基于样本容量的浮动车数据路网覆盖能力研究

第26卷 第8期2009年8月

公 路 交 通 科 技

Journal of Highway and Transportation Research and Development

Vol 126 No 18 Aug 12009

文章编号:1002O 0268(2009)08O 0140O 05

收稿日期:2008O 08O 25

基金项目:国家自然科学基金资助项目(50738004);国家高技术研究发展计划(八六三计划)资助项目(2007AA11Z206)

作者简介:辛飞飞(1980-),男,山西忻州人,博士,讲师,研究方向为交通运输系统规划与智能交通系统1(xi nfei@tongji 1edu 1cn)

基于样本容量的浮动车数据路网覆盖能力研究

辛飞飞,陈小鸿,林航飞

(同济大学 交通工程系,上海 200092)

摘要:以出租车作为浮动车数据采集探测车,针对探测车在路网上行驶的不确定性,提出浮动车数据路网覆盖能力的概念,研究覆盖能力与探测车样本量之间的关系。以覆盖强度和覆盖率为指标,采用简单随机抽样方法,研究了在10种样本条件下浮动车数据路网覆盖能力的变化情况,并进行回归分析。结果表明:在不同样本容量下,浮动车数据对各等级路网的覆盖强度和覆盖率均具有相似的时变特征;各等级路网的平均覆盖强度随样本容量线性增长,增长率随道路等级下降而迅速减小,高等级道路具有更高的覆盖强度;各等级路网的覆盖率随样本容量增大呈非线性增长,高等级道路能够更快达到稳定值;用浮动车数据判别高等级道路的交通状态,可适当降低样本容量。关键词:交通工程;路网覆盖能力;样本容量;浮动车数据;回归分析中图分类号:U491 文献标识码:A

Study on Detecting Capability of Floating Ca r Da ta in Road N etwork Based on Sample Size

XI N Feifei,C HE N Xiaohong,LIN Hangfei

(Department of Traffic Engineering,Tongji University,Shanghai 200092,China)

Abstract :Taxies were selected as probe cars to collect Floating Car Data (FCD)which can be used to evaluate traffic conditions in road network 1In order to study the uncertainty of probe cars when traveling in urban road network,the definition of Detecting Capability (DC)was put forward 1The relationship between DC of FCD and probe car sample size was investigated,which can help find reasonable sample size 1Two indexes na med Detecting Intensity (DI)and Detecting Rate (DR)were designed to analyze the change of DC under 10sa mples with different sample sizes by simple random sampling and regression 1The result shows that (1)there are similar time O variable charac teristics of DI and DR under different sample sizes;(2)average DI in the network increases linearly with the growth of sample size and the gro wth rate of DI in arterial roads is much higher than that in access roads;(3)DR in road network increases non O linearly with the growth of sample size and DR of arterial roads can reach steady O state value more rapidly than that of access roads when sample size increases;(4)the sa mple size of probe cars can be reduced when FCD are used to evaluate traffic conditions in arterial roads 1

Key words :traffic engineering;detecting capability;sample size;floating car data;regression analysis 0 引言

浮动车数据(Floating Car Data)

[1]

采集技术是近

年来兴起的一种动态交通信息检测技术,其基本原理是利用车载GPS 设备定期传送车辆编号、时间、经纬度坐标等信息,计算车辆行程车速和行程时间,判别道路交通运行状态。德国、日本[2]

等国近年来都先

后建成了基于浮动车数据的交通信息服务系统。出于

车辆调度的需求,国内许多大城市的出租车都安装了GPS 设备,客观上为浮动车数据采集、应用和研究创造了有利条件。

与感应线圈、微波雷达等定点检测设备不同,由于车辆的行驶行为具有不确定性,采集到的浮动车数据在不同时间、不通区域对路网的覆盖能力有一定差

异。应用浮动车数据判别交通运行状态,必须定量化分析这种差异性。本文将浮动车数据的覆盖能力划分为两方面:(1)路网中每个路段单位时间内被浮动车经过的次数,称之为覆盖强度[3]

,也可以理解为探测车在路段上被/观测0到的次数,能够反映根据浮动车数据计算出的路段车速的可靠程度;(2)有浮动车数据的路段在路网中所占的比例,表示浮动车数据的

路网覆盖范围,称为覆盖率[3]

