薛利娟 羅慧敏

摘 ?要：旅行時間可靠性是評價道路運行狀況與擁堵水平的重要指標，也是誘導公眾選擇出行時間、出行路線、出行方式的合理依據(jù)。以紐約市出租車訂單數(shù)據(jù)為基礎，分析了紐約中心車站到肯尼迪國際機場的旅行時間可靠性。首先，對數(shù)據(jù)進行預處理，以保證數(shù)據(jù)質(zhì)量。然后，計算了兩地之間旅行時間的概率密度函數(shù)和累積分布函數(shù)，并分析了各時段內(nèi)出發(fā)所需旅行時間的平均值、中位數(shù)、15%分位數(shù)和95%分位數(shù)。最后，選取緩沖時間、標準差、緩沖指數(shù)、波動率、旅行時間指數(shù)、規(guī)劃時間指數(shù)等作為評價指標，實現(xiàn)交通信息可視化，對兩地之間的旅行時間可靠性進行多方位的分析。

關鍵詞：交通規(guī)劃與管理;旅行時間可靠性;交通信息可視化;出租車訂單數(shù)據(jù)

中圖分類號：F570 ? ?文獻標識碼：A

Abstract： Travel time reliability is an important indicator for evaluating the operation status and congestion level of the urban road network， and also a reasonable basis for inducing the public to choose the departure time， travel route and travel mode. This paper analyzes the travel time reliability from New York Great Central Terminal to Kennedy International Airport based on taxi trip data of New York city. First， preprocessing the taxi trip data so as to assure data quality. Then， ?calculating probability density function and cumulative distribution function of the travel time between the two places， and analyzing the average， median， 15% quantile and 95% quantile of the travel time with each time period. Finally， selecting buffer time， standard deviation， buffer index， coefficient of variation， travel time index and planning time index as the evaluation indicators， realizing traffic information visualization， and analyzing the travel time reliability between the two places from various aspects.

Key words： transportation planning and management; travel time reliability; traffic information visualization; taxi trip data

0 ?引 ?言

隨著社會經(jīng)濟的發(fā)展和人民生活水平的提高，出行者對出行質(zhì)量提出了新的要求，是否能在預計時間內(nèi)準時到達目的地成為了一個關鍵因素。旅行時間可靠性是指出行者在一定條件下從出行起點到達終點所需旅行時間的穩(wěn)定程度，是評價道路運行狀況與擁堵水平的重要指標。對于出行者而言，可以根據(jù)出行需求更準確地預算出行時間，同時為選擇出行方式、出行路徑等提供了參考;對于交通管理者而言，有助于他們進行道路交通管理和交通信息服務，提前做好交通疏導措施，有效合理地安排出行，改善城市路網(wǎng)的交通運行狀況。

國內(nèi)外關于道路車輛旅行時間估計的研究起步較早，研究成果較為成熟。車輛旅行時間估計是基于大量歷史數(shù)據(jù)開展的，而歷史數(shù)據(jù)的采集技術包括傳統(tǒng)直接方法及智能間接方法兩大類[1]。近年來興起的車輛定位技術，可全天候連續(xù)地采集車輛的位置和時間等信息，從而推斷車輛旅行時間，成本投入也較小，在各城市的公交車、出租車上已大面積應用。因此，對于旅行時間估計的研究有了新的數(shù)據(jù)來源，如Zhang et al[2]基于大量的探測車輛數(shù)據(jù)，提出了一種簡單而有效的旅行時間預測模式匹配方法。相比之下，旅行時間可靠度是這個領域的新來者，即使關于旅行時間可靠性的研究已經(jīng)提高了關注程度，怎樣對其進行量化仍然是一個爭論的話題，研究之間的差異幾乎涵蓋了各個方面。Bhat and Sardesai[3]表明旅行時間可靠性是通勤模式選擇決策中的一個重要變量。Emam and Ai-Deek[4]提出最優(yōu)模擬概率分布—對數(shù)正態(tài)分布的旅行時間可靠性計算模型。Copley et al[5]認識到旅行時間變異性是影響旅行行為的重要因素。Chen et al[6]研究了旅行時間變異性的變化對網(wǎng)絡分配的總體影響，以及旅行者如何采取不同的冒險行為對這些變化做出反應。柴華駿等[7]應用假設檢驗的方法研究城市快速路及主干道的旅行時間及其可靠性的分布與估計方法。郭旭明[8]從提高城市交叉口信號控制效益的角度出發(fā)，提出了基于旅行時間可靠度的交叉口延誤估計模型和計算方法。

