栗 波， 余 志*

(1.中山大學(xué)智能交通研究中心， 廣州 510275; 2.廣東省智能交通系統(tǒng)重點(diǎn)實(shí)驗(yàn)室， 廣州 510006)

隨著城鄉(xiāng)居民生活水平的不斷提高，中國(guó)機(jī)動(dòng)車(chē)保有量持續(xù)保持快速增長(zhǎng)趨勢(shì)，居民通勤出行選擇偏好發(fā)生轉(zhuǎn)變，私家車(chē)的使用率攀升[1]。城市交通基礎(chǔ)設(shè)施的供給水平與居民日益增長(zhǎng)的私家車(chē)出行需求不匹配，致使城市交通系統(tǒng)供需矛盾日漸突出[2]。過(guò)去十幾年里，雖然城市道路交通基礎(chǔ)設(shè)施建設(shè)不斷推進(jìn)，但是城市交通擁堵?tīng)顩r仍然持續(xù)惡化，這一情形在中小城市的中心城區(qū)愈發(fā)嚴(yán)重[3]。在中國(guó)的中小城市，學(xué)校、醫(yī)院、購(gòu)物中心等公共生活服務(wù)場(chǎng)所往往地處中心城區(qū)，城市空間的不斷拓展和中心城區(qū)土地資源的緊缺，使得居民住宅與公共生活服務(wù)場(chǎng)所的空間分離問(wèn)題突顯[4]。城市居民通勤方式選擇偏好的變化進(jìn)一步加重了城市中心區(qū)域的交通壓力，導(dǎo)致公共生活服務(wù)場(chǎng)所周邊路段擁堵頻發(fā)[5]。中小城市中心城區(qū)面臨的剛性出行需求以及有限的土地資源，客觀(guān)上都制約了道路拓寬和停車(chē)場(chǎng)等基礎(chǔ)設(shè)施的增建。因此，如何充分利用城市中心區(qū)域有限的交通資源緩解公共生活服務(wù)場(chǎng)所周邊路段的擁堵問(wèn)題具有重要研究意義。此外，與交叉口相比，擁堵瓶頸點(diǎn)一般不會(huì)出現(xiàn)在路段中，但是公共生活服務(wù)場(chǎng)所周?chē)鶗?huì)在特定時(shí)段形成擁堵瓶頸點(diǎn)。出行者的個(gè)體交通行為與公共生活服務(wù)場(chǎng)所周邊路段的交通擁堵直接相關(guān)，建立出行者個(gè)體行為畫(huà)像對(duì)于路段擁堵成因分析和擁堵緩解對(duì)策制定都具有十分重要的參考意義。

按照發(fā)生的頻率，路段擁堵可分為時(shí)段與地點(diǎn)固定的周期性擁堵和由突發(fā)事件造成的時(shí)間、地點(diǎn)隨機(jī)的非周期性擁堵[6]。然而，公共生活服務(wù)場(chǎng)所周邊路段的擁堵則兼具兩類(lèi)擁堵的特征。以學(xué)校周邊路段擁堵為例，由上、下學(xué)的事件觸發(fā)了具有特定出行目標(biāo)的群體(學(xué)生、家長(zhǎng)、教職工等)的脈沖式聚集，進(jìn)而引發(fā)上學(xué)日的固定時(shí)段學(xué)校周邊路段的周期性擁堵?？梢詫⑦@類(lèi)公共生活服務(wù)場(chǎng)所周邊路段由于特定事件使得特定人群在特定時(shí)間段內(nèi)脈沖式聚集所引起的路段擁堵定義為“脈沖聚集式擁堵”。近年來(lái)，針對(duì)公共生活服務(wù)場(chǎng)所周邊路段的脈沖聚集式擁堵問(wèn)題，中外學(xué)者進(jìn)行了大量研究。為克服傳統(tǒng)交通檢測(cè)器(微波、線(xiàn)圈、視頻等)在擁堵識(shí)別中的應(yīng)用局限性，楊海強(qiáng)等[7]基于車(chē)輛全球定位系統(tǒng)(global positioning system, GPS)軌跡數(shù)據(jù)，利用空間聚類(lèi)算法對(duì)城市常發(fā)性擁堵區(qū)域進(jìn)行網(wǎng)格級(jí)別的識(shí)別。雖然GPS數(shù)據(jù)是一種低成本、大范圍的交通檢測(cè)數(shù)據(jù)，但是目前GPS數(shù)據(jù)較低的采樣率客觀(guān)上制約了擁堵識(shí)別的空間粒度[8]，使得GPS驅(qū)動(dòng)的擁堵識(shí)別方法在公共生活服務(wù)場(chǎng)所周?chē)谋憩F(xiàn)欠佳。Lu等[9]通過(guò)分析北京學(xué)生出行模式發(fā)現(xiàn)早高峰期間送孩子上學(xué)的私家車(chē)是導(dǎo)致學(xué)校周邊路段擁堵和污染的主要原因，建議大城市可以通過(guò)調(diào)整城市規(guī)劃，重新分配優(yōu)質(zhì)教育資源來(lái)解決“學(xué)校-家庭”空間分離的問(wèn)題，從而緩解中小學(xué)周邊路段的脈沖聚集式擁堵。寧波城市設(shè)計(jì)師們?cè)谝?guī)劃德培小學(xué)新校區(qū)時(shí)，專(zhuān)門(mén)為學(xué)校建造了多層地下停車(chē)場(chǎng)，滿(mǎn)足了家長(zhǎng)接送學(xué)生期間的停車(chē)需求，使得學(xué)校周邊的交通擁堵?tīng)顩r得以改善[10]。Gutierrez等[11]建議在規(guī)劃醫(yī)院建筑布局時(shí)，將急救中心與院區(qū)其他設(shè)施在空間上進(jìn)行分隔，試圖解決醫(yī)院周邊路段的脈沖聚集式擁堵問(wèn)題。

