常 錚,裴玉龍

(東北林業(yè)大學(xué) 交通學(xué)院，哈爾濱 150040)

隨著城市機(jī)動車保有量的快速增長和居民出行強(qiáng)度的不斷提升，城市交通擁堵日趨嚴(yán)重，無論是交通管理者還是研究人員都在嘗試從不同角度探究緩解交通擁堵的對策和方法。城市交通擁堵的實質(zhì)是道路在一定時間內(nèi)的實際交通需求超過了其通行能力或承載能力，因此如何科學(xué)計算城市道路實際供給與實際需求之間的關(guān)系，已成為解決城市交通擁堵問題的首要任務(wù)。為此國外學(xué)者Akamatsu等[1]運(yùn)用過飽和公式對平衡狀態(tài)下道路網(wǎng)的容量進(jìn)行了計算，Chiou[2]和Wang等[3]對交通信號控制下的路網(wǎng)容量進(jìn)行了分析，F(xiàn)eng等[4]利用雙層模型發(fā)現(xiàn)開放封閉小區(qū)可使復(fù)雜城市道路網(wǎng)全局承載能力顯著增加。García-Palomares等[5]分析了大容量路網(wǎng)關(guān)鍵路段的脆弱性、連通性及臨界性，并探究了其內(nèi)在關(guān)聯(lián)。Laval等[6]從動靜態(tài)一體化的角度對城市道路網(wǎng)最大承載能力進(jìn)行求解，Park等[7]分析了自動駕駛對道路通行能力的影響，Dhamaniya等[8-9]則分別對行人和車輛行駛速度對道路通行能力的影響進(jìn)行了較為全面的研究。

國內(nèi)學(xué)者李悅等[10]基于雙層規(guī)劃模型和迭代優(yōu)化算法實現(xiàn)了對道路網(wǎng)容量的求解，張洪賓[11]對公交?？空緦焖俾烦隹谕ㄐ心芰Φ挠绊戇M(jìn)行了研究，楊陽等[12]介紹了利用融合浮動車數(shù)據(jù)預(yù)測城市道路通行能力的方法，邵長橋等[13]分析了路側(cè)停車行為對城市道路通行能力的影響，安連華等[14]基于交通大數(shù)據(jù)對城市道路容量進(jìn)行了標(biāo)定，張雪、李婷[15-16]分別基于耗散結(jié)構(gòu)理論和改進(jìn)出行時耗模型對城市道路網(wǎng)承載力進(jìn)行分析。

雖然國內(nèi)外學(xué)者已針對城市道路的容量或通行能力開展了一定研究，但大多僅從交通供給角度對城市道路網(wǎng)或其關(guān)鍵路段理論最大承載能力進(jìn)行計算，對城市道路實際交通需求方面的研究相對較少。此外，由于現(xiàn)有城市道路容量或承載量的計算方法大多依靠理論公式進(jìn)行推算，或利用局部路段的小樣本觀測數(shù)據(jù)進(jìn)行擴(kuò)樣，其計算過程缺乏充分且可靠的數(shù)據(jù)支持，因此,結(jié)果的科學(xué)性及準(zhǔn)確性有待論證。筆者針對以上不足，創(chuàng)新性提出實際承載量概念，嘗試從實際交通需求角度探究城市交通的管理方法，依托數(shù)據(jù)爬取技術(shù)實現(xiàn)城市道路網(wǎng)大范圍、全覆蓋的實時交通數(shù)據(jù)連續(xù)采集，克服傳統(tǒng)路網(wǎng)容量或承載量計算方法中基礎(chǔ)數(shù)據(jù)不足的缺陷。最后，基于交通流理論構(gòu)建既可用于整體路網(wǎng)又可用于局部路段的實際承載量及飽和度計算模型，并依托全樣本實時交通數(shù)據(jù)實現(xiàn)模型求解，極大提升計算結(jié)果的真實性和可靠性。

