楊珍珍， 郭勝敏， 孫亞夫， 高 亮

(1.北京交通大學(xué) 交通運(yùn)輸學(xué)院系統(tǒng)科學(xué)研究所，北京 100044;2.北京航空航天大學(xué) 軟件開(kāi)發(fā)環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100191;3.智能交通技術(shù)與設(shè)備交通運(yùn)輸行業(yè)研發(fā)中心，北京 100191; 4.北京掌行通信息技術(shù)有限公司， 北京 100191)

?

基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件檢測(cè)方法

楊珍珍1,4， 郭勝敏2,4， 孫亞夫3,4， 高 亮1

(1.北京交通大學(xué) 交通運(yùn)輸學(xué)院系統(tǒng)科學(xué)研究所，北京 100044;2.北京航空航天大學(xué) 軟件開(kāi)發(fā)環(huán)境國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100191;3.智能交通技術(shù)與設(shè)備交通運(yùn)輸行業(yè)研發(fā)中心，北京 100191; 4.北京掌行通信息技術(shù)有限公司， 北京 100191)

為了實(shí)時(shí)準(zhǔn)確地檢測(cè)交通事件，利用交通事件中上、下游路段速度變化幅度不同的特點(diǎn)，提出一種基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件檢測(cè)方法. 該方法采用余弦變換，將相鄰路段之間的速度差值進(jìn)行縮放，突顯事件路段、事件發(fā)生時(shí)間和恢復(fù)時(shí)間的數(shù)據(jù)特征. 實(shí)例分析表明：事件路段及其下游路段的速度差時(shí)變軌跡曲線呈開(kāi)口向下的拋物線；當(dāng)不受事件影響時(shí)，速度差比率的余弦變換結(jié)果與y=1軸接近；當(dāng)交通受事件影響時(shí)，影響越嚴(yán)重，速度差比率的余弦變換時(shí)變軌跡偏離y=1軸越遠(yuǎn). 該結(jié)論能有效確定事件路段、事件發(fā)生時(shí)間、清理完畢時(shí)間和交通流恢復(fù)時(shí)間. 本文提出的檢測(cè)方法，能為交通事件管理提供理論支撐和技術(shù)參考.

交通事件檢測(cè)； 浮動(dòng)車(chē)數(shù)據(jù)； 速度差； 余弦變換

0 引言

交通事件是造成城市交通擁堵和環(huán)境污染的主要原因，由于交通事件引起的擁堵是突發(fā)的，極易引發(fā)二次交通事故[1]，因此，準(zhǔn)確快速地檢測(cè)交通事件發(fā)生位置、發(fā)生時(shí)間以及結(jié)束時(shí)間，對(duì)于交通控制和路徑誘導(dǎo)具有重要意義. 隨著GPS、GIS和無(wú)線通信技術(shù)的發(fā)展，利用浮動(dòng)車(chē)采集交通信息正逐漸受到重視，與傳統(tǒng)的道路檢測(cè)技術(shù)和視頻監(jiān)控技術(shù)等固定點(diǎn)采集手段相比，浮動(dòng)車(chē)具有低成本、易安裝、易維護(hù)、測(cè)量范圍廣等優(yōu)勢(shì)[2]. 因此，研究基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件檢測(cè)方法非常有必要.

目前，基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件檢測(cè)方法成為國(guó)內(nèi)外研究的熱點(diǎn)[3-8]，如Petty等[3]利用浮動(dòng)車(chē)數(shù)量變化探測(cè)交通事件. 余柳等[4]提出基于CUSUM理論的自動(dòng)檢測(cè)算法. 張存保等[5]提出基于速度閾值的檢測(cè)算法，三個(gè)周期內(nèi)均低于預(yù)設(shè)速度閾值時(shí)就判斷發(fā)生交通事件. Balke等[6]根據(jù)速度計(jì)算路段行程時(shí)間，通過(guò)對(duì)比每條路段的期望行程時(shí)間，判斷是否發(fā)生交通事件. 顏安[7]使用模糊判別算法檢測(cè)出道路的交通事件. 牛爽[8]提出一種預(yù)測(cè)偏差分析的事件檢測(cè)模型. 這些方法從本質(zhì)上可以分為兩大類(lèi)，一類(lèi)以浮動(dòng)車(chē)數(shù)量為研究對(duì)象，由于浮動(dòng)車(chē)數(shù)據(jù)只能反映浮動(dòng)車(chē)的數(shù)量，并不能代表整個(gè)路段交通量的變化情況，因此這類(lèi)方法受路段浮動(dòng)車(chē)數(shù)量波動(dòng)變化影響明顯. 另一類(lèi)以速度為研究對(duì)象，這類(lèi)方法考慮了速度的波動(dòng)性對(duì)事件檢測(cè)的影響，但多是從道路本身的速度或加速度變化趨勢(shì)出發(fā)，很少結(jié)合上下游相鄰路段之間的速度變化差異，涉及的速度閾值受道路等級(jí)、道路類(lèi)型等影響較大.