然而，交通基礎(chǔ)設(shè)施建設(shè)，尤其對(duì)中小城市的中心城區(qū)而言，經(jīng)常會(huì)受到各種因素的制約：一方面，閑置土地資源不足客觀(guān)上制約了停車(chē)場(chǎng)等設(shè)施的增建[12]，公共生活服務(wù)場(chǎng)所周?chē)耐＼?chē)需求趨勢(shì)具有明顯的時(shí)間集中度，為停車(chē)場(chǎng)規(guī)模及收費(fèi)定價(jià)的確定帶來(lái)困難和挑戰(zhàn)[13]；另一方面，道路拓寬或公共生活服務(wù)場(chǎng)所附近的交通重新組織、規(guī)劃均伴隨著高昂的成本并可能對(duì)周邊路段產(chǎn)生額外的影響[14]。此外，禁行、限行等交通管控措施在公共生活服務(wù)場(chǎng)所周?chē)膶?shí)施效果欠佳且易引發(fā)輿情關(guān)注[15]。所以，目前仍缺乏一種具有良好可推廣性、高效、低成本的解決公共生活服務(wù)場(chǎng)所附近路段的脈沖聚集式擁堵問(wèn)題的方法。由于脈沖聚集式擁堵的成因和性質(zhì)的特殊性，這類(lèi)擁堵問(wèn)題的治理方法也不同于經(jīng)典的擁堵緩解策略。首先，脈沖聚集式擁堵是由特定事件在固定的時(shí)段內(nèi)觸發(fā)的，對(duì)交通管理者而言，這類(lèi)事件可以事先預(yù)知并有針對(duì)性地提前采取管理措施；其次，引發(fā)脈沖聚集式擁堵的主要責(zé)任人是具有特定出行目標(biāo)的特定群體，擁堵主要責(zé)任人以公共生活服務(wù)場(chǎng)所周邊作為出行目的地，出行行為特征與同一路段上經(jīng)過(guò)該公共生活服務(wù)場(chǎng)所的過(guò)往車(chē)輛，具有明顯差異；最后，大部分常用的緩解交通擁堵的措施對(duì)于脈沖聚集式擁堵問(wèn)題的適用性較差：設(shè)立交通管制區(qū)域，在學(xué)校周?chē)范螌?shí)施限行、禁停等管理手段將與家長(zhǎng)接送子女的交通需求產(chǎn)生激烈沖突[16]。Xu等[17]統(tǒng)計(jì)了美國(guó)德克薩斯州的所有公立醫(yī)院周?chē)慕煌顩r后也發(fā)現(xiàn)，設(shè)置獨(dú)立急救中心并不能真正緩解醫(yī)院周邊路段的脈沖聚集式擁堵。

特定出行者在公共生活服務(wù)場(chǎng)所附近扎堆導(dǎo)致的脈沖聚集式擁堵，可通過(guò)對(duì)特定出行者采取不同行動(dòng)級(jí)別的精準(zhǔn)管理、誘導(dǎo)的方式進(jìn)行緩解[18]。因此，針對(duì)同一路段、同一時(shí)段內(nèi)的出行者建立精細(xì)化分類(lèi)模型，并用作路段擁堵責(zé)任劃分的依據(jù)是具有一定的理論和現(xiàn)實(shí)意義?；谏鲜鰡?wèn)題，按出行者的出行目標(biāo)，將公共生活服務(wù)場(chǎng)所附近路段上的車(chē)輛分為以服務(wù)場(chǎng)所為目的地的車(chē)輛和經(jīng)過(guò)服務(wù)場(chǎng)所的車(chē)輛兩類(lèi)。將在服務(wù)場(chǎng)所周?chē)丫奂能?chē)輛作為路段擁堵的主要責(zé)任對(duì)象，這些引發(fā)脈沖聚集式擁堵的車(chē)輛可稱(chēng)為路段的“致堵車(chē)輛”；經(jīng)過(guò)服務(wù)場(chǎng)所的車(chē)輛則可看作被擁堵影響正常通行的車(chē)輛，即“被影響車(chē)輛”。通過(guò)公共生活服務(wù)場(chǎng)所周邊路段的自動(dòng)車(chē)輛識(shí)別(automatic vehicle identification,AVI)數(shù)據(jù)，建立路段常使用者的個(gè)體出行行為畫(huà)像；并通過(guò)行為畫(huà)像提取出相應(yīng)的個(gè)體出行行為特征，通過(guò)多層聚類(lèi)算法實(shí)現(xiàn)對(duì)同一路段、同一時(shí)段內(nèi)的出行者進(jìn)行精細(xì)化分類(lèi)，從而明確不同管控級(jí)別的精準(zhǔn)管理對(duì)象。

