动态交通信息分析服务系统（DTIPS）简介

　　摘要：交通信息服务是知识化信息服务的一种，出行者信息服务又是其中一个重要的部分，具有知识化信息服务的特点，同时对动态交通信息的实时性及准确性有一定要求。信息服务质量在影响用户的使用效果的同时，也影响城市交通系统本身的运行效率。基本浮动车的移动型采集技术受到各种因素的限制，会降低实时信息的精度。文章从各类影响因素出发，分析了可能的产生的误差；基于用户的需求，开发了动态交通信息分析服务系统（DTIPS）；并介绍了系统信息质量的评估方法和评估结果。

　　0.引言

　　从智能交通领域在世界范围内的发展现状和趋势来看，交通信息的采集、处理和发布日益成为交通管理的重要内容。国内外很多大中城市的交通管理部门都已拥有了实时采集、处理、分析和发布大范围道路网络的交通信息的能力。动态交通信息服务系统建立在完善的信息网络基础之上，交通参与者通过装置在道路、车辆、换乘枢纽、停车场等地方的传感器，向监控中心发送采集到的实时数据，监控中心把处理后的数据提供给参与者，便于其进行出行方式选择和路径选择，实现人-车-路的交互。也即，动态交通信息服务系统采集交通数据，分析和挖掘数据，为出行者在从起点到终点的出行提供实时帮助，使之安全、舒适、便捷和高效。其主要作用及效益在于可以均衡交通流在路网上的分配，提高道路通行效率，降低出行时间和延误；提高突发事故的应对能力，减少二次事故的发生；降低能源消耗和环境污染，推动"绿色交通"。

　　交通信息采集是实时交通信息服务的基础，具体是指利用各种检测技术手段对交通运输系统中的动态和静态交通信息进行获取的过程。由于静态交通信息相对比较稳定，在较短时期内一般不会发生变化；而动态信息由于各种外部因素的影响，道路交通状态呈现出随机变化的特性，从而使交通信息的实时处理与发布成为一大难点。因此准确、全面、可靠的采集动态交通信息是目前交通信息采集工作的主要内容。但"动态"和"实时"是一个相对的概念，对于不可预知的路网交通状态变化，要做到绝对的动态和实时是不可能的，只能使其在较短的时间内（如5分钟或15分钟）完成数据采集和处理，满足出行者尽快获知信息的需要。如何提高信息的精度以满足出行者的需求，是急待解决的问题。

　　1.国内外系统简介

　　美国德州Huston地区的Transtar系统和芝加哥Illinois地区的ADVANCE项目是国际上研究较早的浮动车项目。其中Transtar系统采用典型的车辆自动识别（AVI）技术，从1994年开始研究利用浮动车进行行程时间采集，1996年又进行了匝道控制和OD矩阵估计方面的研究。1994年，ADVANCE项目利用GPS浮动车和感应线圈数据的整合以检测交通事故、预测行程时间，最终达到路线导航的目的。1998年，Berkeley大学在I－880高速公路上将巡逻车作为浮动车，融合感应线圈的数据应用于高速公路事件侦测和管理。2003年开始的密尼苏达州Ford Research项目也包含了浮动车技术在交通事件检测、交通安全与维护、交通管理、紧急事件反应等方面的内容。在利用公交车作为浮动车应用方面，俄勒冈州和华盛顿州分别在2000年前后建成了TriMet系统（www.trimet.org）和Probe View 系统，这两种系统均基于Web技术，可以得到根据AVL公交浮动车数据实时更新的道路交通状况。从2003年至2005年佛罗里达州交通部专门对利用各种AVL／AVI浮动车采集行程时间的技术进行专门认证。加州CCIT项目组在2004年也开发研究了一种多功能的浮动车数据采集系统。

　　日本土地基建交通部从1999年开始以Smartway项目为依托，致力于将浮动车技术用于道路交通规划与管理，到2004年有超过16个城市、15000辆浮动车参与了试验。这些工作侧重于将浮动车应用于中长期的道路交通管理和评估而非实时的浮动车数据处理与信息服务。在实时交通信息处理方面，日本分别展开了JARI项目和IPCar浮动车系统的研究和建设。由日本经济贸易工业部METI发起的JARI项目利用出租车集团车辆实现实时的浮动车信息处理。浮动车与信息中心之间通过Internet连接，主要应用于行程时间信息服务、车辆管理、天气信息服务等方面。IPCar浮动车系统利用出租车和公交车作为浮动车，2001年11月和2003年分别在Yokohama和Nagoya进行了实验。该项目认为，通过车辆轨迹和车辆状态参数的分析可以准确区别出道路交通的状态模式，并可以根据出租车乘客起讫点数据估计出OD流量。另外，由建设省、警示厅和邮电省共同组织的VICS（Vehicle Information and Communication System）项目中，开发了一种远红外车辆检测器。这种检测器也可以作为高带宽双向通讯发射与接收器，向车辆提供实时车速等交通信息，并从装备了这种检测的车辆获取路段行程时间。

