魏文鈺 歐陽(yáng)志濠 劉綺森 梁逸龍 蔡立椿

摘 ?要：宏觀基本圖可從宏觀層面對(duì)路網(wǎng)交通狀態(tài)進(jìn)行判別，但只能判別路網(wǎng)交通是否處于過(guò)飽和狀態(tài)，無(wú)法進(jìn)一步劃分路網(wǎng)交通狀態(tài)，而譜聚類算法能有效地對(duì)樣本數(shù)據(jù)進(jìn)行分類。鑒于此，文章提出基于宏觀基本圖和譜聚類的路網(wǎng)交通狀態(tài)判別方法，首先利用浮動(dòng)車估測(cè)法得到路網(wǎng)宏觀基本圖，然后依據(jù)譜聚類算法，對(duì)路網(wǎng)宏觀基本圖進(jìn)行聚類分析，從而將路網(wǎng)交通狀態(tài)劃分為四個(gè)等級(jí)（低峰、平峰、高峰、過(guò)飽和）。為了驗(yàn)證算法的有效性，以廣州市越秀區(qū)北京路周邊路網(wǎng)為例，建立基于VISSIM的微觀交通仿真模型，設(shè)定浮動(dòng)車比例為30%，估測(cè)路網(wǎng)宏觀基本圖，然后在MATLAB中實(shí)現(xiàn)譜聚類算法，將路網(wǎng)交通劃分為四種交通狀態(tài)。研究的算法能夠有效地對(duì)路網(wǎng)交通狀態(tài)進(jìn)行細(xì)分，為后續(xù)對(duì)路網(wǎng)交通進(jìn)行精細(xì)化管理與控制奠定了基礎(chǔ)。

關(guān)鍵詞：交通工程;路網(wǎng)交通狀態(tài)判別;宏觀基本圖;譜聚類;VISSIM交通仿真

中圖分類號(hào)：TP391.4 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）04-0113-03

Abstract：Macroscopic Fundamental Diagrams can distinguish the traffic state of road network from macroscopic level，but can only judge whether the road network traffic is too saturated，can not further divide the traffic state of the road network，and the spectral clustering algorithm can effectively classify the sample data. In view of this，this paper proposes a road network traffic state discrimination method based on macroscopic basic graph and spectral clustering，first using the floating vehicle estimation method to obtain the macroscopic basic map of the road network，and then according to the spectral clustering algorithm，the macroscopic basic map of the road network is cluster analysis，so as to divide the traffic state of the road network into four grades（low peak，flat peak，peak，supersaturation）. In order to verify the effectiveness of the algorithm，taking the road network around Beijing Road in Guangzhou Yuexiu District as an example，using VISSIM traffic simulation software，the simulation model of regional road network micro-traffic is established，and the proportion of floating vehicle is set as 30%，estimate the macroscopic basic map of the road network，and then realize the spectral clustering algorithm in MATLAB，which divides the road network into 4 kinds of traffic states. This algorithm can effectively subdivide the traffic state of the road network，which lays a foundation for the fine management and control of road network traffic in the next way.

Keywords：traffic engineering;road network traffic status discrimination;macroscopic fundamental diagrams;spectral clustering;VISSIM traffic simulation