1 基于Python的實時交通數(shù)據(jù)爬取及預(yù)處理

傳統(tǒng)交通調(diào)查方法受調(diào)查方法和技術(shù)條件限制，往往僅能獲取城市道路局部路段或部分時段的小樣本觀測數(shù)據(jù)，難以在時間和空間上實現(xiàn)城市道路網(wǎng)全樣本實時交通數(shù)據(jù)的連續(xù)采集。為克服此問題，研究采用基于Python的數(shù)據(jù)爬取技術(shù)，為城市道路網(wǎng)實時交通數(shù)據(jù)的批量獲取提供新思路。

1.1 數(shù)據(jù)來源

1.1.1 實時交通數(shù)據(jù)

目前國內(nèi)外眾多地圖導(dǎo)航平臺均提供了實時交通查詢服務(wù)，其中百度作為一個面向大眾的開放地圖服務(wù)平臺，能夠?qū)崿F(xiàn)全球7 000萬km的路網(wǎng)覆蓋和分鐘級的道路交通狀況數(shù)據(jù)更新，十分適合二次開發(fā)或研究。因此文中研究選擇調(diào)用百度地圖Web服務(wù)API中的實時路況查詢服務(wù)，對實時交通數(shù)據(jù)進(jìn)行批量獲取。

1.1.2 城市道路數(shù)據(jù)

OpenStreetMap(OSM)是一個全球矢量地圖開源網(wǎng)站，其數(shù)據(jù)精度高、質(zhì)量好、覆蓋廣且開源免費[17]，并可提供詳細(xì)道路等級、交叉口類型、道路屬性及表面材質(zhì)等數(shù)據(jù)信息，目前已在交通及地理信息研究領(lǐng)域得到了廣泛應(yīng)用。通過OSM開源網(wǎng)站實現(xiàn)了城市道路矢量數(shù)據(jù)的獲取，并以此為基礎(chǔ)利用ArcGIS軟件構(gòu)建了可用于后期計算分析的城市道路模型。

1.2 基于Python的實時交通數(shù)據(jù)爬取與解析

1.2.1 Python網(wǎng)絡(luò)爬蟲原理

網(wǎng)絡(luò)爬蟲是一種按照特定規(guī)則自動抓取網(wǎng)絡(luò)信息的程序或腳本，可在互聯(lián)網(wǎng)的海量信息中根據(jù)指定規(guī)則對數(shù)據(jù)進(jìn)行抓取、解析和存儲[18]。其原理為爬蟲程序從待爬取網(wǎng)頁隊列中的一個或多個初始url開始，根據(jù)指定規(guī)則過濾掉無關(guān)內(nèi)容后對所需信息進(jìn)行采集、保存和解析，并不斷重復(fù)此操作，直至遍歷隊列中的所有url為止。Python作為21世紀(jì)最熱門的編程語言之一，其針對網(wǎng)絡(luò)爬蟲提供了眾多功能強(qiáng)大的擴(kuò)展庫，在大大簡化了爬蟲程序表達(dá)的同時大幅提升了爬取成功率，使大范圍批量爬取地圖數(shù)據(jù)成為可能[19]。

1.2.2 實時交通數(shù)據(jù)爬取與解析

百度地圖提供了多種實時交通數(shù)據(jù)獲取方法，其中周邊區(qū)域路況查詢是將城市道路切割為若干采集區(qū)域，通過發(fā)送每一個采集區(qū)域中心點的經(jīng)緯度坐標(biāo)至百度地圖服務(wù)器來批量獲取采集區(qū)域各路段的實時交通數(shù)據(jù)，其操作簡單且定位精準(zhǔn)，十分適合大范圍城市道路實時交通數(shù)據(jù)的批量采集。

具體思路為使用ArcGIS軟件生成采集區(qū)域坐標(biāo)集，并利用Python中的pandas庫對坐標(biāo)集進(jìn)行讀取，隨后使用range函數(shù)配合for循環(huán)實現(xiàn)對坐標(biāo)集中坐標(biāo)的循環(huán)提取，并將所提取的坐標(biāo)與在百度開放平臺申請的開發(fā)者密鑰key組合，構(gòu)建不同的請求url，最后利用Python中的requests庫將所構(gòu)建的請求url批量發(fā)送至百度地圖開放平臺，并通過pandas庫將返回的數(shù)據(jù)進(jìn)行解析及存儲，完成整個爬取過程。百度地圖實時交通數(shù)據(jù)爬取與解析過程如圖1所示。