　　德国因拥有多个国际汽车集团而在浮动车技术领域走在世界前列。DaimlerChrysler公司、BMW&VW公司、Volkswagen汽车集团均组织了相应的浮动车项目。BMW的DDG项目使用了25000辆浮动车和4000个道路检测传感器，在试验的基础上该公司提出了第二代浮动车XFCD（Extended Floating Car Data）概念，即能通过车辆行为特性自动滤除错误数据；通过雨刷、速度、ABS和车头灯信息反应出天气情况和路面情况；通过计算车辆速度和加速度得到交通状态。另外柏林交通研究所从2001年5月到2003年4月研究了使用2300辆集团出租车作为浮动车的系统。柏林的VMZBERLIN系统采用感应线圈和浮动车相结合的形式为出行者提供简单定性的交通信息服务。

　　英国最早于1988年开始Trafficmaster项目的研究，后续又在M4高速路展开针对AVI浮动车项目的Road Traffic Advisor项目，目前以增加交通安全、降低污染为目的由Atkins公司参与建设的PROBE－IT项目正在进行中。瑞典的OPTIS项目的实验于2002年4月至9月在Gothenburg路网上进行，共使用223辆出行距离最长的车辆作为浮动车；荷兰Prelude项目于1998年及1999年初在荷兰港城Rotterdam进行，利用60辆采用匿名方式确定的差分GPS浮动车。另外如法国、新加坡、韩国等也进行了相应的研究。

　　国内以深圳为代表，深圳城市交通仿真系统的子系统之一是建立城市安全保障与应急调度系统，由各部门协作实现，其中规划局负责应急需求的交通支持与调度系统（火警、救护等），交警局负责交通异常事件检测与应急引导系统，交通局负责危险品运输与特殊车辆监控系统。但该系统中实现道路监控及事件检测的数据来源是固定型交通检测器（即环型检测线圈），且检测结果依赖于检测器的埋设间距。

　　2.信息精度影响因素分析

　　在没有交通信息的情况下，驾驶员的选择行为主要依据个人经验（对道路的熟悉程度、过去的交通情况等）来确定。若通过交通信息系统向驾驶员提供实时的道路拥挤程度、预测行程时间、交通事故等信息，驾驶员会根据这些信息，在综合考虑各种因素的基础上做出选择。美国西雅图的一份调查表明，大部分出行者在出行选择时会受到交通信息的影响，其中有52.4%的出行者在出行途中会受到交通信息的影响而转向另一路线。下表表明了出行者的出行路线受不同因素影响的程度。

　　表1 出行者出行路线受不同因素的影响程度

　　实时交通信息与实际情况可能存在一定差异。当驾驶员发现两者相差过大时，对信息的信任度就会降低，接受度也会相应下降，从而影响到动态交通信息服务系统的运行效益。日本学者提出了一种路线选择的实验分析方法，通过反复提供行程时间信息，来研究信息质量对驾驶员路线选择行为的影响。结果表明，信息质量对驾驶员的路线选择行为有重要影响。随着交通信息质量的降低，信息对驾驶员路线选择的重要性降低；即使信息的质量得到改善，已使用过低质量的驾驶员也不会改变对信息的评价和选择路线时使用信息的目的，最终将导致交通信息系统效益的恶化。

　　影响信息精度的因素主要有以下几类：

　　1、电子地图的精度：

　　数字地图位置的精确度：数字化是一项工作量较大的机械劳动，在大量重复作业时容易造成错误，路段有可能偏离实际道路，当这种偏离的程度很大时，对浮动车数据的地图匹配产生较大的影响；

　　数字地图属性信息的完整性：单行道路和转向限制信息等地图信息将有效提高得到的实时车辆数据匹配精确度，错误的信息将导致匹配路径部分错误甚至完全错误，进而影响到实时交通信息的准确性；

　　坐标转换：传输到控制中心的GPS数据点首先经过坐标转换，使之与数字地图的坐标系统统一。

　　数字地图图形误差的表达式如下：

　　2、GPS源数据误差

　　由于钟差、大气效应、接收机误差等各种误差源的影响，GPS定位精度误差在100米左右；在城市高密度道路线网中或被高大建筑物阻挡时，GPS车辆定位可能出现"盲区"，不能精确识别车辆的行驶方向和速度；在车辆速度很低的情况下可能会出现数据"漂移"，降低数据的可信任度，影响道路车速统计的精度；

