黄丰雨 吴业福 陈镜任 吴冰

摘 要：针对国内外有关交通行为谱研究的特征指标和评价指标不完善，且不能定量分析等问题，设计并定义了相应的特征指标和评价指标以建立完整的、能够定量化的分析区域交通行为数据的交通行为谱体系。首先基于交通行为特征，采用改进的层次分析法（AHP）对交通秩序类型进行了分类;其次采用多数据融合的实时系统集成（RTSI）算法对某路段交通安全性进行综合评判。最后开发了交通行为谱分析工具，该工具能根据交通实况数据计算区域路段的交通安全指数，较为完备地分析该路段内的交通行为。

关键词：交通行为谱;交通行为谱分析工具;区域道路实况数据;交通行为特征;多数据融合

中图分类号： TP391.4

文献标志码：A

文章编号：1001-9081（2019）03-0907-06

Abstract： Aiming at the problem that the characteristic and evaluation indexes for reasearch of traffic behavior spectrum are incompleted both at home and abroad and quantitative analysis cannot be performed in the research， the corresponding characteristic and evaluation indexes were defined to establish a complete traffic behavior spectrum system with quantitative analysis of regional traffic behavior data. Firstly， based on the characteristics of traffic behavior， an improved Analytic Hierarchy Process （AHP） was used to classify the traffic order types. Secondly， Real-Time System Integration （RTSI） algorithm with multi-data fusion was used to comprehensively evaluate the traffic safety of a certain road. Finally， a traffic behavior spectrum analysis tool was developed， calculating traffic safety index of a road section according to the traffic live data， and analyzing traffic behavior in the section more completely.

Key words： traffic behavior spectrum; analysis tool of traffic behavior spectrum; regional road live data; traffic behavior characteristic; multi-data fusion

0 引言

我国汽车数量逐年上升，交通安全管理面临巨大的挑战。为更好地提高人们的出行效率，提高人们的交通安全意识，根据实时路况进行交通安全预警，国家科技部、公安部、交通运输部组织实施了“国家道路科技行动计划（二期）”，以有效预防道路交通事故的发生、减少交通事故伤亡和损失。

交通行为由交通秩序和交通环境两部分构成。现有的交通秩序评价指标主要包括车辆行驶速度、出行时间延误等[1]。利用层次综合判断模型分析各项指标之间的联系，进而判定交通秩序的好坏[2]。通过交通环境对交通安全的影响[3]，计算交叉口的交通运行能力和交通安全指数。在构建交通行为谱体系前，需要进行数据采集和交通安全评价。

在数据采集方面，王坤峰等[4]提出了一种基于多特征融合的视觉交通数据采集的方法。该方法在图像上配置多个虚拟环路（检测区域），通过识别像素变化来采集车辆数据。Yu等[5]提出了基于无线传感器网络（Wireless Sensor Network， WSN）和浮動车辆技术的混合交通信息采集与通信算法，解决了数据包传递延迟长、延迟抖动大的问题。Luo等[6]提出压缩数据采集（Compressed Data Gathering， CDG）方法，该方法可以降低通信成本，保持传感器数据保真度。

在交通安全评价研究方面：郭礼照等[7]构建了层次分析

法（Analytic Hierarchy Process， AHP）和模糊综合评价法有机结合的评价模型，建立了相应的评价指标体系。Wen等[8]利用模糊理论建立模糊综合评价模型，建立了交通安全评价指标体系。李金花等[9]将微观仿真与交通冲突分析技术相结合，建立基于微观仿真的城市交叉口间接交通安全评价模型，确立城市交叉口交通安全评价流程。罗强等[10]利用层次分析法，依次选取相应的二级和三级评价指标，进而建立城市道路交通安全评价的综合体系;然后基于此评价体系利用模糊算法建立城市交通状况的评价模型。

以上研究能够反映某路段、某时段的部分交通行为，但不全面。本文所基于的课题提出了交通行为谱这一概念。交通行为谱是全面记录区域交通的特征表现及其内在规律的数据体系，全面记录了交通参与者在交通过程中的共性特征，可以动态地分析相关的交通状况信息。本研究就交通行为谱体系结构的评价方法和对应的应用分析工具展开研究，基于驾驶信息和卡口过车信息的基础数据，通过对基础数据信息的提炼分析，从中得出区域交通行为的内在规律。通过深入研究交通行为特征指标和分析软件工具，客观评价交通行为类型，为交通行为谱分析系统提供有效的理论和工具支持。