1 方法概述

圖1為所提出的路段擁堵責(zé)任劃分方法的總體框架，分為4個(gè)部分：①輸入數(shù)據(jù)模塊，主要包括對(duì)服務(wù)場(chǎng)所周邊路段上、下游的車(chē)輛AVI數(shù)據(jù)和交叉口信號(hào)運(yùn)行數(shù)據(jù)的收集和預(yù)處理；②路段擁堵成因分析模塊，基于輸入數(shù)據(jù)，對(duì)路段擁堵成因進(jìn)行初步診斷，進(jìn)行路段擁堵與公共生活服務(wù)場(chǎng)所周?chē)奂录南嚓P(guān)性分析；③ 體行為畫(huà)像模塊，包含2個(gè)子模塊，分別為“路段常使用者”提取和個(gè)體出行圖像建立，路段常使用者指一周之內(nèi)研究時(shí)段內(nèi)出行5次以上且工作日期間出行3次以上的車(chē)輛。這一粗略分類(lèi)的主要目的是避免所建立的個(gè)體長(zhǎng)、短期出行圖像矩陣過(guò)于稀疏；④擁堵責(zé)任劃分模塊，結(jié)合路段擁堵成因及個(gè)體長(zhǎng)、短期出行行為圖像，通過(guò)特征提取和層級(jí)聚類(lèi)的方法，將同一時(shí)段、同一路段上的出行者劃分為致堵車(chē)輛和經(jīng)行車(chē)輛。

圖1 研究總體框架

2 模型數(shù)據(jù)簡(jiǎn)介

關(guān)于路段擁堵與出行者公共生活服務(wù)場(chǎng)所扎堆聚集事件的關(guān)聯(lián)分析和個(gè)體長(zhǎng)、短期出行行為畫(huà)像所用到的輸入數(shù)據(jù)為AVI數(shù)據(jù)和路段上下游交叉口的信號(hào)運(yùn)行數(shù)據(jù)。將從數(shù)據(jù)采集、數(shù)據(jù)結(jié)構(gòu)和特性幾個(gè)方面，對(duì)模型輸入數(shù)據(jù)做一個(gè)簡(jiǎn)要介紹。

自動(dòng)車(chē)輛識(shí)別(AVI)系統(tǒng)采用一系列視頻圖像技術(shù)抓拍過(guò)往的每一輛汽車(chē)，并自動(dòng)識(shí)別其車(chē)牌號(hào)碼[19]。近年來(lái)，AVI系統(tǒng)被廣泛地部署在城市路網(wǎng)以及高速公路網(wǎng)的關(guān)鍵節(jié)點(diǎn)和重要路段上[20]。AVI數(shù)據(jù)以往主要用作交通非現(xiàn)場(chǎng)執(zhí)法的輔助取證，現(xiàn)在越來(lái)越多地被用于交通動(dòng)態(tài)研判與管理[21]。按系統(tǒng)組成要素劃分，AVI系統(tǒng)主要包括前端檢測(cè)模塊、抓拍圖像數(shù)據(jù)傳輸模塊、車(chē)牌圖像定位、識(shí)別模塊以及AVI數(shù)據(jù)分析、存儲(chǔ)模塊。前端檢測(cè)模塊的工作特性決定了AVI數(shù)據(jù)的基本特性，如圖2所示。

圖2 AVI系統(tǒng)前端檢測(cè)設(shè)備

抓拍設(shè)備部署在交叉口停車(chē)線(xiàn)附近，由慢速運(yùn)動(dòng)攝像機(jī)和高清照相機(jī)組成，進(jìn)入檢測(cè)區(qū)域的車(chē)輛將喚醒慢速運(yùn)動(dòng)攝像機(jī)并觸發(fā)高清照相機(jī)對(duì)車(chē)輛進(jìn)行抓拍。高清車(chē)輛圖片經(jīng)過(guò)AVI系統(tǒng)其他功能模塊的處理，將產(chǎn)生文本化的AVI數(shù)據(jù)，主要包括2部分內(nèi)容：個(gè)體車(chē)輛的經(jīng)過(guò)信息和前端檢測(cè)設(shè)備的位置信息。具體而言，個(gè)體車(chē)輛的經(jīng)過(guò)信息包含車(chē)牌號(hào)碼、車(chē)型、進(jìn)入檢測(cè)區(qū)域的時(shí)刻等信息；前端檢測(cè)設(shè)備的位置信息包含設(shè)備部署的交叉口位置、拍攝車(chē)道位置等信息。根據(jù)實(shí)地測(cè)試，工況正常的情況下，前端檢測(cè)設(shè)備抓拍的成功率可達(dá)98%以上。因此，AVI數(shù)據(jù)是一種高滲透率、高分辨率的個(gè)體身份檢測(cè)數(shù)據(jù)，是一種數(shù)據(jù)驅(qū)動(dòng)建模的理想輸入。

