用出租車GPS數(shù)據(jù)分析深圳道路交通情況

1、用出租車GP繳據(jù)分析深圳道路交通情況摘要一個完整的城市交通系統(tǒng)非常龐大復(fù)雜，這種情況使得數(shù)學(xué)建模交通問題分析求解的困難復(fù)雜度提高將完整的城市交通系統(tǒng)按照交通流向路網(wǎng)布局等特性劃分為若干交通小區(qū)，然后對不同的交通小區(qū)進(jìn)行數(shù)學(xué)建模，可以有效地降低這種復(fù)雜性。各大城市出租車越來越多的安裝了GPS終端，這些終端能夠每隔1分鐘向出租車管理中心發(fā)送本車的位置、速度和方向等信息，是車輛GPS實(shí)時數(shù)據(jù)。原始數(shù)據(jù)主要保存出租車上裝配的GPS終端所采集的數(shù)據(jù)目前對于交通小區(qū)的研究主要集中在應(yīng)用層次，本文針對交通出行數(shù)據(jù)的空間分布特征，利用K-Means空間聚類算法進(jìn)行交通小區(qū)的自動劃分，為城市交通系統(tǒng)的管理控制及

2、規(guī)劃提供技術(shù)支持，對交通出行數(shù)據(jù)進(jìn)行優(yōu)化，抽取出租車載客過程中乘客上下車的GPS位置坐標(biāo)?；诰垲惻c交通小區(qū)劃分的相似性，采用K-Means聚類法進(jìn)行交通小區(qū)的劃分。首先，通過聚類得到交通出行OD矩陣，然后據(jù)此劃分出交通小區(qū)?；贕oogleMapsAPI,搭建了軟件平臺。通過試驗(yàn)可以看出，這種動態(tài)劃分方法得到的區(qū)域能夠與現(xiàn)有的交通小區(qū)相吻合。這種高實(shí)時的交通小區(qū)劃分方法將對動態(tài)的OD估計(jì)有著極大的參考價值。關(guān)鍵詞：GPS;交通小區(qū)；K-Means;空間聚類算法；動態(tài)分析；k均值聚類；邊界計(jì)算一、問題重述各大城市出租車越來越多的安裝了GP繁端，這些終端能夠每隔1分鐘向出租車管理中心發(fā)送本車的位

3、置、速度和方向等信息，是車輛GPSS時數(shù)據(jù)。原始數(shù)據(jù)主要保存出租車上裝配的GP腔端所采集的數(shù)據(jù)問題一，根據(jù)出租車載客的起訖點(diǎn)，結(jié)合深圳市的交通地圖，恰當(dāng)?shù)膭澐纸煌ㄐ^(qū)，并選擇小區(qū)中的某一點(diǎn)，用其經(jīng)緯數(shù)值作為該小區(qū)的坐標(biāo)。問題二，根據(jù)小區(qū)劃分和出租車GP繳據(jù)，給出載客出租車的OD寸空分布。如：某時刻從坐標(biāo)（i,j）到（i：j）、（i",j'）的出租車有多少輛。問題三，由此，在合理的假設(shè)條件下，能否對人們出行的OD寸空分布進(jìn)行推斷？問題四，根據(jù)出租車載客后的行駛數(shù)據(jù)，篩選出擁堵的路段時段以及擁堵的路口時段。擁堵的標(biāo)準(zhǔn)自己設(shè)定，如某路段在某個時段平均行駛速度小于多少公里/小時（比如

