基于公交路网数据的动态路况信息生成方法

申兆慕，王晶晶，张健钦，李明轩

(1.北京建筑大学 测绘与城市空间信息学院，北京 100044；2.北京市交通运行监测调度中心，北京 100073；3.现代城市测绘国家测绘地理信息局重点实验室，北京 100044)

1 引 言

目前在我国大、中城市中普遍存在交通拥挤、交通环境污染等问题。优先发展城市公交，改善公交服务水平，吸引更多居民选择公交出行无疑是解决上述问题的首选途径之一。随着物联网和空间信息技术特别是GIS、GPS和RFID技术在城市公交中的应用越来越广泛，可以通过集成上述技术建设智能公交系统实现公交调度和运行管理从静态到动态、从人工到智能化的转变，从而提高公交运营效率和服务水平。然而大部分城市公交运营车辆运行间隔小(有的线路发车只有 1 min～ 2 min间隔)，道路路况复杂，因此及时掌握车辆的运行位置及所处站间的动态路况信息，是运营调度的前提。虽然现今多种固定式和移动式交通信息采集设备为路况信息的生成提供了可能，特别是浮动车路况数据采集和生成技术得到了广泛应用[1～9]。但基于城市普通路网数据结构的路况处理生成方法还无法直接满足公交运营调度所关注的线路路况和站间路况的实际需求。本文从公交系统的线网数据结构和专题特性出发，以公交线路、站点和站位为基本要素构建公交路网数据，提出并实现了一种基于公交路网数据的路况信息生成方法，更加适用于公交运行调度所需的动态路况信息的处理和应用，同时方便与其他路况数据融合处理生成更加精细化的路况信息。

2 公交路网数据结构

2.1 公交线路数据特点

普通道路网数据在公交系统运营调度的过程中，处理所需的路况信息时无法满足其适应性需求，原因有两方面：一是在道路路网数据的矢量化过程中，其数据结构中满足公交线路分析的拓扑关系缺失；二是每条公交线路的分段均是基于自身的各个站点，这使得多条线路发生重叠的时候，因重叠线路的边缘模糊不清，而给计算对应路段路况的过程引入了较大的误差。如图1所示，已知线路b的末站为B站点，则由基于线路b的浮动车生成的区间mB的路况数据，只能描述路段mB的路况，而笼统地将mn路况作为mB路况来计算会造成信息精确度的大幅降低。

图1 模糊的多线重叠路段边缘

所以，为了保证计算精度，并综合考虑多条线路重叠的情况对于该路段路况的影响，应基于公交线路的特点进行计算。由于公交车的行驶是基于固定的公交线路，所以其行驶轨迹相对固定，此外，在公交系统运营过程中还有如下特征，如图2所示：

图2公交路网特征示意图

(1)上下行双向。公交车的行驶分为上、下行两个方向，通常情况下，上、下行的线路呈对称状。少数公交线路上、下行有部分路段不对称以及还有少数的环状线路。

(2)不同线路之间存在部分重叠的情况。不同的线路在行驶过程中会包含若干段重合及不重合的路段，这其中也包括行驶在同一路段上的不同专线。

(3)同一线路上、下行站点不完全对应。有一些线路对应的上、下行站点在空间位置上并非对称分布，甚至有些线路的上、下行反向中有部分站点不对应。

(4)多条线路的站点空间位置相同或相邻。即同一个公交站位包含多条线路的同一站点，甚至是多条线路的不同站点，但空间位置相邻。

(5)兴趣区是以区间的形式存在。在公交系统的运营调度过程中，比较关心的兴趣区是以线路的某个区间(也可能是整段线路)的形式存在的。

(6)行车区间的临时调整。在公交线路的日常运营过程中，会遇到一些需要交通管制或是临时调度等的特殊情况，需要临时延长、缩短、改变行驶路线，而这种临时的变更常以公交站点为首末点。