按車(chē)輛進(jìn)入交叉口停車(chē)線(xiàn)附近檢測(cè)區(qū)域的時(shí)刻劃分，AVI檢測(cè)數(shù)據(jù)可分為2類(lèi)：紅燈期間及綠燈期間生成的檢測(cè)數(shù)據(jù)。由于前端視頻檢測(cè)區(qū)域容量有限(一般可容納1～3輛標(biāo)準(zhǔn)小汽車(chē))，高峰時(shí)段到達(dá)隊(duì)尾的車(chē)輛，僅有隊(duì)列前端的車(chē)輛可被檢測(cè)，這些車(chē)輛的檢測(cè)時(shí)間與它們通過(guò)交叉口的時(shí)間具有較大差異，可通過(guò)交叉口信號(hào)機(jī)的運(yùn)行數(shù)據(jù)，估計(jì)出隊(duì)列前端車(chē)輛的具體通行時(shí)間。因此，所建立的擁堵-出行者扎堆聚集事件關(guān)聯(lián)分析模型和個(gè)體長(zhǎng)、短期出行行為畫(huà)像需要用到AVI數(shù)據(jù)和信號(hào)機(jī)運(yùn)行數(shù)據(jù)。

3 擁堵與聚集事件關(guān)聯(lián)分析

雖然造成路段擁堵的因素可能是多方面的，歸根結(jié)底還是由于交通供需不平衡所致[22]。為探究公共生活服務(wù)場(chǎng)所周?chē)范蔚某０l(fā)性擁堵成因，可從供給與需求兩個(gè)方面進(jìn)行分析。一方面，需要確認(rèn)交通基礎(chǔ)設(shè)施的供給能力是否充足、道路結(jié)構(gòu)和交通管理是否合理；另一方面，也要評(píng)估擁堵常發(fā)路段的需求特性，即通行需求總量是否與路段供給能力匹配。所以，可選取路段交通流量與路段平均速度作為評(píng)判指標(biāo)，從而進(jìn)行路段擁堵與公共生活服務(wù)場(chǎng)所出行者扎堆聚集事件的關(guān)聯(lián)分析。

假設(shè)所有車(chē)輛都遵章行駛，在不考慮違法占道行駛的情況下，使用AVI數(shù)據(jù)計(jì)算路段旅行時(shí)間之前需要將紅燈期間到達(dá)檢測(cè)區(qū)域并停車(chē)等待的車(chē)輛所對(duì)應(yīng)的AVI檢測(cè)數(shù)據(jù)進(jìn)行檢測(cè)時(shí)間的修正。隊(duì)列前段車(chē)輛檢測(cè)時(shí)間修正的主要目的是將個(gè)體車(chē)輛進(jìn)入檢測(cè)區(qū)域的時(shí)刻估計(jì)為車(chē)輛駛離路段的時(shí)刻?；谲?chē)輛隊(duì)列只有在綠燈亮起之后才會(huì)開(kāi)始隊(duì)列消散的過(guò)程，即雖然隊(duì)列前段車(chē)輛的AVI檢測(cè)數(shù)據(jù)是在紅燈期間產(chǎn)生的，但是它們對(duì)應(yīng)的離開(kāi)路段的時(shí)刻必定在綠燈亮起之后到檢測(cè)區(qū)域綠燈期間新增AVI數(shù)據(jù)檢測(cè)時(shí)刻之前的區(qū)間。因此，排隊(duì)車(chē)輛駛離路段的時(shí)間估計(jì)表示為

(1)

假設(shè)路網(wǎng)拓?fù)淇臻g為ΩS，假設(shè)任意車(chē)輛i在時(shí)刻t位于路網(wǎng)上任意一點(diǎn)為x，可記為xi(t)。設(shè)Xi(T)為車(chē)輛i在時(shí)段T上的位置集合，即xi(t)∈Xi(T)，對(duì)于任意路段S?ΩS，定義δxi(t)(S)=χS[xi(t)]，其中χS[xi(t)]為路段S的特征函數(shù)，可表示為

(2)

δxi(t)(S)表示車(chē)輛i在t時(shí)刻在路段S任意位置x上的狄拉克測(cè)度，那么對(duì)于特定時(shí)刻t，路段上的在線(xiàn)車(chē)輛數(shù)NS(t)可看作是路段S在t時(shí)刻的狄拉克測(cè)度，可表示為

(3)

(4)

4 個(gè)體出行行為畫(huà)像

基于A(yíng)VI數(shù)據(jù)建立個(gè)體長(zhǎng)、短期出行行為畫(huà)像，首先需要明確出行行為畫(huà)像的對(duì)象。按出行頻次來(lái)分，可將同一路段、同一時(shí)段內(nèi)的出行者分為常發(fā)使用者和偶發(fā)使用者。為避免個(gè)體出行圖像矩陣過(guò)于稀疏，僅針對(duì)路段常發(fā)使用者建立個(gè)體長(zhǎng)、短期出行行為畫(huà)像。由于不同車(chē)輛的AVI檢測(cè)數(shù)據(jù)序列的長(zhǎng)度并不一致，建立個(gè)體出行行為畫(huà)像的主要目的是對(duì)于不定長(zhǎng)觀(guān)測(cè)數(shù)據(jù)進(jìn)行規(guī)范化定長(zhǎng)表達(dá)，以便作為個(gè)體長(zhǎng)、短期出行特征向量提取的模型輸入。

