近年来,各地交通运输主管部门积极推进高速公路运行监测体系建设,高速公路可视化管理功能持续完善,服务水平不断提高。但由于各地运行监测系统建设时间、联网范围、系统功能等方面差异较大,尚未实现视频监测全联网、全覆盖与智能化,难以满足路网高效运行、及时处置突发事件和提供优质出行服务的需求。
在《广东省数字交通“十四五”发展规划》中,提出了要“加快建设交通要素感知全面、运输服务便捷智能、技术应用高效融合、网络安全保障有力的数字交通体系,为广东建设现代化综合交通运输体系、交通强国示范省提供坚强有力支撑”。重点任务中,也提及到建设广东省视频云联网中心,深入挖掘多源数据分析应用场景,要加快推进“两客一危一重”车载监控视频采集接入,强化重点营运车辆的可视化监管能力,提升车辆追溯分析能力。
本项目,广东省高速公路路网运行监测系统的建立,积极响应国家建立交通强国的各项政策要求,既提供了车流量数据的统计分析服务,也实现了对重点车辆的监控,对行驶轨迹的分析研判,有效助力打击非法营运车辆。
车流预测方法是基于贝叶斯回归的多模型融合方法。
预测算法是具备时空关联特性的高精度预测。采用基于贝叶斯回归算法对多种人工智能模型(LSTM、SVR、KNN、Random Forests、XGBoost)的预测输入进行综合寻优。多种人工智能模型的输入包括空间特征(与预测对象相关联的收费站入口、门架的流量历史数据)、时间特征(星期数、小时数等)和自相关特征(预测对象自身的流量历史数据),上述多种模型在对应时间点的输出则作为融合模型的输入,进而得到基于贝叶斯回归的融合模型的流量预测结果。
如果通过微观交通演变去阐释目标收费单元流量形成的过程,可以得出,一个收费单元在某时段的流量来源于此前一定时段内从一定空间范围内收费站或收费单元驶入高速路网的车辆。车辆从入口站进入高速公路网行驶,与共享同一路段的其它车辆相互作用而影响着途经路段的交通流状态,同时宏观交通流状态也会反作用于车辆个体而影响其行驶速度演变,最终影响车辆到达目标收费站所需时间,因而可推断其它收费站历史入口流量必然与待预测目标收费站出口流量存在一定的因果关系。
另一方面,从宏观交通关联的角度看,同一区域内或不同区域间的收费单元,可能由于某种交通联系而形成流量规模或演变趋势的协同关系或互补关系,比如当目标收费单元周边收费站入口流量较大时,所在区域可能处于一天中的交通量吐出的潮汐过程中,那么此时目标站出口流量可能与周边站入口流量呈反相关;又比如某两个区域可能由于用地性质的相似性或互补性,使得两地收费单元相关流量呈现齐头并进或此消彼长的发展态势。
本文拥堵指数的建立,是将国标与行业特征相结合,基于实时、精准、全量的高速公路通行数据,创新性地提出一种较为准确地衡量道路拥堵情况的指数。
1. 数据预处理
本文使用的是实时上传的高速公路门架原始流水。由于受到系统故障、人工干预、天气等不可预计的外界因素影响,高速公路收费系统的原始数据存在杂乱性、重复性、不完整性等诸多问题,并不能直接用于试验,需要进行数据预处理后才能使用。
根据业务知识,对数据的特情状况等进行筛选,剔除已知的不可用数据。同时,还需要进一步处理异常数据。在相同时间区间行驶的车辆,个体旅行时间应是服从正态分布的,即同一时间段内出发的车辆,若通行的时间和其他车辆的旅行时间相差较大,则认为车辆的数据存在异常。故首先需要计算得出样本的平均值和样本的标准差。
样本的平均值为:
μ=x1+x2+⋯+xnn
样本标准差为:
s=(x-x)2n-1
当观测值和样本均值的差值除以标准差Gi=xi-μs≥2,则被认为是异常值,将会对其进行剔除处理。
2. 基于平均旅行时间指数的拥堵评价模型建立
(1)平均旅行时间指数TTI
平均旅行时间指数TTI是行业中最常使用的城市拥堵度评估指标,是实际旅行时间与自由流动时间之比。该值越大,流量运行状况越差,拥堵程度通常为正。相关的其他异常天气情况(如雨,雪,雾等)或异常道路情况也可能影响TTI的值。
根据速度的基本思想,前一ETC收费门架的通行时间为t1,后一个ETC收费门架的通行时间为t2,并且每一个道路的长度为S,则该道路的平均速度为:
V=S(t2-t1)。
本文中使用的TTI来评价交通拥堵的情况,TTI定义为通过某一路段的实际的旅行时间和低交通量、低密度情况下的旅行时间之比。计算公式为:
TTIi=TiTfree=VfreeVi
其中Ti为实际通行时间,Tfree为低交通量的状态下的通行时间,Vi为实际通行速度,Vfree为低交通量状态下的速度。因为是同一路段S不变,故实际通行时间和低交通量状态下的通行时间的比例就是实际速度和低交通量状态下的速度的比例。