此外，研究者們對旅行時間可靠性的評價指標進行了探討[9-12]。研究發(fā)現(xiàn)波動率是一個衡量可靠性的很好的指標，使用基于平均值的緩沖指數(shù)或基于平均值的失敗率并不總是合適的，特別是當旅行時間分布嚴重偏斜時，建議使用基于中值的緩沖指數(shù)或失敗率。

綜上所述，國內(nèi)外關于旅行時間可靠性評價指標的研究相對較少，對于采用哪些評價指標能夠準確、全面地反映道路運行狀況和人們的出行體驗，還未形成廣泛、統(tǒng)一的認可。另外，國內(nèi)多是對高速公路上或路段的旅行時間可靠性進行分析，而鮮有涉及到城市道路路徑旅行時間可靠性，且數(shù)據(jù)量較小不足以充分說明其可靠性。出租車訂單數(shù)據(jù)省略了GPS軌跡數(shù)據(jù)中的中間過程，其作為一種新型數(shù)據(jù)廣受歡迎。本文將使用紐約市出租車訂單數(shù)據(jù)對紐約中心車站到肯尼迪機場的旅行時間進行研究，選取緩沖時間、標準差、緩沖指數(shù)、波動率、旅行時間指數(shù)、規(guī)劃時間指數(shù)等作為評價指標，多方位地分析該OD對間的旅行時間可靠性。

1 ?出租車訂單旅行時間分布

本文選取2013年10～12月份紐約中心車站到肯尼迪機場的訂單數(shù)據(jù)作為旅行時間可靠性分析的樣本。紐約中央火車站（Grand Central Terminal）位于紐約城曼哈頓中城，是紐約著名的地標性建筑，是世界上最大、美國最繁忙的火車站，同時還是紐約鐵路與地鐵的交通中樞。

紐約中心車站到肯尼亞機場的旅行行程時間直方圖如圖1所示，從圖中可以看出旅行時間在20～40分鐘內(nèi)的概率最大，隨后旅行時間越長，其對應的概率越小。

在工作日和節(jié)假日從紐約中心車站到肯尼亞機場的旅行時間累積分布函數(shù)如圖2所示。從圖中可以看出工作日所需的旅行時間基本在90分鐘內(nèi)，節(jié)假日所需的旅行時間基本在60分鐘內(nèi)。

進行數(shù)據(jù)預處理之后，以15分鐘為統(tǒng)計間隔，統(tǒng)計3個月中08：00～20：00每15分鐘內(nèi)開始出發(fā)的所有出行記錄的旅行時間。圖3展示了工作日和節(jié)假日從紐約中心車站到肯尼迪機場在各時間段內(nèi)出發(fā)所需旅行時間的平均值、中位數(shù)、15%分位數(shù)和95%分位數(shù)。

