道路运输运行监测指标计算技术浅析

前言：想要写出一篇引人入胜的文章？我们特意为您整理了道路运输运行监测指标计算技术浅析范文，希望能给你带来灵感和参考，敬请阅读。

摘要：国内外基于交通流数据直接进行交通运行计算的研究较少，大多停留在利用GPS数据直接获取车辆位置的阶段，对交通流数据的研究多集中在交通状态的估计和预测。在参考国内外相关技术的基础上，针对交通运输运行监测的实际技术需求，文章提出了多种技术方案构成的交通运输运行监测技术体系，体系主要包括三个主要技术层次，分别为基础技术层、关键技术层、评价技术层。

关键词：道路运输监测；速度模式提取；交通流

0引言

近年来，随着交通运输行业的迅猛发展，交通信息化水平不断提升，应用软件开发基础逐步完善，充分挖掘利用已有信息系统和行业信息资源开展行业运行监测、统计与分析，为交通规划、行业监管、科学决策提供技术支撑。为使指标要素形成可计算、可度量的计算模型，实现交通运输行业多源数据融合开展道路运输运行监测指标计算模型研究。

1基础技术研究

基础技术层是交通运输运行监测的基础，是核心技术的准备性技术，主要包括地图网格化技术、速度模式提取技术以及设备自检和校准技术。（1）地图网格化技术地图网格化技术是对GIS地图的路段重划分技术，遵循路段等长划分为主，关键节点划分为辅的基本原则，将GIS地图中的公路划分为基本的路段单元。路段的重新划分主要为了解决以下两个方面的问题：①路网中关键节点的识别。公路运行监测的一个主要方面就是对公路基础能力和基础设施的监测，其中路网中的关键节点（如收费站、可分流节点等）和关键路段（如隧道、桥梁）是评估公路基础能力的重要因素。②速度模式提取和交通流构建。地图上公路的原始划分是以路链为基本单元，但路链是不等长的且长度差异显著，这就导致了以路链为基础的速度模式提取存在较大的误差，并且无法通过路链的自由组合以实现任意路段、路线和区域的监测分析。以1公里为基本的路段单元，可以实现路段速度模式的精细提取，通过对路段单元的组合，可以实现对任意路段、路线以及区域的运行监测指标的计算。路网的重新划分可基于目前最新的GIS地图，地图上除了有某公路的最新布局，还包括公路上各种基础设施、检测设备、特殊路段（如桥隧）、关键节点（如可分流节点）的标注信息。地图划分的主要思路如下：首先，针对每条公路，从地图文件中提取某路段的连续的经纬度序列。其次，确定每条公路的起止桩号。再次，从起始位置开始，利用距离计算算法将当前公路进行划分，划分的方式主要包括以下三种：以可分流节点为划分节点；以特殊路段的起始点作为划分节点；若无分流节点和特殊路段情况下，以1公里为基本的划分单元。最后，以划分的路段为基础，形成公路的拓扑结构，在新的拓扑结构中，包括各个路段单元的基本属性（路段编码、路段属性、起始经度、起始纬度、路段上设备ID、路段长度、下一路段编码等）以及各个路段之间的关联关系。在路网重新划分的基础上，路网拓扑中存储了公路的所有基础能力和基础设备信息，对任意指定的空间范围实现准确快速的信息提取。指定公路的任意空间范围，结合重新划分得到的路网拓扑结构，提取路段单元，分析符合要求的路段单元的基础能力数据（如路网总里程、桥隧长度、监测设备数量、监测范围等），得到基础能力信息，提取步骤如下：第一步：指定需要提取公路基础能力信息的空间范围，如果是路段或路线可以采用经纬度或桩号表达范围，如果为区域则采用经纬度表达范围。第二步：结合重新划分后路段单元的位置信息（经纬度和桩号表达），提取在指定范围内的所有路段单元。第三步：结合路段单元的属性信息（桥隧信息、检测设备信息、服务区信息等）分析提取制定空间范围内的公路基础能力信息。（2）路段速度模式提取技术在基于节点数据的交通流构建模型中，当车辆从节点进入路段之后，需要为车辆设置初始速度。速度大小与所处的路段相关，因此结合大量的历史交通数据，分车型的提取路段的经验速度（自由流情境下），为车辆提供基本的速度参考，并作为后续速度实时调整（根据实时的车流量、天气、占有率等）的基础。因为考虑到测速仪数据质量以及延误的问题，因此，路段速度模式提取以GPS数据和UGC数据作为主要数据源。GPS数据主要以“两客一危”车辆的数据为主。UGC数据主要以私家车的数据为主。在进行速度模式提取前，需先进行路段匹配，其作用是将车辆的GPS轨迹点或UGC轨迹点投影到实际道路路段上，以确定车辆的道路匹配位置。在路段匹配的基础上，可以得到路段上各种不同车型在不同时间的速度分布情况，通过统计分析，获取固定路段上不同时段、不同车型、不同车重的车辆的速度模式，为交通流构建模型提供基础的速度参考，即完成路段速度模式提取。（3）设备自检和校准技术为防止节点和测速仪的系统工作时钟存在偏差，使得到的实时车辆位置与车辆的实际位置有较大误差。因此需进行设备自检和时间校准。设备自检和校准工作可按以下步骤实施，第一步：测速仪自检和校准；第二步：计算当前车辆的GPS点与测速仪的位置点之间的距离，并与该车之前GPS点与当前测速仪的距离对比；第三步：针对每个测速仪，剔除该测速仪下记录的GPS点与测速仪距离超过阀值的车辆。第四步：计算每个测速仪中剩余车辆的GPS时间与测速仪检测时间的时间偏差，并计算该测速仪中所有车辆时间偏差的平均值作为系统时间偏差；第五步：分析每个测速仪的系统时间偏差，若小于30秒则该测速仪的时间准确，反之亦然。交通节点的自检和校准技术与测速仪的技术思路基本相同，但因为节点处存在多个车道，因此，在节点自检和校准应以车道数为单位进行。

