二、交通流量的采集和特点分析

交通流量的采集和特点分析2.1 交通流量的采集技术交通流量是交通控制和交通流诱导的重要指标，用于判定道路的车流拥堵情况。交通流量的采集是在固定地点、固定时间段内的车辆数量的数据采集，主要的采集方法有人工采集法、试验车移动调查法、摄像法和车辆检测器测定法。交通流量的人工采集法、试验车移动调查法和摄像法都不具有自动采集的功能。人工采集法是指测量人员在待测定的时间和地点手工记录通过该地段的车辆数的方法。这种方法简单易行，不需要复杂设备，但需要较多的人力。因此只适于做短期的交通调查，而不适于交通流的实时诱导和控制。试验车移动调查法是通过在测试区间内驾车反复行使测量，求得区间内断面平均交通流量的方法。摄像法是在测定断面上做标记后，对其做定时摄像，然后对照片进行处理可得出交通流量，此方法成本高，资料处理工作量大8。目前常用的交通流量车辆检测器主要有环形线圈检测器、超声波检测器、磁性检测器、红外线检测器、微波检测器。视频图像处理技术也正在应用于交通流量的监测。下面对各种检测器进行简单的介绍9。l环形线圈检测器。环形线圈检测器是目前使用最为广泛的交通检测装置。它是利用埋设在车道下的环形线圈对通过线圈或存在于线圈上的车辆引起的电磁感应的变化进行处理而达到检测目的。当车辆通过线圈时产生电感量的变化引起相位的变化，通过相位比较器获得一个相应的信号，它可用来检测交通流量、占有率和速度。2超声波检测器。超声波检测器是通过接收由超声波发生器发射的超声波束并经过车辆反射的超声回波来检测车辆，它由车道上方的超声波探头向下发射一束超声波，车辆通过这些波束时，引起波束反射回发送部件，通过判断信号与反射回波信号在时间上的差异来检测车辆数和车辆类型，用双探头可以检测车速。3磁性检测器。磁性检测器是通过磁场变化来进行检测的。将高导磁材料绕上线圈，用绝缘管封装埋设在车道下面来感应车辆，当车辆靠近或通过线圈时，穿过线圈的磁场发生变化，这样即可检测车辆的信息。磁性检测器的优点是价格便宜，容易安装，特别是地磁检测器。4红外线检测器。红外线检测器一般采用反射式和阻断式检测技术。反射式红外线检测器使用反射接收器，用来反射光束和接收反射光束，通过记录路面和车顶反射率的变化对车辆进行检测。阻断式红外线检测器由位于路段一侧的反射接收器和车道另一侧的强反射板组成，车辆通过时，反射波被切断而检测到车辆。红外检测器还能采集车辆速度信息。5微波检测器。微波检测器是按照多普勒效应原理工作。该检测器向行驶的车辆发射10MC的微波束，波束被车辆阻挡而发生反射波，引起频率变化，经过接收，鉴频放大，输出一个检测信号，以检测流量和速度。6视频图像处理技术。视频图像处理技术是将一段道路的交通状况摄成图像，并将原有的道路和路旁景物图像附加在图像上检测出交通流量和速度的新兴技术，它能够提供一段道路上的交通状况数据，必将为交通信息的采集方法产成深远的影响。以上六种车辆检测技术中，环形线圈检测器是目前使用最为广泛的交通参数检测装置。本文所研究的交通流量数据采自于环形线圈检测器。2.2 交通流量的特点分析 交通流量是指单位时间内通过道路指定地点或断面的车辆数目，一般用Q表示：其中，N为观测时间段内的车辆数目；T为观测时间段长度。交通系统是行人、车辆、道路共同作用的复杂系统，由于人们出行行为的总体规律性以及城市道路网络通行条件的实际约束，交通流量具有明显的非线性和时变性特点，下面主要从动态性、时间相似性和空间相关性三个角度进行分析。2.2.1 动态性分析随着社会经济的发展，人们出行需求显著提高，因而城市道路同一路段的交通流量在不同的时段所呈现的数据分布规律上有很大不同。此外，由于季节天气的变化，人们出行方式和出行频率会受到影响，城市道路的通行能力也会随之变化。因此，在不同季节、不同时段内分配到路网中各个路段上的交通流量均不同。同样，节假日和工作日的交通流量在数量和分布规律方面也有显著差异。此外，交通事故、临时性的交通管制等也会影响道路上的交通流量。而且，即使在同一周内，同一路段的交通流量在工作日（周一到周五）与周末（周六、周日）、工作日与工作日之间也不尽相同；在同一天的不同时段内，交通流量随着时间不断变化10。总之，城市道路的交通流量是由交通需求、路网条件、交通管理控制方案、公共交通出行比例、信息诱导等共同作用的结果，受各种因素影响而动态变化。2.2.2 时间相似性分析在交通流量的研究中发现，人们出行的规律性显示了城市道路交通需求的规律性，因而相同路段的交通流量波动曲线呈周期性显现。若以年、季度、月和周为周期单位，交通流量数据则体现出不同程度的时间相似性。研究表明其中以周为周期的交通流量曲线，相似程度最高，规律性最强。我们称这种相隔1周的交通流量数据在变动趋势上十分接近的性质为交通流量的周相似性11。本文在分析交通流量在时间上的变化特性时，提取了杭州市环城北路803路段断面线圈2008年1月1日至1月30日近一个月的交通流量数据，数据采集的时间间隔为15分钟。