探測車占有率對宏觀基本圖估計(jì)精度的影響

探測車占有率對宏觀基本圖估計(jì)精度的影響

江勇東，盧守峰，陶黎明，謝耀漩(1.長沙理工大學(xué)交通運(yùn)輸工程學(xué)院，湖南長沙410114；2.蘇州市運(yùn)輸管理處，江蘇蘇州215008)宏觀基本圖是一種直觀的城市交通流宏觀模型。交通管理者通過宏觀基本圖可準(zhǔn)確掌握交通狀況，采取相應(yīng)的交通控制策略來提高交通效率。學(xué)者們對宏觀基本圖的研究方法可歸納為解析法和實(shí)驗(yàn)法。Geroliminis[1]等人首次利用宏觀基本圖(macroscopicfundamentaldiagram，簡稱為MFD)的概念，定義了城市路網(wǎng)中的空間平均流量、密度和速度之間的關(guān)系。Buisson[2-4]等人分別用檢測器數(shù)據(jù)、仿真數(shù)據(jù)及出租車GPS數(shù)據(jù)，驗(yàn)證了宏觀基本圖的存在。Daganzo[5-7]等人利用解析法，構(gòu)造了宏觀基本圖。這類方法要求路網(wǎng)均質(zhì)；否則，只能得到宏觀基本圖的上界。Leclercq[8]等人提出用實(shí)驗(yàn)法構(gòu)建的宏觀基本圖更準(zhǔn)確。近年來，一些學(xué)者通過仿真手段研究了探測車占有率對宏觀基本圖和交通狀態(tài)變量估計(jì)精度的影響。Gayah[9]等人提出一種利用探測車數(shù)據(jù)和宏觀基本圖間接估計(jì)路網(wǎng)密度的方法，研究結(jié)果表明：探測車數(shù)據(jù)占有率和取樣時(shí)間間隔越高，密度的估計(jì)越準(zhǔn)確。Nagle[10]等人對比分析了不同探測車占有率得到的各交通指標(biāo)(平均流量、密度、速度及積累流量)的準(zhǔn)確度。Du[11]等人對比了根據(jù)路段探測車占有率和OD間探測車占有率估計(jì)宏觀基本圖的精度，發(fā)現(xiàn)用OD間探測車占有率估計(jì)宏觀基本圖的精度更為準(zhǔn)確。Bhaskar[12-13]等人提出一種準(zhǔn)確估計(jì)車輛行程時(shí)間的模型，驗(yàn)證了該模型的有效性，并用該模型構(gòu)建宏觀基本圖。這些研究大部分都是利用仿真數(shù)據(jù)或GPS數(shù)據(jù)檢驗(yàn)宏觀基本圖和交通狀態(tài)變量估計(jì)的準(zhǔn)確度，而利用車牌識別的實(shí)測數(shù)據(jù)開展研究的鮮見。因此，作者擬基于城市卡口自動識別的車牌數(shù)據(jù)，建立宏觀基本圖。通過取樣車牌數(shù)據(jù)量來控制探測車占有率，分析不同探測車占有率和交通狀況對交通密度估計(jì)準(zhǔn)確度的影響。1數(shù)據(jù)準(zhǔn)備隨著城市智慧交通的建設(shè)和發(fā)展，出租車GPS、藍(lán)牙、線圈感應(yīng)器及自動識別車牌等數(shù)據(jù)源越來越豐富，為建立數(shù)據(jù)驅(qū)動的交通模型提供了重要支撐。出租車GPS是一種有效的探測車數(shù)據(jù)源，但空間分布不均勻，且出租車在時(shí)空分布上與社會車輛有所不同。而自動識別車牌數(shù)據(jù)包含了所有車輛的信息，為研究探測車占有率對交通指標(biāo)估計(jì)的準(zhǔn)確度提供了數(shù)據(jù)基礎(chǔ)。1.1自動識別車牌數(shù)據(jù)在20世紀(jì)90年代，一些學(xué)者就開始對車牌識別進(jìn)行研究，至今車牌識別技術(shù)(automaticnumberplaterecognition,簡稱為ANPR)已日漸成熟，且中國車牌格式統(tǒng)一，自動識別車牌的準(zhǔn)確率達(dá)95%以上。中國大中城市的主要道路交叉口都設(shè)有卡口監(jiān)控系統(tǒng)，該系統(tǒng)具有全天候自動記錄并識別的特點(diǎn)?？诒O(jiān)控系統(tǒng)在各交叉口進(jìn)口道上方均設(shè)置了視頻檢測器，可記錄經(jīng)過車輛的車牌、日期、時(shí)間、車道、進(jìn)口道方向、視頻檢測設(shè)備編號、車牌顏色及車牌種類等信息，自動識別車牌數(shù)據(jù)是由Oracle數(shù)據(jù)庫儲存的。