摘要：隨著城市化進程的不斷加速，交通擁堵已成為南寧市市政建設面臨的突出問題。為探究形成問題的根源，文章采用 GIS （地理信息系統）分析處理軟件對實時路況數據進行分類，提取路況信息并采用空間計量分析法進行分析，識別交通擁堵的核心熱點。分析結果顯示，部分交叉口在工作日和休息日均存在顯著擁堵現象，與百度提供的交叉口擁堵數據統計吻合，驗證了通過實時路況數據識別城市擁堵熱點區(qū)域的可行性。

關鍵詞：實時路況；交通擁堵；空間計量分析；時空分布特征

中圖分類號：U491.265" " " "文獻標識碼：A" " " 文章編號：1674-0688（2024）02-0098-06

0 引言

隨著城市化進程的加速和私家車數量的急劇增加，交通擁堵已成為眾多大中型城市面臨的嚴峻問題。常態(tài)化的交通阻塞呈現出三大顯著特征：地理位置穩(wěn)定性、時段規(guī)律性和事件頻發(fā)性。對這些頻發(fā)的交通阻塞區(qū)域進行深入探討和精確定位，探究其在特定城市道路上的形成背景和特性，有助于交通指揮部門更系統地應對交通阻塞帶來的挑戰(zhàn)，確保城市交通的流暢與安全。

城市路網及其擁堵點段分析屬于道路交通擁堵分析的主要方向，是采取緩解交通擁堵措施的重要參考依據。自20世紀末以來，為了應對日益嚴重的道路交通擁堵問題，國內外學者在此領域進行了持續(xù)且深入的研究，探討交通擁堵的成因和特點，采用的分析手段由最初的憑借經驗進行定性分析到當前運用數學模型和大數據進行的定量分析，并提出一系列創(chuàng)新的方法和策略識別和評估擁堵點段，為城市交通管理部門提供了科學的決策依據。這些研究涉及交通工程、交通規(guī)劃、地理信息系統等多個學科領域，同時結合了大數據、云計算等先進技術手段，展現了新技術和跨學科在該領域的應用前景。劉瑤杰等［1］采用浮動車數據與道路路網匹配的方法捕捉實時交通流狀態(tài)，深入研究學校對道路的空間影響；魯小丫等［2］運用基于DBSCAN（Density-Based Spatial Clustering of Applications with Noise）算法的城市交通時空擁堵點檢測方法，通過采用實時路況數據和定義時空關聯性檢測出長期性和規(guī)律性的交通擁堵點；Haitao等 ［3］開發(fā)出一種新穎的交通擁堵點識別方法，結合二階模糊邏輯和改進的生成對抗網絡對擁堵點進行分類和量化；WEI等 ［4］采用實時大數據深入分析中國77個主要城市的交通擁堵時空分布特征，結果顯示，同一天中不同城市的交通狀況存在明顯的差異；KE等 ［5］利用最新的BSS Reduce（組間平方和）特征選擇技術，通過定期分析，識別并衡量城市中的關鍵交通擁堵點，以了解城市規(guī)模對交通擁堵的影響。

過去的研究多聚焦于靜態(tài)數據，如道路設計、交通流量等因素對交通擁堵的影響。本文嘗試將城市交通擁堵點當作事件，利用Moran's I空間自相關指數（ 全局Moran's I） 和Getis-Ord Gi熱點分析對南寧市城區(qū)的實時交通狀況進行可視化統計，分析南寧交通擁堵的時空分布規(guī)律，以期為治理南寧市交通擁堵問題提供參考。

1 研究區(qū)域概況

截至2021年，南寧市的常住人口達到883萬［6］，人口的增加和經濟水平的提高導致機動車和電動自行車保有量快速增長，近5年兩者的保有量分別達到283萬輛和374萬輛。根據2021年的統計數據，南寧市機動車的增長速度自2019年起超過電動自行車。與2016年的調查相比，2021年南寧市機動車出行在出行結構中的占比提升了0.9%。具體來說，小汽車出行占機動車出行的比例從45.9%提升至52.6%，公共交通出行占比從15.5%下降至10.8%。非機動車（主要指電動自行車）的出行占比雖然有所下降，從64.5%減少到61.1%，但是電動自行車在總出行結構中仍占35.9%，說明在南寧市，騎電動自行車仍然是重要的出行方式［7］。隨著南寧市經濟的發(fā)展和居民收入水平的提高，機動車逐漸成為主要的出行方式，但電動自行車因其便捷性和經濟性，在南寧市的交通中仍占據不可忽視的地位。機動車保有量的增加必然會增加道路的交通負荷，而交通供給量往往無法滿足快速增長的交通需求。如何在保證大量非機動車有序安全行駛的同時，滿足快速增長的機動車交通需求，需要南寧市交通管理部門對城市交通擁堵的形勢進行整體把握和深入研究。

