溫曉岳　邱淳風(fēng)　王浩　李建元

摘 要： 針對(duì)不確定因素導(dǎo)致城市道路出現(xiàn)異常擁堵的現(xiàn)象，提出道路異常度的概念。首先對(duì)微波檢測(cè)器采集到的交通流速度和流量進(jìn)行預(yù)處理，再根據(jù)實(shí)時(shí)微波數(shù)據(jù)結(jié)合近期歷史數(shù)據(jù)分別構(gòu)建關(guān)于速度和流量的異常指數(shù)，最后依據(jù)速度和流量數(shù)據(jù)源的可信度給出道路異常度概念。視頻查詢結(jié)果表明，該算法能直觀、迅速地反應(yīng)道路異常程度，證明了算法的有效性。

關(guān)鍵詞： 微波檢測(cè)器； 異常度； 速度異常指數(shù)； 流量異常指數(shù)

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2015）06-48-04

Abstract： In urban traffic system uncertain sectors lead to abnormal congestion phenomenon， to solve the problem this paper proposes the concept of road abnormal degree. Firstly， collect speed and flow data from microwave sensors for data preprocess， then establish abnormal degree model about speed and flow by collecting the real-time data combine with the recent history data， and finally， based on speed and flow credibility propose the concept of road abnormal degree. The results of video query indicated this method can quickly react to the road abnormal degree and proved the effectiveness of the method.

Key words： microwave sensor； abnormal degree； speed abnormal index； flow abnormal index

0 引言

對(duì)于交通擁堵情況的分析，鄧衛(wèi)等在確認(rèn)交通擁擠出現(xiàn)的同時(shí)，將交通擁擠類型分為常發(fā)性擁堵與偶發(fā)性擁堵[1]，常發(fā)性擁堵主要發(fā)生在上下班時(shí)段，常發(fā)性擁堵通常是可以預(yù)測(cè)的，其重要特征是它會(huì)在某些固定時(shí)間和固定地點(diǎn)反復(fù)出現(xiàn)，交管部門可酌情做好預(yù)防工作。針對(duì)道路施工、惡劣天氣、交通事故等不可控原因造成的偶發(fā)性道路擁堵情況[2-3]，需通過(guò)人工巡查各個(gè)路口的視頻監(jiān)控點(diǎn)確定道路交通狀況，以進(jìn)一步?jīng)Q定是否增派警力消除擁堵因素，保持道路暢通。人工視頻巡查工作量大，且需要耗費(fèi)交管部門大量精力。劉偉銘等利用決策樹(shù)方法對(duì)高速公路事件持續(xù)時(shí)間預(yù)測(cè)問(wèn)題進(jìn)行研究[4]，用實(shí)時(shí)性的事件持續(xù)時(shí)間預(yù)測(cè)方法可以為事件管理人員確定最佳的緊急救援和交通控制策略提供在線幫助；羅小強(qiáng)等利用小波包變換可以有效識(shí)別結(jié)點(diǎn)能量分布的突變區(qū)間特性，判別交通擁擠事件的發(fā)生，可以有效辨識(shí)城市快速路交通擁擠事件程度[5]；張海軍等研究了異常事件對(duì)高速公路通行能力的影響，將事發(fā)點(diǎn)通行能力的影響因素歸為五類，并進(jìn)行微觀交通仿真[6]。上述大量研究針對(duì)異常事件的持續(xù)時(shí)間和影響展開(kāi)，但從異常事件導(dǎo)致道路擁堵開(kāi)始，到交通管理者發(fā)現(xiàn)警情并派遣警力疏導(dǎo)交通，需經(jīng)歷一段不確定的時(shí)間，因異常擁堵所帶來(lái)的損失已無(wú)法避免。微波檢測(cè)器可實(shí)時(shí)、全天候檢測(cè)所在路段信息，目前以微波檢測(cè)器為數(shù)據(jù)源的道路異常狀況主動(dòng)識(shí)別方法較少，不利于提高交管部門指揮效率。本文提出道路異常度的概念，通過(guò)定義道路速度異常指數(shù)和道路流量異常指數(shù)，計(jì)算出道路的異常度綜合評(píng)價(jià)指標(biāo)，反映出各個(gè)路段的異常程度，從而引導(dǎo)交警指揮部門通過(guò)視頻手段實(shí)時(shí)核查道路路況。