1 交通行为谱指标设计

1.1 交通行为特征指标

交通行为谱通过对区域交通行为进行实时监测，从中提取出评价区域交通行为的特征参数。交通行为谱体系结构如图1所示。

区域交通安全直接受交通秩序和交通环境的影响。衡量道路交通秩序的好坏，与道路的车流量密度、车辆的违章情况以及车辆行驶速度等因素有关。交通环境与道路上的交通指示牌、道路天气以及道路线形等因素有关。从交通的特点出发，本研究将交通秩序主要分为好（A）、中（B）、差（C）三种类型，将交通环境分为好（a）、差（b）两种类型。

综合交通秩序、交通环境两者，将区域交通行为谱的描述指标及其安全等级规划如表1所示。

这些描述指标的表现如下：

1） 交通秩序好交通环境好（Aa）：超速的车辆比例低，交通违章率低，路段平均车速较高，低于限速比例的车辆少，交通环境良好，总体上此路段为行车安全路段。建议：保持当前交通状态。

2） 交通秩序好交通环境差（Ab）：超速的车辆比例低，交通违章率低，路段平均车速较高，车速差小，低于限速比例的车辆少，交通环境较差，总体上此路段行车较为安全。建议：保持当前交通状态，需关注恶劣天气变化引起的交通状态改变。

3） 交通秩序中交通环境好（Ba）：超速车辆及交通违章率适中，车速差较小，部分车辆车速低于限速比例，但交通环境良好，总体上此路段为行车较安全路段。建议：加强交通管理，降低超速比例。

4） 交通秩序中交通环境差（Bb）：超速的车辆及交通违章率适中，车速差较小，部分车辆车速会低于限速比例，加之，交通环境较差，总体上此路段行车较为危险。建议：加强交通管理，采用可变信息板引导行车速度。

5） 交通秩序差交通环境好（Ca）：超速的车辆及交通违章率较高，车辆车速低于限速的比例较高，超车现象较多，但交通环境良好，总体上此路段行车较为危险。建议：加强执法力度，严惩违法行为。

6） 交通秩序差交通环境差（Cb）：超速的车辆及交通违章率较高，车辆车速低于限速的比例较高，超车现象较多，加之，交通环境较差，总体上此路段行车很危险。建议：加强现场执勤和执法力度，严惩违法行为。

1.2 交通行为评价指标

交通行为一般根据道路车辆行驶速度、违章次数以及行车间距等因素来评判。交通行为每5min计算一次，以下指标都是5min内采集的数据。

交通事故的产生往往与驾驶人超速的违章行为紧密相关，因此，交通行为中的违章率可由超速车辆比例来反映：

其中：N0为5min内经过的车辆数，N>120%为5min内超过限速20%的车辆数，一般城市道路限速为60km/h，Α为超速车辆比例。

一般而言，在道路行驶时，在不超速的情况下，车辆行驶速度越大，车头时距越大，道路交通秩序越好，因此用路段平均车速和车头时距不足占比两个因素作为交通行为的评价指标，即：

其中：vi表示车辆的行驶速度，N0为5min内经过的车辆数，V为平均车速，tn表示第n车经过道路某一断面的时间，tn-1表示第n-1 辆车（即车辆n的前车，同一车道）经过道路某一断面的时间;N<2.5表示在限定时间段内，通过道路某一断面的、车头时距低于2.5s的车辆数，表示车头时距小于2.5s的车辆比例。

车辆在行驶过程中，如果车速过低，会降低卡口的效率甚至造成交通拥堵，严重影响卡口的交通秩序，因此将低速行驶作为交通秩序的评价指标，即：

其中：Nles表示在5min内低速行驶的车辆数，N0表示在5min内经过的车辆的总和，B表示低于限速车辆的比例，将车速低于40km/h的车辆定位低速行驶车辆。

2 交通行為谱特征指标计算

2.1 交通秩序分析算法及步骤

交通秩序由交通秩序评价指标决定，首先构造交通秩序分类层次模型，对各个交通秩序评价指标进行两两比较的运算分析;然后计算交通秩序分类层次模型中各个交通秩序评价指标的权重，综合各项评价指标的运算分析结果，将权重乘以各项指标运算结果得到最终交通秩序结果。流程如下：

