城市道路交通态势演化研究现状及展望

刘小明，顾惠楠，董路熙，尚春琳

(北方工业大学城市道路智能交通控制技术北京市重点实验室，北京 100144)

用信息化和智能化技术探索城市交通态势演化规律、提升交通运行效率，是现代城市交通管控的重大需求.城市交通系统的智能化和科学化管理与服务离不开对城市交通态势演化规律深入分析，掌握城市道路交通态势演化规律是提高城市智能交通系统智能化水平的重要手段.如何利用现有交通信息辨识交通态势，挖掘交通态势演化规律，准确评估交通态势影响程度和范围，是城市道路交通态势演化问题研究的主要方向.

本文梳理了交通态势表征及辨识、交通态势演化分析和交通态势影响评估3个方面的国内外城市道路交通态势演化领域相关研究内容.通过国内外研究发现了几点不足：①交通态势的表征及辨识缺乏中微观特征的考量，且缺乏对交通运行状态变化趋势的深入研究；②交通态势演化分析多基于单一物理空间；③交通态势影响评估缺乏在不同方面、不同因素、不同层次对交通态势影响的综合评估，且评估方法中缺乏对同一交通状态不同变化趋势的差异分析，难以实现对交通态势影响的全面评估.针对上述不足，指出了城市道路交通态势演化领域未来可能的研究发展方向.

1 交通态势演化分析

城市道路交通态势演化是一个复杂的动态过程，其演化特征受多要素相互作用的影响，具有自组织、随机性、复杂性等特点.掌握城市道路交通态势演化规律可为城市交通系统的有效管控提供重要支撑，因此一直得到国内外研究人员的广泛关注.以下主要从交通态势表征及辨识、交通态势演化分析和交通态势影响评估3个方面对国内外研究现状加以总结和分析，交通态势演化规律知识框架，如图1所示.

图1 交通态势演化规律知识框架

首先通过对道路交通运行态势进行准确、快捷地辨识，进而发现交通状态复杂的变化模式，然后分析挖掘出交通态势的演化规律，最后通过交通态势影响评估为交通管理者的决策提供科学支撑.

1.1 交通态势表征及辨识

开展交通态势表征及辨识是交通态势演化分析的基础，能保证交通态势影响评估的准确性，对于制定针对性的交通管理和控制措施具有重要意义，基于此，国内外研究人员对交通态势表征及辨识方法展开了一系列的研究，从空间范围上总体可分为两类：路段交通态势表征和辨识、路网交通态势表征和辨识.《城市交通运行状况评价规范》中分别对路段和路网交通状况进行了等级划分[1]，如表1、表2所示.

表1 路段交通运行状况等级划分表

表2 道路网交通运行状态等级划分表

1.1.1 路段交通态势表征和辨识

在路段交通态势表征和辨识研究中，Khan等[2]结合CVT-AI模型构建了基于交通密度和服务水平的路段交通状态表征模型；Chakraborty等[3]基于YOLO和深度卷积神经网络融合算法提取流量、速度和占有率来表征路段交通拥堵和未拥堵状态；Xu等[4]构造路段交通流量和交通密度的特征核函数，基于核K最近邻算法表征道路交通状态；Yang等[5]以平均速度、交通流时间序列作为交通特征，基于新混合卷积长短期记忆神经网络模型辨识交通潮汐状态；Zhu等[6]基于行程—旅行时间概率分配模型表征路段旅行时间不确定性，在此基础上对道路交通通行状态进行辨识；商强、林赐云等[7]结合谱聚类和随机子空间集成K最近邻算法辨识4种道路交通状态(顺畅、平稳、拥挤、拥堵)；黄丽平[8]以路段通行速度与自由流速度比率值作为道路状态表征值，基于概率PCA-EM聚簇算法识别交通拥堵状态.

1.1.2 路网交通态势表征和辨识

相对于路段交通而言，开展路网交通态势表征和辨识研究更有助于从整体上掌握城市道路交通运行状态及变化趋势，路网交通由于涉及多个路段间的相互作用，其态势表征和辨识的研究内容和研究重点也发生了很大变化.在路网交通态势表征和辨识研究中，Calvert等[9]构建弹性路段行能指数，分析各路段交通状态(延误时间、自由流速度和交通流量)因特殊事件的变化相关性(拥堵扩散、路段拥塞恢复时间等)；Duan等[10]基于道路拓扑、时变速度、旅行时间等特征参数构建了路网交通状况自适应的时空整合移动平均自回归(STARIMA)模型；Ping等[11]分析了突发事件下驾驶行为对实际道路网络交通态势的影响程度，建立了基于路网抗毁可靠性的突发事件安全态势感知模型；张建旭等[12]用线上地图的道路历史延时指数等表征交通拥堵状态，分别建立了道路实时拥堵和极限拥堵状态的量化模型；王宁[13]基于交通趋势速度和交通环境表征时间相似性约束下的元路径拥塞模式，并根据k-POD和Gaussian-Means组合聚类算法，识别路网不同交通运行状态.

