張川　胡雪松　楊冀源

摘 要

本文基于對大規(guī)模出租車GPS數(shù)據(jù)進行分析，結(jié)合交通量OD分布概率模型計算熱點小區(qū)的交通量，給出擁堵預測模型，幫助城市管理者更好地管理城市交通管理問題。

【關(guān)鍵詞】城市交通擁堵 GPS終端定位 OD分布概率

1 研究背景

出租車是城市客運交通的重要組成部分，是常規(guī)公共交通的重要補充。隨著出租車數(shù)量的不斷增長，出租車交通量已成為城市道路交通總量中的重要組成部分，成為影響城市道路交通分布及分配預測準確性的重要因素之一。由于出租車運行的隨機性，沒有固定的起訖點和運行線路，給定量分析帶來一定的困難。

各大城市越來越多的出租車的安裝了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)，這些數(shù)據(jù)包括序號，車牌號碼，GPS時間，經(jīng)度，緯度，車輛狀態(tài)（空車、重車），車輛速度，車輛方向（8個方向）等信息。這些GPS數(shù)據(jù)為我們研究出租車交通情況題共了參考和依據(jù)。

2 傳統(tǒng)交通分析模型存在的問題

現(xiàn)階段在交通擁堵方面主要集中在研究某個路口的情況，并且用緩沖區(qū)方法，而沒有對整個區(qū)域有個整體的描述，而對于整個區(qū)域的研究則是基于交通需求建立模型，數(shù)據(jù)采集的精度不高。

目前公共交通設施是最常見的移動軌跡數(shù)據(jù)采集途徑。從已有的研究工作看，針對移動軌跡數(shù)據(jù)的分析碰到的問題可能有：

2.1 數(shù)據(jù)存儲

大規(guī)模軌跡數(shù)據(jù)的存儲一般都采用基于R-tree索引（或在R-tree基礎(chǔ)上改良的索引，如Quad-tree）的數(shù)據(jù)庫，這類索引的好處是給定查詢點以后，可以從查詢點所在索引結(jié)點出發(fā)，沿著樹型索引依次訪問到離查詢點距離越來越遠的被索引的點；最近，有很多研究者提出了針對路網(wǎng)距離的索引，使得路網(wǎng)距離下也可以類似的由近及遠的訪問被索引的點?；谝陨线@類索引結(jié)構(gòu)，kNNT問題可以轉(zhuǎn)化為信息檢索領(lǐng)域中的聚合Top-k查詢問題。

2.2 地圖匹配問題

地圖匹配算法可以按照其考慮的軌跡范圍分成全局算法和局部算法。局部算法又稱遞增式算法，該類方法采用貪心的策略依次將每個軌跡點匹配到相應的路段上。這類算法通常基于距離和角度的相似性，對于每個軌跡點找到局部最優(yōu)的路段進行匹配。

2.3 移動數(shù)據(jù)的收集與處理問題

現(xiàn)階段針對交通擁堵的研究主要集中在交通路口，對數(shù)據(jù)的收集主要為車輛的行駛速度與方向信息，其中不包含車輛的具體信息如車牌、車輛具體位置等，這樣不能夠做到對行駛車輛的實時監(jiān)測和數(shù)據(jù)的精確處理。

2.4 缺少居民出行信息

在研究擁堵問題時必須要考慮到對周邊居民的影響，之前的算法中不包含此類信息，諸如周邊小區(qū)居民出行的高峰時段與高峰時間，不能做到將這些信息及時的反饋。

3 基于移動數(shù)據(jù)的擁堵預測算法

3.1 算法的詳細過程

本算法主要通過大規(guī)模出租車GPS數(shù)據(jù)進行分析，結(jié)合路網(wǎng)信息，首先獲取熱點區(qū)域和熱點小區(qū)；其次結(jié)合交通量OD分布概率模型計算熱點小區(qū)的交通量，然后計算各個小區(qū)的總體出行情況，從而獲取各小區(qū)的交通出行量，同時結(jié)合時間信息查找各時段擁堵路段和擁堵路口，最后依據(jù)上述信息得到具體的算法過程：

