王路曼,王理民,楊煒俊,蔡 銘
1.中山大學 智能工程學院,廣東 深圳 518106
2.廣東省智能交通系統重點實驗室,廣州 510006
交叉口是城市道路交通系統中的重要組成部分,各個方向的交通流在交叉口處有規律地匯集和分離,交叉口位置的重要性和交通運行狀況的復雜性,使得其成為制約整個道路系統充分發揮功能效率的重要因素之一[1-2]。因此,針對信號交叉口設計專有的運行評價方法是城市道路交通運行評價領域研究的重點內容。此外,隨著智慧交通建設的展開,交通數據采集能力顯著提升,交通數據種類與數量增長迅速,可實現對城市信號交叉口運行狀況進行實時、全面的連續監測,形成日益豐富的城市道路交通數據環境;而大數據等信息技術的迅速發展,使得對海量城市道路交通數據進行挖掘、存儲、加工以及分析更加便捷,量化評估城市交叉口運行狀況更加準確。
在交叉口運行評價指標方面,國際上廣泛采用的是美國發行的《道路通行能力手冊》中以車輛平均延誤作為劃分服務水平等級的標準[3],其認為信號交叉口服務水平的各種影響因素均可反映在車輛平均延誤上,如交叉口的幾何條件、交通條件以及信號條件等。國內早期較為常用的是北京市市政設計院建議的信號交叉口服務水平評價標準[4],除了考慮平均停車延誤外,還增設了交叉口交通負荷系數、紅燈平均阻車長度以及乘客與駕駛員感受指標,并將交叉口服務水平劃分為4個等級?!督煌üこ虒W》中建議的交叉口服務水平分級標準同時考慮了交叉口交通負荷系數、效率系數、交叉口受阻車輛、平均停車延誤和排隊長度等各項參數,從而將信號交叉口服務水平分為5個等級[5]。在實際的研究中還有學者用到了兩次停車率、通行能力、車道占有率等評價指標[6-8],但缺乏相對統一的指標優劣分級標準,無法對交叉口運行狀況進行直觀的評價。
交叉口運行評價的數據源早期主要是人工調查數據[9-11],調查數據較為準確,可調查的數據種類也較多,但需耗費大量的人力物力,且時效性較差。隨著交通數據采集設備的完善和大數據技術的進步,固定交通流檢測設備數據、視頻數據和浮動車GPS數據等開始廣泛應用于交叉口運行評價研究中。曲昭偉等[12]、王力等[13]利用交叉口附近布設的固定檢測設備數據,得到交叉口進口道臨近路段的交通流量和車道占有率數據,進而判別交叉口的交通狀態。唐少虎等[14]、Zhang等[15]、李君羨等[16]通過對視頻圖像數據特征提取,將交叉口交通狀態識別問題轉化為圖像搜索問題。Ban等[17]、Tan等[18]通過移動檢測數據計算車輛的運行時間,進而估算出交叉口的排隊長度,以便識別交叉口過飽和狀態。劉澤等[19]、姚宇[20]、蔡曉禹等[21]、Chen等[22]基于浮動車GPS數據估算最大排隊長度,將隊尾浮動車位置作為基礎項,并考慮隊尾浮動車之后排隊車輛的到達率,從而計算出信號周期內車輛的最大排隊長度?,F有研究大多假定已知的信號配時等先驗條件,且計算方法較為復雜,同時由于浮動車GPS數據、固定檢測設備數據等數據難以全路網、高密度地覆蓋,導致無法對全路網的交叉口運行狀況進行實時、準確的評價,在實際應用中具有較大的瓶頸。
現今手機已成為人們出行時隨身攜帶的工具,手機導航地圖也已成為最常用的導航方式,用戶在使用導航地圖軟件的同時,導航軟件也會定時向手機請求GPS數據,以便獲得用戶的移動信息,進而通過對大量的手機GPS數據分析計算得到路段的平均行程速度。導航平臺路段速度數據具有數據量大、準確性好、數據更新穩定、容易獲取等優點,因而被廣泛應用于交通領域。本文基于路段速度對信號交叉口運行狀況進行評價,考慮采用交叉口進口道臨近路段的速度判定交叉口的服務水平等級,同時可通過擁堵頻率統計識別常發性擁堵交叉口,并根據常發擁堵的時段不同將其分為三類,分別進行擁堵成因分析,以便后續有針對性地對各類交叉口進行專項治理與管控。