通过上述研究可看出，国内外学者在交通态势的表征及辨识方面做出了许多扎实的工作，尤其是在以路网交通为对象的研究中，涵盖了交通拥堵和交通安全等多类交通运行态势如何表征和辨识的成果.但从总体上看，目前的研究仍存在以下问题需进一步解决：

1)现有研究大多是从宏观角度表征交通状态，缺乏对交通状态时域内所包含交通参数的相似度、梯度、功率谱密度等中微观特征的深刻挖掘，未能构建宏观—中观—微观多层次交通状态特征时空关联关系；

2)已有研究多集中在交通状态本身的表征和辨识上，而对交通运行状态变化趋势(如“生成”“传播”“迁移”等长时趋势及“加速”“突变”等短时趋势)特征的刻画方面鲜有涉及.

1.2 交通态势演化分析

对交通态势准确识别有助于揭示交通态势演化机理，二者使交通态势的影响评估有理可依，有助于制定合理有效的交通管理与控制策略.在交通态势演化分析方面，国内外研究方法主要可分为3类：交通流理论分析、复杂网络分析、时空序列分析.

1.2.1 基于交通流理论的交通态势演化分析

在应用交通流理论进行交通态势演化分析中，主要采用的模型有元胞传输模型、宏观基本图模型等.在元胞传输建模分析方面较典型的研究包括：Ma等[14]构建了黏弹性元胞传输自组织模型，分析了不同初始交通密度和交通速度下的交通态势时空演变模式；Long等[15]建立了蒙特卡洛的随机链路元胞传输模型，捕获受排队溢出和流量传播影响的交通态势随机演变；Kouhi等[16]结合链路元胞传输模型和K-MEANS聚类算法识别交通态势3阶段，并通过Shannon熵分析链路时间窗的态势3阶段演化速度和跃迁范围；Weg等[17]考虑交通向前和向后移动波，通过链路元胞传输模型描述链路态势传播过程.在宏观基本图建模分析方面较典型的研究包括：Leclercq等[18]结合宏观基本图和LWR模型分析了不同拥塞模式对路网交通状态加载、迟滞、恢复和传播过程；Mohajerpoor等[19]利用宏观基本图将异构拥塞网络划分成多个均匀区域，进一步分析了区域间因交通需求波动引起的交通状态变化现象；林晓辉、徐建闽等[20]在车联网环境下建立了自适应加权平均的路网宏观基本图融合模型，通过不同加权流量和加权交通密度估计路网MFD状态.

1.2.2 基于复杂网络的交通态势演化分析

随着复杂网络理论的发展，国内外学者开始将其应用于道路网络交通演化规律研究中，Saberi等[21]基于复杂网络方法表征城市不同区域的交通加权流量特性，挖掘路网交通态势演变模式；Zhang等[22]结合路网拓扑结构和拥堵持续事件建立了一种时空共置的交通态势模式挖掘方法，分析城市道路受交通事件影响的态势传播模式；Niu等[23]基于复杂网络理论对道路网络节点具有标签语义的轨迹进行建模，捕获节点间交通流变化特性，分析道路网络交通流演化规律；Liu等[24]构建了L空间加权交通网络和中间度的近似算法，对全局路网交通状态在各关键节点间的动态演化过程进行了分析；刘杰等[25]构建基于相邻路段交通负载和长度分配负载的网络级联失效模型，通过拥堵指数分析宏观网络失效和拥堵失效规律.

1.2.3 基于时间序列的交通态势演化分析

随着云计算、大数据、互联网等技术的不断发展，基于数据驱动的交通态势演化分析方法越来越得到国内外学者的关注，在这方面的研究中，Ryu等[26]基于路段间交通流量时空相关性构建了路网交通状态特征变化向量，挖掘路网状态向量在季节、交通事故、交通拥堵等条件下的时空变化规律；Zou等[27]构建了基于交通流量的反向传播双向极限学习机模型，分析交通状态随时间推演的动态过程；Zhang等[28]根据分层结构解析交通态势空间分布特性，并结合马尔可夫转移模型研究交通状态周期性空间传播过程；Reina等[29]基于交通拥堵从稳态到消散的过渡模型分析拥堵状态的空间演变速率规律；Guo等[30]基于校准模块量化交通态势中时空相关性的贡献差异值，构建了ST-3DNet深度学习模型分析不同交通状态模式；陈振华[31]基于FP-growth的频繁拥塞子图发现算法分析路网中交通拥塞时空传播的动态过程.

