基于速度感知差异性的交通拥堵评价分析

冶志良 李 浩

(同济大学交通运输工程学院 上海 201804)

基于速度感知差异性的交通拥堵评价分析

冶志良 李 浩

(同济大学交通运输工程学院 上海 201804)

出行者对速度的感知差异性影响了交通拥堵评价分析.基于客观实际采集的视频数据及调查者对视频数据的主观感知速度，通过核密度分布方法得到感知差异的基本分布情况，通过t检验以及秩和检验方法证明不同身份(性别、年龄、驾龄)出行者对速度存在明显的感知差异性；通过融合主观数据(感知加权速度)和客观数据(速度、占有率)的动态聚类分析方法，给出新的交通拥堵阈值划分标准，新标准更符合出行者感知情况.

速度感知差异；交通拥堵评价；核密度分布；动态聚类分析

0 引 言

交通拥堵状态评价是交通管理信息中的核心内容，是准确把握交通系统行为、科学制定交通管理决策的重要依据.随着城市化与机动化在中国城市的普及，交通拥堵问题已经成为人们最为关心的问题之一，出行者的出行行为并不总是依从管理者期望的方向，基于出行者的研究对于缓解交通拥堵问题有着重要的意义.

1997年美国国家公路合作研究计划报告中从交通拥堵评价指标适用性、参与者、管理者多角度研究了交通拥堵量化的方法，并将拥堵评价分为类：HCM类、排队论类、行程时间类、拥堵指数类[1].现有交通拥堵状态评价方法的思路，一种是通过对大量常态下的交通流数据进行数理统计分析，基于阈值划分实现对交通状态的评价，包括数理统计与数据挖掘方法,服务水平6个等级的阈值即是通过大量的实测数据统计分析而得到的[2]；另一种是采用人工智能的算法实现交通状态的评价，主要包括模糊逻辑与神经网络法[3-5].交通拥堵评价的研究从空间上可以划分为微观、中观、宏观3个层面[6].文献[7] 对城市整体路网或区域路网交通运行状况进行了评价.

现有研究主要面向基于基础交通流参数(流量、饱和度、速度等)的数据挖掘以解决交通拥堵状态的划分，忽视了出行者的感受.出行者具有不同的年龄、性别、教育程度、心理特征等属性，基于自己的行为目标与准则，依据不同的交通运行环境做出符合自身利益的决策.这种决策来自于对当前交通流运行状况的判断.准确把握交通流运行过程中行为变化的不同阶段或趋势，使制定出的决策更富有针对性.现有研究尚没有通过主客观的数据进行对比分析证明差异的存在，同时目前的评价方法也鲜有考虑到出行者的主观因素.文中采用t检验以及秩和检验等统计方法检验证明不同出行者的速度感知存在差异，并采用动态聚类分析方法给出新的交通拥堵阈值划分标准.新标准考虑了出行者主观差异，同时融合了客观交通流参数.

1 研究方法

1.1 交通客观数据的获取

路段运行速度是交通拥堵评价的主要参数，我国的道路信息板给出的拥堵信息基本采用速度值进行交通拥堵状态划分.不同的出行者对于速度的感知在不同情况下可能存在差异，本研究以这种感知差异性为切入点，获取同一等级路段(主干路)的120段视频运行情况，每段视频5 s时长.通过视频识别技术，计算出每个视频的运行速度及占有率.图1涵盖了各种交通流状况下的数据，包括不同速度与占有率的道路情况，进而可以更好地作出交通感知判断.

图1 各视频客观速度与占有率散点分布图

1.2 感知速度数据的获取

100人参加感知数据获取实验.每位参与者分别观看120段视频，并对每个视频作出速度主观判断，选项有：20 km/h以下、20～40，40～60，60～80，80 km/h以上.部分参与者并没有都给出全部判断.对60段视频以上有判断的人员作为有效判断人员，因此共有75人的有效感知，其具体性别，驾龄，年龄状况等属性信息见表1.

