用户名
密码
(30天内有效)
注册
注册
首页 > 案例资料 >

如何利用卡口数据建立指标体系,发现机动车的出行特征规律?

我要收藏
2021-05-12

本文内容来自:广州市交通规划研究院


摘要

伴随着信息技术的发展,有着收集大样本综合信息能力的交通信息设备被广泛应用,其中交通卡口设备包含了大量的检测数据,通过构建一套系统科学的分析方法可以辅助交通管理决策。基于交通卡口设备,提出卡口数据的基本处理方法,从三个方面提出一套宏观的机动车出行特征分析指标体系,重点根据外市籍车的出行特性研究其分类方法,最后通过案例说明指标体系能有效发现城市中机动车的出行特征规律,能定量化辅助交通管理措施的制定。



01 引言

随着城市的经济不断发展,机动车保有量逐年增加,城市交通状况日益恶化。掌握城市交通中机动车的出行特征,成为交通管理者必须掌握的关键信息;交通管理者通过分析机动车出行特征可以辅助制定交通管理措施,实现精细化交通管理的目的。伴随着信息技术的发展,有着收集大样本综合信息能力的交通电子设备被广泛应用,其中高清卡口设备在各大城市中应用较多;卡口被安装在城市的主要道路中,包括高快速路、主次干道等,检测数据包括了经过的车辆信息、时间、地点等,数据有着多维度、大样本和高可靠性等特征,可作为城市交通研究的数据基础。



02 研究综述

国内学者基于信息技术已开展了一些卡口数据的研究。其中Tam、Fex分别基于车牌识别数据提出了路段行程时间的估计方法[1-2],柴华骏、Nantes、付凤杰等利用车牌识别数据研究了车辆在道路上的旅行时间的可靠性及分布问题[3-5],江迎基于长沙市的车牌识别数据分析出长沙市区路网的外地车辆分布和构成、反映出外地车在城市中的交通运行状态[6],姜桂艳、刘聪分别提出了不同的基于卡口车牌识别数据判别交通状态的方法[7-8],张云云基于Hadoop技术分析卡口数据在交通上的应用[9],龚越基于车牌识别数据提出了一套识别通勤车辆以及分析车辆轨迹的的方法[10],王蓓论证了卡口数据分析在宏观、中观、微观层面对城市交通规划、交通建设和交通管理的作用和重要性[11],杨帅面向深圳市高快速路网中的卡口数据提出了一种基于Apriori算法的通勤车辆识别方法[12],周韬基于快速路卡口数据提出了一种车辆出行OD路径的计算模型[13]。


目前已有基于卡口数据分析机动车出行特征的研究,但却未提出完整的机动车分析特征指标体系,对机动车的分析未全面、客观和科学,且针对外地车对城市的交通影响也没有深入研究。


因此,本文基于卡口数据提出一套系统的机动车(含本市籍车和外市籍车,以下分别简称“本地车”和“外地车”)出行特征分析指标体系,且重点分析外地车的特征属性,并举例说明研究成果在实际交通管理中的应用。



03 卡口数据概况及数据处理

3.1 卡口数据概况

交通卡口的数据一般包括两个数据表,其中一个为实时检测的过车记录表,一个为静态的卡口点位信息表。


(1)过车记录表

过车记录表一般包括检测到的车辆车牌、车牌颜色、卡口点位编号、检测时间、检测方向等信息,部分城市能精确到检测的车道编号等信息。该数据表为动态更新表,一般随着检测车辆数的增加而不断增加,数据量较大。


(2)卡口点位信息表

点位信息表主要记录卡口点位的编号、名称、经纬度信息等,该表为静态表,需要时才进行更新。


3.2 卡口数据处理

卡口因设备老化、车牌污损、恶劣天气等各种原因影响,过车数据存在噪声数据、遗漏数据和前后不一致数据等,故需要对原始数据进行处理,以提高数据质量,数据处理的主要方法为[7]:


(1)数据清洗。根据噪声数据产生的原因以及存在的形式,利用一定的方法和技术对噪声数据进行清洗,并将其转换为满足分析精度要求的可用数据,从而提高基础数据质量;车牌识别数据的主要问题是缺位、车牌号异常、车牌位数不正确、未识别等。


(2)数据集成。将消除冗余数据后,将数据按照一定的方式进行整理,并将所有数据统一存储在数据库、数据仓库或文件中,形成一个完整的数据集。


(3)数据转换。主要对数据进行规格化操作,如将数据值限定在特定的范围之内。


(4)数据规约。把那些不能够刻画系统关键特征的属性剔除掉,从而得到精练的并能充分描述被挖掘对象的属性集合。



04 机动车出行特征分析研究

4.1 机动车出行特征分析指标体系

如上所述,基于卡口数据能够识别车辆的基本信息、经过的卡口位置及时间等,其中通过车牌可以判断车辆是否为本地车或者外地车,为蓝牌车、黄牌车等等,通过深度挖掘这些数据信息可以构建一套完整的机动车出行特征分析指标体系,以从宏观上分析城市的机动车出行特征。