從圖3可以看出：總體而言，工作日所需的旅行時間比節(jié)假日更長、高峰時期更明顯。在工作日，在上午10點到下午2點有一個低峰時期，從下午2點開始就出現(xiàn)了旅行時間加長的明顯趨勢，一直到下午6點半旅行時間的平均值和中位數(shù)都在40分鐘以上。節(jié)假日旅行時間隨時間的波動相對較平緩，從早上8點開始呈逐步上升的趨勢，直到下午5點到達峰值后下降，在下午2點到晚上8點旅行時間的平均值和中位數(shù)在30～45分鐘之間。另外，它以對出行者有意義的術語來量化一般時間趨勢。例如，若出行者在工作日中午12點出發(fā)，有95%的可能性在55分鐘內(nèi)到達目的地;若出行者在節(jié)假日中午12點出發(fā)，有95%的可能性在35分鐘內(nèi)到達目的地;若出行者在工作日下午6點出發(fā)，有95%的可能性在72分鐘內(nèi)到達目的地;若出行者在節(jié)假日下午6點出發(fā)，有95%的可能性在47分鐘內(nèi)到達目的地。

2 ?旅行時間可靠性評價指標

3 ?旅行時間可靠性分析

考慮不同日路網(wǎng)交通狀況的差異，選取緩沖指數(shù)、旅行時間指數(shù)、規(guī)劃時間指數(shù)、波動率、擁擠頻率、失敗率等指標，對工作日和節(jié)假日分別進行旅行時間可靠性分析。不同測試指標直觀圖如圖4至圖5所示。

從圖4（a）可以看出，在工作日，晚高峰時期緩沖指數(shù)高達30分鐘，這說明出行者要想保證95%的概率在預期時間內(nèi)達到目的地，需較一般情況額外留出半個小時。從圖4（b）可以看出，14：00以后旅行時間標準差增大，到17：00左右達到全天的峰值，說明該時段是人們集中出行的高峰時間，道路交通擁堵狀況最為嚴重。18：00之后標準差逐漸下降，旅行時間的離散程度又趨于穩(wěn)定。從圖4（c）、圖4（d）可看出，緩沖指數(shù)和波動率在中午12：00前后達到最大，在晚高峰時期反而明顯減小，這是因為在工作日晚高峰期間道路擁堵嚴重，車輛需要的旅行時間普遍較大，變動程度與旅行時間中位數(shù)或平均值的比值較小。從圖4（e）可以看出，旅行時間指數(shù)大多在1.25～1.40之間，這說明在工作日出行最可能花費相對于理想情況下1.25～1.4倍的時間。從圖4（f）可以看出，在中午12點和下午6點左右，規(guī)劃時間指數(shù)達到2.0以上，這說明該時段為保證95%的概率到達目的地所需規(guī)劃的旅行時間是自由流狀態(tài)下的2倍，因此在一次出行中出行者將會潛在的浪費理想時間1倍的時間。

從圖5（a）、圖5（b）可看出，在節(jié)假日，從08：00開始緩沖時間和標準差總體呈上升趨勢，在大約17：00～19：00達到峰值，說明在這個時間段內(nèi)旅行時間變化幅度較大，為了準確到達出行者需要額外留出的旅行時間較多。從圖5（c）可看出，緩沖指數(shù)的變化范圍多在0.2～0.5之間，這說明95%分位數(shù)旅行時間相對于中位數(shù)旅行時間的差異變動較為平穩(wěn)。從圖5（d）可看出，波動率在高峰時期達到0.2以上，它和標準差所反映的旅行時間變化規(guī)律基本一致。從圖5（e）可看出，在高峰時段旅行時間指數(shù)值到達1.2以上，這說明在高峰時段出行者需要花費相對于理想情況下1.2倍以上的時間。從圖5（f）可以看出，在全天的大多時段規(guī)劃時間指數(shù)超過1.5，這說明該時段為保證95%的概率到達目的地所需規(guī)劃的旅行時間是自由流狀態(tài)下的1.5倍，因此在一次出行中出行者將會潛在的浪費理想時間一半的時間。

綜合比較圖4和圖5可以看出，緩沖時間與標準差、緩沖指數(shù)與波動率、旅行時間指數(shù)與規(guī)劃時間指數(shù)有比較相似的分布規(guī)律。對于一般出行者而言，緩沖時間和標準差所反映的可靠性測度是以時間為單位，更容易理解和感知。而對于交通管理者而言，其他的可靠性指標實現(xiàn)了歸一化，更便于分析判斷道路的真實運行狀況，為進行合理的交通誘導提供決策依據(jù)。