由于不同车型的车辆,运行速度具有一定的差异。故分车型对其通行时间进行探讨,将车型分为四类,具体分类如REF _Ref114067774 \h表 1所示。
类别 |
车型 |
小型客车 |
1 |
其他型客车 |
1,2,3,4 |
小型货车 |
11,12,13,21,22,23 |
大型货车 |
14,15,16,24,25,26 |
参考《城市交通运行状况评价规范》中自由流速度Vfree的方法对各个车型低交通量、低密度情况下的机动车所能达到的行程时间进行计算,计算过程如下所示:
① 将6:00~24:00按给定时间间隔等分,其间隔长度不超过15min,本文选取时间间隔为5min。
② 计算每一车型,每一时间间隔平均行程时间的算数平均值,样本天数应不少于30天;
③ 分车型将计算出的平均值从小到大排序,取排序结果的前19进行平均。其结果作为该车型在低交通量、低密度情况下该路段的通行时间Tf,i。
每5分钟取一次两个门架间的通行时间和车流量,取通行时间最短的19的车辆,计算19中车辆每个车型的车流量占比为fc,ifi,将其作为权重。则该时间段内该路段TTI为
ω=fc,ifi
TTI=1ωTTIi=1ωTiTfree
(2)评价方法
在《城市交通运行状况评价规范》中规定了路段交通运行状况等级按照路段平均行程速度与自由流速度的关系划分出五个等级:
Vkj>Vf×70%Vf×50%<Vkj≤Vf×70%Vf×40%<Vkj≤Vf×50%Vf×30%<Vkj≤Vf×40%Vkj≤Vf×30%
① 路段平均行程速度大于自由流速度的70%为畅通
② 路段平均速度大于自由流速度的50%且小于或者等于自由流速度的70%时为基本畅通。
③ 路段平均行程大于自由流速度的40%小于或者等于自由流速度的50%时为轻度拥堵。
④ 路段平均行程大于自由流速度的30%小于或者等于自由流速度的40%时为中度拥堵等级。
⑤ 当路段平均行程速度小于或等于自由流速度的30%时为严重拥堵等级。
根据下列公式,时间和速度的比例以及
Vkj=SiTkjVfree=SiTfreeT��I=TiTfree
因为本文的判断是基于TTI对此进行判断,故
TTI<107107≤TTI<22≤TTI<5252≤TTI<103103≤TTI
定义运行状况等级如 REF _Ref111559870 \h 表 2。
运行状况等级 |
畅通 |
基本畅通 |
轻度拥堵 |
中度拥堵 |
严重拥堵 |
取值范围 |
|
|
|
|
|
数据中台对原始流水进行去重、清洗、转换,搭建算法模型,通过将海量的高速公路数据经过复杂的数据处理后,提取关键信息,按时间、空间、功能等多种不同维度进行归类整理,最终将结果保存在数据库或展示给用户,为用户了解全省高速公路的交通情况提供了精准、迅速、可靠的技术支持。
1. 高速公路车流量实时监测模块
依托大数据技术,对高速公路主线门架、出口收费站和入口收费站实时上传的车辆通行流水数据,进行车流数据有效性过滤和脏数据清洗。后端再根据档案信息中心的业务应用场景和管理需求,开发出不同统计维度车流量实时和历史API接口及相关系统,关键指标项包含全省各路段实时车流、重点路段车流、拥堵路段车流、出入省界车流和城市片区趋势车流等接口,前端开发通过接入车流量API接口数据,实现各项车流指标在移动客户端展示车流量可视化。用户可随时随地掌握全省高速公路车流数据,对全省高速公路路网运行状况有了宏观的概念,为疏导拥堵车辆以及全面做好交通监测调度提供了科学的数据支撑。车流通行流水数据上传至省中心,5分钟即可完成95%的上传率,确保数据上传的及时性。同时为了满足监管单位的需求,定制开发了不同主题的车流量监控模块,可针对不同的维度的车流量进行实时的统计分析,其中包括了全省车流量统计、跨省流量统计、片区趋势统计分析(如REF _Ref114068291 \h图 2所示)、跨江流量统计分析(如REF _Ref114068218 \h图 3所示)、拥堵指数统计分析(如REF _Ref114068248 \h图 4所示)。
图 SEQ 图 \* ARABIC 2(数据粤通小程序)高速公路车流量实时监测
图 SEQ 图 \* ARABIC 3湾区跨江通道的车流量趋势[1]
2. 高速公路车流量预测模块
1) 未来2小时车流量预测
根据高速公路出入口流水和门架流水数据,可以实时不间断地对未来2小时内每5分钟、15分钟、30分钟等时间粒度车流量数据进行滚动预测,对流量峰值也能够准确预测,最终可输出包括区间、站点到达、站点出发(历史数据研判结果)等按不同时间粒度随时间变化的车流量预测曲线图。