多維度的個(gè)體出行圖像相對(duì)于一維的出行數(shù)據(jù)向量，能夠反映個(gè)體在不同維度上(日期和時(shí)段)出行行為的分布特征，以高維圖像的形式進(jìn)行數(shù)據(jù)的標(biāo)準(zhǔn)化，使得原本低維度、線(xiàn)性的出行行為關(guān)聯(lián)特征轉(zhuǎn)換為具有局部時(shí)域(包括日期和時(shí)段)關(guān)聯(lián)的高維度、區(qū)域性的出行特征，進(jìn)而可以從更高的維度上刻畫(huà)出更具區(qū)分度的個(gè)體出行畫(huà)像。如圖3所示，建立了以車(chē)牌號(hào)碼為標(biāo)簽的多維度個(gè)體出行圖像，將個(gè)體出行時(shí)間按日期和時(shí)刻進(jìn)行矩陣化表達(dá)，單次出行數(shù)據(jù)向量則可成為矩陣中的一個(gè)高維元素。出行數(shù)據(jù)向量主要包括車(chē)型信息、出行日期類(lèi)型等靜態(tài)屬性以及出行路段、車(chē)道、旅行時(shí)間等動(dòng)態(tài)信息。

圖3 個(gè)體出行行為畫(huà)像

建立多維度的個(gè)體出行圖像之后，選擇目前廣泛應(yīng)用于圖像特征提取的多層卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)進(jìn)行個(gè)體出行者的長(zhǎng)短期出行特征的提取。出行圖像特征提取網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。選用基于CNN的深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行長(zhǎng)短期出行特征的訓(xùn)練，一方面考慮到卷積層可以保留輸入的個(gè)體出行圖像形狀，使得個(gè)體單次出行向量在出行日期和出行時(shí)段兩個(gè)維度上的相關(guān)性均可被有效識(shí)別；另一方面，卷積層通過(guò)滑動(dòng)窗口機(jī)制可將個(gè)體出行圖像不同位置的子矩陣與卷積核進(jìn)行互相關(guān)運(yùn)算，可有效降低個(gè)體出行圖像維度，從而避免參數(shù)尺寸過(guò)大。卷積層的輸出上使用RELU激活函數(shù)并輸入2×2的池化層，用來(lái)降低卷積層對(duì)圖像不同位置區(qū)域的敏感性。卷積層塊由上述基本單位重復(fù)堆疊組成，所用的長(zhǎng)短期出行特征提取網(wǎng)絡(luò)由2個(gè)卷積層塊和1個(gè)全連接層組成，從而最終訓(xùn)練出包含個(gè)體長(zhǎng)、短期出行行為關(guān)聯(lián)的特征向量。

圖4 基于CNN的長(zhǎng)短期出行特征訓(xùn)練網(wǎng)絡(luò)

5 研究區(qū)域介紹

選擇門(mén)前路段的周期性常發(fā)擁堵，作為公共生活服務(wù)場(chǎng)所附近脈沖聚集式擁堵的典型實(shí)例，探究六中門(mén)前路段擁堵的成因及擁堵責(zé)任劃分方法。宣城市第六中學(xué)位于中國(guó)安徽宣城中心城區(qū)主干道鰲峰東路上，西側(cè)距離鰲峰與錦城路交叉口230 m，東側(cè)距離鰲峰與宛溪路交叉口458 m。學(xué)校門(mén)前路段為雙向四車(chē)道，學(xué)校門(mén)前的路中AVI檢測(cè)設(shè)備可實(shí)現(xiàn)雙向四車(chē)道全覆蓋。學(xué)校周邊環(huán)境復(fù)雜，路段上分布著居民小區(qū)(九州小區(qū))、公園(鰲峰公園)及職能機(jī)構(gòu)(工商局、教育局、征兵辦公室等)，因此，研究路段無(wú)法進(jìn)行大規(guī)模的交通設(shè)施改造或停車(chē)場(chǎng)增建。

如圖5所示，根據(jù)AVI檢測(cè)設(shè)備的部署位置，可以將路段按交通流方向劃分4個(gè)子區(qū)間(Link 1～4)。對(duì)于經(jīng)過(guò)路段的個(gè)體車(chē)輛，利用路段上下游信號(hào)交叉口和學(xué)校門(mén)前的AVI檢測(cè)設(shè)備，可以觀(guān)測(cè)到路段整個(gè)區(qū)間及其子區(qū)間的旅行時(shí)間，可有效避免路段常發(fā)使用者的個(gè)體出行圖像矩陣過(guò)于稀疏。宣城市第六中學(xué)每天放學(xué)期間，校門(mén)口形成了以人行橫道為中心的類(lèi)交叉口，主要交通沖突為：橫穿馬路的學(xué)生人群與機(jī)動(dòng)車(chē)東—西向通行之間的沖突。由于校門(mén)口沒(méi)有行人過(guò)街交通信號(hào)燈，交警不得不站在人行橫道中央現(xiàn)場(chǎng)指揮人流、車(chē)流的通行，從而避免學(xué)校西側(cè)路段經(jīng)常出現(xiàn)的排隊(duì)溢出(link 1、link 2)。校門(mén)前路段交通混亂，每天放學(xué)時(shí)都會(huì)在出現(xiàn)嚴(yán)重?fù)矶?，這成為典型的公共生活服務(wù)場(chǎng)所附近的周期性常發(fā)擁堵，也成為宣城市中心區(qū)最為棘手的交通問(wèn)題。