。浮动车数据路网覆盖能力的这两个方面都和样本容量有密切关系。通常样本容量越高,对路网的覆盖范围就越大、各路段被浮动车经过的次数也就越多,覆盖能力就越强。但如果片面追求覆盖能力而加大样本容量,所需的运营维护费用就会成倍增加,特别是对于实时交通信息发布系统,其系统开销和响应速度也会受到显著影响。通过分析不同样本容量条件下,浮动车数据路网覆盖能力的变化情况,不仅能够掌握浮动车数据的路网分布规律,而且有助于确定合理的浮动车样本量,实现数据可靠度和系统效益兼顾的目标。

在基于浮动车数据的交通信息系统中,探测车对路网的覆盖能力以及样本量始终是核心问题。由于缺乏数据积累,有关浮动车数据的既有研究集中在数据

采集技术、分析与应用方法[4-10]

,缺乏基于大样本、针对整体路网覆盖能力的研究。目前国内若干大城市已经开始建设大规模的浮动车数据采集与应用系统,有必要加强相关的研究工作。由于出行隐私等原因,国内外基于浮动车数据的交通信息系统主要以出租车作为数据采集对象,国内大城市出租车的数量和使用频率远高于国外城市,这也为开展此项研究提供了极为有利的条件。本文选取深圳市10组出租车作为浮动车,样本容量最高达到3000辆,对不同样本容量条件下浮动车数据的路网覆盖能力进行分析,研究两者之间的定量关系。1 数据采集与处理方法

通过计算机抽样的方式收集10组浮动车样本,样本容量最低为300辆,最高为3000辆,每组样本的容量以300辆为单位依次递增,抽样过程中遵循简单随机原则。各组样本采集到的数据通过清洗、地图匹配后,计算出探测车的行驶路径,再进行路网覆盖能力分析,处理流程见图1。

(1)数据采集

样本取自深圳市4家大型出租车公司,营运范围能够全面地覆盖深圳市的主要建成区。采集的浮动车

数据包括车辆编号、日期、当前时刻、经纬度坐标、

图1 浮动车数据处理流程

Fig 11 Flow chart of floation car data processing

瞬时车速、方向角、载客标志等。这些数据每隔30s 左右由车载GPS 设备发送一次。全部10组样本数据的采集时间为同一个典型工作日的24h (2006年11月23日),累计获得原始浮动车数据记录3004749条。

(2)数据清洗

由于未载客出租车在寻找客源的过程中,经常出现路边侯客、休息、不规则变道和加减速等随意性较大的驾驶行为,并不能真实反映城市道路的实际交通运行状况,因此本文在研究过程中删除了空车数据首先剔除空车数据。此外,民用GPS 系统自身精度有限,再加上地面建筑物遮挡、车载GPS 设备故障等原因,接收浮动车数据时会出现GPS 数据漂移、车速值异常、接收时间混乱等情况,还必须对原始数据进行逻辑判断、过滤异常数据。删除空车数据和异常数据后,最终得到有效数据共计966327条。

(3)地图匹配并计算路径

数据清洗后,需进行地图匹配。将有效数据按照经纬度坐标逐个对应到路网电子地图上,根据浮动车数据记录中的车辆编号、时刻、经纬度坐标生成每辆车的行驶路径,这些路径在电子地图中体现为一系列路段编号的组合。

(4)计算覆盖能力指标

以覆盖强度和覆盖率作为浮动车数据路网覆盖能力分析指标。覆盖强度指单位时间内,某一路段被浮动车行驶经过的次数。经过地图匹配后,某路段被浮动车经过的次数等同于被包含在电子地图路径中的次数。覆盖率指单位时间内,被浮动车经过的次数达到指定数量(阈值)的路段,其里程之和与路网总里程

141

第8期 辛飞飞,等:基于样本容量的浮动车数据路网覆盖能力研究

的比值。

覆盖强度可以看作是某路段被/观测0到浮动车的次数。本文在研究过程中采用所有路段的平均覆盖强度来反映路网的总体覆盖强度。计算覆盖率时,结果会根据指定的/阈值0不同而变化。记覆盖率阈值为K,根据覆盖强度的定义,K值实际上等同于覆盖强度。本文研究过程中以1h作为单位时间,分别取K=12、24次P h和48次P h,可看作是1h内平均每个5min某路段被经过1次、2次和4次。对于实时交通信息系统,5min也是常用的信息发布时间间隔。

(5)统计分析

对计算结果进行统计分析时体现以下原则:1)区分道路等级,反映道路功能上的差异性;2)区分时段,对1天24h进行分析。最后对各等级路网在不同样本容量下的平均覆盖强度、覆盖率进行回归,分析样本容量和覆盖能力指标之间的定量关系。