本研究數據主要包括三部分,即來自國內某導航平臺推出的路段速度數據和配套的路網地圖數據,以及交叉口位置數據,數據所在區域均為佛山市。路段速度數據以不同長度的路段為單元進行反饋,數據時間范 圍 為2021年2月1日—2021年3月31日,共計52 752條路段產生1 352 309 210條數據記錄,數據時間粒度為2 min,路段速度數據的主要字段及釋義如表1所示。其中,圖幅編號meshiid和道路編號road_id共同確定唯一路段。
表1 路段速度數據字段及釋義Table 1 Field interpretation of road section speed data
路網地圖數據同樣也包含52 752條路段,包括路段的名稱、長度、寬度、車道數、道路等級、所屬行政區域等基礎屬性信息,其中,路段編號gid是路段的唯一編號,圖幅編號meshiid和道路編號road_id與路段速度數據相對應。路網地圖數據的主要字段釋義如表2所示。
表2 路網地圖數據字段及釋義Table 2 Field interpretation of road network map data
交叉口位置數據與路網地圖數據相匹配,采用的是同一坐標系,佛山市路網地圖及交叉口數據示意圖如圖1所示。交叉口位置數據共計775個交叉口,主要包含交叉口編號、名稱、經緯度位置等信息。其中,交叉口編號crossid是交叉口的唯一編號,且編號不連續,取值范圍為35~2 252。其位置數據主要字段及釋義如表3所示。
圖1 佛山市路網地圖及交叉口數據示意圖Fig.1 Schematic diagram of Foshan road network map and intersection data
表3 交叉口位置數據字段及釋義Table 3 Field interpretation of intersection location data
路段速度數據中存在重復數據和無效更新數據,重復數據是指實時更新數據中存在的數據重復現象,因此首先要對數據進行去重,清洗掉重復數據;無效更新數據是指部分路段速度數據雖然持續更新,但更新速度數據長時間為0,或者某一固定值,需要對這部分數據進行清洗。路段速度數據清洗算法流程如圖2所示。清洗后保留的數據約為原始數據的94%。
圖2 路段速度數據清洗算法流程Fig.2 Procedure of road section speed data cleaning
首先對路段速度數據進行去重處理,然后再針對持續更新速度值為同一值的無效數據進行清洗。無效數據清洗時,先提取某路段上一時刻速度vi-1和當前時刻速度vi(時間間隔為2 min),然后判斷二者是否相同,若不相同則數據正常,進行保留;若二者相同則判斷連續為此值的累計頻次是否大于10,即為連續更新速度值為同一值的持續時間是否大于20 min,若不大于則數據正常,進行保留;若大于,則判定該速度數據為無效數據,予以剔除,直至出現下一個與此速度值不同的數據再進行保留。其中判定速度數據是否有效的臨界值20 min的選取主要考慮兩個方面:一方面是基于實際應用,道路交通運行時若發生較嚴重擁堵可能出現一段時間內速度持續為0;另一方面是基于數理統計,一個月內速度數據連續為同一值的持續時間和累計頻次統計后如圖3所示,由于持續時間取值較多,影響圖片可讀性,圖中僅顯示持續時間60 min內的累計頻次??紤]取邊際效益不足5%時對應的值作為臨界值,即速度連續更新為同一值的持續時間是否超過20 min作為判定速度數據有效的標準。
圖3速度連續為同一值的持續時間累計頻次分布Fig.3 Cumulative frequency distribution of duration with same speed continuously
本研究所提出的基于路段速度的信號交叉口運行評價方法框架如圖4所示??蚣馨ㄈ糠謨热荩旱谝徊糠譃榛A數據的匹配,主要包括路段速度數據與路網地圖數據的關聯,以及路網地圖數據和交叉口位置數據的匹配;第二部分為評價指標的計算方法,通過匹配關聯后的交叉口進口道臨近路段速度數據,得到交叉口的整體運行速度,進而得到交叉口的服務水平等級;第三部分為常發性擁堵交叉口識別,通過對擁堵頻率統計識別常發性擁堵交叉口,并根據常發擁堵的時段不同將其分為三類,分別進行交叉口擁堵成因分析。