利用PL/SQLDeveloper，對該數(shù)據(jù)進(jìn)行了篩選，只選取與本研究相關(guān)的數(shù)據(jù)，見表1。表1自動識別車牌數(shù)據(jù)Table1Automaticnumberplaterecognitiondata車輛的運(yùn)行軌跡如圖1所示。在圖1中，li是路段長度，T是研究時(shí)間間隔。如果上、下游都提取到該車牌，則該車輛(線a)完整地經(jīng)過該路段。若僅上游提取到車牌，則該車輛駛向路段吸引源；若僅下游提取到車牌，則該車輛由路段發(fā)生源駛出。圖1車輛軌跡的時(shí)間距離窗Fig.1Time-spacewindowofvehicletrajectories1.2研究范圍自動識別車牌數(shù)據(jù)的檢測時(shí)間為2015年9月1日7∶00∶00-22∶00∶00，研究時(shí)間間隔取10min。本試驗(yàn)研究路網(wǎng)為中國某二線城市城區(qū)道路，路網(wǎng)范圍約5km×4.5km，如圖2所示。其中，有66%的路段為雙向4車道，30%的路段為雙向2車道，4%的路段為雙向6車道，路網(wǎng)呈方格網(wǎng)狀，路網(wǎng)條件較均質(zhì)，如圖2所示。在圖2中，交叉口標(biāo)有的數(shù)字表示該交叉口裝有卡口，可以獲取車牌數(shù)據(jù)。通過對所有道路的車牌數(shù)據(jù)進(jìn)行比對，發(fā)現(xiàn)湖西路各路段上、下游車牌匹配率最高，因此，對湖西路進(jìn)行了研究。湖西路為雙向4車道的南北向道路，長約2.6km。圖2研究路網(wǎng)Fig.2Roadnetwork路段上、下游車流的關(guān)系如圖3所示。經(jīng)過上游車道號為9,7和5的車輛駛?cè)肼范蝘，經(jīng)過下游車道號為6,7和8的車輛是由路段i駛出。對于路段i，上游和下游的累計(jì)車輛數(shù)可分別由經(jīng)過對應(yīng)車道的車輛數(shù)統(tǒng)計(jì)所得。圖3路段上、下游車流的關(guān)系Fig.3Therelationshipbetweentheupstreamandthedownstreamtraffic2宏觀基本圖的構(gòu)造對于任意路段的任意時(shí)間段，如果所有車輛都完整經(jīng)過該路段，每輛車的出行時(shí)間和出行距離均可得到，可根據(jù)Edie定義[8]構(gòu)建宏觀基本圖。但是，實(shí)際路網(wǎng)中存在路段的發(fā)生源和吸引源，且這部分車輛的軌跡信息難以獲取。因此，本研究基于自動識別車牌數(shù)據(jù)，利用CUPRITE模型[12]進(jìn)行宏觀基本圖的構(gòu)建。完整經(jīng)過路段的車輛可視為CUPRITE模型中的探測車，CUPRITE模型的建立步驟如圖4所示。該模型的優(yōu)勢在于可根據(jù)固定檢測器數(shù)據(jù)和少量的探測車數(shù)據(jù)，估計(jì)較精確的宏觀基本圖，且對于宏觀基本圖密度的估計(jì)非常精確，但宏觀基本圖流量的估計(jì)存在著一定的誤差。1)在研究時(shí)間間隔T內(nèi)，分別畫路段的上游累計(jì)曲線U(t)和下游累計(jì)曲線D(t)。圖4CUPRITE模型步驟Fig.4ThestepsoftheCUPRITEmodel2)對于任意一輛探測車，其行駛時(shí)間為td-tu。其中：tu為該探測車經(jīng)過上游進(jìn)口道時(shí)間；td為該探測車經(jīng)過下游進(jìn)口道時(shí)間。固定下游累計(jì)曲線D(t)，根據(jù)探測車的行程時(shí)間，可得到上游曲線應(yīng)該經(jīng)過的點(diǎn)(tp,Yp)。3)已知控制點(diǎn)(tref,U(tref))和應(yīng)該經(jīng)過的點(diǎn)(tp,Yp)，將上游累計(jì)曲線U(t)伸縮和平移可以得到修正后的上游累計(jì)曲線Ure(t)，使得原始上游累計(jì)曲線的點(diǎn)U(t)全部落在Ure(t)上。設(shè)縱坐標(biāo)平移量為correction，縱坐標(biāo)伸縮比例為scale，其表達(dá)式為：Ure(t)=U(t)+correction。