摘 要：文章将基于手机大数据生成的实时车速数据和实时收费站入口数据进行融合，通过专有模型实现收费口与瓶颈拥堵路段的关联，实时监测收费口流量，当收费口流量超过瓶颈路段流量阈值时，实时发布收费口流量预警信息，包括瓶颈路段流量预测信息、瓶颈路段预计发生拥堵时间等信息，及时疏导收费口车流，避免交通拥堵的发生。
关键词：手机大数据；收费口流量预警；高速路网；智能交通系统
中图分类号：U491.116 文献标志码：A 文章编号：2095-2945（2018）20-0001-04
Abstract： In this paper， the real-time speed data generated by mobile phone big data and the real-time toll station entrance data are fused to realize the connection between the toll port and the bottleneck section through the proprietary model， and the real-time monitoring of the toll port flow is carried out. When the flow of toll port exceeds the threshold of flow of bottleneck section， the warning information of traffic flow of toll port is issued in real time， including traffic forecast information of bottleneck section and forecast time of congestion in bottleneck section， so that traffic flow of toll port can be dredged in time and traffic jams can be avoided.
Keywords： mobile phone big data； toll port traffic warning； freeway network； intelligent transportation system
引言
随着当今移动互联网及智能手机终端的普及与技术发展，手机拥有率和使用率已经达到相当高的比例，手机移动网络也基本实现了城市空间区域的全覆盖。利用手机大数据采集高速公路全路网的实时交通信息已经成为欧美发达国家及中国交通部认可的国家级路网运行监测的有效途径。2013年国庆前，浙江省交通运输厅建设了全国第一个省级高速公路路网的手机交通信息采集系统，在全国范围率先实现了利用手机大数据对高速公路路网的运行监测。截至2017年12月份为止，浙江省交通运输厅利用通讯运营商的手机大数据，已覆盖了14條高速公路（双向总里程4200公里）实时交通状态信息的采集、处理、监测等工作，并在实际运行中取得了良好的效果。
目前浙江省交通运输厅除了拥有基于手机大数据的高速公路交通信息，还拥有其他类型的交通大数据，例如收费站数据、交调站数据和视频数据。这些数据虽然能够实时反映高速公路的运行情况，但是对交通管理部门而言依然缺乏瓶颈路段的交通流量预警信息，无法及时疏导车流，避免交通拥堵的发生。
本文将手机大数据生成的实时车速数据和实时收费站数据进行融合，建设一套“基于手机与流量数据的高速公路收费口流量预警支撑系统”，实时监测收费口流量，当收费口流量超过瓶颈拥堵路段流量阈值时，实时发布收费口流量预警信息，包括瓶颈路段流量预测信息、瓶颈路段预计发生拥堵时间等信息，提前预测浙江省高速公路瓶颈路段的拥堵态势，为交通管理部门制定收费站入口限流措施，发布车流疏导信息提供数据支撑。
1 系统设计研究
1.1系统总体设计（如图1）
基于手机与流量数据的高速公路收费口流量预警支撑系统主要包括3个实时分析子系统和1个历史训练子系统：
（1）数据接入子系统；实时接入基于手机的车速数据和收费站数据。