圖5 研究區(qū)域及其周邊情況

6 擁堵成因分析

主要探究了宣城市第六中學(xué)門(mén)前路段的周期性常發(fā)擁堵與每天放學(xué)期間家長(zhǎng)們的聚集接送事件之間的相關(guān)性，從而找出引發(fā)宣城市第六中學(xué)門(mén)前路段擁堵的主要原因。分別統(tǒng)計(jì)了案例路段2019年5月16日(上學(xué)日，16:50放學(xué))和8月15日(暑假) 16:40—17:40每5 min的路段平均速度和交通流量。擁堵與聚集事件關(guān)聯(lián)分析的2個(gè)日期均為周四工作日，對(duì)比實(shí)驗(yàn)設(shè)計(jì)的主要目的是通過(guò)暑假與上學(xué)日同一時(shí)段的交通狀況對(duì)比，首先確定家長(zhǎng)的接送行為是否對(duì)路段產(chǎn)生了額外的通行壓力；進(jìn)一步分析家長(zhǎng)接送的通行需求是否超出了路段的通行能力，以及宣城市第六中學(xué)放學(xué)引發(fā)的家長(zhǎng)聚集事件是否與學(xué)校門(mén)前路段的周期性擁堵具有直接關(guān)聯(lián)關(guān)系。

案例路段2019年5月16日(上學(xué)日)和8月15日(暑假) 16:40—17:40每5 min的路段平均速度和交通流量對(duì)比結(jié)果如圖6所示。從圖6可以看出，無(wú)論是上學(xué)日或者暑假期間的工作日，16:40—17:40期間的路段流量基本相同，5 min流量一般分布在50～60 veh，小時(shí)流量在600～700 veh/h。研究路段為雙向四車(chē)道，參照《城市道路工程設(shè)計(jì)規(guī)范》(CJJ 37—2016)的建議[23]，以學(xué)校區(qū)域正常最高速度40 km/h估算，研究路段單向通行能力可達(dá)1 200 veh/h。換句話(huà)說(shuō)，無(wú)論是上學(xué)日或者暑假，工作日16:40—17:40的路段通行能力可以滿(mǎn)足路段交通需求。然而，上學(xué)日與暑假期間的路段平均速度卻有明顯差異：5月16日16:40—17:40期間，路段平均速度為18 km/h，最低5 min路段平均速度僅有9 km/h，速度最小值出現(xiàn)在17:10左右，在放學(xué)后20 min左右。而在8月15日，相同時(shí)段的路段平均速度可達(dá)24 km/h，比上學(xué)日高出約33%，最低5 min節(jié)段平均速度亦可達(dá)22 m/h，暑假16:40—17:40期間的路段平均速度基本穩(wěn)定。上述對(duì)比表明，路段交通需求相近的情況下，上學(xué)日與暑假期間的交通狀況差異顯著：上學(xué)日16:50—17:20路段出現(xiàn)嚴(yán)重?fù)矶隆? min交通量的對(duì)比也說(shuō)明，家長(zhǎng)的接送行為對(duì)路段產(chǎn)生的額外通行壓力十分有限：僅在17:05—17:15，上學(xué)日的5 min交通量略高于暑假期間。也進(jìn)一步說(shuō)明家長(zhǎng)接送學(xué)生的通行需求雖然并未超出路段通行能力，而放學(xué)事件與學(xué)校門(mén)前路段的周期性擁堵有直接關(guān)聯(lián)關(guān)系。

圖6 研究路段暑假與上學(xué)日交通情況對(duì)比

為探究上述現(xiàn)象的原因，于2019年9月9日展開(kāi)了實(shí)地交通調(diào)查，發(fā)現(xiàn)上學(xué)日的學(xué)校門(mén)前路段上，接送學(xué)生的家長(zhǎng)們長(zhǎng)時(shí)間占用機(jī)動(dòng)車(chē)道違章停車(chē)現(xiàn)象普遍：這些家長(zhǎng)在學(xué)校放學(xué)前15 min左右陸續(xù)抵達(dá)，直至接到子女離開(kāi)。在此期間，學(xué)校門(mén)前路段從雙向四車(chē)道變?yōu)橹挥?條車(chē)道可供其他車(chē)輛通行。長(zhǎng)時(shí)間違章占用機(jī)動(dòng)車(chē)道，使得路段通行能力減半，同時(shí)由于放學(xué)之后道路通行需求的波動(dòng)，使得路段交通狀態(tài)迅速惡化。圖7展示了長(zhǎng)時(shí)間違章占用機(jī)動(dòng)車(chē)道的家長(zhǎng)車(chē)輛。進(jìn)而說(shuō)明案例學(xué)校下午放學(xué)引發(fā)的家長(zhǎng)聚集事件與學(xué)校門(mén)前路段的周期性擁堵有直接關(guān)聯(lián)。

