摘要 車輛超速行為是造成交通事故的主要原因之一，嚴重影響交通安全，目前主要通過固定速度閾值對車輛超速行為進行識別。文章利用GPS數(shù)據(jù)獲取較為便捷，且能夠貫穿車輛整個行駛時段的特點，提出了一種基于軌跡數(shù)據(jù)的車輛超速行為識別方法。首先，對使用的GPS軌跡數(shù)據(jù)進行了分析，對數(shù)據(jù)進行了預處理。其次，利用處理后的數(shù)據(jù)，以研究區(qū)域內(nèi)的瞬時超速事件為對象，在結(jié)合GPS軌跡點所在時間信息數(shù)據(jù)及車輛超速事件界定規(guī)則的基礎上，篩選出道路持續(xù)超速行為的發(fā)生情況，最后通過分析持續(xù)超速行為的時間分布情況得到超速行為的常發(fā)時段，并提出了相應的治超措施。結(jié)果表明，上述方法可以有效地識別出車輛的持續(xù)超速行為，對交通管理部門進行道路安全監(jiān)督管理具有一定意義。

關(guān)鍵詞 交通安全；軌跡數(shù)據(jù)；超速行為

中圖分類號 U495 文獻標識碼 A 文章編號 2096-8949（2024）22-0001-03

0 引言

近年來，交通事故一直是影響人們生命和財產(chǎn)安全的主要原因之一，超速駕駛是導致交通事故的一個重要因素。駕駛?cè)说鸟{駛行為，特別是超速駕駛，直接影響道路交通安全，通過相關(guān)策略方法規(guī)范駕駛?cè)说鸟{駛行為是保障道路交通安全的重要舉措之一。

目前，相關(guān)領域?qū)︸{駛?cè)说鸟{駛行為做了較多研究，在超速駕駛方面，主要通過超速執(zhí)法和車輛管理兩個方面進行超速干預。超速執(zhí)法是通過安裝的抓拍、測速等設備對車輛進行監(jiān)控；而車輛管理則是通過在車輛本身設置相應的測速裝置，全程監(jiān)控車輛的行駛速度，在車輛超速時，對駕駛員作出相應的預警提示。由于車輛超速管理機制并不健全，以及超速執(zhí)法不能全程監(jiān)控車輛，所以一些學者利用車輛駕駛過程中產(chǎn)生的自然駕駛數(shù)據(jù)進行超速駕駛行為的識別。任慧君等人[1]利用GPS軌跡數(shù)據(jù)對車輛駕駛安全性進行了分析，從軌跡數(shù)據(jù)中提取了超速、急加減速等行為，對駕駛安全性進行了評估；Guo等人[2]利用混合無監(jiān)督深度學習模型識別車輛的超速駕駛行為；李開放等人[3]利用k-means算法和高斯混合聚類算法對駕駛數(shù)據(jù)進行聚類，利用BP神經(jīng)網(wǎng)絡對聚類結(jié)果進行了訓練，最終實現(xiàn)了超速行為識別；許佳鑫[4]通過分析海量軌跡數(shù)據(jù)，建立危險駕駛行為識別算法，對超速、急加減速等八個不良駕駛行為進行量化，同時還對危險駕駛行為的發(fā)生頻率進行分析；惠飛等人[5]利用GPS數(shù)據(jù)特征構(gòu)建車輛駕駛行為特征，包括時間、速度、轉(zhuǎn)向角等，并利用以上集中特征對現(xiàn)有車輛GPS軌跡數(shù)據(jù)進行聚類分析，提出了一種基于GPS軌跡數(shù)據(jù)的車輛駕駛員異常駕駛行為檢測方法，得到了局部異常駕駛行為的檢測結(jié)果，該方法能夠準確判斷待測車輛典型的駕駛錯誤行為。

綜上所述，基于GPS數(shù)據(jù)的車輛超速行為識別方法的相關(guān)研究側(cè)重于對駕駛?cè)说鸟{駛行為進行分類識別，一部分學者利用GPS超速數(shù)據(jù)進行了聚類分析，得到研究區(qū)域的車輛超速規(guī)律。該文利用GPS軌跡獲取成本低廉及便捷的優(yōu)勢，提出了一種基于軌跡數(shù)據(jù)的車輛超速行為識別方法，該方法結(jié)合車輛GPS軌跡數(shù)據(jù)、超速事件界定規(guī)則及行車軌跡所在的時間等信息，識別并篩選出車輛在行駛過程中的超速行為，為后續(xù)交通管理部門進行交通管理提供一定的參考依據(jù)。

