数据，通过建立路阻函数和交通动态OD模型，利用手机信令数据对交通流量实时状态进行了标定。在此基础上制定了交通分流方案，利用分流方案对交通状况的进一步发展情况进行了预判，数字化分析分流结果。相关成果具有一定可实施性，且经过工程实践证明了其有效性，可以为相关专业技术人员提供借鉴和理论指导。