2) 节假日车流量预测
通过建立回归分析模型,根据历史节假日以及实时高速公路的流水数据和门架流水数据,并利用人工智能算法挖掘高速公路交通流的时空关联特性,可实现以下3个功能:
(1)节假日前估算出节假日免费放行的车流量,包括但不限于高峰时刻的峰值和时间区间估算,从而实现峰值预警。
(2)节假日过程中实时估算未来2小时的车流量。
(3)节假日每天或剩余天数的日车流量。
节假日车流预测界面如REF _Ref114068367 \h图 5所示。
3) 车流量来源空间分布分析
根据时空注意力模型的结果,可以得知影响各区间未来车流量的主要来源,从而引导相关单位提前在主要区间进行有效的预防管控措施。该应用可通过热力图、迁移图等可视化形式,直观地展现车流的流量、来源以及去向。
4) 车流管控仿真功能
基于全省高速公路出入口流水和门架流水数据,利用SUMO软件基于大规模计算平台进行并行仿真,模拟出交通监管部门对局部地区进行交通管制后,对车流量的影响。先确认目标区间,软件会给出对该地区车流量影响最大的几个区间,用户选择管制手段后,如“全面封锁”,软件会自动模拟出目标区间的车流量变化状况。辅助监管部门高速路路网运行应急指挥调度,使决策更有效地解决交通堵塞问题。仿真拥堵疏导决策界面如REF _Ref114068421 \h图 6所示。
图 SEQ 图 \* ARABIC 6 仿真拥堵疏导决策界面
以高速路车辆“在途车状态”、“在途车轨迹”2种数据服务为基础,构建重点车辆在途车数据服务。对用户指定车牌或车牌规则的车辆,实时监测目标车辆在高速公路的运行轨迹,实时推送最新通行状态信息。
如涉嫌非法营运车辆,用户提供重点关注的名单后,可提供入口实时报警和未来出口预警的数据服务。该服务通过API接口的形式提供。
其中“两客一危”车辆接入数据后,还能展示车辆基础信息,起到异常通行行为的预警、事故发生后第一时间报警,界面如REF _Ref114068463 \h图 7所示。
本项目开发的系统定位于实时、多维度、高精度、全主题的车流量统计系统,降低高速公路运营的人力成本;定位高流量区间和实时拥堵路段,为有效疏导拥堵提供数据支撑,降低交通参与者的出行时间和出行费用。同时,本系统为政府规划高速公路等政策提供数据支撑,为疫情防控等特殊情况提供敏捷开发,及时、精准定位涉疫车辆,预计为疫情防控降低了25%的人力资源成本和时间成本。
本项目服务对象包括:高速公路运营单位、各地市政府单位和交通领域的主管部门等。本系统可为高速公路大流量区间和实时拥堵路段进行精准定位,及时发现拥堵,疏导拥堵;遇到事故性拥堵时精准定位,及时进行救援,预计系统投入使用后,可保证快速定位大流辆和拥堵路段,及时疏导,提高高速公路通行能力和高速公路收费效率、降低人力运营成本等,预计经济收益提高10%。
通过大数据与云计算等信息化手段,助力道路交通管理,提升交通行业服务管理水平和道路交通运行效率。通过半年的上线试运行,有效遏制了严重影响道路与行车安全的大货车超载、非法营运、货车冲卡等违法行为,为交通执法部门精准布控与打击提供数据支撑。本项目还提升了高速公路的行车安全,净化了道路运输市场环境,打击了各类严重影响通行的违法犯罪行为,进一步保障了人民群众的生命财产安全。
实时的车流量分析和拥堵评价,在减少出行时间和费用、减少社会经济损失、提供道路服务质量具有重大意义,是交通运输行业稳步发展的基石和第一步。项目研究成果提高了城市交通管理决策的信息化、科学化水平,关注大流量、常拥堵交通问题,项目的研究成果具有深远的社会效益。
据国家环保总局统计资料,我国机动车行驶时排放出的一氧化碳、碳氢化合物、氮氧化合物、二氧化硫等有毒有害气体已经成为城乡空气污染的重要来源,其中氮氧化物排放量已占总量的50%,一氧化碳占85%。交通拥堵时,车辆经常需要进行减速、加速、甚至停车等候,导致车辆燃油消耗和尾气排放量急剧增大;高速公路拥堵区段是形成机动车排放污染物的主要场所和环境容量超标的热点地区。城市公共交通发展滞后和短缺也是造成很多城市交通拥堵的重要原因。交通拥堵使得汽车污染排放增加,这是因为,在交通拥堵的情况下,车辆不能正常行驶,使得汽油燃烧不充分,由于燃烧不充分,排放大量有毒气体,污染了环境和空气。同时,车辆在路上行驶的时间越长,消耗的燃油也越多。而确保交通畅通可起到促进汽车节能减排的作用。有研究结果表明,轿车的时速由20公里提高到50公里,其排放的一氧化碳、碳氢化合物可减少50%左右。城市交通状况的好坏,很大程度上取决于城市的交通管制水平。因此,建设我公司开发的新一代智能交通管理系统是解决交通拥堵的重要措施。