基于实时路况交通大数据应用相关性研究

张斌　毛琳　张译文

（1.陕西省城乡规划设计研究院，陕西　西安　710064；2.西安地下铁道有限责任公司运营分公司，陕西　西安　710000）

基于实时路况交通大数据应用相关性研究

张斌1毛琳2张译文1

（1.陕西省城乡规划设计研究院，陕西西安710064；2.西安地下铁道有限责任公司运营分公司，陕西西安710000）

通过对实时路况与交通运行实际状况的对比与分析，研究实时路况与路段交通量和车速的匹配关系，为利用大数据缓解交通拥堵和指导交通规划的应用研究作支撑，提供一种获取开源及海量的数据库思路与方法。

大数据；交通量；拥挤度

近年来，大数据概念愈发火爆，如何获取和利用大数据缓解交通拥堵和指导交通规划，越来越成为各交通管理部门和学者关注的焦点和热点［1］。我们知道利用大数据的前提是获得数据，而交通数据分散在不同部门，交通数据资源的条块化分割和信息碎片化问题严重，如何获取开源和海量的数据库，成为了摆在每一个交通类数据研究者面前的重要难题［2，3］。

1　数据收集

本文主要是对西安市高新区高新四路的交通进行调查，掌握高新四路交通运行的实际状况，与高德地图实时路况对比，研究实时路况与路段交通量和车速的相关性。

本次调查在已有数据资料的基础上，于2015年3月22日16:30-19:30对高新四路（南二环段至科技路段）的交通量、车速和与其对应的高德地图拥挤的程度进行了调查。

交通量调查采用录像计数法，具体观测时间为16:30-19:30，每15min为一个观测时段；车速调查采用车牌照法，分别在高新四路路与科技路交叉口、高新四路与南二环交叉口设置调查点，观测时间亦为16:30-19:30。

图1　高德地图实时路况

2　数据分析

高德地图表示路况拥堵程度分为4个级别：畅通、缓行、拥堵和严重拥堵［4］。在地图上分别用不同的颜色表示：绿色表示畅通，黄色表示缓行，蓝色表示拥堵，红色表示严重拥堵［5］，如图1所示。

为了便于数据分析，将实时路况量化为0～1之间的数据，本文定义为拥挤度，其无单位，越接近0表示越畅通，越接近1表示越拥堵［6］，其调查数据如图2所示。

图2　高新四路高德路况地图拥挤度

高新四路的路段交通量和车速如图3和图4所示。其中，交通量已换算为标准车的交通量，车速是根据行程时间计算出来的，即包括其等红绿灯的时间。

图3　高新四路交通量（pcu）统计图

图4　高新四路车速（m/s）统计图

3　交通量与拥挤度相关性研究

本文对比高新四路的交通量和拥挤度，绘制两者之间散点图如图5所示，从图5未能直观看出交通量和拥挤度之间存在相关关系。运用Spss软件选用皮尔逊（Pearson）相关系数对交通量和拥挤度相关性分析如表1所示。

表1中给出路Pearson简单相关系数，相关检验t统计量的p值。从表1可以看出，交通量和拥挤度两个指标之间的相关系数都在0.1以下，对应的p值大于0.05，表示两个变量之间的相关性较低［7］。

表1　交通量与拥挤度相关性分析表

图5　交通量与拥挤度散点图

表2　行程车速与拥挤度相关性分析表

图6　行程车速与拥挤度散点图

4　车速与拥挤度相关性研究

本文通过对比高新四路的车速和拥挤度，绘制两者之间散点图如图6所示。运用Spss软件选用皮尔逊（Pearson）相关系数对交通量和拥挤度相关性分析如表2所示。

表2中给出Pearson相关系数，相关检验t统计值的p值。从表2可以看出，车速和拥挤度两个指标之间的相关系数在小于0.8且大于0.3，对应的p值小于0.05，表示两个变量之间弱相关［8］。

5　结语

高德地图实时交通服务能力来源主要为两个方面。一方面，通过在全国主要城市的出租车、物流车等行业运营车辆上，装载GPS和无线通信设备，将车辆行驶时间、时速、方向、坐标等参数信息实时传送到浮动车信息中心，汇总、处理后生成反应实时道路路况的交通信息；另一方面，每天近千万使用高德地图在线导航的用户也给高德实时交通贡献了大量的用户出行服务数据［9］。

故其路况的评价指标主要为车速，和本文调查结果分析较为一致，即车速与拥挤度的相关系数大于交通量与拥挤度的相关系数。但是，对于具体某一路段，高德地图实时数据较少，容易产生以偏概全的现象，不能和拥挤度形成一一对应的关系，但可以在一定程度上反映路段的拥挤程度［10］。

综上所述，高德地图实时路况主要评价指标为车速，可以在一定程度上反映路段的拥挤程度，为缓解交通拥堵和指导交通规划的应用研究提供数据支撑和预测依据。

［1］孔繁钰，徐瑞华，姚胜永.交通量的支持向量回归预测及参数选择研究［J］.计算机工程，2007（5）：20-22，28.

［2］杨超，朱荣荣，涂然.基于智能手机调查数据的居民出行活动特征分析［J］.交通信息与安全，2015（6）：25-32.

［3］韩平，张建武，王佑武.浅析地理信息与位置大数据在地图编制中的应用［J］.甘肃科技，2016（1）：34-36.

［4］张昕，曾鹏，张瑞，等.交通大数据的特征及价值［J］.软件导刊，2016（3）：130-132.

［5］徐红海.智慧高速交通大数据应用探讨［J］.中国交通信息化，2016（3）：80-84.

［6］张靓.基于子集优化的Dijkstra算法的交通最短路径查询系统的设计与实现［D］.长春：吉林大学，2015.

［7］尹宏宾，徐建闽，周其节.城市交通网络交通量自适应模糊预测方法［J］.公路交通科技，1998（3）：36-38，54.

［8］沈建武，代文清.交通量、车速及交通密度关系分析［J］.武汉测绘科技大学学报，1999（2）：91-93.

［9］张翠玲.交通量数据的采集与处理方法［J］.辽宁省交通高等专科学校学报，1999（2）：37-41.

［10］欧阳伟.论交通量数据统计、分析与应用［J］.经济研究导刊，2010（19）：167-168.

Based on Real-time Road Traffic Data Applied Correlation Research

Zhang bin1Mao Lin2Zhang Yiwen1
（1.The Urban and Rural Planning and Design Institute of Shaanxi Province，Xi'an Shaanxi 710064；2.Xi'an Underground Railway Co.Ltd.Operation Branch，Xi'an Shaanxi 710000）

Abstarct:Through comparison and analysis of real time traffic and traffic operation，the matching relationship between real time traffic and road traffic volume and vehicle speed was studied，in order to support the application of large data to ease traffic congestion and to guide the traffic planning，provide a get idea and method of open source and mass database.

big data；traffic；congestion degree

U491

A

1003-5168（2016）06-0108-03

2016-05-19

张斌（1988-），男，硕士，助理工程师，研究方向：交通规划；毛琳（1983-），女，硕士，工程师，研究方向：城市轨道交通；张译文（1991-），男，硕士，助理工程师，研究方向：城市交通规划。