0 ?引 ?言

路網(wǎng)交通狀態(tài)客觀反映路網(wǎng)交通運(yùn)行情況，是提升城市交通控制與管理效率的關(guān)鍵所在。路網(wǎng)交通狀態(tài)判別方法一直是智能交通領(lǐng)域的研究熱點(diǎn)。近期研究表明，基于宏觀基本圖的交通判別方法可以從宏觀層面對(duì)路網(wǎng)交通狀態(tài)進(jìn)行判別，但只能判別路網(wǎng)交通是否處于過(guò)飽和狀態(tài)，無(wú)法進(jìn)一步劃分路網(wǎng)交通狀態(tài)。筆者長(zhǎng)期從事交通數(shù)據(jù)挖掘方面的研究，參與多項(xiàng)交通數(shù)據(jù)挖掘方面的項(xiàng)目，熟悉掌握各類聚類分析方法。其中譜聚類算法（Spectral Clustering）是機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，它是一種基于譜圖理論的點(diǎn)對(duì)聚類算法，將數(shù)據(jù)聚類問(wèn)題轉(zhuǎn)化為圖的最優(yōu)劃分問(wèn)題。譜聚類算法可以從宏觀層面對(duì)路網(wǎng)的交通狀態(tài)進(jìn)行判別，能更加全面和準(zhǔn)確地判別交通狀況。譜聚類算法也經(jīng)常被交通領(lǐng)域的學(xué)者用于分析交通流狀況。但是未見(jiàn)相關(guān)文獻(xiàn)將宏觀基本圖與譜聚類算法相結(jié)合，對(duì)路網(wǎng)進(jìn)行交通狀態(tài)判別。因此，本文提出基于宏觀基本圖和譜聚類的路網(wǎng)交通狀態(tài)判別方法，對(duì)路網(wǎng)交通狀態(tài)做進(jìn)一步劃分。

1 ?宏觀基本圖與譜聚類算法

1.1 ?宏觀基本圖

2 ?實(shí)驗(yàn)分析

2.1 ?建立路網(wǎng)微觀仿真模型

根據(jù)實(shí)地調(diào)查的交通流數(shù)據(jù)，在VISSIM交通仿真軟件建立仿真模型。首先導(dǎo)入路網(wǎng)布局圖，然后按照實(shí)際路網(wǎng)繪制路網(wǎng)模型，輸入實(shí)際交通流量，并對(duì)車流進(jìn)行分配和路徑誘導(dǎo)，在車輛中添加FCD（浮動(dòng)車），其比例為30%;然后根據(jù)此路網(wǎng)中各個(gè)交叉口交通信號(hào)燈的實(shí)際信號(hào)周期，輸入信號(hào)燈周期、設(shè)置路口紅綠燈位置，并在每個(gè)轉(zhuǎn)彎處都添加減速帶;隨后設(shè)置收集浮動(dòng)車數(shù)據(jù)，其中包括每輛浮動(dòng)車的數(shù)據(jù)采集的周期、速度、行駛時(shí)間、行駛距離等等。其中每15 s獲取一次數(shù)據(jù)，整個(gè)路網(wǎng)運(yùn)行86 400 s，完成路網(wǎng)仿真模型建立，如圖1所示。

2.2 ?宏觀基本圖估測(cè)

本文利用浮動(dòng)車數(shù)據(jù)估測(cè)法，根據(jù)實(shí)際交通流量，在VISSIM仿真軟件繪制仿真模型時(shí)，添加了FCD（浮動(dòng)車），將整個(gè)路網(wǎng)進(jìn)行了仿真運(yùn)行（運(yùn)行86 400 s），得出FZP文件。將FZP文件導(dǎo)入到Excel中，通過(guò)代碼生成加權(quán)交通流量（qw）和加權(quán)交通密度（kw），生成宏觀基本圖，如圖2，其擬合函數(shù)為：y=0.008 5x3-0.981x2+34.41x+63.355。

2.3 ?譜聚類算法分析

在基于宏觀基本圖數(shù)據(jù)的前提下，將得知的加權(quán)交通流量（qw）和加權(quán)交通密度（kw）這兩個(gè)關(guān)鍵數(shù)據(jù)，導(dǎo)入MATLAB編程軟件中，并導(dǎo)入程序代碼，生成譜聚類圖，如圖3所示，隨后加以分析。