（1）首先，由安裝在各個出租車上的GPS裝置得到實時的出租車載客信息，包含著各個時刻出租車的位置信息。我們可以利用馬克威分析系統(tǒng)中關(guān)于快速聚類的方法來對各小區(qū)進行劃分，得到每個小區(qū)的具體坐標和熱點小區(qū)的具體位置信息。

（2）其次，通過建立的交通量OD分布概率模型，利用Bayes方法對該模型進行參數(shù)估計與效果檢驗，由馬克威分析系統(tǒng)得到各小區(qū)的交通量信息，求解出交通量的OD分布。

（3）再次，通過得到的小區(qū)交通量的OD分布，來繪制各熱點小區(qū)交通量的分布模型。

（4）然后，通過采集周邊各小區(qū)的居民出行數(shù)據(jù)，得到各小區(qū)居民出行的高峰時段與出行的熱點小區(qū)區(qū)域，并且將得到的熱點出行區(qū)域信息與上面步驟中得到的出租車出行的熱點小區(qū)區(qū)域進行匹配，得到交叉地帶。

（5）最后，通過收集出租車的GPS數(shù)據(jù)，篩選出有用的數(shù)據(jù)，由上述算法，便可以查找到車輛比較擁堵的路段與時段信息。將該信息與上面采集到的居民出行的高峰時段與熱點小區(qū)區(qū)域進行比較匹配，即可得到居民出行的擁堵路段與時段信息。

3.2 算法的創(chuàng)新之處

針對大規(guī)模軌跡數(shù)據(jù)的分析問題，現(xiàn)有的解決思路往往都是通過構(gòu)造地圖來進行熱點掃描和偏好軌跡掃描。針對大規(guī)模軌跡數(shù)據(jù)，之前已經(jīng)完成了離線預處理、頻繁軌跡圖模型、以及在線打車推薦部分算法。本算法的關(guān)鍵特色是從大規(guī)模GPS數(shù)據(jù)快速抽取熱點和熱點小區(qū)，然后繪制頻繁小區(qū)地圖，結(jié)合交通量分析計算熱點小區(qū)出行量，再根據(jù)各個小區(qū)的總體出行情況，獲取各個小區(qū)的交通出行量，從而查找各時段擁堵路段和擁堵路口，根據(jù)上述參數(shù)獲取擁堵預測模型。具體說來，本算法的創(chuàng)新之處有：

（1）由安裝在出租車上的GPS得到出租車每個時段的行駛信息，可以得到實時的運行信息。

（2）設計與實現(xiàn)了熱點和熱點小區(qū)的識別算法。

（3）建立交通量OD分布概率模型，求解出交通量的OD分布。

（4）由采集到的GPS數(shù)據(jù)動態(tài)構(gòu)造各個時段擁堵路段和路口的計算模型。得到擁堵路段與時段模型。

（5）增加了居民的出行信息，通過采集到的小區(qū)居民出行高峰時段與路段信息與出租車擁堵路線進行匹配，可以得出居民出行的擁堵區(qū)域與時段信息，更加方便小區(qū)居民進行出行選擇，同時提高了該算法的應用性。

4 結(jié)論

當前是一個信息爆炸的年代，由于物聯(lián)網(wǎng)技術(shù)的發(fā)展，我們已經(jīng)進入了大數(shù)據(jù)時代。

本文基于GPS終端的海量數(shù)據(jù)，計算隨時間變化的車流狀態(tài)，結(jié)合交通量分布OD分布概率模型來計算熱點小區(qū)的交通量，最終得到擁堵的預測模型，可有效地幫助城市管理者管理城市交通和小區(qū)居民選擇更加合適的出行方式與時間，在北京、上海等大中城市具有很高的應用前景。

參考文獻

[1]黃鳳忖.電信運營業(yè)發(fā)展的影響因素分析[D].首都經(jīng)貿(mào)大學碩士學位論文，2005（03）.

[2]李勇平.遺傳神經(jīng)網(wǎng)絡在電信業(yè)務收入預測中的應用研究[J].商場現(xiàn)代化，2008（11）.

[3]胡德敏，曹桓.四網(wǎng)協(xié)同無線網(wǎng)絡規(guī)劃策略與綜合評價研究[J].通信管理與技術(shù)，2012（12）.

作者單位

大連理工大學軟件學院 遼寧省大連市 116001endprint