（2）数据质量评估子系统：对实时接入的手机车速数据和收费站数据进行质量评估，筛选出合格的数据进行拥堵预测预警处理。
（3）收费口流量预警处理子系统：构建收费口与瓶颈路段流量预警模型，实现收费口与瓶颈路段的关联，实时监测收费口流量，当流量超出瓶颈路段流量阈值时，发布收费口流量预警信息。
（4）参数训练子系统；利用历史手机大数据和历史收费站数据对模型参数进行定期训练，参数定期更新后再次接入收费口流量预警处理子系统。
1.2 系统功能设计（如图2）
1.2.1 数据接入子系统
实时接入基于手机大数据获取的高速公路车速数据和高速公路收费数据，完成各系统之间数据的传输及交换，实现各系统间横向的信息共享。
系统功能：数据汇聚。具体功能分析：
（1）数据汇聚客户端根据传输协议读取接入数据。
（2）数据汇聚客户端把读取的数据根据内部传输协议传输到汇聚接收服务器。
（3）汇聚接收服务器接收到数据后发消息通知。
（4）数据接收客户端接收完数据后以文件形式保存。
1.2.2 数据质量评估子系统
数据质量评估子系统对实时采集的手机车速数据与收费站流量数据根据质量各项指标进行数据质量评估，检验数据的时空覆盖范围以及有效性和可靠度，过滤掉错误数据，最终筛选出合格的数据进行拥堵预测预警处理。
具体系统功能如下：
（1）手机车速数据质量评估
a. 时间覆盖率检验，是否有时间缺失数据；b. 空间覆盖率检验，是否有空间缺失数据；c. 数据有效性检验，是否有错误数据；d. 过滤剔除错误无效数据，保留有效数据。
（2）收费站数据质量评估
a. 入口时间检验，是否有入口时间缺失数据；b. 入口收费站点检验，是否有入口收费站点缺失数据；c. 数据有效性检验，是否有错误数据；d. 过滤剔除错误无效数据，保留有效数据。
1.2.3 收费口流量预警处理子系统
收费口流量预警处理子系统根据接入的有效数据，通过收费口与瓶颈路段流量预警模型，及时发布收费口流量预警信息。
具体系统功能如下：
（1）数据提取：从数据中提取出对拥堵预测有用的信息；
（2）数据融合：通过算法融合不同来源数据（实时手机车速数据和实时收费站流量数据）；
（3）收费口与瓶颈路段流量预警：通过收费口与瓶颈路段流量预警算法，实时监测收费口流量，当收费站流量超出瓶颈路段流量阈值时，结合高速公路路网实时手机车速数据，估算瓶颈路段预计发生拥堵时间，生成对应的收费口流量预警信息；
（4）数据发布：根据制定接口将系统输出的收费口流量预警信息对外发布。
1.2.4 参数训练子系统
参数训练子系统对历史手机大数据和收费站数据进行参数训练，及时更新实时系统所需的参数表。
具体系统功能如下：
（1）路网OD与路径分布：通过路网OD与路径分布算法，训练收费站入口流量占比表、OD路径表以及收费站OD流量比例表。
（2）路段通行能力标定：通过路段通行能力标定算法，训练瓶颈路段通行能力的阈值表。
1.3 核心算法研究
1.3.1 收费口与瓶颈路段流量预警算法（如图3）
（1）瓶颈路段拥堵时间预估
a. 路网OD与路径分布：通过参数训练获得收费站入口流量占比表、OD路径表以及收费站OD流量比例表。b.瓶颈路段流量预测：将当前周期各收费站入口流量，根据收费站OD流量比例表分配至瓶颈路段，集计瓶颈路段对应所有相关收费入口的分配流量。c. 瓶颈路段拥堵预判：利用参数训练获得的路段通行能力阈值表对当前周期瓶颈路段的预测流量进行拥堵预判。d. 瓶颈路段拥堵时间预估：根据OD路径表，结合实时路段手机车速数据，估算瓶颈路段发生拥堵的预计时间。
（2）收费站入口流量预警
a. 收费口对应瓶颈路段流量预警阈值标定：基于瓶颈路段通行能力的阈值，根据收费站OD流量比例表和收费站入口流量占比表，标定收费口对应瓶颈路段的流量预警阈值表。b. 收费站入口流量预警：当收费站当前周期入口流量超出收费口对应瓶颈路段流量预警阈值时，发布收费口流量预警信息。
1.3.2 路网OD与路径分布算法（如图4）
（1）收费站数据通过流量OD规律分析模块，按照时间维度对收费站OD分布进行分类划分，生成不同时间类型情况下从某入口收费站至某出口收费站的日均流量及流量占比。