圖1 百度地圖實時交通數(shù)據(jù)爬取過程

1.3 實時交通數(shù)據(jù)預(yù)處理

1.3.1 數(shù)據(jù)清洗

實時交通數(shù)據(jù)爬取所返回的數(shù)據(jù)中除了包含研究所需的道路信息外，還包含一些較低等級的無關(guān)道路信息。因此需要對爬取數(shù)據(jù)進(jìn)行篩選及清洗，剔除不相關(guān)的冗余信息，以免對后續(xù)計算造成不必要的影響。

1.3.2 數(shù)據(jù)修復(fù)

通過百度開放平臺進(jìn)行實時交通數(shù)據(jù)爬取時，只有擁堵或嚴(yán)重?fù)矶侣范尾拍芊祷厮俣燃皳矶略u價數(shù)據(jù)，當(dāng)?shù)缆窌惩〞r則無法返回詳細(xì)道路交通狀況信息。為保證數(shù)據(jù)完整，可按照《城市道路交通規(guī)劃設(shè)計規(guī)范(GB 50220-95)》中所規(guī)定各等級道路最高設(shè)計速度的70%～80%對無速度屬性的路段進(jìn)行填充與修復(fù)。

1.3.3 平均行程速度計算

為消除由偶然事件對城市道路各路段平均行程速度的影響，可將調(diào)查期間內(nèi)各路段行程速度的平均值作為路段的平均行程速度，算式為

(1)

2 城市道路實際承載量模型

2.1 考慮交叉口延誤的道路空間資源計算

道路空間資源即城市道路中各路段可供車輛通行的資源，一般情況下道路空間資源越大其單位時間所能承載的車輛數(shù)也越多。然而在實際情況中，由于各類因素的影響導(dǎo)致道路空間資源很難實現(xiàn)百分之百的利用，因此需要對道路實際可被利用的空間資源進(jìn)行計算。其中交叉口是決定道路空間資源利用率的主要因素之一，車輛在交叉口處停車等待會在一定程度上影響道路通行能力，進(jìn)而降低道路空間資源的實際利用率，因此在進(jìn)行城市道路空間資源計算時必須考慮交叉口的影響。其中交叉口折減系數(shù)β可按式(2)計算[20]。

(2)

城市道路空間資源可表達(dá)為道路網(wǎng)中各路段長度與其機(jī)動車道總寬度乘積之和，在實際情況中，道路可利用的空間資源除會受到交叉口影響外，還會受到道路等級和車道數(shù)量等因素影響，因此,還需要對模型進(jìn)一步修正，最終得到城市道路可利用空間資源模型算式為

(3)

式中：A為城市道路可利用空間資源，Ai為第i個路段可利用空間資源，li為第i個路段的長度，di為第i個路段所有機(jī)動車道的總寬度，βi為第i個路段的交叉口折減系數(shù)，μi為第i個路段的車道折減系數(shù)，αi為第i個路段的道路等級折減系數(shù)。

若某一行車方向僅有一條車道時折減系數(shù)為1.00，其余車道的折減系數(shù)如表1所示[21]，若快速路道路等級折減系數(shù)為1.00，其余等級道路折減系數(shù)如表2所示[22]。

表1 車道折減系數(shù)

表2 道路等級折減系數(shù)

2.2 基于交通流特性的道路實際承載量模型

道路實際承載量反映的是某時刻城市道路各路段實際承載的車輛數(shù)，其計算的關(guān)鍵在于城市道路各路段實際車流密度的獲取。通過Python爬取百度地圖中各路段的實際行程速度，并基于交通流3個參數(shù)中速度與密度的關(guān)系即可實現(xiàn)各路段車流密度的推算。通常情況下交通流3個參數(shù)中速度與密度之間一般對應(yīng)3種模型，即格林希爾茨直線模型、安德伍德指數(shù)模型和格林柏對數(shù)模型，由于上述模型屬于交通流理論中的經(jīng)典模型，故不再對其計算方法及適用條件做過多贅述。

在獲取到實際車流密度后，可利用道路有效長度與實際車流密度的乘積對其實際承載量進(jìn)行計算，如式(4)所示。

(4)