　　面临着交通数据的成本问题，通常情况下，浮动车的数据越多，所获得的体现交通流总体特征的交通数据的成本越高。为满足对基本交通流信息精度的要求，需要足够多的装有GPS的车辆运行在城市道路网络中；

　　3、地图匹配误差

　　受GPS精度、电子地图精度以及驾驶员行为等因素的影响，使浮动车数据的地图匹配变得非常复杂，并成为浮动车检测系统的关键技术之一。车辆在高架路上或下面行驶时，交通信息中心就无法有效地辨别车辆是在高架路上下；尤其是在采样频率较低的情况下，无论是GPS点数据的匹配，还是行驶路径的匹配，都呈现出一定的不确定性。

　　衡量行驶路径的匹配精度，可以采用3种指标，分别是：出行次数的匹配正确率、有效里程的匹配正确率，以及路段匹配正确率；衡量GPS数据点的匹配精度，可以采用GPS数据点衡量标准，即真实位置与配准位置之间的距离。

　　4、行程车速估计误差：

　　交叉口影响：由于路段的行程车速不能直接观测到，而必须通过地图匹配计算出每个路段的行程车速，这一过程将产生误差。交叉口信号控制将增大误差产生的可能性。

　　采样间隔：通常把统计时间段的路段所有观测值的平均值作为该路段在统计时间段内的估计值。因为缺少更多的信息来帮助判断该时间间隔内的行为，在计算路段的行程车速／时间时，每两个相邻GPS数据点之间的交通行为通常简单假设为匀速行驶。这种假设在特定情况下将带来一定偏差，尤其是在有信号类控制的交叉口附近。复杂的交通行为及GPS信息的采样频率都将影响这一观测值的准确性。

　　5、路网覆盖率

　　利用相同路段和时段多辆车的速度信息可以描述交通运行状况，做出交通状态的基本判断，但在实际情况中，某一路段上浮动车辆的覆盖率并不稳定，据此计算出某个时段内路段的平均行程速度可能存在较大偏差

　　关于移动式检测器的交通信息采集技术的样本量和精度研究主要可以分为以下三种：基于数理统计的理论分析方法；基于交通仿真的分析方法；基于实际检测数据的分析。对于数理统计方法主要从理论上分析浮动的样本数量与数据精度之间的关系，强调推理的逻辑性和完备性，通常会做一些比较严格的假设，从而导致与实际的偏差；基于交通仿真的分析方法可以根据需要任意设定浮动车样本比例，然后分析样本数量与数据误差之间的关系，具有很强的灵活性，研究结果比较符合被仿真的道路网络情况，但很难在理论层面建立普遍适用的方法和模型，其研究结果的可移植性无法保证；基于实际检测数据的分析方法是最准确、可靠的方法，但受人力、物力等诸多因素的限制，存在试验方案灵活性较低、道路网络覆盖较小、试验成本较高等问题。

　　制定方案考虑的因素包括应用、精度及投入。信息精度是重要因素，但并非唯一的考虑因素；并非最精确的技术就应该被采用，更重要的是针对具体的应用，选择满足需求而又投入最少的方案。技术方案只是到达应用的手段，不同应用需要不同精度，方案的应用必须符合用户的需求。

　　3.动态交通信息处理系统

　　北大千方综合国内外对浮动车处理的先进经验，充分利用国内出租车行运的特别优势，并融合其他交通管控设备的相关信息，推出具有自主知识产权的千方多源交通信息采集与动态导航系统，成功的解决了信息传输、地理匹配、模型算法、仿真预测、终端发布等技术难关，并通过对国内几个重点城市的实际应用及优化改进，推出了适合中国交通现状的智能交通产品及解决方案，在准确性、稳定性、权威性方面得到了国内外专家及政府决策机构的一致肯定。

　　动态交通信息处理系统（DTIPS）依靠领先的研发实力和专有技术，旨在为公众、行业及政府提供实时的、准确的交通信息服务。DTIPS动态交通信息处理系统由八个子系统组成，其系统架构如图所示。

　　图1 系统框架图

　　本项目技术的先进性主要表现在：

　　1. 设计理念创新

　　在城市交通规划与设计中引入动态交通信息，建立战略、宏观、中观、微观于一体的智能仿真平台；

　　将智能化仿真技术手段融入到城市交通规划设计、运行评价、交通解决方案选择以及交通建设决策中，提高城市交通规划设计决策的科学性和整体效率；为城市建设和交通规划决策流程优化奠定技术基础。