(1)correction=(2)(3)4)對于每個時(shí)間間隔，修正后的上游累計(jì)曲線Ure(t)和下游累計(jì)曲線D(t)間的面積即為路段i的車輛數(shù)。將積分所得面積之差除以時(shí)間間隔T、路段長度li及車道數(shù)ni，得到路段密度Ki。路段流量Qi可由下游交叉口進(jìn)口道累計(jì)車牌數(shù)量得到。(4)將各路段的密度Ki和流量Qi進(jìn)行加權(quán)，得到湖西路的密度K和流量Q，如圖5所示。圖5湖西路宏觀基本圖Fig.5MFDoftheHuxiRoad(5)(6)3宏觀基本圖密度估計(jì)的精度分析3.1不同探測車占有率的宏觀基本圖密度估計(jì)的精度探測車占有率定義為上、下游匹配的車牌數(shù)量與下游檢測的車牌總數(shù)量的比值。通過取樣上、下游匹配的車牌數(shù)量來調(diào)整探測車占有率ρ；根據(jù)全部車牌數(shù)據(jù)，繪制累計(jì)曲線；通過CUPRITE模型得到的各時(shí)間間隔的路段密度Ki是最準(zhǔn)確的，如：式(4)；再利用式(6)，得到準(zhǔn)確的宏觀基本圖密度K，如圖6所示。在圖6中，實(shí)心點(diǎn)表示探測車輛。對于任意路段，圖6(a)為下游累計(jì)經(jīng)過的20輛車，只利用第5輛車和第17輛車的出行時(shí)間對上游累計(jì)曲線進(jìn)行修正，則探測車占有率為10%。圖6(b)為上游累計(jì)經(jīng)過的20輛車，利用第5輛車、第12輛車和第17輛車的出行時(shí)間對上游累計(jì)曲線進(jìn)行修正，則探測車占有率為15%。對道路中的每一段路段均按該方法調(diào)整探測車占有率，則整條道路的探測車占有率也得到相應(yīng)控制。圖6不同探測車占有率的修正上游累計(jì)曲線Fig.6Theredefinedupstreamcumulativeplotswithdifferentprobepenetrationrates100%。(7)對湖西路的不同探測車占有率下的宏觀基本圖密度估計(jì)進(jìn)行了分析，如圖7所示。當(dāng)探測車占有率只有5%時(shí)，宏觀基本圖密度估計(jì)精度達(dá)到91.3%。表明：利用少量探測車數(shù)據(jù)來估計(jì)所有車輛的交通狀態(tài)是一種有效的方法。當(dāng)探測車占有率達(dá)到10%時(shí)，宏觀基本圖密度估計(jì)精度為95.9%，探測車占有率持續(xù)增加時(shí)，宏觀基本圖密度估計(jì)精度的增長幅度不大?？紤]到城市中探測車數(shù)據(jù)的采集成本，以10%的探測車占有率可以滿足精度的要求。圖7不同探測車占有率的宏觀基本圖密度估計(jì)精度Fig.7Theaccuracyofthedensityestimationwithdifferentprobepenetrationrates3.2高峰期和平峰期宏觀基本圖密度估計(jì)精度的對比圖8通過Rk作盒圖Fig.8Rkforboxplots在圖8中，“+”的點(diǎn)代表異常值，最頂端和最低端的橫線分別代表觀測值的最大值和最小值，盒子中間的線代表中位數(shù)，盒子上、下2條線分別代表上四分位數(shù)和下四分位數(shù)。從圖8中可以看出，無論探測車占有率ρ取何值，高峰期Rk的觀測值區(qū)間均比平峰期Rk的觀測值區(qū)間小，離散度低，表明高峰期的宏觀基本圖密度估計(jì)比平峰期的宏觀基本圖密度估計(jì)精度更準(zhǔn)確。從圖8中可以看出，當(dāng)探測車占有率取10%時(shí)，高峰期的Rk的觀測值為0.96～1.08，平峰期的Rk的觀測值為0.90～1.17。4結(jié)論利用CUPRITE模型，處理自動識別車牌數(shù)據(jù)，構(gòu)建了城市道路的宏觀基本圖。通過取樣探測車的數(shù)量，從而調(diào)整探測車占有率，并對探測車占有率取5%，10%，15%，20%，25%，30%，35%和40%時(shí)的宏觀基本圖密度估計(jì)精度分別進(jìn)行了計(jì)算。研究結(jié)果表明：探測車占有率越高，宏觀基本圖密度估計(jì)越