圖7 學(xué)校門(mén)前長(zhǎng)時(shí)間違章占用機(jī)動(dòng)車(chē)道的家長(zhǎng)車(chē)輛

7 路段擁堵責(zé)任劃分

通過(guò)對(duì)比實(shí)驗(yàn)和實(shí)地調(diào)查發(fā)現(xiàn)，放學(xué)期間學(xué)校門(mén)前路段的雙向通行能力減半是造成路段擁堵的主要原因。而路段雙向通行能力減半則是由放學(xué)引發(fā)的家長(zhǎng)脈沖式聚集所導(dǎo)致的，雖然放學(xué)期間路段上所有的經(jīng)過(guò)學(xué)校門(mén)前的車(chē)輛都參與了擁堵過(guò)程，但大部分車(chē)輛其實(shí)是學(xué)校門(mén)前路段擁堵的被影響者。相比之下，長(zhǎng)時(shí)間違章占用機(jī)動(dòng)車(chē)道停車(chē)的家長(zhǎng)車(chē)輛，其一方面對(duì)擁堵的產(chǎn)生負(fù)有主要責(zé)任；另一方面又通過(guò)違章行為獲利。家長(zhǎng)們接孩子放學(xué)這一出行目標(biāo)就是通過(guò)違章占道行為達(dá)成的。這一出行目標(biāo)的差異，使得家長(zhǎng)車(chē)輛與過(guò)往車(chē)輛的長(zhǎng)短期交通行為差別顯著。得益于研究路段上AVI系統(tǒng)，路段上下游交叉口及學(xué)校門(mén)前的車(chē)輛身份檢測(cè)條件使得精確找出造成路段擁堵的主要責(zé)任車(chē)輛成為可能。

下午放學(xué)期間學(xué)校門(mén)前路段的經(jīng)行車(chē)輛，按其出行頻次，可分為路段常發(fā)出行車(chē)輛(以下簡(jiǎn)稱(chēng)高頻車(chē)輛)和偶發(fā)出行車(chē)輛。同時(shí)，下午放學(xué)期間的路段高頻車(chē)輛按其出行目標(biāo)又可以分為：每天下班通勤需要經(jīng)過(guò)學(xué)校門(mén)前路段的車(chē)輛，稱(chēng)為A類(lèi)高頻車(chē)輛；經(jīng)常接孩子的家長(zhǎng)車(chē)輛，稱(chēng)之為B類(lèi)高頻車(chē)輛。將討論兩類(lèi)高頻車(chē)輛的長(zhǎng)短期交通行為差異。

考慮到接孩子放學(xué)的具體情景，B類(lèi)高頻車(chē)輛僅出現(xiàn)在開(kāi)學(xué)期間，由于孩子們周末及寒暑假不上學(xué)，這部分車(chē)輛的出行頻次將大大降低。與之相比，由于A(yíng)類(lèi)高頻車(chē)輛的出行目標(biāo)不同，其出行并不會(huì)受到學(xué)生寒暑假的影響。因此，不僅需要按周來(lái)統(tǒng)計(jì)路段上的不同車(chē)輛的出行頻數(shù)，還應(yīng)當(dāng)針對(duì)每一輛車(chē)，利用其長(zhǎng)期出行行為特征向量，結(jié)合其在開(kāi)學(xué)期間以及寒暑假期間的出行次數(shù)，粗略區(qū)分兩類(lèi)高頻車(chē)。此外，兩類(lèi)高頻車(chē)輛在短期交通行為上存在著明顯的差異：一般情況下，B類(lèi)高頻車(chē)輛需要在學(xué)校放學(xué)之前到達(dá)學(xué)校附近，直至接到孩子才離開(kāi)，因此B類(lèi)高頻車(chē)輛的路段旅行時(shí)間將明顯大于A(yíng)類(lèi)高頻車(chē)。根據(jù)這一特性，可準(zhǔn)確區(qū)分出兩類(lèi)不同的高頻車(chē)。同時(shí)，將B類(lèi)高頻車(chē)輛當(dāng)中的每周工作日出行頻率大于4次的車(chē)輛定義為頻繁接送車(chē)輛，用來(lái)表征幾乎每天都會(huì)接學(xué)生放學(xué)的常態(tài)化出行的家長(zhǎng)車(chē)輛。

圖8為上學(xué)日(2019年5月13日—2019年5月19日)與暑假(2019年8月12日—2019年8月18日)每天16:40—17:40的路段旅行時(shí)間分布直方圖。從圖8可以看出，暑假與上學(xué)日的路段旅行時(shí)間樣本分布基本特征差別明顯：2019年8月12—18日期間，觀(guān)測(cè)到的最大路段旅行時(shí)間樣本為387 s，大多數(shù)旅行時(shí)間樣本分布在30～150 s。相比之下，2019年5月13—19日的出行時(shí)間樣本分布在50～250 s，出現(xiàn)了異常大的路段旅行時(shí)間樣本，且遠(yuǎn)大于暑假期間觀(guān)察到的最大出行時(shí)間。此外，這些異常大的旅行時(shí)間樣本往往在放學(xué)后出現(xiàn)，暑假期間也會(huì)同時(shí)消失。因此，可將異常大的路段旅行時(shí)間作為A類(lèi)高頻車(chē)輛與B類(lèi)高頻車(chē)輛區(qū)分的主要依據(jù)。

圖8 上學(xué)日與暑假期間路段旅行時(shí)間分布直方圖

基于2019年5月8日—2019年9月30日案例路段工作日每天16:40—17:40的旅行時(shí)間樣本(共64 317個(gè)樣本)，擬合出路段旅行時(shí)間累計(jì)分布曲線(xiàn)，并找出該曲線(xiàn)的拐點(diǎn)(二階導(dǎo)數(shù)為0的點(diǎn))，如圖9所示。路段旅行時(shí)間累計(jì)分布曲線(xiàn)的拐點(diǎn)坐標(biāo)為(368, 96.5%)，表明研究路段上有96.5%的車(chē)輛在研究時(shí)段內(nèi)的旅行時(shí)間小于368 s。路段旅行時(shí)間累計(jì)分布曲線(xiàn)的拐點(diǎn)坐標(biāo)作為路段旅行時(shí)間異常大值的閾值。