1 數(shù)據(jù)預(yù)處理

原始微波數(shù)據(jù)有以下幾個(gè)特點(diǎn)。

⑴ 每個(gè)微波檢測(cè)的是同一方向的幾個(gè)車道上的情況，包括速度、流量、車道占有率、車身特征等。

⑵ 每個(gè)微波以5分鐘為時(shí)間間隔采集數(shù)據(jù)，中間存在數(shù)據(jù)缺失現(xiàn)象，比如某個(gè)5分鐘沒(méi)有記錄，就變成了10分鐘收集一次數(shù)據(jù)。

⑶ 對(duì)于每個(gè)微波每一天的數(shù)據(jù)，都能各自詳細(xì)記錄。

由于檢測(cè)設(shè)備的機(jī)械故障、自身設(shè)計(jì)缺陷、安裝規(guī)范程度或者通信終端等問(wèn)題，微波雷達(dá)獲取的交通數(shù)據(jù)質(zhì)量難以保證，為了在數(shù)據(jù)處理之前得到更為可靠的數(shù)據(jù)，需要對(duì)采集到的原始微波數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗、數(shù)據(jù)恢復(fù)等。

1.1 數(shù)據(jù)清洗

首先把采集到的原始流量、速度數(shù)據(jù)與交通指揮部門根據(jù)歷史數(shù)據(jù)得出的閾值進(jìn)行比較，將閾值范圍以外的數(shù)據(jù)定義為錯(cuò)誤數(shù)據(jù)，表1給出了具體的錯(cuò)誤數(shù)據(jù)判別規(guī)則示例。

根據(jù)判別規(guī)則得到錯(cuò)誤數(shù)據(jù)后，需要對(duì)其進(jìn)行修正，對(duì)于不滿足理論閾值的數(shù)據(jù)，用閾值替代錯(cuò)誤數(shù)據(jù)，對(duì)于不滿足交通流理論的數(shù)據(jù)，采用歷史數(shù)據(jù)平均的方法進(jìn)行修正，比如可以采用當(dāng)前時(shí)刻前三個(gè)時(shí)刻檢測(cè)值的平均值進(jìn)行填補(bǔ)。

微波雷達(dá)檢測(cè)的是一個(gè)截面，即對(duì)微波雷達(dá)所處截面上的所有車道進(jìn)行檢測(cè)，并且按照時(shí)間順序分別記錄截面上各車道交通數(shù)據(jù)。在判斷每條道路的擁堵點(diǎn)時(shí)，只需知道在哪個(gè)方向發(fā)生擁堵即可，本文將同一斷面、同一時(shí)刻、不同車道的交通數(shù)據(jù)進(jìn)行轉(zhuǎn)換，具體轉(zhuǎn)換公式如下。

1.2 速度、流量數(shù)據(jù)整理

本節(jié)以微波點(diǎn)速度數(shù)據(jù)為例加以說(shuō)明，流量數(shù)據(jù)處理方法與之類似。經(jīng)數(shù)據(jù)清洗后的（X1，X2，…，Xn）構(gòu)成微波點(diǎn)X關(guān)于速度的一個(gè)樣本空間，由n個(gè)樣本點(diǎn)組成，其中可以計(jì)算出樣本均值，為樣本方差，當(dāng)樣本容量足夠大時(shí)，樣本均值趨近于總體期望，樣本方差趨近于總體方差，故本文中令總體期望，總體方差σ2=S2。