本文利用上、下游相鄰路段之間速度的變化差異，提出一種基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件檢測(cè)方法，并用北京市實(shí)際采集的浮動(dòng)車(chē)數(shù)據(jù)進(jìn)行驗(yàn)證. 研究旨在為交通事件信息發(fā)布和交通事件管理提供理論依據(jù)和技術(shù)參考.

1 基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件檢測(cè)方法

發(fā)生交通事件時(shí)，事件路段的部分車(chē)道不能通行(如圖1所示)，直接導(dǎo)致事件路段的通行能力降低，交通事件路段成為交通瓶頸，交通流不斷聚集，形成擁擠，速度在短時(shí)間內(nèi)會(huì)明顯降低，通過(guò)事件路段的車(chē)輛數(shù)也隨之減少；當(dāng)車(chē)輛通過(guò)事件路段到達(dá)下游路段時(shí)，可行駛車(chē)道恢復(fù)正常，速度逐漸恢復(fù)到正常水平. 從大量數(shù)據(jù)分析可知，事件路段和其下游路段的路況變化特征有明顯的差異.

圖1 交通事件路段及其上下游交通流變化示意圖

為了探討交通事件對(duì)上、下游路段速度影響的差異，對(duì)相鄰兩條路段的速度進(jìn)行差值處理. 定義i為采樣周期標(biāo)號(hào)，如果采樣周期為5 min，則1天24 h共288個(gè)，i=1,2,…,288，如8:05對(duì)應(yīng)的i=98.j為路段標(biāo)號(hào)；v(i,j)為第i個(gè)采樣周期路段j的速度；Δv(i,j)為第i個(gè)采樣周期路段j與路段(j+1)的速度差值. 具體計(jì)算公式為：

Δv(i,j)=v(i,j+1)-v(i,j)

(1)

由于上、下游路段速度差值相同情況下，速度本身很低的路段受影響更明顯，加入速度差比率r(i,j)來(lái)反映這種差異：

(2)

考慮到交通流的波動(dòng)性，經(jīng)過(guò)比值處理的速度差比率r(i,j)仍然存在的波動(dòng)，且波動(dòng)的尺度不好把握，需要借助數(shù)學(xué)函數(shù)變換對(duì)r(i,j)進(jìn)行處理，使事件發(fā)生前后的特征進(jìn)一步突顯出來(lái).

余弦函數(shù)的特點(diǎn)是，當(dāng)自變量x值較小，接近零時(shí)，因變量cos(x)接近y=1軸；當(dāng)自變量x∈[-π，π]，自變量離x=0軸越遠(yuǎn)，cos(x)值偏離y=1軸越遠(yuǎn)，如圖2所示.

圖2 余弦函數(shù)變化趨勢(shì)

當(dāng)沒(méi)有交通事件時(shí)，上下游路段之間的速度變化不明顯；當(dāng)發(fā)生交通事件時(shí)，事件路段的上、下游受事件影響，速度變化差異明顯，因此，可以利用余弦變換對(duì)相鄰路段的速度差值比率進(jìn)行處理.

定義CR(i,j)為r(i,j)的余弦變換結(jié)果，則

CR(i,j)=cos(r(i,j))

(3)

由于交通事件路段與其下游路段的速度變化差異最大，因此，受交通事件影響路段中，CR(i,j)值偏離y=1軸最遠(yuǎn)者，即為交通事件路段，具體計(jì)算公式為：

(4)

式中，link_accident表示事件路段標(biāo)號(hào)；n表示參與

分析的路段數(shù).

當(dāng)沒(méi)有交通事件時(shí)，CR(i,j)處于正常水平，即

ξ≤CR(i,j)≤1

(5)

其中ξ為接近1的正整數(shù)，ξ的值依據(jù)大量實(shí)測(cè)數(shù)據(jù)推測(cè)得到.

當(dāng)發(fā)生交通事件，CR(i,j)偏離正常水平，即

CR(i,j)<ξ

(6)

當(dāng)CR(i,j)達(dá)到最小值時(shí)，說(shuō)明交通事件對(duì)交通的影響達(dá)到最大程度，判斷事件清理結(jié)束，交通開(kāi)始恢復(fù).

隨著路況的不斷恢復(fù)，CR(i,j)的值也逐漸從最小值恢復(fù)到正常水平，即當(dāng)ξ≤CR(i,j)≤1時(shí)，判斷交通完全恢復(fù)正常.