根據(jù)譜聚類算法可以將路網(wǎng)交通狀態(tài)劃分為低峰、平峰、高峰、過(guò)飽和等4種交通狀態(tài)，并將劃分交通狀態(tài)的過(guò)程用MATLAB實(shí)現(xiàn)并進(jìn)行可視化顯示，具體的交通狀態(tài)劃分結(jié)果如圖3所示，其中不同的交通狀態(tài)劃分用不同的顏色進(jìn)行區(qū)分。當(dāng)加權(quán)交通密度kw的范圍在0～6 veh/km時(shí)，此時(shí)路網(wǎng)交通狀態(tài)劃分為低峰級(jí)，路網(wǎng)來(lái)往車輛少，此時(shí)路網(wǎng)交通狀態(tài)暢通;當(dāng)加權(quán)交通密度kw的范圍在6～9 veh/km時(shí)，此時(shí)路網(wǎng)交通狀態(tài)劃分為平峰級(jí)，路網(wǎng)來(lái)往車輛雖稍微多，但不至于出現(xiàn)擁堵;當(dāng)加權(quán)交通密度kw的范圍在9～20 veh/km時(shí)，此時(shí)路網(wǎng)交通狀態(tài)劃分為高峰級(jí)，路網(wǎng)來(lái)往車輛多，有擁堵情況;當(dāng)加權(quán)交通密度kw的范圍在20 veh/km以上時(shí)，此時(shí)路網(wǎng)交通狀態(tài)劃分為過(guò)飽和級(jí)，路網(wǎng)來(lái)往車輛非常多，路面十分擁堵。因此，譜聚類算法可以比較清晰地看出路網(wǎng)是否擁堵，可以有效地對(duì)路網(wǎng)交通狀態(tài)進(jìn)行判別。

3 ?結(jié) 論

本文主要對(duì)城市路網(wǎng)交通狀態(tài)判別進(jìn)行研究，提出了基于宏觀基本圖和譜聚類算法的路網(wǎng)交通狀態(tài)判別方法，并通過(guò)實(shí)際數(shù)據(jù)的實(shí)驗(yàn)分析證明了該算法的有效性，最終結(jié)果表明，本文算法可以清晰地將路網(wǎng)交通狀態(tài)劃分為不同的交通狀態(tài)，交通管理者可以從宏觀層面出發(fā)，利用路網(wǎng)狀態(tài)變化信息，及時(shí)對(duì)擁堵的交通流進(jìn)行疏導(dǎo)，減少交通事故，使交通安全可以得到保障，讓有限的路網(wǎng)時(shí)空資源發(fā)揮最大的效益，對(duì)緩解城市交通擁堵具有一定的實(shí)用性。為后續(xù)進(jìn)行路網(wǎng)精細(xì)化交通管理與控制奠定了基礎(chǔ)。與此同時(shí)，因城市交通系統(tǒng)具有復(fù)雜性及實(shí)時(shí)交通流具有多變性，本次研究尚有許多不足之處有待改進(jìn)。如本次研究的MFD在采用浮動(dòng)車數(shù)據(jù)估測(cè)法時(shí)，設(shè)置的浮動(dòng)車比例為15%，跟實(shí)際交通狀況有一定的誤差，可在減少與實(shí)際交通狀況的誤差方面進(jìn)一步研究，使數(shù)據(jù)更準(zhǔn)確。

參考文獻(xiàn)：

[1] NAGLE A，GAYAH V. Accuracy of Networkwide Traffic States Estimated from Mobile Probe Data [J].Transportation Research Record Journal of the Transportation Research Board，2014（2421）：1-11.

[2] 林曉輝，徐建閩.基于自適應(yīng)加權(quán)平均的路網(wǎng)MFD估測(cè)融合方法 [J].交通運(yùn)輸系統(tǒng)工程與信息，2018，18（6）：102-109.

[3] 劉仲民.基于圖論的圖像分割算法的研究 [D].蘭州：蘭州理工大學(xué)，2018.

[4] 商強(qiáng)，林賜云，楊兆升，等.基于譜聚類與RS-KNN的城市快速路交通狀態(tài)判別 [J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，45（6）：52-58.

作者簡(jiǎn)介：魏文鈺（1999.01-），女，漢族，廣東廣州人，研究方向：交通控制與仿真。