圖4 評價方法框架Fig.4 Framework of evaluation method
基礎數據的匹配主要包括兩部分,路段速度數據與路網地圖數據的關聯,以及路網地圖數據和交叉口位置數據的匹配。由于路段速度數據和路網地圖數據的圖幅編號meshiid和道路編號road_id相對應,通過對這兩個字段匹配即可完成路段速度數據與路網地圖數據的關聯,關聯后以路段編號gid作為路段的唯一編號。
路網地圖數據和交叉口位置數據的匹配則相對復雜,由于交叉口數據僅為經緯度位置數據,在進行交叉口運行評價前,需要先將交叉口位置數據與交叉口進口道路段進行匹配,得到交叉口編號對應的進口道編號和進口道路段編號。交叉口進口道路段匹配算法流程如圖5所示。
圖5 交叉口進口道路段匹配算法流程Fig.5 Procedure of intersection entrance road segment matching algorithm
首先識別路網地圖數據中路段的端點經緯度,然后利用最短距離法將交叉口位置數據與路段端點數據進行匹配,得到交叉口臨近路段,再通過交叉口臨近路段的行車方向信息判斷路段是否為交叉口進口道,若不是則返回上一步,若是則對該路段的長度進行判斷,根據《城市道路交叉口設計規程CJJ 152-2010》[23]確定交叉口范圍半徑為150 m,若該路段的長度大于150 m,則該路段長度為150 m,即完成交叉口該進口道的路段匹配;若路段長度不足150 m,則將該路段的上游路段進行關聯,以此類推,直至關聯后的進口道路段總長度超過150 m,即完成匹配,得到交叉口各進口道路段數大于等于1條,且最后一條路段的長度為150 m減去其下游所有路段長度的總和。匹配完成后的交叉口及其進口道的路段示意圖如圖6所示。
圖6 交叉口進口道路段示意圖Fig.6 Schematic diagram of intersection entrance road section
交叉口進口道臨近路段速度數據可直接反映交叉口各進口道的運行速度,通過對交叉口進口道臨近路段速度數據進行加權平均,即可得到交叉口的整體運行速度,權值主要考慮交叉口各進口道路段的長度和車道數,計算公式為:
式中,vˉ為某交叉口整體運行速度,vi為進口道路段i的速度,li為進口道路段i的長度,mi為進口道路段i的車道數,n為某交叉口所有進口道的路段總數。
由于不同交叉口的車道數、道路等級等基礎設施條件并不相同,使用交叉口整體運行速度的大小判定交叉口運行狀況等級并不科學,考慮參考國家標準《城市交通運行狀況評價規范GB/T 33171—2016》[24],將交叉口整體運行速度與自由流速度的百分比作為判定交叉口運行狀況優劣的依據,交叉口運行狀況等級分為:暢通、基本暢通、輕度擁堵、中度擁堵和嚴重擁堵5個等級。交叉口整體運行速度與自由流速度的百分比與交叉口服務水平的對應關系,如表4所示。其中,自由流速度取該交叉口平均運行速度的歷史數據中一個月內每天6:00—24:00的速度值,并按從大到小排序,取排序結果的前1/9進行平均,其結果作為該交叉口自由流速度。
表4 交叉口服務水平判定標準Table 4 Standard of intersection service level
道路交通擁堵主要包括常發性擁堵和偶發性擁堵兩大類,偶發性擁堵由于其不確定性很難進行預測和專項治理,因此通常對常發性擁堵路段或交叉口進行識別和統計分析,以便交通管理者針對常發性擁堵路段或交叉口采取相應的管控措施。交叉口是道路交通路網的重要組成部分,由于其結構的多樣性和運行狀況的復雜性,當交叉口交通供給無法滿足需求時,極易發生經常性的擁堵。通過對交叉口出現嚴重擁堵狀態(服務水平為5)的頻率進行統計,識別常發性擁堵交叉口。
擁堵頻率指在一定統計時段(如一天、一星期、一月、一年)內,累計考察某交叉口的擁堵時間與總時間之比,表征某交叉口在此統計時間內發生擁堵的概率,據此可用于分析常發性擁堵交叉口。常發性擁堵交叉口根據統計時間可分為日常發擁堵交叉口、周常發擁堵交叉口、月常發擁堵交叉口、年常發擁堵交叉口[24]。