2 實(shí)證研究

采用2012年3月1日北京十八里店橋北向南內(nèi)側(cè)車(chē)道發(fā)生的交通事故驗(yàn)證事件檢測(cè)方法. 根據(jù)事故信息的文字描述，獲取受影響路段. 利用北京市出租車(chē)采集浮動(dòng)車(chē)數(shù)據(jù)，經(jīng)過(guò)處理得到的速度數(shù)據(jù)如表1所示，時(shí)間從8:05到8:50. 通過(guò)大量的數(shù)據(jù)分析，確定參數(shù)ξ=0.966.

表1 交通事件路段及其上下游速度v(i,j) km·h-1

發(fā)生交通事件時(shí)，速度明顯分為上下兩層(圖3)：上層速度雖然有所降低，但一直處于較高的水平；下層速度發(fā)生驟降并在最低時(shí)低于20 km/h. 8:20時(shí)路段101165135(j=4)速度首先從59.79 km/h下降到25.16 km/h(表1). 相鄰上游路段101165133(j=3)速度也明顯降低，整體降幅略低于路段101165135(j=4). 8:25時(shí)，路段101165133(j=3)的速度從49.529 km/h降低到23.580 km/h. 8:30時(shí)，路段101165135(j=4)上游的第二條路段101165131(j=2)速度降低到37.57 km/h，下游相鄰路段101165628(j=5)的速度雖然也下降，但仍然維持在較高水平. 可以初步判斷101165135(j=4)為事件路段.

從圖4可以看出，事件路段的下游路段與其相鄰路段的速度差時(shí)變軌跡曲線呈開(kāi)口向下的拋物線；而事件路段上游路段與其相鄰路段的速度差時(shí)變軌跡曲線呈開(kāi)口向上的拋物線. 路段101165135(j=4)和101165628(j=5)速度差擬合曲線明顯高于其他路段，但兩者變化趨勢(shì)差別不大. 因此，利用式(2)對(duì)速度差進(jìn)行比值轉(zhuǎn)換，轉(zhuǎn)換后的結(jié)果如表3所示，變化趨勢(shì)如圖5所示. 從圖中可以看到，路段101165135(j=4)比路段101165628(j=5)的速度差比率時(shí)變軌跡擬合曲線明顯高很多. 此時(shí)，可以明確判斷路段101165135(j=4)即為事件所屬路段.

利用余弦函數(shù)對(duì)r(i,j)做進(jìn)一步的轉(zhuǎn)換，結(jié)果如表4所示. 8:15之前和8:45之后，每條路段的CR(i,j)值均大于0.966(表4)，時(shí)變軌跡均在y=1軸附近(圖6)；從8:15到8:45，除了路段101161251(j=7)的速度差比率的余弦變換結(jié)果幾乎與y=1軸重合，其他5條路段的CR(i,j)值明顯偏離y=1軸，在8:30時(shí)，路段101165135(j=4)的速度差比率的余弦變換結(jié)果CR(103,4)=-0.178 2，是所有結(jié)果中的最小值. 因此，判斷事件發(fā)生時(shí)間為8:15，事件清理完畢時(shí)間為8:30，事件結(jié)束時(shí)間為8:45，交通事件從發(fā)生到完全恢復(fù)總持續(xù)時(shí)間為30 min.

表2 相鄰路段的速度差Δv(i,j) km·h-1

表3 相鄰路段的速度差比率r(i,j)

表4 速度差比率余弦變換結(jié)果CR(i,j)

此外，從圖6可看出，路段101165135(j=4)的速度差比率余弦變換結(jié)果CR(103,4)偏離y=1軸最遠(yuǎn)，驗(yàn)證了圖5對(duì)事件路段判斷結(jié)果的正確性.

綜上所述，速度差比率的余弦變換結(jié)果CR(i,j)可以同時(shí)將事件路段、事件發(fā)生時(shí)間、清理完畢時(shí)間以及恢復(fù)時(shí)間等相關(guān)參數(shù)檢測(cè)出來(lái)，驗(yàn)證了方法的有效性.

圖3 速度v(i,j)時(shí)變軌跡

圖4 相鄰路段速度差Δv(i,j)時(shí)變軌跡

圖5 速度差比率r(i,j)時(shí)變軌跡

3 結(jié)束語(yǔ)

本文提出了基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件檢測(cè)方法，該方法考慮交通事件路段上、下游速度變化之間的差異，借助余弦變換對(duì)速度差值進(jìn)行變換，突出事件路段、事件發(fā)生時(shí)間和恢復(fù)時(shí)間的數(shù)據(jù)特征，達(dá)到事件檢測(cè)的目的. 實(shí)證研究表明：

1) 事件下游路段與相鄰路段的速度差時(shí)變軌跡曲線呈開(kāi)口向下的拋物線；而上游路段與相鄰路段的速度差時(shí)變軌跡曲線呈開(kāi)口向上的拋物線.