2关键技术研究

以前节为基础，对交通运输运行监测的路径选择技术和基于节点数据的交通流构建技术进行分析。（1）路径选择技术交通流模型构建的主要思想是实时计算公路所有车辆的位置，因为是基于路网结构进行计算，所以车辆在公路可分流节点的路径选择是模型的构建的主要问题，车辆路径选择技术的目的就是实时的判别车辆选择的路径，保证基于单车位置计算的交通流模型构建的正确性。车辆在行驶时，主要存在静态路径选择和动态路径选择两种方式。静态路径选择方式是指公路上营运车辆（如两客一危车辆）的路由选择一般是固定的，针对这类车型，可以结合历史数据，分析车辆的行驶路由，并将车辆的路由静态存储，当检测到车辆进入时，使车辆以固定的路由行驶。动态路径选择方式主要是指高速上的非营运车辆和新入网车辆路由选择是动态变化的，在分流节点存在多种可能的行驶路径，针对该类车型，主要是结合实时的检测器数据识别车辆的实际行驶路径。静态路径推导是通过对历史运行数据的挖掘，提取营运车辆的固定行驶路由。首先应结合车辆的登记信息，提取车辆基本信息；通过分析历史监测节点数据以及车辆的GPS数据，提取车辆的行驶路由，以基本路段单元表达；最后，分析连续多天历史数据，确定每辆车的路由选择的固定性，若路由选择基本固定，则保存到静态路径表中，若路由存在显著差异，则归于动态路径推导。动态路径推导针对非营运性的车辆，在可分流节点处，路径选择是动态变化的，需要结合监测器的实时数据识别实际行驶路径。首先，当车辆行驶到可分流节点时，初始状态下，设定车辆同时在所有路径行驶；然后在车辆位置更新的过程中，结合实时测速仪数据和基础信息，识别车辆的实际行驶路径，并删除其他路径上该车行驶轨迹，保证车辆行驶路径的唯一性。重复第一二步，直到车辆通过节点离开路网。当检测到车辆进入监测路网时，识别车辆是否为营运车辆并且在静态路径表中存在固定路由，若是则该车辆根据固定路由行驶，否则当到达可分流节点时，采用动态路径推导技术识别该车辆的实际行驶路径。（2）交通流模型构建技术目前，公路的运行监测主要基于各种断面监测设备，由于建设等原因，各种监测设备的布设密度稀疏，导致公路运行监测误差大、覆盖率低、监测不全面。为了提高公路运行监测的精度和全面性，提出了以监测节点数据为主、测速仪数据辅助校准的公路全样本车辆实时位置计算技术。基于监测节点数据的交通流构建技术是公路运行监测的核心技术，可以计算任意车辆在任意时间的路网位置，结合地图网格化技术对路网的划分，可以分析任意空间区域的实时车流量，车型占比，拥堵度，桥隧等特殊路段的车流量和车型分布，服务区等场站设施内的车流量等监测指标以及实现对各种监测指标变化趋势的预测。交通流构建技术的基本原理为：以节点数据和测速仪数据为基础进行数据融合，并对融合数据进行实测，模型如下图所示。交通流构建模型的实现主要依托于路网重新划分后的拓扑结构以及基于路段的速度分布模式，结合实时的节点通行数据和测速仪数据，构建公路全样本车辆实时位置计算的高精度计算框架。流程如下：进入监测路段：当检测到车辆进入监测路段时，根据路段节点信息查找路网拓扑结构，获得当前车辆的初始位置和初始速度，并将该车辆的基本信息插入到最新位置。驶离监测路段：当检测到车辆驶离监测路段时，根据离开节点信息查找路网拓扑结构，获得当前车辆的终止位置，查找最新位置中该车辆的基本信息进行删除，并将该车辆的基本信息插入到历史位置中。过测速仪：当测速仪检测到车辆时，根据测速仪编号查找路网拓扑结构，获得当前车辆的当前位置和速度，并更新该车辆在最新位置中的基本信息，实现对车辆位置的校准。位置计算：设定固定的时间作为定时更新的时间间隔，当需要进行位置更新时，首先将当前最新位置保存到历史位置，然后对最新位置中的所有车辆位置进行定时更新。上述过程是一个不断重复迭代的过程，该过程的输出主要包括两部分：第一是当前路网上所有车辆的最新位置；第二是出现在被测路段上的所有车辆的历史运行轨迹。