2.2 公交路网数据结构

结合上述公交线路网的数据特点，将普通道路网结构进行调整，主要包括：细化各类功能性节点、对符合条件的公交站点按站位点合并处理、使公交线路在各节点处断开、重叠区段线路归一化以及建立空间索引关系和属性编码。处理后的公交路网数据结构，总体上呈现出一种双向单线、同向单线以及基于各种节点分隔的路链模式的路网结构，空间上表现出“节点-线段-区间-线路”的图层拓扑关系(如图3所示)。公交路网中描述站点的点要素以及描述线路的线要素与它们的对应属性之间的映射关系由传统的多对一变成了一对多，使得整个公交线路路网在地图上的表现形式变成了两条不同向的单线，同向路段中多个线要素重叠的情况也不复存在；在空间数据的属性表达上，点要素和线要素描述或关联了所有通过他们的站点以及线路编号。

图3单方向公交路网结构

(1)节点(Node)

公交站点：所有的公交线路均分别在上下行方向设有若干个车辆停靠站点，每个站点的固有属性包括公交线路号、本站编号、本站站名以及其所属的站位编号。本研究中对于同向不同线路上空间位置相隔较远的同名站点进行了保留处理，同时也将空间位置接近的同名站点进行了合并处理。

站位点：将站位点号相同的多个公交站点进行合并，使其成为一个站位点，站位的属性表会对此站位下所有站点的属性信息进行关联。

线路分叉点：不同线路之间从重叠路段进入到分重叠路段的分叉点。多位于道路交叉口或车道变更的起点。

线路汇合点：不同线路之间由非重叠路段进入到重叠路段的交汇点，多位于道路交叉口或不同车道的汇合点。

路口节点：多位于道路路口或道路等级变更的节点处。

(2)路段(Segment)

公交线路中同向且相邻的两个节点之间的线路路段，也是这种公交路网结构中线状要素的最小单元。

(3)区间(Interzone)

某条公交线路上的由一组同向且首尾相接的路段所构成的集合，区间是整条公交线路的子集，无须以公交线路的首末站作为其起止点。

(4)线路(Busline)

某条完整的单向公交线路，上、下行分别对应一条。在公交路网结构中也可以视为以线路首站作为起点，以线路末站作为终点的特殊区间。

3 公交路况信息生成

3.1 路网匹配

公交车GPS数据作为一种浮动车数据，会在接收GPS信号并进行定位、位置信息传输、地图数据矢量化、投影变换以及空间坐标系换算等过程中受到一定的影响与干扰，从而发生偏离公交线路的情况，因此需要进行公交车GPS离散点和公交路网之间的路网匹配处理，确定并得到公交车相对准确的时空位置[10～14]。如表1所示，是公交车GPS轨迹的原始文本数据格式，从中可以看出，公交车GPS数据拥有线路归属，即每条记录对应的公交线路；没有上下行标识，上下行归属需要后续判断；具有日期时间、经纬度、瞬时速度和方位角信息，可作为地图匹配逻辑判别依据。

公交GPS轨迹文本数据表 表1

除短时调度和线路变更外，公交行驶线路相对固定，能在一定程度上简化匹配算法的若干步骤，但仍面临如区间车、临时交通管制、线路分叉点和汇合点的周围、专线行驶路段等复杂情形。本研究采用以线路归属为主，综合利用四参数(速度相符、方向相似、投影距离和行驶距离最小)进行综合判别的逻辑匹配方法[16]，其中主要的匹配流程如图4所示。

图4 主要匹配流程

3.2 速度计算

路网匹配完成之后，每条路段上均分布着数量不等且编号不同的车辆匹配点。设一个路况信息的更新周期为T(通常更新周期为 5 min，采集频率为 30 s，一辆同名车辆拥有10个轨迹点)，则在一个T中，既存在同名车辆在同一路段拥有多于一个匹配点的情况，也存在不同车辆的匹配点同时归属于一个路段的情况。所以，计算路段的平均速度，主要可以分为以下两个步骤：

(1)计算一条路段上同名车辆匹配点的平均速度。在一条路段内，各同名浮动车的路段平均速度为一个更新周期T内，该路段区间上浮动车瞬时速度Vm，1、Vm，2、…、Vm，k的算术平均值，其计算公式为：

