基于高速大数据与C#编程的路段出行结构分析

□ 齐 涛 张诗蔚 聂小虎

随着我国高速公路信息化与数字化的快速发展，高速公路信息系统每天都会产生大量的交通数据，高速公路OD数据和路段流量的采集越来越便捷。以湖北省为例，2022 年湖北省高速公路出行产生了3 亿车次的通行数据。高速公路改扩建项目通过对这些数据进行分析，可以对车辆在高速公路上的行驶轨迹进行还原，进而分析出高速公路路段的出行结构。目前，国内已经积累了大量高速大数据的研究成果。国内有学者基于高速大数据的特征构建了高速大数据的平台架构；有学者提出了高速大数据在交通量预测的优化方法；有学者结合VB编程对探讨了高速大数据在交通构成领域方面的应用；有学者利用高速大数据对广东省高速交通流时空分布格局进行了分析；有学者对联网收费数据在交通量预测领域的应用进行了总结；有学者利用高速大数据提出了站间交通状态的研究方法；有学者基于高速联网数据提出了高速断面的交通量计算方法；有学者基于高速大数据开发了相关交通量预测程序。这些研究对高速大数据在交通量分析领域的应用进行了深入探讨，然而目前并未形成高速公路路段出行结构分析的系统方法。

出行结构是指路段的交通量构成，对高速公路而言，是指高速公路路段的交通量分别由哪些OD对组成。一直以来，路段出行结构都是高速公路改扩建项目中现状交通量分析的重点和难点，是影响路段交通量未来发展趋势的重要因素，也是当前高速公路改扩建项目决策分析中关注的焦点之一。

一、高速大数据处理

1.高速大数据字段信息

高速公路联网收费系统主要通过收费站、门架系统等硬件设施获取车辆通行信息。收费站系统可将上下高速的车辆进出口信息、进出时间，收费情况等信息记录下来。在高速公路上通行的每一辆车都有一个通行ID，根据分析需要，一般从联网收费系统中导出的数据字段包括通行ID、入口时间、入口站名称、入口站编号、出口时间、出口站名称、出口站编号、车型等信息（见表1 所列），且每辆车的一次通行记录为一条数据。

表1 高速大数据字段信息

由于高速大数据每个车次通行都会产生一条数据记录，针对单个省份而言，全年产生的高速公路数据量庞大，因此有必要对高速大数据进行标准化的处理，以将系统中导出的原始数据变成工程中规范可用的标准数据。

2.高速大数据预处理

高速公路联网收费系统中导出的数据会存在一些不必要的或者错乱的信息，如数据中存在的空格、特殊字符，无关的高速公路门架记录等，因此需要对高速公路大数据进行数据预处理，以清洗掉无用的数据。

高速公路大数据的预处理需要借助已有的收费站字典表进行，根据收费站字典表对高速大数据进行匹配，对于匹配失败的数据则认为是无用数据，予以删除。见表2 所列。

表2 收费站字典表信息

3.高速大数据OD

预处理已经清洗掉高速大数据中的无用数据，但由于数据量过大，工程人员依然无法直接对高速大数据进行分析，因此需要进一步处理以获取高速大数据的OD。高速大数据OD有2 种形式：一种是列形式，含有入口站、出口站、交通量三列的文件，每种车型对应一种文件；另一种是矩阵形式，矩阵的行标题为入口站名称，列标题为出口站名称，每种车型对应一种文件。根据高速大数据OD分析需要，笔者采用列形式进行处理。将高速大数据原始数据处理成为高速大数据OD，它是一个数据聚合的过程，即将入口站、出口站和车型相同的数据进行累加，最终得到该车型在某入口进入高速和某出口离开高速的车辆数。

二、高速大数据OD 分析

高速公路路段出行一般分为区内交通、对外交通和过境交通3 种类别：①区内交通是指车辆起点和终点均位于直接影响区的车辆；②对外交通是指起点或者终点有且仅有一个位于直接影响区的车辆；③过境交通是指起点和终点均位于直接影响区之外的车辆。高速大数据OD分析的目的就是为了得到路段上区内交通，对外交通和过境交通的OD组成及其占比。

传统的高速公路出行结构分析依赖于excle 表格，数据处理工作费时费力，且极易出错，数据分析的效率和质量难以得到有效保证。本文研究出了一种快速高效的高速大数据OD分析方法，可以极大地节省人工处理分析的时间，提高数据分析的质量。

1.分析步骤

高速大数据OD 分析按照以下步骤进行：①高速大数据OD 导入数据库；②收费站地理信息导入数据库；③划分交通小区；④输出高速大数据OD分析矩阵文件。

2.收费站地理信息

高速公路路网由节点和路段组成，其中，节点包括收费站节点、枢纽互通节点和门架节点，高速公路大数据中统计到的数据一般包括收费站节点和门架节点。见表3 所列。

表3 收费站地理信息表（示例）

高速公路OD分析中关键的一步是将各个收费站点合并为交通小区，而交通小区一般通过行政区划进行划分，因此有必要将收费站的地理信息进行录入，即将收费站与其所属的区县，地市和省份进行关联。通过将收费站的地理信息进行关联，程序即可通过行政区划识别出其范围内的所有收费站，进而进行程序系统的下一步运算。