式中：C為城市道路實際承載量，Ci為第i個路段的實際承載量，Ai為第i個路段的可利用空間資源，ri為車輛在第i個路段行駛時占用的橫向?qū)挾?，Ki為第i個路段的實際車流密度。

根據(jù)交通流3個參數(shù)中速度與密度之間的關(guān)系，將已建立的城市道路可利用空間資源模型帶入式(4)中，即可得到城市道路實際承載量的暢通模型、緩行模型和擁堵模型，如式(5)～(7)所示。

2.2.1 暢通模型

暢通模型一般適用于交通流密度較小、交通流處于自由流狀態(tài)的路段，在此狀態(tài)行駛中的車輛受其他道路中其他交通單元的影響較小。此時車輛平均運(yùn)行速度與交通流密度符合安德伍德指數(shù)模型，算式為

(5)

2.2.2 緩行模型

緩行模型一般適用于交通流密度適中、交通流處于正常運(yùn)行或緩行狀態(tài)路段，在此狀態(tài)下同路段中行駛的車輛彼此之間會產(chǎn)生一定限制。此時車輛平均運(yùn)行速度與交通流密度符合格林希爾茨直線模型，具體算式為

(6)

2.2.3 阻塞模型

阻塞模型一般適用于交通流密度很大、交通處于擁堵或嚴(yán)重?fù)矶聽顟B(tài)路段，在此狀態(tài)下車輛行駛速度極大受限，無法根據(jù)自身意愿行駛。此時車輛平均運(yùn)行速度與交通流密度符合格林柏對數(shù)模型，算式為

(7)

最后通過融合暢通模型、緩行模型和擁堵模型即可得到城市道路實際承載量算式(8)?；诖斯讲⒔Y(jié)合前文所爬取的實時交通數(shù)據(jù)，即可實現(xiàn)對城市道路實際承載量時空分布特性的分析及研究。

C=Cc+Ch+Cz

(8)

式中：C為城市道路實際承載量，Cc為城市道路網(wǎng)中暢通路段實際承載量總和，Ch為城市道路網(wǎng)中緩行路段實際承載量總和，Cz為城市道路網(wǎng)中阻塞路段實際承載量總和。

因此，本模型既可用于計算局部路段的實際承載量，又可用于計算整體路網(wǎng)的實際承載量。

3 城市道路實際飽和度模型

為進(jìn)一步探究城市道路各路段的實際利用情況，提出實際飽和度概念，并通過各路段實際承載量與理論容量之比對其進(jìn)行計算。其中，路段的理論容量可理解為交通流處于最佳運(yùn)行狀態(tài)時路段所能容納的最大車輛數(shù)，其算式為

(9)

式中：N為城市道路理論容量，Ni為第i個路段的理論容量，hi為第i個路段運(yùn)行效率最大時所對應(yīng)的平均車頭間距，其余參數(shù)物理意義與前文相同。

其中，路段運(yùn)行效率最大時所對應(yīng)的平均車頭間距h可按快速路為27.92 m、主干路25.56 m、次干路21.88 m及支路15.50 m進(jìn)行取值[23]。

計算出城市道路各路段理論容量后，其實際飽和度可通過式(10)求得。

(10)

式中：Ei為第i個路段的實際飽和度，Ci為第i個路段的實際承載量，Ni為第i個路段的理論容量。

通過模型可以看出，在理論容量一定時路段實際飽和度主要由其實際承載量決定，當(dāng)路段實際飽和度大于1時，代表其實際承載的車輛數(shù)超過了理論容量，此時雖然路段的資源利用率較高，但車輛密度的增大會使路段中產(chǎn)生較為嚴(yán)重的擁堵，從而影響道路的整體運(yùn)行效率。反之，若路段實際飽和度過低，則表明路段中實際承載車輛數(shù)過少，道路資源存在一定冗余，同樣不利于道路整體運(yùn)行效率的提升。