日常發擁堵交叉口:某日高峰時段擁堵頻率大于等于60%或者全天擁堵頻率大于等于25%的交叉口;
周常發擁堵交叉口:每周有大于等于4天屬于日擁堵交叉口的交叉口;
月常發擁堵交叉口:每月有大于等于3周屬于周擁堵交叉口的交叉口;
年常發擁堵交叉口:每年有大于等于6個月屬于月擁堵交叉口的交叉口。
計算出常發性擁堵交叉口個數的加權累積量與路網所有交叉口個數的比值,得到常發性擁堵交叉口比例,其中各個交叉口的權值為該交叉口所有進口的車道總數。
常發性擁堵交叉口根據常發擁堵時段不同可分為三類:第一類是高峰擁堵交叉口,是指高峰時段擁堵頻率大于等于60%,且全天擁堵頻率小于25%的交叉口,該類交叉口的擁堵時段主要集中在高峰時段,而平峰時段則較為暢通;第二類交叉口是平峰擁堵交叉口,是指全天擁堵頻率大于等于25%,但高峰時段擁堵頻率小于60%的交叉口,該類交叉口的擁堵時段較為分散,擁堵的發生也較為隨機;第三類是全天擁堵交叉口,是指不僅高峰時段擁堵頻率大于等于60%,且全天擁堵頻率大于等于25%的交叉口,該類交叉口高峰及平峰時段擁堵都極為頻發。
實驗中路段速度數據的歷史數據集為2021年2月1日—2021年2月28日,共1個月,以2021年3月1日—2021年3月31日1個月的數據為研究測試集。路段速度數據與交叉口位置數據匹配完成后的實驗數據樣例如表5所示,其中freespeed字段表示路段的自由流速度,cross_dire字段表示交叉口的方向,以區分交叉口不同進口道的路段。
表5 路段速度數據與交叉口位置數據匹配數據樣例Table 5 Samples of matching data between road section speed data and intersection location data
通過對交叉口各進口道路段的速度數據進行加權平均得到交叉口平均運行速度,并將其轉化為交叉口服務水平,實驗數據樣例如表6所示,其中mspeed字段表示交叉口平均運行速度,mfreespeed字段表示交叉口的自由流速度,index字段表示交叉口的服務水平。
表6 交叉口服務水平計算數據樣例Table 6 Samples of intersection service level calculation data
通過對交叉口出現嚴重擁堵狀態(服務水平為5)的頻率進行統計,識別常發性擁堵交叉口,并根據常發擁堵時段不同將其分為三類。日常發擁堵交叉口判別數據樣例如表7所示,其中day_congestion_time字段表示全天發生嚴重擁堵的時間(單位:min),peak_congestion_time字段表示高峰時段發生擁堵的時間(單位:min),congestion字段表示是否為日常發性擁堵交叉口和擁堵交叉口類型,0代表非常發性擁堵交叉口,1代表高峰常發性擁堵交叉口,2代表非高峰常發性擁堵交叉口,3代表全天常發性擁堵交叉口。
表7 日常發擁堵交叉口判別數據樣例Table 7 Samples of daily congestion intersection discrimination data
為了驗證本文所提出交叉口運行評價方法的有效性和實用性,設計實地驗證實驗將上述實驗結果與實地交通調查結果進行對比。交叉口運行評價調查通常為交叉口延誤調查,根據每車平均延誤確定交叉口服務水平,等級劃分標準選用《交通工程學》中建議的交叉口運行狀況分級標準,如表8所示。
表8 《交通工程學》建議的交叉口服務水平分級標準Table 8 Classification standard of intersection service level proposed by Traffic Engineering
為了度量評價方法的準確性,本文以交叉口服務水平的平均絕對誤差(mean absolute error,MAE)和均方根誤差(root-mean-square error,RMSE)為評價指標。定義如下:
式中,rj表示本文提出的評價方法得到的交叉口服務水平,rjs表示實地交通調查得到的交叉口服務水平,N表示時間粒度的個數。