　　2. 系统集成创新

　　通过城市交通规划设计与交通仿真、计算机软件与硬件系统、通信与网络传输交换系统、传感与综合数据采集系统，实现了跨学科应用的系统集成创新。

　　3. 规划流程创新

　　改变传统交通规划封闭、静态的研究方法，建立基于实时、连续交通信息采集和处理的交通规划技术，实现基础数据采集的现代化、自动化。不仅在调查研究、寻求解决方案、决策三大流程中融入了智能化技术手段，而且改变了以往决策阶段人工操作评价模式，引入了智能仿真平台理念，实现交通规划方案生成的定量性、科学性。

　　利用先进的WebGIS等技术，实现多种方式的交通信息发布，为运输企业和公众提供所需的交通信息，引导合理的交通行为，优化交通运输结构。

　　系统是由北大千方研发的具有自主知识产权的集实时交通信息接入、处理、发布、动态导航于一体的动态交通信息处理系统，可以实现浮动车数据（FCD）、定点数据、公交车辆动态位置信息、停车位信息等数据源的接入，并通过专门的处理算法，产生高质量的道路实时路况数据、公交到站预测数据及停车场空位数据等，并按照各种数据格式进行发布，实现了基于动态交通信息的动态路径规划和路径引导。其各环节的流程图见下图所示。

　　图2 系统采集、处理、发布流程图

　　系统的服务性能及故障恢复能力要求如下：

　　服务稳定性：365*24小时在线；

　　数据处理时限：从接受到计算周期内最后一条数据起，处理时间小于1分钟；

　　数据更新时限：小于5分钟，并将2分钟的更新间隔作为下步目标；

　　时间覆盖率：运营时间（7：00-22：00）内大于99%；

　　故障感知：程序感知故障时间小于5分钟；人工发现故障时间小于30分钟；

　　故障恢复时间：重大故障小于1天；一般故障小于3天；

　　其中，重大故障定义为：信息里程覆盖率重要道路和主干道低于80%，次干道低于50%；准确率突发性低于70%；或是数据源停止数据供应超过30小时。

　　一般故障：信息覆盖率突发性低于90%，次干道低于65%；准确率突发性低于80%；以及其它除重大故障以外的故障。

　　4.系统性能测试

　　动态交通信息处理系统完成开发后进行了多次质量评估，从需求角度将其定义为四个服务质量等级。一级服务质量能够准确提供拥堵位置和基本事件信息；二级服务质量能够精确描述拥堵情况和事件信息；三级服务质量能够实现多源交通信息整合，即不同交通信息参数之间的换算、数据质量的识别、可以对当前交通状态进行历史统计分析或实时仿真拟合并评价质量，从而实现基于实测、历史统计、实时仿真数据的集成并稳定的提供全路径覆盖的交通路况信息；三级服务质量能够实现短期交通预测（2小时内出发并到达）。下文对信息质量评估的过程及结果进行介绍。