表1 实验参与者基本情况分布

2 感知交通数据统计结果分析

图2给出了感知速度的分布情况，随着客观速度的下降，感知速度区间在0～20 km/h的人数逐渐下降，而21～40 km/h区间的数量则呈现先上升后下降，41～60 km/h区间的数量则总体上升.由此得出结论，随着客观速度的上升，感知速度的数值也会逐渐增加.

图2 感知速度区间数量的散点分布情况

2.1 核密度估计以及秩和检验简介

2.1.1 核密度估计

核密度估计是非参数密度估计的一种，核密度的定义如下[8]

设X1，X2，…，Xn是取自一元连续总体的样本，在任意点x处的总体密度函数f(x)的核密度估计定义为

(1)

式中：K()为核函数(kernel function)；h为窗宽.核函数可以有不同的表示形式，常用的核函数有Box，Triangle，Epanechnikov，Gaussian等类型，文中使用Gaussian核函数.

2.1.2 Wilcoxon秩和检验

将样本的观测值排在一起，X1，X2，…，Xn1，Y1，Y2，…,Yn2，设r1，r2，…，rn1为由X1，X2，…，Xn1产生的秩统计量，R1，R2，…，Rn2为由Y1，Y2，…,Yn2产生的秩统计量，则Wilcoxon-Mann-Whitney统计量定义[9]

(2)

通过对统计量U进行检验，称之为Wilcoxon秩和检验.

2.2 感知差异的基础分析

分析所有的客观速度与感知速度的差值及其分布.例如客观速度为35 km/h，感知速度区间为40～60 km/h，取区间的中间值即50 km/h，则感知与客观速度的差异为15 km/h，图3为所有试验数据的客观速度与感知速度的核密度分布图.

图3 实验总体感知与客观速度差值的核密度分布

由图3可知数据总体基本符合正态分布，为进一步验证假设，给出感知速度与客观速度差值的QQ图，图4可验证数据总体上分布为“近似正态分布”.

图4 实验总体感知与客观速度差值的正态QQ图

2.3 不同拥堵状态下的感知差异分析

借鉴文献[7]中的指标体系，视频路段为主干路，故将拥堵、缓慢、畅通的阈值划分为(40，∞]，(30,40],(0,30]，对比3种拥堵状况下的感知速度与客观速度的差异.

由图5可知，不同拥堵状态下的感知情况分布存在一定差异.利用秩和检验验证这种差异的存在，见表2.

表2 不同拥堵状态下感知与客观速度差异性的秩和检验

图5 不同拥堵状态感知与客观速度差值的核密度分布

由表2可见，不同拥堵状态下的感知速度与客观速度的差值存在显著性差异.这也表情现有阈值划分出拥堵状态不尽合理，不同状态下的速度感知差异明显.例如，在拥堵状态下感知速度与客观速度的差异为5 km/h，而在畅通状态下差异可能为10 km/h，因此有必要建立新的速度阈值划分标准.

2.4 不同身份的交通出行者的感知差异性分析

不少研究表明不同属性的出行者存在决策以及感知的差异性.在交通拥堵评价的研究中尚未考虑到不同身份出行者的感知差异性.由于教育背景、成长经历、性别等出行者属性差异造成不同出行者对于信息的接收能力存在差异.交通拥堵评价的结果最终是需要面向出行者的，而出行者也是交通研究中的核心，不同出行者对速度感知差异的研究在拥堵评价中具有重要意义.

2.4.1 不同性别的出行者感知差异分析

图6为不同性别感知速度与客观速度的差异的核密度分布，基本符合正态分布，可以看作“近似正态分布”，区别在于男性的峰值出现在0的左侧，而女性则在右侧，即分别为正偏态和负偏态分布，由于本实验数据量足够大，可以使用t检验与非参数的秩和检验对男性和女性的差异性进行检验.表3的t检验和秩和检验的结果都表明男性与女性的感知速度存在着明显的差异.