4、，10公里/小時），可認(rèn)為是擁堵。二、模型假設(shè)一般來說，交通小區(qū)的劃分應(yīng)該遵循以下原則：（1）同質(zhì)性，分區(qū)內(nèi)的經(jīng)濟(jì)社會等特性盡量一致（2）小區(qū)劃分盡量不打破行政區(qū)的劃分，以便可以利用行政區(qū)的統(tǒng)計(jì)資料（3）分區(qū)數(shù)量適當(dāng)，中等城市不超過50個，大城市最多不超過100-150個數(shù)量太多將加重規(guī)劃的工作量，數(shù)量太少又會降低調(diào)查和分析的精度（4）對于已做過OD調(diào)查的城市，最好維持原已劃分的小區(qū)三、符號說明1 .name車牌號2 .time采集時間點(diǎn)（格式：YYYY/MM/DDhh:mm:ss）3 .jd經(jīng)度4 .wd緯度5.status車輛狀態(tài)（0=非打表，即：空載；1=已打表，即：重載）6 .v車速（

5、單位為：km/h）7 .angle行車方向（0=東；1=東南；2=南；3=西南；4=西；5=西北；6=北；7=東北）四、問題分析與模型建立4.1 對問題的分析和模型建立4.1.1 交通小區(qū)概念交通小區(qū)是具有一定交通關(guān)聯(lián)度和相似度的節(jié)點(diǎn)或連線的集合，反映了城市路網(wǎng)交通特征的時空變化特性交通小區(qū)具有同質(zhì)性關(guān)聯(lián)性動態(tài)性穩(wěn)定性自組織性等特性1交通小區(qū)的劃分是分析城市交通網(wǎng)絡(luò)的一個很好的方式，因?yàn)榻煌ㄐ^(qū)內(nèi)具有相似的交通特征和較強(qiáng)的交通關(guān)聯(lián)性交通小區(qū)的劃分與該城市的人口面積經(jīng)濟(jì)特征產(chǎn)業(yè)結(jié)構(gòu)等密切相關(guān)，并在一定程度上反應(yīng)了一個城市的吸引力4.1.2 交通小區(qū)劃分概況國內(nèi)部分城市在不同時期的交通小區(qū)的平均面

6、積可以看出，單個小區(qū)的平均面積有逐年變小的趨勢，劃分小區(qū)的數(shù)量在逐漸增加傳統(tǒng)的進(jìn)行交通小區(qū)劃分的方法主要基于大規(guī)模的人工抽樣調(diào)查這種劃分方法成本高周期長，調(diào)查的數(shù)據(jù)存在抽樣率低抽樣統(tǒng)計(jì)的精度不高數(shù)據(jù)更新周期長等問題由于我國大部分城市正處于快速發(fā)展期，土地利用不斷變化，人口高速增長，通過這種方式進(jìn)行交通小區(qū)的劃分時效性較差本文通過交通出行數(shù)據(jù)的聚類運(yùn)算，提供實(shí)時的交通小區(qū)的分布狀態(tài)這種快速動態(tài)的劃分方法彌補(bǔ)了傳統(tǒng)劃分方式的不足交通小區(qū)五、模型求解圖1交通小區(qū)分過程5.1基于K均值聚類算法的交通小區(qū)劃分方法劃分方法本劃分方法首先對坐標(biāo)數(shù)據(jù)進(jìn)行空間聚類運(yùn)算，得到出行起訖點(diǎn)的OD矩陣，最后以此為依據(jù)進(jìn)

7、行交通小區(qū)的劃分劃分過程如圖1所示出租車GPS數(shù)據(jù)預(yù)處理試驗(yàn)中所用到的數(shù)據(jù)來源于北京奇華通訊有限公司，主要包括車輛GPS實(shí)時數(shù)據(jù)和車輛類型等相關(guān)數(shù)據(jù)信息原始數(shù)據(jù)表主要保存了出租車上裝配的GPS終端所采集的數(shù)據(jù)，這些數(shù)據(jù)包括車牌號時間經(jīng)緯度速度以及該車的空重車狀態(tài)等由于每天的數(shù)據(jù)量龐大（2.5千nametimeJdwdstatusVangle粵B00D162011/04/1800:00:04114.05538222.625116052粵B5223B2011/04/1800:00:49114.01363422.665283101粵B5357B2011/04/18114.04508222.71126