圖9 旅行時(shí)間樣本累計(jì)百分比

根據(jù)已標(biāo)定的路段旅行時(shí)間異常大值的閾值，基于2019年9月1日—2019年10月31日(不含國(guó)慶假期)研究路段每天16:40—17:40的290 684條AVI數(shù)據(jù)(上下游交叉口及學(xué)校門(mén)前)提取的個(gè)體長(zhǎng)、短期出行行為特征向量，共找出56 258輛在研究時(shí)段出現(xiàn)過(guò)的車(chē)輛，其中常發(fā)出行車(chē)輛有1 468輛。

從表1可以看出，一個(gè)月內(nèi)，雖然研究時(shí)段內(nèi)經(jīng)過(guò)學(xué)校門(mén)前的車(chē)輛超過(guò)3×104輛，但工作日期間學(xué)校門(mén)前路段的常發(fā)出行車(chē)輛僅占其中的3%左右，這表明研究時(shí)段內(nèi)大部分經(jīng)過(guò)學(xué)校門(mén)前的車(chē)輛為偶發(fā)出行車(chē)輛，這些偶發(fā)出行車(chē)輛成為放學(xué)期間學(xué)校門(mén)前路段的脈沖聚集式擁堵的被影響者。從統(tǒng)計(jì)數(shù)據(jù)來(lái)看，B類(lèi)高頻車(chē)輛僅占所有出行者的0.5%～0.7%，這類(lèi)占比極低的家長(zhǎng)車(chē)輛，成為導(dǎo)致學(xué)校門(mén)前路段的脈沖聚集式擁堵的主要責(zé)任車(chē)輛。B類(lèi)高頻車(chē)輛通過(guò)長(zhǎng)時(shí)間違章占道的行為達(dá)成接學(xué)生的出行目標(biāo)，既是學(xué)校門(mén)前路段常發(fā)擁堵的致堵要素，又是擁堵的“獲利者”。更進(jìn)一步，B類(lèi)高頻車(chē)輛中有部分車(chē)輛，幾乎每天都會(huì)來(lái)接孩子放學(xué)，頻繁接送車(chē)輛僅占B類(lèi)高頻車(chē)輛的15%，卻成為導(dǎo)致學(xué)校門(mén)前路段脈沖聚集式擁堵的最活躍要素。上述層級(jí)聚類(lèi)結(jié)果，可為交通管理者的個(gè)性化精準(zhǔn)管理提供有力的數(shù)據(jù)支撐與依據(jù)，有條件實(shí)現(xiàn)對(duì)同一路段、同一時(shí)段的不同出行者，依據(jù)其個(gè)體長(zhǎng)、短期出行行為特征，采取不同行動(dòng)級(jí)別的精準(zhǔn)管控策略。交通管理者可通過(guò)明確個(gè)體管理目標(biāo)，付出最小的管理代價(jià)，解決學(xué)校門(mén)前路段的脈沖聚集式擁堵。

表1 研究路段出行車(chē)輛統(tǒng)計(jì)情況

8 結(jié)論

基于公共生活服務(wù)場(chǎng)所門(mén)前及路段上下游交叉口的AVI數(shù)據(jù)，通過(guò)對(duì)個(gè)體出行交通信息的挖掘，建立了路段常發(fā)出行者的個(gè)體行為畫(huà)像。并將建立的個(gè)體行為畫(huà)像作為多層卷積神經(jīng)網(wǎng)絡(luò)的輸入，實(shí)現(xiàn)對(duì)個(gè)體出行者的長(zhǎng)、短期出行特征提取。以個(gè)體出行特征向量進(jìn)行的出行者層級(jí)聚類(lèi)，剖析公共生活服務(wù)場(chǎng)所周邊常發(fā)擁堵成因和機(jī)理。本文以安徽省宣城市第六中學(xué)周邊路段的常發(fā)擁堵為例，運(yùn)用提出的路段擁堵責(zé)任劃分方法，找出了導(dǎo)致案例學(xué)校門(mén)前路段擁堵的主要責(zé)任車(chē)輛。得出以下結(jié)論：

(1)公共生活服務(wù)場(chǎng)所周邊路段的常發(fā)擁堵，一般是由特定事件觸發(fā)特定人員的脈沖式聚集引發(fā)。

(2)發(fā)生于公共生活服務(wù)場(chǎng)所周邊路段的脈沖聚集式擁堵，是由占比0.5%～0.7%的極少數(shù)出行者的個(gè)體交通行為導(dǎo)致的，并對(duì)路段交通產(chǎn)生嚴(yán)重的影響。

(3)脈沖聚集式擁堵可以提前預(yù)測(cè)并制定相應(yīng)的擁堵管理預(yù)案。

(4)引發(fā)公共生活服務(wù)場(chǎng)所周邊路段脈沖聚集性擁堵的極少數(shù)出行者，可根據(jù)其長(zhǎng)、短期行為特征，進(jìn)行更加精細(xì)的分級(jí)，實(shí)現(xiàn)對(duì)同一路段、同一時(shí)段的不同出行者的個(gè)性化精準(zhǔn)管理，最小化交通管理代價(jià)。