3评价技术研究

基于节点数据的交通流构建技术可以得到路网上的全样本车辆的历史轨迹数据，车辆的历史轨迹是计算得到的虚拟轨迹而不是实际检测到的，因此与车辆的实际位置必然存在误差，误差的大小反映了虚拟轨迹的可信程度以及优化方向。因此针对交通流构建模型实现结果的评价体系十分必要。基础数据中存在部分车辆（“两客一危”）的GPS数据，由于GPS数据是车辆实际产生的位置数据，可信度和采样频率较高，可将GPS数据作为基准数据。结合GPS数据和基于交通流构建模型得到的计算轨迹数据，选择样本车辆，对车辆位置计算结果进行评价，流程为对GPS数据和车辆虚拟轨迹数据进行样本车辆提取，其中GPS数据记为样本车辆实际轨迹，车辆虚拟轨迹数据记为样本车辆虚拟轨迹，两种数据进行轨迹标准化处理（统一用里程桩号表达的方式），通过实际轨迹与虚拟轨迹对比，可得模型标准性评价结果。样本包括计算轨迹样本和GPS轨迹样本，利用以下两种方法评价样本的选择，得到评价系统的输入样本：随机样本选择：随机样本选择的目的是从整体上对车辆位置计算模型的定位效果进行评价，首先从检测节点数据中提取当天进入高速的所有大客车的车牌，之后基于提取的车牌信息，随机挑选有GPS数据的车辆并分别提取该车的GPS数据和计算轨迹作为评价系统的输入样本。基于测速仪校正作用验证的样本选择：该类样本的选择是为了验证测速仪在车辆位置计算模型中发挥的作用而挑选的，首先提取同一天中测速仪数据和GPS数据同时存在的车牌构成车牌信息库，基于提取的车牌信息，对所有车分别提取该车的GPS数据和计算轨迹作为评价系统的输入样本。评价实施：在将计算轨迹和实际轨迹标准化之后，通过匹配计算轨迹和实际轨迹的时间，得到计算轨迹和实际轨迹的评价序列，计算每一个轨迹对的位置偏差，分析计算轨迹与实际轨迹的相对误差和绝对误差，评价交通流构建技术的实施效果。

4结语

针对交通运输运行监测的实际技术需求，本文提出了多种技术方案构成的交通运输运行监测技术体系，体系以地图网格化技术、速度模式提取技术以及设备自检和校准技术为基础，以路径选择技术和交通流模型构建技术为关键，以模型评价技术为佐证，实现以交通流为交通重点监测方向的新型监测方式，实现交通数据与地图信息、速度信息的有机结合，达到预判交通状态的目的。

参考文献：

[1]聂庆慧,夏井新,张韦华.基于多源ITS数据的行程时间预测体系框架及核心技术[J].东南大学学报(自然科学版),2011,41(01):199-204.

[2]朱雷雷,张韦华,聂庆慧.干线公路交通流数据有效性检验规则[J].东南大学学报(自然科学版),2011,41(01):194-198.

[3]黄钟.车联网频谱资源管理关键技术研究[D].电子科技大学,2020.DOI:10.27005/d.cnki.gdzku.2020.003935.

作者:葛迪 姜子扬 王珲 高鸿鹏 单位:黑龙江省交通运输信息和科学研究中心