在佛山市主城區隨機選取南海大道與佛平二路交叉口作為實地調查地點,該交叉口為十字交叉口,連接的路段分別為雙向十車道和雙向八車道,南北向進口道包含四條直行車道和兩條左轉車道,東西向進口道包含三條直行車道和兩條左轉車道,信號燈為四相位,如圖7所示。調查時間為2021年3月10日15:00—16:00和17:00—18:00,包含一個高峰時段和一個平峰時段。
圖7 南海大道與佛平二路交叉口示意圖Fig.7 Schematic diagram of Nanhai Road and Foping 2nd Road intersection
調查方法采用點樣本法,每一個交叉口進口道需要3名調查人員和1塊秒表,調查人員站在進口道停車線附近的路側人行道較高處,便于觀察交叉口排隊車輛的隊尾,清點排隊車輛數。其中1人持秒表,按固定的時間間隔(15 s)通知另外2名調查人員,第2名調查人員負責每隔15 s清點一次排隊車輛數,第3名調查人員負責清點交叉口進口道的引道交通量,每隔2 min記錄一次。實地調查數據表樣例如表9所示。
表9 交叉口延誤實地調查數據樣例Table 9 Samples of intersection delay field survey data
交叉口的總延誤為總停駛車輛數乘以固定時間間隔(15 s),由于路段速度數據的更新時間粒度為2 min,則需要將實際調查數據的交叉口每車平均延誤處理成2 min的時間間隔,即為2 min內停駛車輛總延誤除以引道交通量,再根據表8確定實際調查數據的交叉口服務水平。
將本研究提出的評價方法所得到的交叉口服務水平,與實地交通調查得到的交叉口服務水平進行對比如圖8所示,圖中對比數據共60組,高峰時段和平峰時段各30組,交叉口的服務水平取值為1~5,實驗交叉口的運行狀況在平峰時段基本維持在暢通和基本暢通水平,高峰時段由基本暢通逐步擁堵,最后形成持續性擁堵。交叉口服務水平的研究試驗值和實測值大部分相同,僅部分存在一個等級的偏差,整體準確度較高。將交叉口服務水平的研究試驗值與實測值進行對比分析,得到平均絕對誤差和均方根誤差,如表10所示。實驗表明,在隨機選擇的實驗交叉口的應用中,交叉口服務水平的研究試驗值和實測值的平均絕對誤差為0.32,誤差僅為6.33%,均方根誤差為0.56,其中,測量高峰時段和非高峰時段的交叉口服務水平平均絕對誤差分別為0.37和0.27,整體偏差較小,表明了本文所提出的交叉口運行評價方法的有效性。
圖8 交叉口服務水平的研究實驗值與實測值波動曲線Fig.8 Fluctuation curve of research test value and measured value of intersection service level
表10 交叉口服務水平的研究實驗值與實測值對比Table 10 Comparison of research test values and measured values of intersection service level
通過對交叉口出現嚴重擁堵狀態(服務水平為5)的頻率進行統計,識別常發性擁堵交叉口。2021年3月內每天的日常發性擁堵交叉口個數及占比如圖9所示。由圖9可知,工作日的日常發性擁堵交叉口個數及比例明顯高于周末,工作日居民通勤產生剛性出行需求,在早晚高峰時段主要通勤廊道的交叉口極易產生周期性的擁堵,尤其是每周周五,如5日、12日、19日和26日,即將迎來周末,市內通勤和短程跨市出行都明顯增加,日常發性擁堵交叉口個數也明顯增多。此外,常發性擁堵交叉口個數及比例整體波動較大這可能是由于交叉口結構的特殊性,以及部分交叉口信號配時的問題,使得交叉口對區域路網的運行狀況感知較為敏感。
圖9 日常發性擁堵交叉口個數及占比Fig.9 Number and proportion of daily frequent congested intersections