1 基于軌跡數(shù)據(jù)的車輛超速行為識別方法

1.1 超速事件判定方法

超速駕駛通常是指駕駛員在行駛過程中，車速超出法定的道路限速值。這種行為可以分為兩類：一種是瞬時超速行車，通常發(fā)生在車輛突然加速的時候，例如超車，持續(xù)時間比較短；另一種是持續(xù)超速，即車輛在一段時間內(nèi)持續(xù)超過限速值的行駛。目前對于超速駕駛行為的識別，主要通過設置相應速度閾值判斷車輛是否發(fā)生超速行為，該方法可能會導致一些瞬時超速行為被識別為超速行為，如短時間內(nèi)的超車行為，也有可能導致一些超速行為無法被識別出來，所以該文將連續(xù)兩個及以上軌跡點均超速的軌跡序列視為超速行為。如圖1所示，在一條完整的行駛軌跡中，如果只有一個軌跡點發(fā)生超速，且前后軌跡點都在正常的速度范圍內(nèi)，則將該點視為瞬時超速行為；如果前后連續(xù)出現(xiàn)兩個或以上的超速軌跡點，則將其視為持續(xù)超速行為。

1.2 超速行為識別流程

該文的超速研究主要分為兩個方面，首先是瞬時超速行為的提取，其次是持續(xù)超速行為的判定，具體識別流程如圖2所示。

基于軌跡數(shù)據(jù)的車輛超速行為識別方法的具體內(nèi)容如下：

（1）瞬時超速軌跡點識別。將GPS軌跡點速度與所在道路速度限速閾值進行對比，得到車輛的瞬時超速行為；

（2）持續(xù)超速軌跡點識別。（1）中識別出來的超速軌跡點為瞬時超速數(shù)據(jù)，利用連續(xù)兩個及以上的軌跡點均超過道路速度限速閾值的方法，將持續(xù)超速軌跡點提取出來；

（3）持續(xù)超速行為統(tǒng)計。統(tǒng)計（2）中被識別為超速的軌跡點數(shù)量，再將（2）中識別出來的持續(xù)超速行為的附屬信息提取出來，主要包括車輛編號、時間、經(jīng)緯度等；

（4）持續(xù)超速行為的時間分布情況。通過統(tǒng)計分析一天中各個小時的超速次數(shù)，分析該區(qū)域的超速時間分布情況。

識別超速行為的關(guān)鍵步驟包括以下幾個方面：（1）數(shù)據(jù)預處理；（2）道路速度限速閾值；（3）瞬時超速行為識別；（4）超速事件判定方法；（5）持續(xù)超速行為識別；（6）超速駕駛行為數(shù)量統(tǒng)計。

2 基于軌跡數(shù)據(jù)的車輛超速行為識別方法算例驗證

2.1 數(shù)據(jù)介紹及預處理

該文使用的數(shù)據(jù)分別是GPS軌跡數(shù)據(jù)和地圖數(shù)據(jù)。GPS軌跡數(shù)據(jù)是某地區(qū)33輛出租車的12萬條GPS軌跡數(shù)據(jù)，數(shù)據(jù)的時長為24 h，數(shù)據(jù)內(nèi)容包括車輛編號、時間、經(jīng)度、緯度、速度等，分布在該地區(qū)的15條道路上。地圖數(shù)據(jù)包含了大量的地理空間信息，是交通行業(yè)研究道路問題的重要工具，也是后續(xù)進行GPS數(shù)據(jù)處理的參照依據(jù)。該文是從OpenStreetMap平臺中獲取的地圖數(shù)據(jù)，OpenStreetMap是一個開源地圖。

雖然定位技術(shù)在不斷發(fā)展，但是由于交通擁堵、信號管控和站點停留等原因造成短時間停留或在有建筑物遮擋的區(qū)域進行移動時，收集到的數(shù)據(jù)將出現(xiàn)短時間的數(shù)據(jù)空白區(qū)。數(shù)據(jù)的漂移主要發(fā)生在高架橋等有建筑物遮擋或外界信號干擾較為嚴重的地方，需要通過不同的方法對缺失數(shù)據(jù)進行填補，對漂移數(shù)據(jù)進行修正。

（1）缺失數(shù)據(jù)插補。在數(shù)據(jù)缺失問題中，該文的GPS軌跡點缺失屬于隨機缺失，利用線性插補的方法進行數(shù)據(jù)插補，這種方法操作簡單，可以快速地處理數(shù)據(jù)。首先將GPS軌跡點中不合理的數(shù)據(jù)剔除，該文使用的GPS軌跡數(shù)據(jù)的時間間隔為15 s，所以將兩軌跡點間時間間隔超過15 s的數(shù)據(jù)認定為缺失數(shù)據(jù)，然后利用線性插值的方法進行缺失數(shù)據(jù)的插補。假設缺失點相鄰的兩個軌跡節(jié)點分別為（xm，ym）和（xn，yn），則缺失點的數(shù)值y的計算方法如公式（1）所示：

y= x?xn " "xm?xn ym+ x?xm " "xn?xm yn （1）

式中，x、y——缺失插值點的數(shù)值；xm、ym——缺失點相鄰節(jié)點1的數(shù)值；xn、yn——缺失點相鄰節(jié)點2的數(shù)值。

對于大量的數(shù)據(jù)缺失，缺失時間較大可能是由設備故障或數(shù)據(jù)傳輸異常導致，這部分數(shù)據(jù)的研究可行性較低，插補意義較小，所以將這部分數(shù)據(jù)剔除，防止其影響后續(xù)的識別。