在宏观上,可以从车辆的出行强度、出行频率和出行结构等三个方面构建指标体系分析城市的机动车出行特征,具体指标如下。


1620801089215515.jpg

图1 机动车出行特征分析指标体系


4.1.1出行强度指标

机动车出行强度指标体现的是城市路网中承载的机动车数量以及对道路的使用强度等,主要的指标包括了出行车辆数、出行车次数、日均出行量等。


(1)出行车辆数

出行车辆数是指在城市道路网中出现的车辆数,其将被多个卡口重复检测的同一个车牌进行了去重,一般以小时、天或者月为统计间隔对车辆进行去重处理,对应反映的是不同统计间隔出现的车辆数。该指标能掌握道路网络中的在网车辆数,但却无法反映道路的实际负载。


(2)出行车次数

出行车次数是将道路网中所有的卡口检测过车数进行汇总加和,与出行车辆数不同的是,该指标能间隔反映车辆的行驶里程,车辆行驶里程越多、被卡口检测的次数越多、出行车次数指标越大,对交通的影响也就越大,故该指标能一定程度上反映道路的实际负载,但当卡口分布很密集时,该指标将多次记录同一辆车,指标数据将明显偏大。


(3)日均出行量

为了避免上述两个指标的缺隙,提出了日均出行量指标,该指标以某一时间间隔为单位(一般以一次出行时间为间隔,如1小时),统计每个时间间隔里被卡口拍到的出行车辆数,同一时间间隔内被不同卡口抓拍到多次仅算一次出行。该指标避免同一车辆被卡口多次检测时的重复计数、又避免了同一车辆出行多次的去重计数,能更加真实地反映道路的实际负载,但受统计间隔的影响,该指标仍有一定的误差。


上述三个指标各有优缺点、侧重反映的情况也有所不同,综合三个指标能更加全面、客观地反映机动车的出行强度情况。


4.1.2出行频率指标

机动车出行频率指标体现的是车辆的使用频率,车辆使用频率越高、对交通的影响也就越大,包括了出行天数、日均出行次数两个指标。


(1)出行天数

出行天数一般以周、月或者年为统计间隔,分析车辆在统计时间里出现的天数,反映了车辆统计间隔里的出行频率。


(2)日均出行次数

日均出行次数是指车辆在一天当中的出行次数,可由日均出行量和日均出行车辆数计算得到,计算公式如下:

1620801128317310.jpg


4.1.3出行结构指标

出行结构指标指的是道路网络中的车辆组成,从来源地分析,可以分为本地车和外地车,外地车可以再细分为本省市车、外省市车等;从车辆的类型分析,可以分为蓝牌车、黄牌车、绿牌车、特殊车辆等。结合交通管理的需求,可以分析本地车或者外地车的交通出行占比、不同车辆类型的交通出行占比两个指标。


(1)本地车/外地车交通出行占比

根据不同的衡量指标,本地车/外地车交通出行占比可以分为出行车辆占比、出行量占比,具体计算方法如下:

1620801158464138.jpg


(2)不同车辆类型交通出行占比

一般以出行车辆数来衡量不同车辆类型的交通出行占比,主要的计算指标可以有:

1620801179386299.jpg


4.2 外地车出行特征分类研究

在城市中,一般是以本地牌照车辆为主,但像北京、上海、贵阳、天津、杭州、深圳、广州等城市实施了中小客车总量调控政策,中小客车上牌需要通过摇号或者竞价的方式,限制了中小客车上牌的自由度,为规避政策限制,有部分居民会选择上外市籍牌照而在本地使用的情况,这也使得这些城市的外地车辆占有一定的比例。对于交通管理部门而言,这些外地车辆是必须重点关注及管控的对象,需要通过卡口数据对这些车辆的出行特征进行分析。


通过上述的机动车出行特征评价指标体系可以分析出外地车辆的交通出行特征,但外地车作为中小客车管控城市的特殊群体,需要单独地作为分析。在城市中运作的外地车,总体上可以分为三大类:


①过境车辆:指借道经过城市的车辆,该类车辆一般只在某天出现过、前后没有出行记录,具有偶发性和不可预见性等特征,对城市交通的影响小;


②短期到访车辆:指临时到城市办事、探亲等的车辆,该类车辆对城市交通影响小,具有临时性、偶发性和不可预见性等特征;


③长期使用车辆:指长期在城市使用的车辆,该类车辆出行频率高、对交通的影响大,具有一定的规律性,是需要重点关注的对象。


一般而言,可以使用车辆的出行天数、出行车次数、日均出行量等三个指标来具体判定外地车的使用类型,如出行天数多、出行车次数和日均出行量多的车辆为长期使用车辆,出行天数少、出行车次数不多等的为短期到访车辆等。


1620801203113081.jpg

图2 外地车出行分类研究




05 应用研究

以某市的卡口数据为例,结合上述的评价指标体系,利用关键指标分析外地车的出行特征:


①外地车出行车辆数多

该市近年来外地车月均出行车辆数从450.57万辆增长到620.66万辆,增加37.7%,外地车出行车辆数持续增加,加重了道路的交通承载压力。


②外地车出行占比高

工作日外地车全天的出行量占比平均为29.3%,其中出行占比低峰出现在7时至8时、占比为21.3%,出行高峰出现在19时至20时、占比为32.8%。非工作日上外地车平均占比为30.3%,略高于工作日的情况。总的来看,外地车的出行占比较高,对交通的影响大。


1620801228935137.jpg

图3 外地车出行量占比时间分布图


③长期使用的外地车辆多

结合外地车的运行特性,可以分析出长期在该市使用的外地车辆从2015年的22.94万辆增长至2017年的47.8万辆,增幅达108.4%。


1620801246841713.jpg

图4 2015年-2017年长期使用的外地车变化情况


从全天来看,长期使用的外地车总量约占外地车总量的64.3%,长期使用外地车是中心城区主要的出行外地车。


1620801281346473.jpg

图5 工作日各类型外地车出行时序图选流程


进一步,分析这些长期使用外地车的出行天数,可以看出这些车辆月平均出行天数为14.02天,出行天数在7天的车辆最多,月出行天数在10天及以上的车辆占65.75%。总体上看,长期使用的外地车月出行频率较高,对交通的影响较大。


通过以上的分析可知,外地车的出行车辆逐渐增加,对该市的交通造成较大的影响,其中以长期使用的外地车对交通的影响最大,需要重点研究管控措施限制长期使用的外地车。


1620801305980013.jpg

图6 长期使用的外地车月出行天数分布图



06 结语

随着城市智能交通设备的不断完善,交通卡口设施的布设越来越多。交通卡口的检测数据包含了大量的交通信息,如经过的车辆信息、时间、地点等,数据有着多维度、大样本和高可靠性等特征,可作为城市交通研究的数据基础。


本文基于城市的交通卡口设备,从出行强度、出行频率、出行结构三个方面提出一套宏观的机动车出行特征分析指标体系,重点针对机动车中的外地车根据其出行特性研究了其分类方法,最后通过案例说明指标体系能有效发现城市中机动车的出行特征规律,能定量化辅助交通管理措施的制定。


目前各大城市中基本有卡口数据,本研究的成果可以推广应用于各大城市,用于辅助交通管理者日常工作。


注:本文已发表于2020年中国城市交通规划年会论文集


参考文献:

[1].Tam M L,Lam W H K.Using automatic vehicle idenification data for travel time estimation in HONG KONG[J].Transport Metrica,2008,4(3):179—194.

[2].Fei X,Zhang Y Liu K,et a1.Bayesian dynamic linear model with switching for real-time short-term freeway travel time prediction with license plate recognition data[J].Journal of Transportation Engineering,2013,139(11):1058-1067.

[3].柴华骏,李瑞敏,郭敏.基于车牌识别数据的城市道路旅行时间分布规律及估计方法研究[J].交通运输系统工程与信息,2012,12(6):41-47

[4].Nantes A,Ngoduy D,Miska M,et a1.Probabilistic travel time progression and its application to automatic vehicle identification data[J].Transportation Research Part B:Methodological,2015.81:13l-145

[5].付凤杰,龚越,王殿海,等.基于高清智能卡口路段行程时间的数据质量分析[J].浙江大学学报(工学版),2016,50(9):1761-1767

[6].江迎.基于车牌识别技术的长沙市外地车使用特征[C]2017年中国城市交通规划年会论文集. 上海:中国建筑工业出版社,2017:2566-2573

[7].姜桂艳,常安德,牛世峰.基于车牌识别数据的交通拥堵识别方法[J].哈尔滨工业大学学报,2011,43(4):131-135

[8].刘聪,李娟,马丽,等.基于卡口系统车牌识别数据的交通状态判别方法[J].青岛理工大学学报,2017,38(2):90-99

[9].张云云.基于Hadoop的卡口数据挖掘技术研究与应用[D].杭州:浙江工业大学,2016

[10].龚越.基于车牌识别数据的交通出行特征分析[D].杭州:浙江大学,2018

[11].王蓓,宁平华,段小梅,等.基于多维卡口数据的城市交通分析方法与系统[C]2018年中国城市交通规划年会论文集.青岛:中国建筑工业出版社,2018:76-87

[12].杨帅,刘樟伟,杨宇星,等.基于高快速路卡口数据的车辆出行特征分析[C]2018年中国城市交通规划年会论文集.青岛:中国建筑工业出版社,2018:42-54

[13].周韬 高杨斌 裴洪雨. 基于卡口数据的快速路车辆出行OD计算方法[C]2018年中国城市交通规划年会论文集.青岛:中国建筑工业出版社,2018:3431-3441



本站声明

本文仅代表作者观点,不代表城市数据派立场;
本文系作者授权城市数据派发表,未经许可,不得转载;
本网站上的所有内容均为虚拟服务,一经购买成功概不退款,请您理解。

点赞0