　　4.1评估目的

　　对利用浮动车采集数据生成的路网交通信息的可靠性进行检验，进而验证系统FCD数据采集、模型计算方面的准确性。

　　4.2评估方法

　　将实测轨迹点与数据源路网相匹配；

　　读取数据源路网每个基本路段起点和终点的时间信息，计算实测车辆在该路段的行程时间；

　　获取路段长度，计算通过该路段的平均行程速度；

　　将实测的平均行程速度与数据源在该时段发布的速度进行对比，计算道路里程的正确率。

　　参考各城市交通管理部门对拥堵、缓行和畅通的划分标准及出行者的感受，区分快速路（高架、高速和城市快速路）和主要道路两类界定不同的阈值，分别如下：

　　快速路：

　　拥堵：<20km/h

　　缓行：20km/h<v<40km/h

　　畅通：v>40km/h

　　主要道路

　　拥堵：<12km/h

　　缓行：12km/h<v<25km/h

　　畅通：v>25km/h

　　4.3评测指标

　　里程百分比：

　　实测畅通：指实测畅通的有效道路长度占实测有效总长度的比值；

　　实测缓行：指实测缓行的有效道路长度占实测有效总长度的比值；

　　实测拥堵：指实测拥堵的有效道路长度占实测有效总长度的比值；

　　发布畅通：指数据源发布畅通的有效道路长度占实测有效总长度的比值；

　　发布缓行：指数据源发布缓行的有效道路长度占实测有效总长度的比值；

　　发布拥堵：指数据源发布拥堵的有效道路长度占实测有效总长度的比值；

　　发布非畅通：指数据源发布非畅通的有效道路长度占实测有效总长度的比值；

　　按里程发布正确的百分比

　　发布畅通：指发布畅通且正确的有效道路长度占发布畅通的有效道路长度的比值；

　　发布缓行：指发布缓行且正确的有效道路长度占发布缓行的有效道路长度的比值；

　　发布拥堵：指发布拥堵且正确的有效道路长度占发布拥堵的有效道路长度的比值；

　　发布非畅通：指发布非畅通且正确的有效道路长度占发布非畅通的有效道路长度的比值；

　　发布信息正确百分比：指发布正确的有效道路总长度占实测道路有效总长度的比值；

　　个数百分比

　　实测畅通：指实测畅通的有效路段个数占实测有效路段总个数的比值；

　　实测缓行：指实测缓行的有效路段个数占实测有效路段总个数的比值；

　　实测拥堵：指实测拥堵的有效路段个数占实测有效路段总个数的比值；

　　发布畅通：指数据源发布畅通的有效路段个数占实测有效路段总个数的比值；

　　发布缓行：指数据源发布缓行的有效路段个数占实测有效路段总个数的比值；

　　发布拥堵：指数据源发布拥堵的有效路段个数占实测有效路段总个数的比值；

　　发布非畅通：指数据源发布非畅通的有效路段个数占实测有效路段总个数的比值；

　　按个数发布正确的百分比

　　发布畅通：指发布畅通且正确的有效路段个数占发布畅通的有效路段总个数的比值；

　　发布缓行：指发布缓行且正确的有效路段个数占发布缓行的有效路段总个数的比值；

　　发布拥堵：指发布拥堵且正确的有效路段个数占发布拥堵的有效路段总个数的比值；

　　发布非畅通：指发布非畅通且正确的有效路段个数占发布非畅通的有效路段总个数的比值；

　　发布信息正确百分比：指发布正确的有效路段总个数占实测道路有效路段总个数的比值；

　　拥堵点分析

　　KQZ1：发布正确的拥堵路段数占实测拥堵路段总数的比值；

　　KQZ2：发布错误的拥堵路段数占发布拥堵路段总数的比值；

　　计算公式如下：

　

　　有效性指标

　　KV1：发布正确的拥堵和缓行路段数占实测拥堵和缓行总路段数的比值；

　　KV2：发布错误的拥堵和缓行路段数占发布拥堵和缓行总路段数的比值；

　　计算公式如下：

　　

　　4.4评估结果

　　2009年以来利用上述评估方法和指标对北京、上海的道路进行多次测试，汇总多次评估结果如下：

　　总计正确率：大于80%

　　发布拥堵里程正确率：大于70%；

　　拥堵点路段错误率：小于30%；

　　5.结语

　　北大千方综合国内外对浮动车处理的先进经验，充分利用国内出租车行运的特别优势，并融合其他交通管控设备的相关信息，推出具有自主知识产权的千方多源交通信息采集与动态导航系统，成功的解决了信息传输、地理匹配、模型算法、仿真预测、终端发布等技术难关。通过对国内几个重点城市的实际应用及优化改进，推出了适合中国交通现状的智能交通产品及解决方案；在承接政府与行业需求的基础上，积极开拓面向公众的交通信息服务运营。本课题得到北京市高成长企业自主创新科技专项资助，课题名称是动态交通信息分析服务系统。

　　参考文献

　　涂颖菲.出行者信息服务系统的技术与应用比较研究[M]. 上海：同济大学,2006

　　童小华,陈建阳,吴淑琴.基于GIS和GPS的交通状态参数估计仿真分析[J].同济大学学报,2006,34(1)

　　Spyridakis J., Barfield W., Conquest L., et al. Surveying commuter behavior: designing motorist information system [J]. Transportation Research, 1991, 25(1):17-30

　　Bobba Rohini. Predicting speeds on urban streets using real-time GPS data [C]. Masters Abstracts International, 2000, 41(04):1137

　　Xiaowen Dai, Martin A. Ferman, Robert P. Roesser. A Simulation eva luation of a Real-Time Traffic Information System Using Probe Vehicles [C]. IEEE Proc. of Intelligent Transportation Systems,2003, 1:475-480


作者简介

　 赵华鸿1 周双全1 杨小文2 张建忠2 张志平2

　　(1 北京北大千方科技有限公司，北京 100191；2 上海优途信息科技有限公司，上海 200433)