4 案例分析

4.1 數(shù)據(jù)爬取及處理

阿城區(qū)地處哈爾濱市中心城區(qū)東南23 km處，是黑龍江省最具經(jīng)濟(jì)活力的區(qū)(縣)之一，對其城市道路實際承載量及飽和度進(jìn)行分析具有十分重要的意義。通過Open Street Map(OSM)網(wǎng)站獲取阿城區(qū)城市道路，其中包含快速路2條、主干路7條、次干路12條、支路15條，總長度約59.68 km。運(yùn)用ArcGIS軟件中的漁網(wǎng)工具將城市道路按不同等級分割為若干采集區(qū)域，并利用自編Python爬蟲程序?qū)Σ杉瘏^(qū)域道路的實時交通數(shù)據(jù)進(jìn)行爬取，爬取時間為07：00—18：00，間隔30 min，調(diào)查期間共采集7天 161個時刻的實時交通數(shù)據(jù)。將實時交通數(shù)據(jù)根據(jù)前文所述方法進(jìn)行清洗、篩選及修復(fù)處理后，按照經(jīng)緯度坐標(biāo)及道路名稱等屬性將其鏈接進(jìn)城市道路模型中，用于后續(xù)的計算與分析。阿城區(qū)道路模型如圖2所示，按文中1.3節(jié)所述方法處理計算后的高峰時刻實時交通數(shù)據(jù)(見表3)。

圖2 哈爾濱市阿城區(qū)道路模型

表3 處理后高峰時刻實時交通數(shù)據(jù)

4.2 實際承載量及其時空特性分析

4.2.1 時間特性

通常情況下城市道路工作日和周末的交通流會呈現(xiàn)較大的差異性，分別對阿城區(qū)工作日和周末城市道路不同時刻的實際承載量進(jìn)行計算，并繪制其時間特性曲線(見圖3)。根據(jù)曲線可對阿城區(qū)城市道路實際承載量的時變特性做出以下分析。

圖3 城市道路實際承載量時間特性曲線

1)阿城區(qū)城市道路實際承載量在早晚高峰(即07：30—08：30和16：30—18：00)存在明顯峰值，表明工作日早晚高峰時段城市道路中所承載的車輛總數(shù)最多；而周末實際承載量曲線無明顯峰值，說明周末居民出行的集中性較弱。

2)在曲線波動性方面，阿城區(qū)工作日城市道路實際承載量的波動性明顯強(qiáng)于周末，其曲線整體呈馬鞍型，平峰時段(即09：30—15：30)城市道路實際承載量僅為高峰時段的60%左右。而周末雖然高峰時段城市道路實際承載量低于工作日，但在平峰時段卻高于工作日。

3)通過對一周內(nèi)不同時刻城市道路實際承載量進(jìn)行分析可以發(fā)現(xiàn)，工作日城市道路實際承載量與時間之間具有較為明顯的關(guān)聯(lián)性，因此，交通管理者可以根據(jù)實際承載量的時間特性提出差異化的管控措施，提升城市道路的整體運(yùn)行效率，進(jìn)而實現(xiàn)從交通需求角度緩解交通擁堵。

4.2.2 空間特性

由城市道路實際承載量的時間特性分析可知，阿城區(qū)早高峰城市道路的實際承載車輛總數(shù)約為7 133 pcu，而其他時刻均低于該值，表明阿城區(qū)早高峰居民出行強(qiáng)度最高，因此，對早高峰實際承載量的空間特性進(jìn)行分析具有重要意義。采用ArcGIS線密度分析方法，以實際承載量作為權(quán)重字段生成柵格分析(見圖4)?？梢钥闯龉ぷ魅蘸椭苣└髀范螌嶋H承載量在空間分布上均呈現(xiàn)由中心向邊緣遞減的趨勢，其中工作日高峰時刻出行熱點主要聚集在解放大街與延川大街交叉口附近；而周末高峰時刻出行熱點主要聚集在解放大街與會寧路交叉口附近，城區(qū)西南部長安路附近也有一定量的交通聚集。

4.3 實際飽和度分析

分別對阿城區(qū)工作日早高峰不同等級路段理論容量和實際承載量進(jìn)行計算，并將二者之間的關(guān)系表達(dá)為如圖5所示。

1)高峰時刻快速路和主干路的實際承載量與理論容量之間相關(guān)性較強(qiáng)，而次干路和支路高峰時刻理論容量與實際承載量之間并無明顯線性關(guān)系。此現(xiàn)象主要原因是快速路和主干路整體服務(wù)水平較高且道路內(nèi)車流連續(xù)，速度波動小，而次干路與支路由于長度較短且寬度較窄，易受交叉口及路側(cè)非機(jī)動車干擾，導(dǎo)致路段實際承載量的波動較大。

