基于GPS浮动车的城市道路交通宏观特征研究

摘要： 随着城市的快速发展，汽车数量的不断增加，城市面临越来越大的交通压力，智能交通系统是目前公认的解决交通拥堵的有效方法之一，但是为智能交通系统提供可靠的数据源成为智能交通系统建设的一个重要问题，浮动车技术作为新发展起来的一种交通信息采集方式，实践证明其能够可靠的为智能交通系统提供数据源。为了掌握城市道路交通的宏观特性，本文运用数据预处理、坐标转换，地图匹配、统计分析对浮动车数据进行了较深入的分析比较，直观的获取了城市交通的相关特征，对于城市交通规划和管理决策及人们出行具有一定的实用价值。

Abstract： With the rapid development of the city， the increasing number of cars， the city faces increasing traffic pressure， intelligent transportation system is one of the effective ways to solve the traffic congestion currently accepted， but to provide a reliable source of data for intelligent transportation systems an important issue in building intelligent transportation systems， floating car technology as newly

developed a traffic information collection methods， the practice has proved capable of reliable data source for intelligent transportation

systems. In order to grasp the macroscopic properties of the urban road traffic， the paper uses data preprocessing， coordinate conversion， map matching， statistical analysis and a more in-depth analysis of floating car data comparison， intuitive access to relevant features of the urban transport， urban transport planning and management decisions and people travel has some practical value.

关键词： 城市道路交通；GPS浮动车；宏观特征

Key words： Urban Road Traffic；GPS Floating Car；Macroscopic Characteristics

中图分类号：U496 文献标识码：A 文章编号：1006-4311（2013）03-0036-03

0 引言

随着城市化进程的不断加快，更多的人进入城市，交通拥挤日益成为城市发展的瓶颈，据公安部消息，截至2012年6月底，我国机动车保有量达2.33亿辆，汽车保有量达1.14亿辆，大中城市中汽车保有量达到100万辆以

上的城市数量达17个，私家车保有量达到8613万量，占

汽车保有量的75.62%[1]。发展智能交通系统对于城市交通诱导、缓解交通拥堵已成为国内外认可的有效方式之一，随着科技的发展进步，浮动车技术因其在交通信息采集方面建设周期短，投资少，覆盖范围广，数据精度高，实时性强受天气影响小等特点[2]越来越受到智能交通建设和研究领域的重视。浮动车技术在国外起步比较早，取得了一定的研究进展：英国的浮动车数据系统FVD，主要用于交通信息的采集与分析，预测道路形成时间及时向用户[3]；德国的浮动车数据系统FCD，主要采集车辆的位置、速度、时间等信息，提取和分析交通信息，判断交通状态，及时向公众，为公众出行规划提供参考依据[4]；美国的ADVANCE系统，该系统是浮动车与检测线圈相融合，预测旅行时间，为出行者提供实时的动态路线诱导信息[5]；日本VICS系统，该系统能够提供多种信息，为旅行者出行规划提供参考[6]；韩国KORTIC，该系统结合浮动车、环形线圈、闭路电视监控进行交通信息采集，把数据融合后提取交通信息，判断交通状态[7]。

浮动车技术在国内的研究起步比较晚，开始于2002年的北京交通大学利用少量的出租车进行的北京市路网分析评介，但是目前发展比较快，在北京、上海、杭州、宁波等城市利用现有的出租车建立起了浮动车系统，实时采集路网的交通信息。论文采用的数据为昆明市GPS浮动车数据。

1 数据采集及预处理

1.1 数据格式 浮动车就是在城市道路行驶的车辆（主要是公交车、出租车）上安装具有位置信息采集功能的GPS设备，在车辆的运行过车中通过无线网络（GPRS、WIFI等）实时向控制中心传回车辆的位置、时间、瞬时速度、车辆运行方向、设备终端编号等信息的车辆。

1.2 浮动车数据预处理

①剔除研究范围之外的数据：研究用的数据时间范围为：2010年12月01日00时00分00秒-2011年3月31日23时59分59秒的共计26984135条数据，研究的地理范围为东经102.647O-102.828O，北纬24.914O-25.117O的范围，数据分析之前，剔除研究范围之外的数据。

②剔除速度大于120km/h的数据：根据相关规定的道路的设计最高速度不得超过120km/h，包括高速公路，考虑到有绕城高速和二环快速路，删除速度高于120km/h的数据。

③剔除前后时间间隔超出数据回传时间间隔的数据：采用的数据回传的时间间隔为15s，如果某一条数据与前后数据的之间的时间间隔超出15s则需要对该数据进行剔除处理，算法如下：

Ti-Ti-1>15s且Ti+1-Ti>15s

则删除数据i。

Ti为浮动车传回的第i条数据记录的时刻。

1.3 坐标转换 浮动车数据采用的坐标为WGS-84大地坐标系，而昆明市道路网数据采用的是北京1954平面坐标系，为了能将浮动车数据准确的匹配到城市道路网上，必须对浮动车数据进行坐标转换，使浮动车数据坐标的坐标系与道路网电子地图数据坐标保持一致。