经过统计分析线圈采集的交通流量数据，绘制了2008年1月7日至1月13日共一周的流量数据图，具体见图2.1-2.7。图2.1 2008年1月7日(周一)交通流量图图2.2 2008年1月8日(周二)交通流量图图2.3 2008年1月9日(周三)交通流量图图2.4 2008年1月10日(周四)交通流量图图2.5 2008年1月11日(周五)交通流量图图2.6 2008年1月12日(周六)交通流量图图2.7 2008年1月13日(周日)交通流量图从图2-12-7中可以看出，交通流量在时间上具有明显的相似性。白天交通流量比较稠密，晚上较为稀少。在白天上下班高峰期交通流量较大，容易出现交通拥塞现象，而晚上交通一般都很顺畅，不会出现交通拥塞的现象。经过大量的统计分析发现，周二、周三、周四三天的交通流量大小和变化规律比较相近，具有一定的工作日交通流量数据的代表性。而周一、周五、周六、周日的高峰时段、数据波动幅度与这三天不同；其中，周一和周五较为相近，而周六和周日波动幅度随机性较大。2.2.3 空间相关性分析城市道路交通是一个复杂的系统，受众多因素的影响表现出非线性、不确定性等特性。由于道路之间相互连通，上游道路的交通状态会直接影响到下游道路的运行状态。下游道路交通阻塞等情况也会影响上游道路车辆的路径选择，从而影响到整个路网的运行状况。因此，城市道路间的相关性决定了交通流量具有空间相关性。解析目标路段与其相关联的其它路段间的关系，对于路段流量预测准确性和可靠性的提高均具有极大的意义。目前，国内对结合相邻路段流量进行交通流量预测的研究已经展开。多数仍是进行简单的回归和加权，没有充分、深入地进行研究。不同时段内路段间的相关性不同，不同日期的相同时段内也会发生变化。因此，如何通过现有的路段检测器采集的流量数据挖掘这种相关关系的研究，对交通流量短时预测精度的提高很有必要12。2.3 交通流量数据预处理方法从实际道路交通系统中采集到的动态数据由于交通传感器硬件故障、噪声干扰和通讯故障往往引发异常数据或导致数据丢失。然而，路段线圈检测器采集到的交通流量数据的质量是城市道路交通流量短时预测的基础，对实时交通诱导起着关键作用。为了更有效的分析交通数据的规律、建立更为精确的模型，针对交通流检测设备所采集数据可能出现的问题，有必要对数据进行预处理，对交通数据故障进行过滤。交通流量数据的过滤分为错误数据剔除和丢失数据的补偿两部分，交通流量的过滤分为实时交通流量过滤和非实时交通流量过滤，实时交通流量过滤用于实时的交通流量预测、控制、事件检测等算法，必须满足高效的实时性，一般采用简单的阈值法，但不可避免的是有一些隐含错误数据不能被去除：非实时交通流过滤用于历史数据库中的交通流量过滤，为交通流量预测或历史数据分析清洗数据，实时性可以差一些。2.3.1 故障数据的识别通过对动态交通数据的采集和传输过程进行分析可知，交通数据故障多数是由交通检测器失灵或传输线路出现故障而引起的，因而故障数据主要分为丢失数据和错误数据两类13。l丢失数据的识别。无论是固定检测器，还是移动检测器都是按照一定的时间间隔来采集数据。但是实际情况中，检测器扫描频率不固定，传输线路出现故障，车辆过度密集造成检测器无法检测车辆等多种原因都会使采集到的交通数据无法严格按照一定的时间间隔上传。甚至会有部分数据丢失，给以后的数据处理和交通预测工作带来不利影响。为了实现对丢失数据的识别，通常把在一定时间段内得到的数据定义成某一时段的数据。比如采集数据的时间间隔为5分钟，则在8:00到8:05之间得到的数据视为8:00这一时刻的数据，然后对数据的采集时刻进行扫描和判断。如果在某一时刻没有数据，或者一个时刻有多于一组的数据，则认为该时刻的数据存在问题，需要进行补充或者修复处理。2错误数据的识别。当交通检测器或传输线路出现故障时，采集到的数据通常都是错误的，不能反应真实的交通状况。在处理错误数据时通常采用阈值法、交通流机理法或两者相结合。阈值法是对检测器所采集的流量或占有率按照统计数据与其上下阈值比较。如果流量或占有率不在上下阈值所规定的区间内，则认为是错误数据14。2.3.2 故障数据的修复分析动态交通数据的具体情况和常规交通模型的需求，可以采用以下几种方法对故障数据进行修复：1 采用前一天的历史趋势数据y(k-1)(t)进行修复。这种方法适用于数据的离线或者在线处理。当前几组数据中有故障出现时，可采用该方法进行处理。2 采用历史趋势数据与实测数据的加权估计值进行修复，计算公式：其中加权系数体现了t-1时段实测数据和历史趋势数据在数据修复中起的作用，越大则实测数据对修复后的数据影响越大，反之亦然。这种方法采用实测数据和历史趋势数据的加权结果，既考虑到了实际情况中前一时段交通状态对后一时段状态的影响，同时，历史趋势数据的使用又能够减小实际道路交通中随机波动的影响，修复处理的效果既稳定又可靠。3 采用相邻时段数据的平均值进行修复。计算公式为：其中，n为计算平均值所取的数据个数。采用t-1时段和t+1时段的数据对数据进行修复，如果在线处理的时候无法得到t+1时段的数据，该方法只适用于离线方法