检验项目t检验P值T值检验结果秩和检验P值Zval值Ranksum值检验结果男性与女性1．0161×10-11-6．8135显著差异2．526×10-11-6．67181．4778×107显著差异

2.4.2 不同年龄的出行者感知差异分析

图7为不同年龄的感知速度与客观速度差值的核密度分布，符合近似正态分布，分别使用t检验与秩和检验分析不同年龄的感知与客观速度的差异性.表4的结果证明不同年龄段的出行者的感知速度存在差异性.

2.4.3 不同驾龄的出行者感知差异分析

图8分别为不同驾龄感知与客观速度差值的核密度分布，其满足近似正态分布，可使用t检验与秩和检验分析不同驾龄的出行者的感知与客观速度的差异性.

图7 不同年龄出行者感知与客观速度差值的核密度分布

检验项目t检验P值T值检验结果秩和检验P值Zval值Ranksum值检验结果20岁以下与21～30岁2．3347×10-12-7．0253显著差异1．3226×10-10-6．424510112073显著差异20岁以下与30岁以上2．6393×10-14-7．6392显著差异5．7257×10-13-7．20696．6653×106显著差异21～30岁与30岁以上0．0101-2．5748显著差异0．0099-2．580711453596显著差异

图8 不同驾龄出行者感知与客观速度差值的核密度分布

表5的结果表明，1年以下与1～5年以及1年以下与5年以上的出行者对于速度的感知是存在差异的，而1～5年与5年以上的出行者却没有显著的差异.由于驾龄1～5年与5年以上的感知速度与客观速度的差值,不存在显著的差异，因此推测驾龄达到1年以上后对于感知速度会趋于稳定，随着驾龄的增加不会有明显的改变.

表5 不同驾龄出行者感知与客观速度差异性的t检验与秩和检验

2.5 感知加权速度与真实速度的差异性分析

将同一视频的不同身份出行者的感知速度进行加权可以基本代表不同身份出行者对于同一速度感知的总体趋势.通过对感知加权速度与客观速度差异分析，进一步分析主观(感知)与客观速度存在的差异性.加权感知速度V感知定义为

(3)

式中：V1，V2，…,Vn为同一视频感知速度分布；N1，N2，…,Nn为对应感知速度的感知人数.

对视频的所有感知速度进行加权可以反映该视频的总体感知情况，图9为感知加权速度与客观速度散点图.由图9可知，当客观速度较低时，感知加权速度低于客观速度，当客观速度较高时，感知的加权速度高于客观速度，总体上感知加权速度会随着客观速度的增加而增加.

图10为占有率与感知加权速度的关系，当占有率较低时，感知加权速度普遍较高，而当占有率较高时，感知加权速度有明显的下降，所以道路的占有率也是影响出行者判断的重要指标之一.图11～12为感知加权速度与客观速度的差值满足近似正态分布.

图10 占有率与感知加权速度散点图

图11 感知加权速度与客观速度差值核密度分布

图12 感知加权速度与客观速度差值的正态QQ图

3 考虑感知速度的交通拥堵阈值划分

考虑感知加权速度并结合客观速度、占有率通过聚类分析来划分阈值，使得现有的交通拥堵信息发布更加贴近出行者的感受，以更好地引导出行者的出行.

3.1 动态聚类分析

聚类分析是将数据所对应研究对象进行分类的统计方法，分析的数据是对象间存在相似性或相异性的数据，将这些相似(相异)性数据看成是对象之间的“距离”远近的一种度量，将距离近的对象归入一类，不同类之间的对象距离较远.这是聚类分析方法的共同思路.聚类分析可以分为多种类型，动态聚类法是其中重要的方法之一，与常用的系统聚类法相比，计算量适中，占用内层小，计算速度快等优点.动态聚类法又称逐步聚类法，即开始先粗略地分类，然后按照某种最优原则修改不合理的分类，直至类分的较为合理为止.