本文以南寧市主城區(qū)為研究區(qū)域，使用GIS軟件矢量化道路信息，提取信息后獲得南寧市城區(qū)的路網結構（見圖1）。南寧市的路網結構屬于典型的混合型路網結構，許多道路放射性地擴展，部分區(qū)域呈網格狀。

2 數據與方法

2.1 數據來源及處理

本研究主要采用實時路況數據和擁堵交叉口排名2組數據進行統計分析。實時路況數據取自2023年10月18日至24日（6：00-21：00）的數據，每5分鐘獲取一次，該數據主要記錄南寧市各路段的交通狀態(tài)，為提取擁堵特征和空間分析提供了數據基礎；擁堵交叉口排名取一周內各個時刻南寧市擁堵程度排名前十位的交叉口，旨在識別城市交通瓶頸區(qū)。

為了獲取準確和詳細的交通信息，首先采用地圖抓取工具從高德地圖提取特定時空范圍的瓦片地圖數據，同時記錄每一時刻發(fā)生擁堵的交叉口（排名前十）；其次，將這些數據進行細致的拼接和預處理，形成一個完整且連續(xù)的時空數據集；再次，利用ArcGIS地理信息系統軟件將拼接后的地圖數據進行矢量轉換，將瓦片地圖的像素信息轉化為矢量數據，使其更適合進行空間分析；最后，結合南寧市的城市路網數據，配準轉換后的矢量數據，確保數據在空間層面與實際城市路網結構高度匹配。

2.2 研究方法

空間聚類是指基于空間的相似度，將具有相似空間行為的對象歸為一組，各組間的差別盡量大，組內的差別盡量小?？臻g聚類分析是一種強有力的分析工具，可以幫助研究者識別容易發(fā)生擁堵的地區(qū)。通過對交通數據進行空間自相關性分析，可以確定交通擁堵事件是否隨機分布或存在某種模式。聚類的前提是事件之間具有空間自相關性，空間自相關性可以通過全局Moran's I和Getis-Ord Gi熱點分析進行描述。全局Moran's I用于評估整個區(qū)域的空間分布是否具有隨機性，其取值范圍為［-1，1］；Getis-Ord Gi熱點分析用于識別具有統計顯著性的熱點和冷點，表示交通擁堵事件聚集的空間位置。

本文通過ArcGIS軟件的全局Moran's I和Getis-Ord Gi熱點分析探究南寧市交通擁堵的聚類特征和空間分布。首先，通過分析各個時刻的交通狀態(tài)數據，了解南寧市交通擁堵的時間特征；其次，通過全局Moran's I判斷擁堵事件是否傾向于在某些區(qū)域聚集或在整個區(qū)域內隨機分布，以獲得對城市整體交通流模式和擁堵分布特征的宏觀理解；再次，使用Getis-Ord Gi（熱點分析）進一步探究交通擁堵事件聚類的空間位置，熱點分析不僅能顯示事件的聚集趨勢，還能識別聚集的具體位置并定位熱點區(qū)域（即交通擁堵特別嚴重的地段）和冷點區(qū)域（即交通相對流暢的地段）；最后，為了驗證這些統計方法的實用性和準確性，收集百度地圖上南寧市一周內的交通擁堵數據進行實證分析，通過對比熱點分析的結果與實際觀測數據，評估所用方法的有效性，并且為交通擁堵管理提供可行的解決方案。