對(duì)大量采集到的微波點(diǎn)歷史數(shù)據(jù)分析表明，速度數(shù)據(jù)符合正態(tài)分布，某微波點(diǎn)的速度構(gòu)成的正態(tài)分布如圖1所示。

xv為微波點(diǎn)實(shí)時(shí)車速，μv、σv為根據(jù)相應(yīng)微波點(diǎn)近期速度計(jì)算出的期望和方差，則該微波點(diǎn)的近期數(shù)據(jù)Xv服從μv、的正態(tài)分布，即，通過(guò)的線性變換，可以將一般正態(tài)分布變換為標(biāo)準(zhǔn)正態(tài)分布，即，此時(shí)表示標(biāo)準(zhǔn)正態(tài)分布下的車速。故各個(gè)微波點(diǎn)可由符合各自的正態(tài)分布線性變換為符合標(biāo)準(zhǔn)正態(tài)分布，由標(biāo)準(zhǔn)正態(tài)分布的概率密度函數(shù)，y∈（-∞，+∞）可知線性變換后各個(gè)微波點(diǎn)的概率密度函數(shù)相同，均被統(tǒng)一在同一尺度空間下。

2 速度、流量異常指數(shù)

下面對(duì)速度異常指數(shù)和流量異常指數(shù)進(jìn)行具體闡述。

線性變換后標(biāo)準(zhǔn)正態(tài)分布下的車速可以反映當(dāng)前微波點(diǎn)車速xv與平均車速即期望μv的偏離程度，線性變換后的概率密度函數(shù)相同，即為，只是車速yv不同。由標(biāo)準(zhǔn)正態(tài)分布的概率密度函數(shù)可知，車速yv越小于均值μv，概率密度越小，車速變小說(shuō)明道路由于某種原因發(fā)生擁堵，需進(jìn)行重點(diǎn)關(guān)注。

3 道路異常度

由于本方法高度依賴于對(duì)給定數(shù)據(jù)所做的統(tǒng)計(jì)模型是否成立，即速度數(shù)據(jù)源和流量數(shù)據(jù)源是否符合正態(tài)分布，數(shù)據(jù)源模型越接近正態(tài)分布，計(jì)算結(jié)果的可信度越高。偏度系數(shù)描述一個(gè)分布偏離正態(tài)分布的程度，即用來(lái)衡量分布是否對(duì)稱。偏度系數(shù)為0說(shuō)明分布左右對(duì)稱，偏度系數(shù)大于0說(shuō)明分布相比正態(tài)分布右偏，偏度系數(shù)小于0說(shuō)明分布相比正態(tài)分布左偏。峰度系數(shù)反映了分布曲線相比正態(tài)分布在頂端高聳或扁平程度的不同，正態(tài)分布情況下，峰度系數(shù)為0。峰度系數(shù)大于0說(shuō)明分布曲線頂端比正態(tài)分布尖峭，峰度系數(shù)小于0說(shuō)明分布曲線頂端比正態(tài)分布扁平。故分別計(jì)算微波點(diǎn)在各自樣本空間內(nèi)的偏度系數(shù)和峰度系數(shù)，根據(jù)系數(shù)大小判定當(dāng)前微波點(diǎn)數(shù)據(jù)是否符合正態(tài)分布，偏度系數(shù)和峰度系數(shù)的絕對(duì)值越小，證明數(shù)據(jù)源質(zhì)量越好，接近正態(tài)分布的數(shù)據(jù)源應(yīng)當(dāng)給予更高的權(quán)重。

將速度的偏度系數(shù)和峰度系數(shù)的絕對(duì)值之和記為αv，流量的偏度系數(shù)和峰度系數(shù)的絕對(duì)值之和記為αf。如果αv<αf，說(shuō)明速度數(shù)據(jù)源的質(zhì)量比流量數(shù)據(jù)源的質(zhì)量好，則速度數(shù)據(jù)源的可信度為（可信度越大越可信），流量數(shù)據(jù)源的可信度為；如果αv>αf說(shuō)明流量數(shù)據(jù)源的質(zhì)量比速度數(shù)據(jù)源的質(zhì)量好，則流量數(shù)據(jù)源的可信度為（可信度越大越可信），速度數(shù)據(jù)源的可信度為。綜上所述，速度數(shù)據(jù)源的可信度為，流量數(shù)據(jù)源的可信度為。

4 算例分析

本文中以杭州市內(nèi)道路路段上的微波點(diǎn)檢測(cè)器采集到的交通流基本數(shù)據(jù)為例，將全天24小時(shí)劃分為若干個(gè)5分鐘時(shí)間槽，假設(shè)當(dāng)天數(shù)據(jù)庫(kù)中最新的5分鐘為12：20-12：25，經(jīng)過(guò)數(shù)據(jù)清洗后的890號(hào)微波點(diǎn)當(dāng)天實(shí)時(shí)數(shù)據(jù)如表3。