1.4 地图匹配 由于受GPS定位误差及建筑物遮挡等因素的影响，GPS浮动车数据并不完全准确的定位于道路网电子地图相应的道路上，而是存在一定的偏差，为了准确的研究城市道路交通的宏观特征，需要把GPS浮动车数据准确匹配到城市道路网上，实现这一过程的算法称之为地图匹配算法。目前地图匹配算法主要有点到点匹配算法、点到线匹配算法、线到线地图匹配算法。

单独的点到线的匹配算法只是采用投影距离大小比较确认匹配点，没有考虑到浮动车行驶轨迹的连贯性，因而在交叉口和“Y”字口等地点会出现错误匹配。考虑到行驶轨迹的连贯性，采用点到线匹配结合历史轨迹数据匹配算法。具体算法如下：

①GPS浮动车数据点P（x，y），匹配算法为求点到线的最近点距离来确定匹配的路段，设道路L1和L2的方程为A1x+B1y+C1＝0和A2x+B2y+C2＝0，与点P到两条道路的距离为：

d■=■（1）

d■=■（2）

如果d■＞d■则点P匹配到道路L1上。但是点到线的匹配算法存在缺陷，如图1所示，点P4会被错误匹配到L2上而不是匹配到L1上。

②此缺陷可以通过完成点到线的最近距离匹配之后，采用统计分析的方法，依据浮动车数据的设备终端好及时间顺序，判别P4点与前后各点同为一辆浮动车的数据同时时间间隔不超过阀值，则可确定P4点在道路L2上。

2 交通宏观特征分析

2.1 浮动车不同速度区间比例分析 本论文为了便于研究选取2010年12月1日00时00分00秒至2010年12月31日00时59分59秒之间的浮动车数据作为研究对象，进行分析研究，其中分别选取工作日（星期一），周末（星期日）的数据进行分析，研究之前删除了数据中速度为零的数据，时间间隔为30分钟，时间段为00时00分-23时00分。

从图2中可以看出各阶段速度的比例在一天当中都是不断变化的，这反映了道路交通的动态特性。

①周日的浮动车数据量比例低速区域（15>speed>=0）在7：30之前保持在10%左右7：30之后开始平缓的增加，到15：00左右达到20%左右，高速区（speed>=30）的比例从7：30开始有70%左右下降达到50%左右持平，中速区（30>speed>=15）也出现了一定程度的增加，这反映了周末人们7：30出行的不开始不断增多导致交通状况发生变化，车辆运行速度开始减缓；

②周一的浮动车数据量比例低速区域（15>speed>=0）在6：30之前保持在10%左右6：30之后开始急剧增加，8：30达到20%左右，之后出现小幅波动，高速区（speed>=30）的比例从6：30开始有71%急剧下降达到50%左右持平，中速区（30>speed>=15）也出现了一定程度的上升，这反映了人们从6：30开始上班出行不断增多导致交通运行减缓。

③图中可以看出周日的低速区增加、高速区下降要比周一缓慢，同时周一由于人们上下班时间相对固定，基本集中在8时30分到9时00分的原因，早上出行时间主要集中在6：30到8：30之间形成早高峰，下午下班的时间集中在17时00分到18时00分之间，因而17：00到19：00之间形成晚高峰，而周日则反映出人们出行的时段比较分散，早晚高峰不是很明显。

④从晚上20时00分开始中速区和低速区的比例开始下降，高速区的比例开始升高，反映出了人们出行的减少，道路交通处于比较畅通的状态。

2.2 全路网一星期七天交通状况分析 通过对处理好的数据进行分析获取了一星期的昆明市研究区域全路网的不同时间段的速度分布特征如图3所示。

通过对趋势图进行分析，可以知道昆明市全路网的交通有以下特征：

①工作日与周末的交通状况有明显的不同，星期六和星期天从早上7：30才开始速度不断下降进入早高峰时段，全路网速度持续减慢到9：30左右速度开始低于30km/h，而且一直持续到12：30左右出现小幅的回升，之后几乎保持小幅波动，变化不是很大，到下午17：20左右速度又开始持续下降，回身保稳定的时间为下午19：00整，这一时段为晚高峰，之后速度有小幅波动，同时由于出行人数和车辆的减少，速度加快。

②工作日的速度从早上6：30开始持续降低，到8：30左右达到最低形成早高峰，之后基本保持稳定，没有出现大幅波动，持续到12：20左右之后速度出现小幅替提升，中午13：30左右速度因为下午上班出行等因素的影响速度再次出现降低，之后基本保持稳定，到下午17：20左右又再一次降低持续至18：40，形成晚高峰，之后速度出现小幅波动，并持续回升。

③从图中可以看出，不论是周末还是工作日，凌晨4：40-6：50之间的速度是最高的，速度接近于35km/h，说明在这一时段出行的人数及车辆都比较少，交通运行顺畅。

④工作日的早高峰要比周末的早高峰提前40分钟左右，同时工作日的早高峰形成快于周末，而且速度下降较快，另外工作日的晚高峰形成时间基本一致，保持稳定的趋势一致。

3 总结

浮动车数据作为交通信息采集的重要方式，对于城市智能交通系统建设具有重要意义，通过对浮动车数据进行预处理后，通过地图匹配、统计分析对不同速度区间的数据分布比例变化及一周七天浮动车数据的平均速度进行深入的比较分析，直观的反映出了昆明市道路交通的宏观特性，对于交通管理、人们出行有一定的实用价值。