全局Moran's I是一個空間自相關統計量，用于衡量一個地理數據集中觀測值之間的空間相關性，進而評估整個研究區(qū)域的空間分布是否具有隨機性，其計算公式為

其中：[n]是觀察對象的數量； [wij]是空間權重矩陣的元素，代表地點i和地點j之間的空間關系；[xi]和xj是觀察對象的屬性值；[x]是屬性值的平均值。

Getis-Ord Gi熱點分析通過識別具有統計顯著性的熱點和冷點，得到發(fā)生空間聚類的高值或低值的具體位置，其計算公式為

3 結果與分析

3.1 交通擁堵的時間特征分析

交通擁堵不僅具有空間上的集聚特征，還具有時間上的重復特征。本文選取工作日的早晚高峰期和中午午休時段以及周末的相應時段進行對比分析。在工作日，分析早、中、晚3個時段交通擁堵的情況，得出工作日交通擁堵的時間規(guī)律。周末，由于大部分公司不上班，商圈活動、旅游等因素使人們的出行特征發(fā)生很大的變化，分析這些變化，得出周末擁堵的時間規(guī)律。參考地圖上對交通擁堵的定義，給每一段道路或交叉口賦予明確的交通狀態(tài)屬性，對矢量化后的地圖數據進行屬性標注，如“暢通=1”“緩行=2”“擁堵=3” “嚴重擁堵=4”。

通過對以上數據進行處理，在確保數據實時性和細致性的同時，捕捉到了南寧市交通擁堵的細微變化，為后續(xù)的深入分析與研究提供了有力的數據支持。統計各個時刻道路的擁堵狀態(tài)以及發(fā)生擁堵的道路的長度，獲得每天整個路網擁堵比例的變化趨勢，連續(xù)收集一周的數據可以確保對這些變化有一個完整的視圖（見圖2）。

由圖2可知，南寧市一周內交通擁堵的模式主要呈現為“雙高峰”模式，即早、晚2個時間段的擁堵程度較高，其他時段則相對平穩(wěn)。其中，晚高峰的擁堵程度普遍高于早高峰。全天的交通時段大致劃分為以下幾個：早高峰時段（7：30-8：30），這段時間的擁堵率上升迅速，達到一天中的第一個高峰；上午平穩(wěn)時段（8：30 -11：30），這段時間的擁堵率逐漸降低，交通相對流暢；中午時段（11：30-13：30），擁堵率略有上升，但整體變化不大，路網整體運行狀況良好；下午平穩(wěn)時段（13：30-16：30），這段時間的擁堵率保持在一個較低的水平；晚高峰時段（16：30-19：00），這段時間的擁堵率迅速上升，達到一天中的第二個高峰，并且普遍高于早高峰；晚間平穩(wěn)時段（19：00至次日的6：30），這段時間的擁堵率逐漸降低，交通逐漸恢復流暢。南寧市周末的擁堵趨勢與工作日存在顯著差異。周六和周日可能沒有明顯的出行早高峰，但在中午時段會出現一個小高峰。從周六的道路擁堵趨勢可知，周六的出行需求依舊巨大，大部分時段的擁堵狀況均高于工作日，這與居民出行游玩有關。某一天的早高峰或晚高峰擁堵特別嚴重的原因有多種，如下雨等不良天氣會極大地影響電動自行車的行駛速度，電動自行車扎堆行駛、占用機動車道等現象十分普遍，使機動車道車輛的行駛速度受到嚴重的影響；節(jié)假日前的工作日或長假后的首個工作日的道路也因人們集中出行而擁堵更嚴重。

3.2 空間自相關分析

全局Moran's I反映的是空間數據的自相關性，可以用來描述交通擁堵的空間分布模式。對南寧市一周實時路況數據進行全局Moran's I分析，結果見表1。

從表 1 中的統計結果看，P值lt;0.000 1，意味著所有的全局Moran's I結果統計的顯著性都是明顯的，并且Z值得分都為正，表明出現的交通擁堵區(qū)域在空間上存在強烈的正空間自相關，即類似值（無論是高值還是低值）傾向于彼此鄰近。

周一的全局Moran's I是0.854 391，Z得分為281.434 283，為一周中的最高值，表明周一的交通擁堵模式在南寧市內具有非常強的空間聚集性。與此相反，周日的全局Moran's I是最低的，為0.458 642，意味著周日的交通擁堵模式較為分散。從圖2中也可以觀察到，周日的高峰時段擁堵比例明顯低于工作日。

盡管周三、周四和周日的全局Moran's I較低，但是并不意味著這幾日的交通狀況良好，只能表明這幾日的交通擁堵模式在空間上分布得較為均勻。例如，周四早高峰的道路擁堵程度大大高于其他幾日的早高峰，隨著道路擁堵比例的上升，可能意味著更多的路段變得擁堵，而這種擁堵路段增多的可能性導致了擁堵區(qū)域在空間分布上的變化。如果擁堵發(fā)生在通常不擁堵的區(qū)域，或擁堵的程度在不同區(qū)域之間的差異增大，那么空間聚集統計的顯著性可能會降低。