（2）手机大数据通过手机OD与路径分析模块，按照同样的时间维度生成高速公路手机OD分布以及手机OD路径分布。其中手机OD分布数据反映了实际客流在高速公路出入口之间的日均流量情况，而手机OD路径分布则反映高速公路出入口之间的日均流量分别通过不同路径的比例。
（3）路网OD与路径分布训练模块通过数据融合与训练，生成收费站入口流量占比表、OD路径表、收费站OD流量比例表。
1.3.3 路段通行能力标定算法（如图5）
（1）手机大数据通过路段行程车速估算模块生成历史路段手机车速。
（2）收费站数据通过流量分析模块生成高速公路历史流量数据。
（3）路段通行能力标定模块根据交通流量、速度、密度相互关系模型，结合收费站历史流量数据和手机大数据获取的历史车速数据，开展瓶颈路段的流量和车速关联性分析，标定路段的通行能力，生成路段通行能力阈值表。
2 系統实现
2.1 系统实施
在浙江省交通运输厅搭建了一套“基于手机与流量数据的高速公路收费口流量预警支撑系统”，实时系统框架如图6所示。
基础数据层：系统输入数据为实时的手机车速数据和收费站数据。
数据中心层：实现数据接入和数据质量评估功能，该层主要包括数据接入子系统和数据质量评估子系统。
数据分析层：该层主要实现收费口流量预警处理子系统各项功能。
应用层：本系统能够为交通管理部门、交通运营部门、交通规划部门以及社会公众提供高速公路瓶颈路段的拥堵态势以及收费站流量预警信息。
2.2 系统输入与输出
2.2.1 系统输入
（1）实时手机车速数据：当前运算周期基于路段编号的平均车速。
（2）实时收费站入口流量数据：收费口入口最新进入的车辆信息，包括车型、是否ETC车辆、进入该收费口的实际时间。
2.2.2 系统输出
收费口流量预警信息（见表1）
2.3 系统成果
（1）系统数据查询：实现系统输入数据和输出结果的查询。
（2）系统状态监控：实现系统运行状态监控和系统异常信息查询。
（3）系统参数维护：实现系统基础数据的维护，例如收费站基础数据维护。
（4）系统管理：实现用户管理、菜单管理、角色管理及菜单权限管理。
图7是系统数据查询页面的拥堵预测结果查询界面，展示系统生成的流量预警信息。
2.4 精度测试
由实时车速数据推断真实的交通状态作为测试的基准数据，通过与拥堵预警信息进行对比分析，验证并评价系统发布结果的准确性。
采用的评估指标为《GB/T 29101-2012 道路交通信息服务数据服务质量规范》中6.2.2.3 交通状态准确率。公式如下：
测试时间为2017年10月17日与10月18日，测试范围为杭州绕城高速、杭金衢高速、杭宁高速。
表2 拥堵预测准确率
预测发生拥堵的时间路段总数为62个，其中与实际发生拥堵状态相符的个数为52，拥堵预测准确率达到83.87%，拥堵预测准确率较高，并且系统对瓶颈路段的非偶发性拥堵的预测时间均提前了15分钟至2小时，能够满足交通管理部门的预警需求。
3 结束语
本文充分挖掘了浙江省交通运输厅现有数据的应用价值，将基于手机大数据生成的实时车速数据和实时收费站入口数据相融合，研发了收费口与瓶颈路段流量预警算法以及历史参数训练模型，实现了收费口与瓶颈拥堵路段的关联，当收费口流量超过瓶颈拥堵路段流量阈值时，输出收费口流量预警信息。
本文完成了“基于手机与流量数据的高速公路收费口流量预警支撑系统”的总体设计和功能设计，并在浙江省交通运输厅搭建了该系统。该系统能够实时监测收费口流量，及时发布收费口流量预警信息，为交通管理部门疏导交通流量、制定限流措施提供了数据支撑。
此外，对系统的输出预测结果进行精度评估，选取了62个样本，其中与实际发生拥堵状态相符的个数为52个，拥堵预测准确率达到83.87%，拥堵预测时间均提前了15分钟至2小时，能够满足交通管理部门的预警需求。
参考文献：
[1]吕梦蛟.基于移动通信基站大数据的高速公路交通状态采集研究与应用[J].公路，2016，8：157-163.
[2]王久辉.基于手机与流量数据的浙江高速公路擁堵预测关键技术研究[J].科技展望，2017，27：99-104.
[3]徐云飞.高速公路拥堵事件检测中的背景建模及状态判别方法研究[D].重庆大学，2014.
[4]朱景瑜.基于移动通信基站大数据检测浙江省高速公路交通状态的质量评估分析研究[J].黑龙江科技信息，2016，30：157-159.