從一天中各時段不同測度指標的持續(xù)變化來看，隨著道路運行狀況發(fā)生變化，路網(wǎng)的可靠性也在相應變化。在高峰時期，由于交通擁堵，車輛行駛速度普遍降低，路網(wǎng)變得不穩(wěn)定，可靠性較差。工作日的各項旅行時間可靠性指標值總體而言都比節(jié)假日大，說明在節(jié)假日旅行時間波動較小，需要預留的時間更少，旅行時間可靠性更大。

4 ?結(jié)束語

利用出租車訂單數(shù)據(jù)，可以較為準確地計算各出行者的旅行時間。本文通過對紐約市出租車訂單數(shù)據(jù)進行擬合旅行時間概率密度函數(shù)和累積分布函數(shù)，并以15分鐘劃分一個時間段，選取緩沖時間、標準差、緩沖指數(shù)、波動率、旅行時間指數(shù)、規(guī)劃時間指數(shù)作為可靠性評價指標，分析了紐約中心車站到肯尼迪國際機場的旅行時間可靠性，為出行者合理安排出行時間、出行方式、出行路線等提供有效參考，同時為道路交通管理者有效地進行交通疏導與管理提供科學依據(jù)，具有重要的社會意義和經(jīng)濟價值。

參考文獻：

[1] 胡小文. 基于探測車數(shù)據(jù)和定點檢測器數(shù)據(jù)的路段行程時間估計[D]. 上海：同濟大學交通運輸工程學院（博士學位論文），2008.

[2] ?Zhang Z， Wang Y， Chen P， et al. Probe data-driven travel time forecasting for urban expressways by matching similar spatiotemporal traffic patterns[J]. Transportation Research Part C Emerging Technologies， 2017，85：476-493.

[3] ?Bhat C R， Sardesai R. The impact of stop-making and travel time reliability on commute mode choice[J]. Transportation Research Part B， 2006，40（9）：709-730.

[4] ?Emam E， Ai-Deek H. Using real-life dual-loop detector data to develop new methodology for estimating freeway travel time reliability[J]. Transportation Research Record Journal of the Transportation Research Board， 2006（1）：140-150.

[5] ?Copley G， Murphy P， Pearce D W. Understanding and valuing journey time variability[C] // In： Proceedings of the European Transport Conference， Cambridge. PTRC， London. 2002.

[6] ?Chen A， Ji Z， Recker W. Travel Time Reliability with Risk-Sensitive Travelers[J]. Transportation Research Record Journal of the Transportation Research Board， 2002（1）：27-33.

[7] 柴華駿，李瑞敏，郭敏. 基于車牌識別數(shù)據(jù)的城市道路旅行時間分布規(guī)律及估計方法研究[J]. 交通運輸系統(tǒng)工程與信息，2012，12（6）：41-47.

[8] 郭旭明. 基于旅行時間可靠性的信號控制方法研究[D]. 北京：清華大學（碩士學位論文），2012.

[9] ?Texas Transportation Institute， Texas Transportation Institute. Traffic Congestion and Reliability： Trends and Advanced Strategies for Congestion Mitigation[R]. Washington， D.C.： Federal Highway Administration， 2005.

[10] ?Higatani A， Kitazawa T， Tanabe J， et al. Empirical Analysis of Travel Time Reliability Measures in Hanshin Expressway Network[J]. Journal of Intelligent Transportation Systems， 2009，13（1）：28-38.

[11] ?Pu W. Analytic Relationships Between Travel Time Reliability Measures[J]. Transportation Research Record Journal of the Transportation Research Board， 2011，2254（1）：122-130.

[12] 胡旭峰. 基于車牌識別數(shù)據(jù)的旅行時間可靠性研究[J]. 青島科技大學學報（自然科學版）2017，38（s1）：184-188.