综合上述研究可发现，交通流理论和复杂网络研究方法能在一定程度上揭示交通运行态势的演化机理，但由于交通系统的复杂性，单纯采用上述方法可能会因理想假设和参数设置导致研究结果出现“失真”的问题.因此，在目前多源数据环境下，将数据驱动与交通流理论、复杂网络分析方法等相结合，充分挖掘海量交通时空数据的隐藏价值，更有助于深入探索交通系统演化规律.在实际城市交通系统中，交通态势演化会受到交通需求、路网结构、交通环境、管控策略等多类要素相互作用的影响，尤其是极端天气、交通事故、临时交通管制等非常态下交通态势更是复杂多变，对其演化规律的把握面临极大挑战.而从研究现状来看，已有研究多基于单一物理空间，由于特殊样本数量、信息类型、数据时效性等限制，难以有效解决上述瓶颈问题，交通态势演化机理研究必定要突破单一空间的限制，因此，充分考虑物理传感器数据、舆情数据和社交网络数据的关联性与互补性，研究面向多元空间、多交通要素作用下的交通态势演化关联协同分析方法具有重要价值.

1.3 交通态势影响评估

交通态势的识别和演化分析能支撑交通态势影响评估结果的可靠性.通过对城市交通态势的准确评估，可及时确定交通态势的影响程度和影响范围，基本的交通流参数是描述城市交通状态的量化指标，主要包括：交通流三要素以及占有率、排队长度、平均延误等.标准的评价指标包括：行程时间可靠性指数、交通运行指数和交通拥堵率等.近年来，国内外学者主要采用多指标评估对其进行了研究，较典型的研究包括：Nogal等[32]提出了一种新的概率指标，用以评估极端天气下的道路网络交通安全态势；Fan等[33]融合地理空间映射和深长短期记忆(deep long short-term memory，DLSTM)神经网络对城市运输通道的交通态势进行评估；Gecchele[34]基于平均速度、旅行时间和通行能力等不同指标，对路网交通态势的影响程度进行了评估；Chen等[35]基于网格模型提取交通流量累积比和平均速度2个关键交通参数，从而评估交通状况；Yang等[36]选择道路拥堵里程、道路占有率、车辆密度3个交通参数，构建了基于转移概率和SUMO框架的交通状态评估模型；谭星[37]基于黄金分割法划分了评价指标(最大排队长、区间平均速度、路段平均延误)模糊区间，并结合模糊关系矩阵和隶属度函数建立了交通态势评价模型；郭一凡[38]构建了基于重要度加权的受常发性和偶发性拥堵事件下“点—线—面”交通拥堵强度评价方法；李婷婷[39]基于层次分析法和信息熵确定累积流量、平均速度和排队长度等多属性权重，并根据模糊判断法建立了多属性交通状态评价模型.

从上述研究可看出，一方面，国内外学者针对交通态势影响评估取得了系列成果，对于合理量化城市交通运行状况具有重要意义；但另一方面，现有研究中还存在一些问题需要深入探讨：

1)现有研究多是针对交通态势宏观层面的影响分析，往往缺乏交通态势影响在不同方面(拥堵态势、安全态势等)、不同层次(微观、中观、宏观)、不同因素(事故、天气等)的综合评估，难以快速直观的体现路网运行的关键问题点，因此有必要针对微观、中观、宏观的态势评估需求差异和特征要素差异，开展多方面、多层次、多因素的交通态势分层分级评估研究；

2)现有研究多是基于交通状态宏观表征量(如累积流量、平均速度、拥堵长度等)的评估，较少考虑各种交通状态本身的变化速度、变化方向、变化极限等特性，评估方法中缺乏对同一交通状态不同变化趋势的差异分析，难以实现对交通态势影响的全面评估，进行交通状态与其变化趋势的融合评估方法研究也是需解决的重要问题之一.

2 总结及展望

总的来看，国内外学者在交通态势表征及辨识、交通态势演化分析、交通态势影响评估等方面已做出了许多扎实有效的工作，对于理解和把握交通态势演化规律、制定合理有效的交通管控策略具有重要的理论参考价值和现实应用意义.结合当前背景下城市交通态势演化分析的实际需求，现有研究仍存在着数据空间单一、影响要素维度少、趋势特征粒度粗、多层次融合缺乏等问题，交通态势演化机理仍需深入探究，在路网交通态势分层表征及多层次关联辨识、多要素作用下路网交通态势演化跨空间协同分析、面向不同评估分级的关键交通要素提取及交通态势分级评估模型构建等关键技术问题方面仍待进一步突破.

基于上述总结分析，结合国内外最新技术提出了城市道路交通态势演化领域未来的研究方向：①通过构建宏观—中观—微观多层次交通状态特征时空关联关系，完善融合路网交通运行状态变化趋势的分层次表征及辨识方法，实现交通态势演化机理的精准捕捉；②研究面向多元空间多交通要素作用下的交通态势演化关联协同分析方法，深入探索交通系统演化规律；③通过对交通态势及其变化趋势进行分层分级综合评估，突破不同评估分级的关键交通要素提取和交通态势影响全面评估模型构建等重要技术问题.