圖5中大方框?yàn)楫惓６扰琶谖宓穆范危谝粋€(gè)數(shù)字133代表微波點(diǎn)編號(hào)，第二個(gè)數(shù)字0.8798103代表當(dāng)前路段異常度，后面依次是當(dāng)前微波點(diǎn)所在的路段名稱和路段方向；小方框中標(biāo)明當(dāng)天14：45～14：50時(shí)間段內(nèi)的實(shí)時(shí)平均車速為8km/h，總流量為70輛，前面分別為近10天14：45～14：50時(shí)段內(nèi)的車速和流量，通過(guò)對(duì)比可以發(fā)現(xiàn)，當(dāng)前車速和流量明顯異常。

133號(hào)微波點(diǎn)所在路段為杭州石祥路（瓜山立交橋附近）自東向西方向，通過(guò)在視頻查詢14：50分實(shí)時(shí)視頻路況如圖5。

視頻查詢結(jié)果顯示高架下匝道口處出現(xiàn)異常擁堵現(xiàn)象，為車輛拋錨事故，后方清障車輛已到達(dá)現(xiàn)場(chǎng)，事故占用一個(gè)車道導(dǎo)致高架下匝道擁堵，所有其余車輛均避讓繞行，導(dǎo)致該路段車速明顯下降。

5 結(jié)束語(yǔ)

針對(duì)道路施工、惡劣天氣、交通事故等不可控原因造成的偶發(fā)性道路擁堵情況，通過(guò)對(duì)城市道路路段上微波檢測(cè)器采集到的交通流流量和速度進(jìn)行整理，清洗掉每個(gè)車道中不合理的數(shù)據(jù)，將每個(gè)路段每個(gè)方向上各個(gè)車道的信息整合為斷面數(shù)據(jù)，結(jié)合近期歷史數(shù)據(jù)分別構(gòu)建出關(guān)于速度和流量的異常指數(shù)，進(jìn)而計(jì)算出當(dāng)前路段的道路異常度，實(shí)現(xiàn)對(duì)城市道路路段實(shí)時(shí)、自動(dòng)監(jiān)控。實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)崟r(shí)反饋城市道路交通異常狀況，方法簡(jiǎn)捷、算法執(zhí)行效率高，具有相當(dāng)高的應(yīng)用價(jià)值。下一步的研究工作將針對(duì)異常擁堵事件引發(fā)的區(qū)域性擁堵進(jìn)行關(guān)聯(lián)性分析。

參考文獻(xiàn)：

[1] 鄧衛(wèi)，李峻利.高速公路常發(fā)性與偶發(fā)性交通擠的判別[J].東南大學(xué)

學(xué)報(bào)（自然科學(xué)版），1994.24（2）：60-65

[2] 彭春露，彭國(guó)雄.城市道路交通異常事件管理系統(tǒng)設(shè)計(jì)[J].交通與計(jì)

算機(jī)，2002.20（5）.

[3] 曾松，楊曉光.駕駛員異常交通信息響應(yīng)特性的分析[J].同濟(jì)大學(xué)學(xué)

報(bào)（自然科學(xué)版），2000.28（3）：301-305

[4] 劉偉銘，管麗萍，尹湘源.基于決策樹(shù)的高速公路事件持續(xù)時(shí)間預(yù)測(cè)[J].

中國(guó)公路學(xué)報(bào)，2005.18（1）：99-103

[5] 羅小強(qiáng)，陳寬民，張同芬.城市快速路交通擁擠事件檢測(cè)與程度辨識(shí)[J].

長(zhǎng)安大學(xué)學(xué)報(bào)（自然科學(xué)版），2010.30（3）：71-75

[6] 張海軍，張玨，楊曉光.異常事件下高速道路交通狀態(tài)的分析與仿真[J].

交通運(yùn)輸工程學(xué)報(bào)，2008.8（2）：116-121