2计算结果与分析

211覆盖强度

编程计算得到10组样本在各等级路网上全天24 h的平均覆盖强度,见图2。容量为300的样本由于覆盖强度值偏小,时变情况不明显,其他样本对各等级路网的覆盖强度在时变规律上体现了较强的一致性。这表明当样本容量达到一定数量之后,覆盖强度具有比较稳定的时变特征。

随着样本容量的增大,各等级路网的平均覆盖强度在24个时段均明显上升,但高峰时段的上升幅度更为明显。取覆盖率达到极大值的一个时段(9-10时)和极小值的一个时段(5-6时),分析样本容量和路网平均覆盖强度之间的相关关系,见图3。

图3中各路网平均覆盖强度和样本容量之间呈线性关系,回归方程其拟合优度均在0198以上。道路等级对覆盖强度的增长率具有显著影响。在相同的样本容量下,高等级道路将获得更高的覆盖强度。如果浮动车数据主要用于判别高等级道路的交通运行状况,可适当较低对样本容量的要求。相反,如果要保证支路具有12次P h的平均覆盖强度水平,根据图3的回归结果样本容量就需要6000辆以上,系统代价很高。

212覆盖率

取K=12,K=24和K=48次P h,编程计算得到10组样本在各等级路网上全天24h的覆盖率。图4显示了当K=12时,各等级路网在不同样本容

量条

图2不同样本容量下各等级路网的

平均覆盖强度

Fig12Average detecting intensity of all road ranks under different sample

sizes

图3各等级路网平均覆盖强度与样本容量的关系Fig13Relationship between average detecting

intensity and sam ple size

142公路交通科技第26卷

件下覆盖率的时变情况,K =24和K =48时与之类似。与覆盖强度相似,覆盖率在1天当中也出现了两个较为持久的高峰时段,但高峰与低谷之间的相对差距不如覆盖强度明显。除容量为300的样本以外,其他样本对各等级路网的覆盖率在时变规律上同样体现

出较强的一致性。

图4 不同样本容量下各等级路网的

覆盖率(K =12)

Fig 14 Detecting rates of all road ranks under

different sample sizes

取覆盖率达到极大值的一个时段(9-10时),分析不同道路等级和K 值条件下覆盖率和样本容量之间的关系,见图5。图5中,各等级路网的覆盖率均随着样本容量的增加而提高。对于快速路、主干路和次干路,覆盖率随样本容量提高的幅度逐步缩小、

覆盖率曲线逐渐平缓,而且道路等级越高,这种现象就越明显。支路由于路段众多,覆盖率偏低,尚未出现这种变化趋势。当K 值增大时,同样显示出类似的规律性,但达到稳定值所需的样本容量更大:当K 取12时快速路覆盖率在样本容量为1500时就基本达到了稳定值,而当K 取24时和48时,样本容量为3000

时覆盖率才开始趋于稳定。

图5 各等级路网覆盖率随样本容量的

变化情况(9-10时)

Fig 15 Relationship between detecting rate and

sample size (9-10am)

根据图5中曲线的大致形状,采用BoxLucas 模型

进行拟合,方程为y =a #(1-e -b #x

),是一条具有极限值的负指数曲线,并且经过原点,表示样本容量为0时覆盖率也相应取0。对于快速路和主干道,当K =12时具有较高的拟合优度,见图6

。

图6 覆盖率和样本容量的拟合曲线(K =12)Fig 16 Fitting curves of BoxLucas model (K =12)

如果接受这种拟合结果,曲线方程中的系数即可

看作给定K 值条件下覆盖率的最高水平:快速路覆盖率最高可达0183,主干路最高可达0174。这种结果有一定的实际意义:由于选取的浮动车样本均为出租车,而出租车作为营运车辆具有特殊的行驶特性,往往聚集于公共活动集中的地区以及城市主要客运通道上,而且总体出行分布相对稳定,因此在指定时段不可能覆盖路网上的全部道路;当出租车样本量达到一定的水平之后,追加的样本由于重复行驶在已被覆盖的道路上,并不会使路网覆盖率出现显著提高。因

143

第8期 辛飞飞,等:基于样本容量的浮动车数据路网覆盖能力研究

此,在确定浮动车样本容量时,追求完全的路网覆盖并不可取。

对于低等级道路(支路)、高覆盖强度阈值(K =24、K=48)B oxLucas模型的拟合优度不佳,可能的原因是所选用的10组样本容量尚不能使覆盖率达到稳定水平。