2)根據(jù)擬合曲線可以看出，雖然快速路與主干路實際承載量與理論容量總體上呈正相關(guān)，但隨著路段理論容量的增大，實際承載量的增長速度會逐漸降低。這是由于通常情況下區(qū)域交通需求是固定的，當(dāng)?shù)缆房偣┙o大于實際交通需求時，道路的實際承載量將不會再繼續(xù)提升，此時若繼續(xù)提升道路容量則會出現(xiàn)資源冗余現(xiàn)象。

3)在理論容量相同的情況下，快速路或主干路高峰時刻的實際承載量明顯大于次干路和支路，主要是由于在路段理論容量相同的情況下，快速路或主干路往往擁有更豐富的空間資源以及更高的服務(wù)水平，出行者更傾向于選擇高等級道路通行，因此，高等級道路路段的實際承載量更高。

為探究不同等級道路的實際飽和度差異，對阿城區(qū)不同等級道路的實際飽和度進(jìn)行計算，結(jié)果如圖6所示?？梢钥闯鲈诟叻鍟r刻主干路實際飽和度均值接近1.0，快速路實際飽和度均值約為0.7，而支路和次干路實際飽和度均值僅為0.5左右。表明高峰時刻不同等級道路空間資源利用情況差異較大，其中主干路空間資源利用率最高，其高峰時刻實際承載量均值已經(jīng)接近理論容量，部分路段甚至已超過理論容量，處于超負(fù)荷運(yùn)行狀態(tài)；而次干路和支路實際飽和度普遍較低，因此在進(jìn)行交通管理時應(yīng)著重加強(qiáng)交通量由高等級道路向低等級道路的疏導(dǎo)，在提升城市道路整體資源利用率的同時避免高等級道路出現(xiàn)擁堵。

圖6 不同等級道路實際飽和度

5 結(jié) 論

從實際交通需求出發(fā)，通過一種新的視角探索緩解城市交通擁堵的對策和方法，利用網(wǎng)絡(luò)爬蟲技術(shù)實現(xiàn)了城市道路全樣本實時交通數(shù)據(jù)的連續(xù)采集，并提出了基于實時交通數(shù)據(jù)的城市道路實際承載量及飽和度計算方法。相比于傳統(tǒng)道路交通量測算方法，該方法思路清晰、簡單實用且效率更高，此外得益于可獲取大范圍、全樣本實時交通數(shù)據(jù)的數(shù)據(jù)爬取技術(shù)，該方法理論上可用于任意規(guī)模的城市道路網(wǎng)或局部路段實際承載量的推算，具有較強(qiáng)的普適性和先進(jìn)性。通過對阿城區(qū)城市道路實際承載量及飽和度進(jìn)行分析，可得出以下結(jié)論。

1)高峰時刻快速路和主干路的實際承載量與理論容量之間的相關(guān)性較強(qiáng)，而次干路或支路高峰時刻實際承載量與理論容量之間相關(guān)性較弱，因此，可推測快速路和主干路通行能力或承載能力的改變對高峰時刻城市道路整體承載量的影響更為明顯。

2)工作日高峰時刻城市道路實際承載量最高，且主要集中于城市中心區(qū)域，其余時刻城市道路實際承載量僅為高峰時刻的60%左右。這表明工作日居民出行在時間和空間上較為集中，而周末不同時段城市道路實際承載量相差不大。因此，可針對實際承載量的時空分布特性為不同道路制定差異化的管理措施，提升城市道路的整體運(yùn)行效率，進(jìn)而緩解交通擁堵。

3)從整體上看，快速路與主干路高峰時刻實際飽和度高于次干路與支路，這說明在高峰時刻出行者更傾向選擇高等級道路出行?？紤]未來汽車保有量的增長以及居民出行強(qiáng)度的提升，為避免高峰時刻快速路或主干路出現(xiàn)交通擁堵，在進(jìn)行交通管理時應(yīng)注意將交通量由高等級道路向低等級道路進(jìn)行疏導(dǎo)。