通過對日常發擁堵交叉口進行統計得到周常發擁堵交叉口,再對周常發擁堵交叉口進行統計得到月常發擁堵交叉口。佛山市2021年3月的月常發擁堵交叉口有22個,月常發擁堵交叉口位置分布如圖10所示,月常發擁堵交叉口位置分布相對較為分散,可能由于交叉口的運行狀況不僅受交通需求的影響,還很大程度上受限于交叉口的結構、信號配時、交通渠化等因素。
圖10 月常發擁堵交叉口位置分布Fig.10 Location distribution of monthly frequent congested intersections
常發性擁堵交叉口根據常發擁堵時段不同可分為三類,在關鍵瓶頸交叉口擁堵治理時,可針對擁堵交叉口不同類型采取對應的治理措施。高峰擁堵交叉口如圖10中的三角形標志所示,主要集中在中心城區,該類型交叉口的擁堵時段主要集中在高峰時段,而平峰時段則較為暢通,說明該類型交叉口是主要通勤要塞,其基礎設施可以滿足日常平峰的交通需求,但當高峰時段交通需求激增時則易發生擁堵,因此,可以考慮在高峰時段采取特別的管控措施,如調整主次道路的信號配時、重點進口道借對向車道通行,設置交警輔助引流等措施以提高通行效率。
非高峰擁堵交叉口如圖10中的圓形標志所示,其位置較為分散,大都不在核心區,交通需求壓力也相對較小,該類交叉口的擁堵時段較為分散,擁堵的發生也較為隨機,可能是由于其信號配時或交通渠化等物理條件的限制,可以考慮合理調整信號配時,優化交通標志標線等物理設施。
全天擁堵交叉口如圖10中的五角形標志所示,該類型交叉口由于其所處位置為關鍵交通瓶頸,交通需求較大,或者基礎設施條件有限,無法滿足實際的通行需求,因而全天擁堵頻發,可以考慮進行專項交叉口交通調查,在實際條件允許的情況下對交叉口進行擴建,增加進口道車道數,以提高交叉口的設計通行能力,如基礎設施條件有限,建議誘導部分交通流到平行路段上分流。
將本文提出的信號交叉口運行評價方法與現有的運行評價方法進行對比,各評價方法的優缺點對比如表11所示。
表11 不同交叉口運行評價方法對比Table 11 Comparison of operation evaluation methods at different intersections
傳統的交叉口運行評價標準中評價指標較多,因而更為全面準確,但所需的數據源也較多,大都只能采用人工調查法,無法全域內獲取,經濟性和時效性都較差;現有基于大數據技術的評價方法雖時效性較強,但對運行環境要求較高,評價實時覆蓋范圍較低,且計算較為復雜,實用性較差。而本文提出的基于路段速度數據的評價方法較好地解決了上述問題,時效性和穩定性都較強,準確性也在上述實驗中得到驗證。通過實地校驗實驗,將本文提出的基于路段速度數據的交叉口評價方法與《交通工程學》中建議的基于人工調查數據的評價方法進行對比,誤差僅為6.33%,滿足交叉口運行評價的應用需求,可實現對全路網的交叉口進行實時、準確的評價,且方法簡便,運算速度快,適用性較強,雖在部分車流稀疏路段會相對不準確,但隨著大數據時代的發展,數據采集能力會不斷提升,車流稀疏路段占比較少,可整體滿足交叉口運行評價需求,值得推廣應用。
鑒于導航平臺路段速度數據具有數據量大、準確性好、數據更新穩定、容易獲取等優點,本文提出了一種基于路段速度的交叉口運行評價方法,可實現對全路網的交叉口進行實時的評價。首先,將路段速度數據與交叉口位置數據進行匹配,然后采用交叉口進口道臨近路段的速度判定交叉口的服務水平等級,同時可通過擁堵頻率統計識別常發性擁堵交叉口,并根據常發擁堵的時段不同將其分為三類,分別進行擁堵成因分析,以便后續有針對性地對各類擁堵交叉口進行專項治理與管控。最后設計實地校驗實驗,隨機選取佛山市的一個信號交叉口進行交叉口延誤調查實驗,并根據交叉口延誤確定服務水平,將交叉口服務水平的研究試驗值和實測值進行對比,結果表明:該評價方法的服務水平平均絕對誤差為0.32,誤差僅為6.33%,顯示了本文所提出的交叉口運行評價方法的有效性。在后續的研究中將進一步將結合浮動車GPS數據,改善部分交叉口臨近路段速度數據缺失問題,提高交叉口運行評價的準確度。