3.交通小区

交通小区一般按照项目直接影响区细分、间接影响区粗分的原则，按照行政区划范围进行划分。对于项目沿线则需要按照以收费站（覆盖的范围）为单位进行划分，每个收费站单独设置为1 个小区，对于项目间接影响区按照距离项目的远近、交通量竞争分流关系，对项目的影响程度等因素根据区县、地市和省份进行划分。

4.程序设计

采用C#语言对整个高速公路大数据OD 分析流程进行编程实现，数据库采用sqlite。程序可实现的功能有：导入OD数据、导入地理信息、添加小区、删除小区、生成OD 矩阵等。程序首先将高速OD 大数据进行地理信息关联，然后将地理信息与交通小区进行关联，最后通过逻辑运算输出交通小区的OD矩阵分析文件。

通过将高速大数据与收费站地理信息进行关联处理，程序可分析得出交通小区之间的高速公路出行OD。例如，某省份有576 个收费站，按照项目需要根据行政区划将其划分了15 个小区，程序最终可输出一个15×15 的OD矩阵。分析结果一目了然，且分析效率极高。

高速公路OD矩阵分析完成后，工程师即可根据项目情况针对高速公路的具体路段进行出行结构分析，从而得出项目分路段的出行结构。

三、案例分析

以京珠高速公路广东省某年高速联网数据为基础，利用本程序进行高速公路路段出行结构分析，分析沿线各路段的出行结构及其功能定位。

1.概况

G4 京港澳高速公路粤北省界至马坝互通段位于广东省北部韶关市境内，是京港澳高速公路主通道的重要组成部分，起于湘粤两省交界的小塘，北接京港澳高速湖南耒阳至宜章段，经老坪石、管埠、云岩、长溪、乳源、社主、甘塘、上坝、水文，止于与南邵高速相交的马坝枢纽互通，南接京港澳高速公路韶关至清远段，同时与乐广高速多次交叉，并存在交通转换。其中，小塘至甘塘段于2003 年4 月3 日通车，甘塘至马坝段于2001 年1 月20 日开通。

2.高速OD 分析

（1）数据导入。数据导入包含2 个部分，分别是收费站地理信息和高速大数据原始OD。利用高德地图api 接口将广东省内各个收费站对应的区县，地市进行批量对应，对于省界门架则将其对应的毗邻外省的区县，地市和省份进行对应，最后形成csv文件导入程序数据库。筛选出广东高速大数据文件的入口、出口、车次三列形成csv文件，将其导入程序数据库。需要注意的是，OD数据中不应出现空格、无法识别的特殊字符等。

（2）交通小区。依据广东省高速公路大数据，并以广东省及其周边省份现有的行政区划为基础，按照受项目影响程度的不同，将项目影响区划分为33个交通小区。见表4 所列。

表4 交通小区划分明细

（3）交通小区OD。在程序中分别添加交通小区及其编号，对于直接影响区（交通小区编号为1 ～13），按照收费站层级进行添加，粤北省界属于直接影响区，在交通小区筛选中可按收费站级别，也可按粤北省界毗邻的湖南宜章县，间接影响区则按相应的区县、地市即可。添加完成后，运行程序即可生成相应的交通小区OD 矩阵。

（4）分路段出行结构。通过对交通小区OD 矩阵文件进行分析，得到项目沿线各路段区内交通、对外交通和过境交通的占比，见表5 所列。通过分析可知，京珠北高速公路坪石北至乳源段过境交通占比均未达到50 %，京珠北项目的过境交通功能一般。造成以上情况的原因是，京珠北项目沿线存在一定的安全隐患，且由于乐广高速的建成，京珠北项目的过境交通量被分流导致。

表5 分断面交通出行占比

（5）路段出行流向。利用交通小区OD 文件对京珠北项目坪石北至乳源段的流向及其占比进行分析，将各路段流量流向按照里程进行加权平均，得到本项目沿线的交通流向及其占比。经过计算，全段区内交通占比31.25 %，对外交通占比37.53 %，过境交通占比31.22%。由此可知，项目沿线以对外交通出行为主，其次为区内交通，过境交通占比最低。

在流向及其占比上，对外交通中以项目沿线至湖南方向的占比最高，达到11.18 %；其次是广州方向，占比达到了6.65 %。在过境交通中，以湖南方向与广州方向的交通量占比最多，达到了10.81%；其次是湖南至东莞、深圳方向，占比达到10.10%。见表6 所列。

表6 本项目分路段现状交通出行特征（坪石北至乳源段）

四、结语

路段OD流量流向的分析是高速公路项目交通量预测工作的重要基础，路段出行结构是高速公路交通量分析的重要组成部分。区内交通、对外交通和过境交通的占比对于确定项目的功能定位具有重要意义。随着高速公路智能化的发展，高速大数据在高速公路项目中的应用将日趋广泛。基于高速大数据和C#编程的路段出行结构分析方法，通过收费站地理信息导入、高速大数据OD导入、交通小区划分等分阶段的数据处理分析工作，有效提高了高速公路项目交通量分析的工作效率和工作质量，对于推动高速大数据在高速公路项目中的应用具有较好的应用意义和推广价值。