綜上所述，通過全局Moran's I分析可知，南寧市交通擁堵的空間聚集性隨機產生的可能性極低（P 值lt;0.000 1），這說明擁堵形成的區(qū)域總是發(fā)生在固定的位置，由固定的因素導致，如道路設計、交叉口位置、車流量、交通規(guī)則等。這些高擁堵區(qū)域是常發(fā)性的擁堵區(qū)域，需要特別關注和開展交通規(guī)劃和調整，以改善交通流動性并減少擁堵。未來，進行交通規(guī)劃和管理時可考慮這種關聯性，提高城市的交通效率。

3.3 擁堵熱點分析

進行熱點分析的主要作用是通過識別空間上的集群趨勢找出屬性值異常高（熱點）或異常低（冷點）的地區(qū)，即識別出擁堵的熱點區(qū)域和擁堵現象較少的冷點區(qū)域，揭示數據背后的空間模式和特征。本小節(jié)主要對工作日的早、晚高峰（7：30-9：30；17：00-19：00）以及休息日的晚高峰進行熱點分析。

分析可知，南寧市工作日早高峰的擁堵主要發(fā)生在西鄉(xiāng)塘區(qū)與興寧區(qū)，并且形成強烈的空間集群效應。從擁堵區(qū)域的分布上看，工作日的早、晚高峰擁堵路段主要分布在中華路等主城區(qū)重點路段，反映中心區(qū)大量的辦公室、商業(yè)中心和其他重要設施的吸引作用，形成集中的車輛流量。強烈的空間集群效應在早高峰時段尤為突出，中心區(qū)域的道路網絡承受了極大的通勤壓力。西鄉(xiāng)塘區(qū)與興寧區(qū)的熱點區(qū)域相鄰，存在很大的相關性，如朝陽路和明秀路周邊，無論早、晚高峰都存在大量的熱點區(qū)域。江南區(qū)和青秀區(qū)的擁堵區(qū)域相對較少，并未產生強烈的集群現象，產生擁堵的區(qū)域也主要是連接西鄉(xiāng)塘區(qū)和興寧區(qū)的邕江大橋、中興大橋等通勤走廊。從冷點區(qū)域大多分布在民族大道、白沙大道、竹溪大道及其周邊區(qū)域的情況可以看出，民族大道等主要道路能很好地承擔其周邊區(qū)域的交通壓力，并有效地緩解交通擁堵情況，原因可能是其高效的道路設計、智能化的交通管理系統、有效的交通導流策略以及其他多種影響因素對分散交通流量、減少擁堵、確保交通流暢起到了關鍵的作用。

分析可知，盡管晚高峰擁堵程度遠高于早高峰，但在熱點分析中的熱點區(qū)域要少于早高峰，說明晚高峰的擁堵分布在更廣泛的區(qū)域，晚高峰的擁堵區(qū)域分布更為分散的原因可能與下班后人們的多樣化活動有關，如購物、娛樂等，導致車流不僅限于回家的方向。

周末晚高峰擁堵熱點區(qū)域的分布較均勻，并沒有和工作日一樣在市中心形成大片的熱點區(qū)域。相反，在城市的各大出入口、連接中心與外圍的主要道路往往會出現擁堵現象，如友誼立交、鳳北立交、那安快速路入口等，這與人們在周末選擇到城市外進行休閑活動或南寧市周邊區(qū)縣的居民周末結束后的返程交通有關。在周末的特定擁堵點分析中，一些關鍵地點如醫(yī)科大第一附屬醫(yī)院周邊的雙擁路與桃源路路口，以及連接各個居民區(qū)的大橋等地點在周末也顯示出擁堵現象，這些擁堵熱點不僅體現了特定地點的高交通需求，還反映了城市交通流量在周末的特殊分布特點。

擁堵點的分布呈現出向城市東、南部擴散的趨勢，與南寧市主城區(qū)的發(fā)展方向吻合。這種變化趨勢提示城市規(guī)劃者要關注新興擁堵點的發(fā)展，及時調整交通布局。民族大道及其附近區(qū)域作為冷點區(qū)域，顯示了高效的道路設計和智能化交通管理在緩解擁堵方面的積極作用。