8、70406表5優(yōu)化后的數(shù)據(jù)其中status字段代表的是出租車的空重車狀態(tài)，表示車的狀態(tài)為重車當(dāng)status值由0變?yōu)?的位置；相反地，乘客下車時的位置也可以得到化后的數(shù)據(jù)見表5萬條/天），基于縮短數(shù)據(jù)查詢時間以及提高整體運(yùn)算性能等方面的考慮，需要對原始數(shù)據(jù)進(jìn)行優(yōu)化原始數(shù)據(jù)內(nèi)容見表4nametimeJdwdstatusVangle粵B00D102011/04/1800:00:05113.58599923.1332740620粵B4906B2011/04/1800:00:10113.88836722.780216004粵B00D162011/04/1800:00:04114.05538222.62

9、5116052粵B5223B2011/04/1800:00:49114.01363422.665283101粵B5357B2011/04/1800:00:30114.04508222.7112670406粵B5996D2011/04/1800:00:28113.92620822.5657670333粵B6618E2011/04/1800:00:28114.06033322.526083006表4原始表據(jù)當(dāng)值為0時表示車的狀態(tài)為空車，值為1時，status值為1的車的位置即為乘客上車時根據(jù)這一特性剔除原始表中的無用數(shù)據(jù)，00:00:30段時間內(nèi)的起點(diǎn)或者訖點(diǎn)被劃分為若表不出X坐標(biāo)點(diǎn)這時為中心點(diǎn)均

10、分為每個區(qū)距寓中心點(diǎn)的距離360度分為n份然后82所示F組包含中心點(diǎn)在內(nèi)的一些坐標(biāo)點(diǎn)，如圖F個區(qū)域，每個區(qū)域中的點(diǎn)分布緊湊區(qū)域與區(qū)域的角度為360/n如圖3所示4距離中心點(diǎn)的距離3360度分為n標(biāo)系以（0然后，將某個聚類的點(diǎn)集放入該坐標(biāo)系，使得區(qū)域中心點(diǎn)與坐標(biāo)原點(diǎn)重合通過計(jì)算其它點(diǎn)與中心所形成的角的正余弦，即可得到每個點(diǎn)與中心點(diǎn)所形成的夾角，進(jìn)而將這些點(diǎn)歸入上一首先從n個數(shù)據(jù)點(diǎn)隨機(jī)選擇k個點(diǎn)作為初始聚類中心；通過運(yùn)算其它點(diǎn)與這些聚談的相似度（距離），將其分別分配給與其相似度最高（距離最近）的中心點(diǎn)所在的聚類對劃分好后的聚類重新運(yùn)算聚類中心這一過程不斷重復(fù)直到標(biāo)準(zhǔn)測度函數(shù)開始收斂5.1.4對區(qū)域

11、數(shù)據(jù)進(jìn)行邊界運(yùn)算將所有聚類后的坐標(biāo)通過GIS平臺輸出，通過這種方式很難看出不同區(qū)域之間的界線需要將區(qū)域的邊界繪制出來本文采用的邊界運(yùn)算過程如下：首先建立平面直角坐標(biāo)系n等份區(qū)域（n的值將決定邊界運(yùn)算結(jié)果的精度）代表性的數(shù)據(jù)點(diǎn)，即中心點(diǎn)，然后再根據(jù)這些中心點(diǎn)進(jìn)行后續(xù)的處理K-Means算法采用了迭代更新的運(yùn)算思想，聚類過程如下：5.1.3聚類計(jì)算經(jīng)過上一步的數(shù)據(jù)優(yōu)化，即可得到由起訖點(diǎn)數(shù)據(jù)組成的數(shù)據(jù)集現(xiàn)在需要對這些數(shù)據(jù)進(jìn)行聚類步所劃分的區(qū)域依次計(jì)算第i個區(qū)域里每個點(diǎn)距離中心點(diǎn)的距離，記錄距離中心點(diǎn)最遠(yuǎn)的點(diǎn)為ci如圖4中P點(diǎn)等最后，將這所有的ci點(diǎn)相連接，即可得到點(diǎn)集的相應(yīng)邊界，如圖5所示圖5邊界點(diǎn)