2) 當(dāng)交通不受事件影響時(shí)，速度差比率的余弦變換結(jié)果與y=1軸接近；當(dāng)交通受事件影響時(shí)，影

圖6 余弦變換結(jié)果CR(i,j)時(shí)變軌跡

響越嚴(yán)重，速度差比率的余弦變換時(shí)變軌跡偏離y=1軸越遠(yuǎn).

實(shí)證研究結(jié)論能有效確定事件路段、事件發(fā)生時(shí)間、清理完畢時(shí)間以及恢復(fù)時(shí)間，驗(yàn)證了方法的有效性. 基于浮動(dòng)車(chē)數(shù)據(jù)的交通事件路段及相關(guān)時(shí)間參數(shù)檢測(cè)方法，在實(shí)時(shí)運(yùn)行過(guò)程中不依賴歷史數(shù)據(jù)，不需要流量、密度等其他交通狀態(tài)參數(shù)，能提升系統(tǒng)運(yùn)行效率和實(shí)施可行性，為交通事件管理提供理論依據(jù)和技術(shù)參考.

[1] 楊珍珍， 干宏程. 面向交通事件管理的交通事件信息

發(fā)布方式研究[J]. 道路交通與安全， 2010， 10(4)： 41-44.

[2] 諸彤宇， 郭勝敏. 浮動(dòng)車(chē)信息處理技術(shù)研究[J]. 中國(guó)圖像圖形學(xué)報(bào)， 2009， 14(7)： 1230-1237.

[3] Petty K F， Skabardonis A， Varaiya P P. Incident detection with probe vehicles： performance， infrastructure requirements and feasibility [C]. Transportation Systems 1997， Chania： Elsevier， 1997： 125-130.

[4] 余柳， 于雷， 戚懿， 等. 基于浮動(dòng)車(chē)數(shù)據(jù)的城市快速路交通事件檢測(cè)算法研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息， 2008， 8(8)： 36-41.

[5] 張存保， 楊曉光， 嚴(yán)新平. 基于浮動(dòng)車(chē)的高速公路交通事件自動(dòng)判別方法研究[J]. 武漢理工大學(xué)學(xué)報(bào)： 交通科學(xué)與工程版， 2006， 30(6)： 973-975， 983.

[6] Balke K， Dudek C L， Mountain C E. Using probe-measured travel times to detect major freeway incidents in Houston， Texas [J]. Transportation Research Record： Journal of the Transportation Research Board， 1996， 1554： 213-220.

[7] 顏安. 基于GPS浮動(dòng)車(chē)的城市道路交通事件檢測(cè)技術(shù)研究[D]. 西安： 長(zhǎng)安大學(xué)， 2010.

[8] 牛爽. 基于浮動(dòng)車(chē)的城市道路交通異常事件檢測(cè)的研究[D]. 北京： 北京交通大學(xué)， 2008.

Traffic Incident Detection Method based on Floating Car Data

YANG Zhen-zhen1,4, GUO Sheng-min2,4, SUN Ya-fu3,4, GAO Liang1

(1.School of traffic and transportation, Systems Science Institute, Beijing Jiaotong University, Beijing 100044，China; 2.NationalKey Laboratory of Software Development Environment, Beihang University, Beijing 100191，China; 3.Research and Development Center on Intelligent Transport Technology & Equipment, Beijing 100191, China; 4.Beijing PalmGo Information and Technology Co., Ltd, Beijing 100191，China)

Detecting traffic incidents timely and accurately can effectively ease traffic congestion and environmental pollution. This paper presents a parameters recognition method of traffic incident toutilize speed difference variation between upstream and downstream links. In order to enlarge features of traffic incident location, occurrence time and recovery time, the cosine transform is used to zoom speed change differences between adjacent links. Case study shows that speed difference trajectory between an incident link and its downstream link is a downward parabola, and the parabola has only one highest peak. When links are not impacted by the incident, trajectories of cosine transformsare very close to the axisy=1. When links are impacted by the incident, the more serious impacts of the incident, the cosine transform results are farther deviated from the axisy=1. The analysis results validate the effectiveness of the detection method. These key factors detected can accurately provide a support for traffic incident management.

traffic incident detection; floating car data; speed difference; cosine transform

10.13986/j.cnki.jote.2015.06.010

2015- 03- 28.

國(guó)家自然科學(xué)基金(71101009),國(guó)家自然科學(xué)基金(71131001)，軌道交通控制與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室(北京交通大學(xué))開(kāi)放課題自助(RCS2014ZTY8)

楊珍珍(1986—)， 女， 博士研究生， 研究方向?yàn)橹悄芙煌? E-mail: yang_zhenzhen@126.com.

U 491.3

A

1008-2522(2015)06-50-05