3.2 基于聚类分析的阈值划分

将客观的交通流数据与主观的出行者感知速度数据结合，将数据结构进行聚类划分(见表6)，得出新的阈值划分方法.

表6 聚类分析数据结构

通过聚类得到图13所示的结果，最终将其划分为3个阈值，具体划分结果见表7.

图13 聚类得到的拥堵状态划分

交通拥堵阈值划分占有率客观速度畅通(0，0．7)(50，+∞)缓慢(0，0．7)(0，50)拥堵(0．9，1)

为了检验聚类结果的分类合理性，需要计算聚类的轮廓值，第i点的轮廓值定义为

(4)

式中：a为第i个点与同类的其他点之间的平均距离；b为一向量；第k个元素为第i个点与第k类点之间的平均距离，轮廓值si的取值在[-1,1]之间，si值越大说明第i个点的分类越合理.当si<0时，说明第i个点的分类不合理.

图14为聚类结果的轮廓图，轮廓值基本上都大于0，而且大部分都超过了0.5，说明聚类结果较为合理.

图14 聚类结果的轮廓图

4 结 论

1) 感知速度与客观速度的差值分布为正偏态分布或负偏态分布.由于数据量较大可以近似认为是近似正态分布.

2) 出行者在不同的拥堵状况下对客观速度的感知存在差异性.

3) 不同属性(年龄、性别、驾龄)的出行者对速度的感知存在差异性.

4) 基于主客观速度，利用动态聚类分析方法提出了新的交通拥挤阈值划分标准.

后续研究在扩充样本数的基础上，重点探索基于速度感知差异性的交通拥堵评价方法.

[1]LOMAX T，TURNER S，SHUNK G，ET AL.Quantifying congestion[R].Washington DC：Transportation Research Board，1997.

[2]任福田，刘小明,荣建，等.道路通行能力手册[M].北京：人民交通出版社，2007.

[3]DOWLING R.Extension of the level of service concept to transportation systems[C].77th Annual Meeting of the Transportaion Research Board,Washington D C,1998.

[4]VAZIRI M.Development of highway congestion index with fuzzy set models[J].Journl of Transportaion Research Record 1802,Transportation Research Board,2002:16-22.

[5]RITCHIE S,CHEU R.Neural network models for automated detection of non-recurring congestion[C].Partners for Advanced Transit and Highways Research Report,1993.

[6]敖谷昌.城市快速路交通状态特性及关联分析方法研究[D].北京：北京交通大学，2014.

[7]北京交通发展研究中心.城市道路交通运行评价指标体系：DB11/T 875-2011[S].北京:北京市质量技术监督局，2011.

[8]谢中华.MATLAB统计分析与应用：40个案例分分析[M].北京：北京航空航天大学出版社，2010.

[9]薛毅，陈丽萍.实用数据分析与MATLAB软件[M].北京:北京工业大学出版社，2015.

Evaluation and Analysis of Traffic Congestion Based on Velocity Perception Difference

YE Zhiliang LI Hao

(SchoolofTransportationEngineering,TongjiUniversity,Shanghai201804,China)

The perceived difference of the velocity affects the evaluation of traffic congestion. Based on the objective data collected by the video data and the subjective data surveyed by the perception of video, the basic distribution of perception difference is obtained by the kernel density distribution method. Through the t test and rank sum test method, significant differences in perception of velocity are proven to exist in the different identity (different gender, age, driving age) of the travelers. By the dynamic clustering analysis method based on the fusion of subjective data (perceptual weighting velocity) and objective data (velocity, occupancy), a new traffic congestion threshold classification standard is given. The new standard is more in line with the traveler’s perception. The research results provide a reference for the travel information release.

velocity perception difference; traffic congestion evaluation; kernel density distribution; dynamic cluster analysis

2016-09-18

U491

10.3963/j.issn.2095-3844.2016.06.029

冶志良(1991—)：男，硕士，主要研究领域为交通运输规划与管理