12、相連5.2試驗(yàn)平臺搭建與實(shí)例分析試驗(yàn)平臺搭建為了檢驗(yàn)劃分結(jié)果的準(zhǔn)確度，本文搭建了具有GIS功能的試驗(yàn)平臺平臺使用Java語言進(jìn)行開發(fā)，GIS功能采用GoogleMapsAPI解決方案平臺通信過程如圖6所示圖6系統(tǒng)通信實(shí)例分析通過上述方法，利用2008年8月3號北京市出租車GPS數(shù)據(jù)進(jìn)行交通小區(qū)的劃分，并將劃分結(jié)果輸出到GIS平臺上，如圖7所示BB7區(qū)域劃分結(jié)果A為CBD可以看出這種動態(tài)劃分方法產(chǎn)生的結(jié)果能夠與現(xiàn)有的部分交通小區(qū)相吻合（標(biāo)注小區(qū)，標(biāo)注B為西郊小區(qū))詳細(xì)的OD矩陣數(shù)據(jù)見表6123456弓/8gIDj)1u131600!00I00oa000200I0000i0000300170000

13、00in0D010160a000c00050200160000000060Q0Q0L1010Q00070000001900c0008000000a一0000190a00a000260000100i00000101220001100Q000000000120000000000020130000000000004表6中O代表起點(diǎn)，D代表訖點(diǎn)比如坐標(biāo)位置(2,5)的值為2,代表某一段時間內(nèi)，共有2輛出租車從5號區(qū)域前往2號區(qū)域，并且乘客是在5號區(qū)域上車，在2號區(qū)域下六、模型評價與推廣模型評價：本文通過對出租車GPS數(shù)據(jù)進(jìn)行聚類運(yùn)算，快速計(jì)算出不同時間段內(nèi)出租車載客OD矩陣，進(jìn)而將劃分好的區(qū)域在GIS

14、平臺中顯示出來從實(shí)驗(yàn)結(jié)果可以看出：這種劃分方法能夠反映出不同時間段內(nèi)交通小區(qū)的絕對動態(tài)性以及相對穩(wěn)定性的特征，對城市交通小區(qū)的劃分具有很高的參考價值本文所使用的交通小區(qū)劃分方法也存在一定的不足：首先，劃分算法使用了純粹的K-Means空間聚類法，沒有與現(xiàn)有的位置屬性相結(jié)合，比如住宅區(qū)商業(yè)區(qū)等屬性；其次，算法沒有對出租車的特殊數(shù)據(jù)和異常數(shù)據(jù)進(jìn)行處理，比如紅綠燈停車GPS信號機(jī)發(fā)生故障等情況，這些都將影響最終結(jié)果的準(zhǔn)確性；再次，針對特定時間段進(jìn)行交通小區(qū)的劃分更有代表性，比如早晚高峰等，本文沒有對此展開討論這些都是今后的改進(jìn)方向模型推廣：本文中的模型都是在綜合考慮了各種不同情況下得出的滿足實(shí)際需求的優(yōu)化模型，因此它的適用性很強(qiáng)，可以推廣到很多類似的現(xiàn)實(shí)問題。七、參考文獻(xiàn)1李曉丹，楊曉光，陳華杰.城市道路網(wǎng)絡(luò)交通小區(qū)劃分方法研究.計(jì)算機(jī)工程與應(yīng)用，2009,45(5):19-22.2楊波，劉海洲I.基于聚類分析的交通小區(qū)劃分方法的改進(jìn).交通與運(yùn)輸，2007,(7):23-26.3徐吉謙.交通工程總論.北京：人民交通出版社,2003.4馬超群，王瑞，王玉萍，嚴(yán)寶杰，陳寬民.基于區(qū)內(nèi)出行比例的城市交通小