3结论

(1)在不同的样本容量下,各等级路网的覆盖强度和覆盖率均具有稳定的时变特征。

(2)各等级路网的平均覆盖强度随样本容量线性增长,但增长率随着道路等级下降而迅速减小。在相同的样本容量下,高等级道路具有更高的覆盖强度,车速计算值通常更为可靠。

(3)随着样本容量的提高,各等级路网的覆盖率呈非线性增长,高等级道路能够更快达到稳定值。本文以出租车作为数据来源,浮动车数据并不能实现对路网的全覆盖,其覆盖率趋近于小于1的极值,高等级道路具有更高的覆盖率极值。

(4)综合覆盖强度和覆盖率的分析结果,对于判别高等级道路的交通运行状态,可适当降低对浮动车样本容量的需求。

参考文献:

References:

[1]G&UHNE MANN A,SC H&A FER R P,THIESSE NHUSEN K U,

et al1Monitoring Traffic and Emissions by Floati ng Car Data

[R]1Berlin:Insti tute of Transport Studies,The University of

Sydney and Monash University,20041

[2]唐克双,姚恩建1日本ITS开发和运用的实例)))名古

屋基于出租车信息的P O DRGS简介[J]1城市交通,

2006,4(3):74-761

TANG Keshuang,YAO Enjian1Example of ITS Development

and Application in Japan:An Introduction on Nagoya Probe O

vehicle O based Dynamic Route Guidance System[J]1Urban

Transport of China,2006,4(3):74-761

[3]名古屋大学,P O DRGS协议会1基于浮动车数据的城市

交通信息系统评价)))深圳市先进交通信息系统一期

工程评价议案[R]1名古屋:名古屋大学,P O DRGS协

议会,20061

Nagoya University,Ins titute of P O DRGS1Assessmen t for Urban

Transport Information System Based on Floating Car Data:The

Assessment Bill of Shenzhen Advanced Transp ort Informati on

Sys tem?[R]1Nagoya:Nagoya University,Insti tute of P O

DRGS,20061[4]张存保,杨晓光,严新平1移动交通检测系统中探测

车的样本数量[J]1中国公路学报,2007,20(1):96

-1011

Z HANG Cunbao,YANG Xiaoguang,YAN Xinping1Probe

Vehicles Sample Size for Mobile Traffic Detection System[J]1

China Journal of High way and Transport,2007,20(1):96

-1011

[5]张存保,杨晓光,严新平1基于浮动车的交通信息采集

系统研究[J]1交通与计算机,2006,24(5):31-341

ZHANG Cunbao,YANG Xiaoguang,YAN Xinping1Traffic

Data Collection System Based on Floating Cars[J]1Compu ter

and Communications,2006,24(5):31-341

[6]董敬欣,吴建平,郭继孚1基于GPS P GIS数据的路网层

次划分研究)))北京的实践[J]1城市规划,2005,29

(10):70-741

DONG Jingxin,WU Jianping,GUO Jifu1Assessment of Road

Network Based on GPS P GIS Data:A Practice in Beijing[J]1

City Planning Review,2005,29(10):70-741

[7]董敬欣,吴建平1使用浮动车检测OD矩阵的算法及可

靠性分析[J]1北京交通大学学报,2005,29(3):73

-761

DONG Jingxin,WU Jianping1An Algorithm to Esti mate OD

Matrix with Probe Vehicle and Its Reliability Analysis[J]1

Journal of Northern Jiaotong University,2005,29(3):73-

761

[8]涂智,李昊,姚琛,等1基于最小浮动车样本数量的

道路覆盖率与交通信息更新周期研究[J]1中国铁道

科学,2006,27(5):127-1311

TU Zhi,LI Hao,YAO Chen,et al1Study on the Route Cov-

erage and the Update Cycle of Transportation Information Based

on the M i nimu m Samples of Floating Car[J]1China Rail way

Science,2006,27(5):127-1311

[9]钱寒峰,林航飞,杨东援1浮动车车速处理分析系统

中的数据融合技术[J]1计算机工程与应用,2007,43

(31):230-2321

QIAN Hanfeng,LIN Hangfei,YANG Dongyuan1Data Fusi on

Technique in Floating Car Processing Analysis System to Obtain

Vehicle Speed[J]1Computer Engineering and Applications,

2007,43(31):230-2321

[10]邹亮,徐建闽,朱玲湘,等1基于浮动车移动检测与

感应线圈融合技术的行程时间估计模型[J]1公路交

通科技,2007,24(6):114-1171

ZOU Liang,XU Jianmin,ZHU Lingx iang,et al1Estimati on

Model of Travel Time Based on Fusion Technique from Probe

Vehicle and Crossing Data[J]1Journal of High way and

Transportation Research and Development,2007,24(6):

114-1171

144公路交通科技第26卷