綜上所述，南寧市的交通擁堵問題具有明顯的時間和空間特點。城市中心高峰時段的擁堵、新興區(qū)域擁堵點的擴散以及周末擁堵模式的變化，都反映了城市發(fā)展與交通規(guī)劃之間的緊密聯系。

3.4 交叉口擁堵情況驗證

上述的熱點分析通過空間計量分析方法識別出了一系列的交通擁堵熱點。為了驗證這些熱點的準確性，本文采集了工作日和休息日道路交叉口的擁堵情況數據（見表2和表3）。從表2可以看到，北湖南路與唐山路交叉路口、青山路輔路路口、柳沙路路口、民族大道與朝陽路交叉路口和青山路與雙擁路交叉路口的平均擁堵指數均較高，這與熱點分析結果高度一致，說明這些交叉口確實是擁堵的重點區(qū)域。從表3同樣可以看出，某些交叉口（如北湖南路與唐山路交叉路口和青山路輔路路口）即使在休息日也出現明顯的擁堵現象，與工作日的數據存在一定程度的吻合。

實際調查統計數據與空間計量分析結果相吻合，進一步驗證了通過收集實時路況數據進行空間統計計量分析的方法具有較高的可靠性和準確性。通過這種方法可以直觀且全面地了解南寧市道路的擁堵狀況和擁堵特點，為交通管理部門制定交通管理策略提供依據。

4 結論

經過分析與驗證，南寧市目前的交通狀況呈現出明顯的節(jié)點性擁堵特征，這與城市的特定地理結構和交通流動模式密切相關。這些節(jié)點性擁堵主要發(fā)生在橋梁、快速路出入口、重要交叉口以及學校和醫(yī)院周邊區(qū)域。導致交通擁堵不僅是車流量過大，也與城市交通特性、道路設計、交通信號管理等因素相關。本文通過實時路況數據分析南寧市的擁堵熱點，得出如下結論。

（1）通過利用全局Moran's I和Getis-Ord Gi熱點分析方法對南寧市的交通擁堵進行研究，發(fā)現所揭示的擁堵熱點區(qū)域與現場調查數據高度一致，證明利用實時路況數據進行空間分布分析具有較高的可行性與準確性，可為后續(xù)研究提供可信的數據支持。

（2）南寧市的交通擁堵主要集中在早、晚高峰時段，尤其是在工作日。這種現象呈現出典型的大城市交通壓力分布模式。對這種規(guī)律的認識有助于交通管理部門在高峰期采取更具針對性的調控措施。

（3）南寧市擁堵區(qū)域多分布于連接工作區(qū)和居民區(qū)的主要通行道路，這些道路成為交通擁堵的關鍵節(jié)點。因此，應優(yōu)化這些關鍵道路的交通流量管理，如調整信號配時和改善交通引導策略，以緩解高峰時段的壓力。同時，應考慮城市規(guī)劃、商圈布局及路網結構優(yōu)化等長期措施，從根本上解決交通擁堵的問題??。

以上的分析結果可為城市交通規(guī)劃提供數據支持，對制定有效的交通管理策略和提升城市交通效率具有指導意義。

5 參考文獻

［1］劉瑤杰，張晶，張富華，等.基于浮動車數據的城市學校周邊交通擁堵分析［J］.首都師范大學學報（自然科學版），2015，36（2）：93-98.

［2］魯小丫，宋志豪，徐柱，等.利用實時路況數據聚類方法檢測城市交通擁堵點［J］.地球信息科學學報，2012，14（6）：775-780.

［3］Haitao Guo，Lunhui Xu.Research on primary traffic congestion point identification method based on fuzzy logic［J］.International Journal of Vehicle Information and Communication Systems，2023，8（1-2）：135-151.

［4］WEI Xiaoxuan，REN Yitian，SHEN Liyin，et al.Exploring the spatiotemporal pattern of traffic congestion performance of large cities in China：A real-time data based investigation［J］.Environmental Impact Assessment Review，2022，95：106808.

［5］Ke Gong，Li Zhang，Du Ni，et al.An expert system to discover key congestion points for urban traffic［J］.Expert Systems with Applications，2020，158：113544.

［6］南寧市統計局.2021年南寧市國民經濟和社會發(fā)展統計公報［N］.南寧日報，2022-05-07（4）.

［7］袁博，楊超，張源.南寧市第五次綜合交通調查新技術應用與成果分析［J］.交通與運輸，2023，39（5）：89-93.