（2）漂移數(shù)據(jù)處理。將GPS軌跡點導入路網(wǎng)中會發(fā)現(xiàn)有部分軌跡點偏離路段，與實際行駛路線不符，漂移的數(shù)據(jù)會影響后續(xù)軌跡速度與路段限速閾值的比較。該文利用地圖匹配方法進行漂移數(shù)據(jù)的處理，主要通過漂移軌跡段與路段之間的幾何關(guān)系，將漂移點匹配到正確的路段上，該方法的思路如下：

首先構(gòu)建待匹配路段庫，該文使用的路段庫為研究區(qū)域內(nèi)的15條道路，通過計算漂移軌跡點到待匹配路段的距離及角度，得出其基本概率分配情況，最后將漂移點的位置信息用投影點的信息進行替換，并填補到數(shù)據(jù)表中。

2.2 基于軌跡數(shù)據(jù)的超速行為識別

首先按照上述方法進行缺失數(shù)據(jù)和漂移數(shù)據(jù)的處理，并統(tǒng)計每條路段的道路限速閾值，然后將獲取的GPS軌跡點數(shù)據(jù)對應到不同的路段上，將每個GPS軌跡點的速度與當前道路限速閾值進行比較，得到車輛的全部瞬時超速行為，具體見表1所示。由于瞬時超速數(shù)據(jù)不能很好地體現(xiàn)車輛的車速行為，所以還需要進一步研究車輛的持續(xù)超速數(shù)據(jù)。

利用將連續(xù)兩個及以上的超速軌跡點視為持續(xù)超速行為的方法，對篩選出來的瞬時超速行為進行識別，共識別出8 471起超速事件，具體數(shù)據(jù)見表1所示，持續(xù)超速行為與瞬時超速行為對比情況如圖3所示。

從表1中可以看出，與第一次識別出來的瞬時超速數(shù)據(jù)相比，持續(xù)超速行為篩選掉了大概30%的瞬時超速數(shù)據(jù)。相較于最原始的基于速度閾值的方法，該文的方法對最終超速行為的識別起到了一定的篩選作用。

2.3 超速行為分布

為了對后續(xù)超速行為的結(jié)果進行進一步分析，該文從時間維度對篩選出來的持續(xù)超速行為進行分析，以一個小時為時間節(jié)點，將時間研究區(qū)域分為24個節(jié)點，可以得到研究區(qū)域內(nèi)的超速行為分布情況，如表2所示：

從持續(xù)超速事件的時間分布可以看出，研究區(qū)域內(nèi)的超速行為主要分布在晚上11點至凌晨2點，交通管理部門可以在這個時間段加大交警巡邏力度，對該區(qū)域進行實地考察，分析觀察該地段出現(xiàn)交通違法行為的原因，比如是否存在道路交通標志標線的缺失、損壞等現(xiàn)象，可在該地設置典型的移動式超速抓拍設施，此外還可以考慮在研究區(qū)域張貼反超速標語等措施。

3 結(jié)論

在交通領域，車輛超速行為對社會安全造成了極大影響。該文從車輛行駛過程中產(chǎn)生的GPS軌跡數(shù)據(jù)，進行車輛的超速行為研究，通過將相鄰兩個及以上的軌跡點均超速的數(shù)據(jù)識別為持續(xù)超速行為，篩選了基于固定速度閾值方法識別出的瞬時超速行為，能夠避免將車輛因超車等因素造成的瞬時超速行為識別為持續(xù)超速行為，并分析了超速行為的常發(fā)時段，相關(guān)管理部門可以在這個時間段加大管理力度。

參考文獻

[1]任慧君，許濤，李響.利用車載GPS軌跡數(shù)據(jù)實現(xiàn)公交車駕駛安全性分析[J].武漢大學學報（信息科學版），2014（6）：739-744.

[2]Guo J， Liu Y， Zhang L， et al. Driving behaviour style study with a hybrid deep learning framework based on GPS data[J]. Sustainability， 2018（7）：2351.

[3]李開放，劉忠濤，柏興濤，等.基于k-means聚類和神經(jīng)網(wǎng)絡的超速行為識別研究[J].安徽建筑大學學報，2022（6）：83-88+102.

[4]許佳鑫.基于軌跡數(shù)據(jù)的“兩客一?！避囕v駕駛行為安全評價研究[D].石家莊：石家莊鐵道大學，2023.

[5]惠飛，彭娜，景首才，等.基于凝聚層次的駕駛行為聚類與異常檢測方法[J].計算機工程，2018（12）：196-201.

收稿日期：2024-09-02

作者簡介：崔懷煜（1978—），男，本科，研究方向：交通執(zhí)法。

基金項目：道路交通安全公安部重點實驗室開放課題“多源信息融合的危化品運輸車輛異常駕駛行為識別與預警”（2023ZDSYSK FKT06）；國家級大學生創(chuàng)新訓練計劃項目“基于視頻檢測的高速公路拋灑物識別及預警系統(tǒng)研究”（202310755044）。