(1)

k表示在一个路况更新周期T内匹配在该路段上的匹配点个数；

Vm，n表示编号为m的浮动车在第n个匹配点时的瞬时速度。

(2)计算各路段的平均速度。在计算得出各条路段同名车辆匹配点的平均速度之后，计算该路段内所有匹配点的路段平均速度，作为该路段单元的平均行驶速度。其计算公式为：

(2)

h表示该条路段上不同名浮动车匹配点的个数；

Vm表示编号为m的浮动车匹配点该路段的平均行车速度。

经过各路段平均速度的计算，已经基本完成了由“车的信息”向“路的信息”转化。

3.3 路况信息生成与渲染

首先将路网中涉及的各道路或路段基于其道路等级进行分层，然后在各个图层中依据其拥堵等级与平均行车速度之间的关系(如表2所示)，规定该图层中各要素的地图渲染规则并保存，最后再将所有遵循路段渲染规则的图层进行统一加载，发布成为公交全路网路况信息地图服务，并基于路段平均速度的周期性变化，该地图服务也将进行动态更新。

道路类型、拥堵等级与时速(千米)关系表 表2

拥堵等级和渲染颜色值的关系如图5所示。

图5 TPI与拥堵等级及常用灰度值的关系

4 应用实例

如图6所示，研究选取了北京市西城区范围内公交线路数据，共计387条，按照公交路网数据结构进行矢量化处理并生成西城区公交路网，然后基于这些线路的公交GPS数据执行上述路况信息处理和计算方法，最终形成针对不同业务需求的公交路况专题图。

图6 西城区387条公交部分线路列表

4.1 公交路网

将经过西城区的387条公交线路生成上文所提的公交路网数据(如图7所示)。其中，节点分为公交站点、路口节点、线路分叉以及汇合点三层，为图片美观，这里仅将公交站点设为可见；而路段层即单线双向的公交路网经过这些节点时被分割成的线路片段；区间层又可进一步分为每条线路的站区间层和某条线路的站区间集合(为临时图层)；线路层即分为上、下行整条公交线路。

图7 研究区公交路网

4.2 全路网公交路况

查询组成全路网的387条公交线路对应的公交GPS数据，并读取一个更新周期的记录。其中公交GPS数据表名为BUS_REALTIME_TRAFFIC_GPS，其表结构如图8所示。

图8 公交GPS数据表结构

在BUS_REALTIME_TRAFFIC_GPS中选取2015年某天9：30：00～9：35：00的所有公交GPS数据，执行路网匹配算法并按照各等级道路的路段平均速度划分等级统计生成全路网路况图，结果如图9所示，图9为西城区全路网路况专题图，相较于以往的路况专题图，图9中进行了路网匹配，使得其路况的精度更高，特别是对于上、下行不对称的公交线路。

图9 全路网公交路况

4.3 线路或区间公交路况

在实际的应用中，单独分析某一条线路的路况也是常见的需求，因此，可以基于这种路网结构的各线路间的空间关系，提取出兴趣线路或线路区间。例如现需要得知特4路下行方向(国防大学——前门)的路况信息，其线路中位于西城区的有效行车区间为动物园——和平门东；和特4路上行方向(前门——国防大学)，其线路中位于西城区的有效行车区间为前门西——动物园，特4路的上、下行方向的路线在匹配公交路网之后，并不是呈现严格的对称，可以利用全路网的路况数据，并根据上述的路网数据结构对特4路的区间路况进行分析，并渲染成专题图，具体情况如图10所示。

图10 兴趣区间公交路况

5 结 语

本文从智能公交系统的实际业务和调度需求出发，提出了一种基于公交路网数据的路况信息生成方法，具体进行了公交路网数据结构的设计与实现、路网匹配算法、路段速度的计算以及路况专题图的渲染生成，最后利用西城区范围公交线路和GPS数据对本方法进行了实验验证。结果表明，论文提出的方法可以生成较为完整的公交路况信息，对公交专题路况信息的后续研究和应用开展具有现实意义和实际应用价值。路况信息生成所涉及的技术内容众多，本文提出的公交路网数据结构，生成过程需要一定的人为处理；路网匹配算法在一些如盘桥、立交等复杂道路环境的匹配精度有所降低。后续工作主要针对路网数据结构模型的自动化生成以及路网匹配算法的优化方面进行研究。