步骤1 首先建立交通秩序分类层次结构模型，如图2所示。

步骤2 采用1-9标度法对交通秩序评价指标两两比较运算，将超速车辆比例（A1）、路段平均车速（A2）、低于限速车辆比例（A3）及车头时距不足占比（A4）两两对比，得到对应的判断矩阵D如下：

步骤3 为保证交通秩序层次分类模型的一致性，对交通秩序分类单排序进行一致性检测。一致性指标CI定义如下：

其中：λmax为矩阵D的最大特征值，n为矩阵D的阶数即为4。计算矩阵D的特征值，计算得到最大特征值λmax为4.0429，代入式（8）中得到一致性指标CI为0.0143，查表可得判断矩阵平均随机性一致性指标RI为0.9，随机一致性比率的定义如下：

将CI和RI的值代入式（6）中，计算得到CR为0.0158<0.1，可以证明交通秩序分类单排序结果具有良好的一致性。将最大特征值对应的特征向量进行归一化作为4个指标的权值，依次为：0.389，0.153，0.069，0.389。

步骤4 对四项指标进行评分，好、中、差分别对应3分、2分和1分，其规则如表2所示。

步骤5 将各项指标的运算结果乘以相应的权重即可得到交通秩序的最终结果值，将交通秩序划分为3类：好、中、差，如表3所示阈值范围分别为[1，1.67）、[1.67，2.34）、[2.34，3]。

2.2 交通环境分析算法及步骤

交通环境受能见度、道路条件等因素的影响，其中能见度可以用气象信息进行表征，因此本文选取道路条件和天气信息作为交通环境评价指标，进行交通环境分类。

交通卡口根据天气信息描述，对天气进行分类，定义规则如表3所示。根据卡口道路几何线形，对道路条件分类，规则如表4所示。道路条件和天气信息组合为交通环境，规则如表5所示。

2.3 交通安全分析算法及步骤

区域交通的安全性通过交通安全指数反映，利用多数据融合的交通风险指数模型计算特定时段（5min）内通过道路截面的车辆总体交通风险指数（纵向碰撞风险和横向碰撞风险），其计算过程如下：

其中： f3为交通风险指数，即CRI; f1为纵向碰撞风险指数，即RCRI; f2为横向碰撞风险指数，即SCRI;a为纵向碰撞风险权重;b为横向碰撞风险权重;c为交通环境权

重，c=γ×δ，根据道路线形的类型进行系数δ的取值，其取值规则如表6所示，根据不同的天气情况γ取值不同，晴天γ取值为1，雨天γ为6.443，雾天γ为4.432。

步骤1 由车头时距计算纵向风险指数RCRI，即式（9）中的f1，该指标可反映超速风险、低于限速的车辆比例、车头时距过小这3个交通秩序指标。设v1，v2分别表示前后车车速，若v2

计算5min内，每个车道上、两辆车间的车头时距，再将车头时距代入计算。f1的分子就是对5min内的、每车道的、所有车辆的碰撞概率的累加结果。其中：t1为指定车道前一车辆通过道路截面的时间;t2为指定车道后一车辆通过道路截面的时间;PC（TTC（t），α）为当TTC值为t时两车碰撞的概率;α为根据经验矫正的调整系数，表征交通冲突TTC值引发事故的概率，与路段有关，一般取2.25;T为限定时段（300s）;N表示在限定时间段内通过车道某一断面的车辆总数;L为车道数，在本次实验卡口中L=3。

步骤2 由换道风险计算横向风险指数SCRI，即式（9）中的f2。

其中，LCC=5min内整个路段的换道次数，每换道10次，可能有一次的冲突。综上， β为一次交通事故导致的概率取值为0.000124。

步骤3 路段风险指数CRI，即式（9）中的f3。

一般地，交通安全指数越低，则当前的交通安全状况越好，反之则交通安全状况越差。交通安全指数实现部分代码如下所示。

3 交通行为谱构建方案

交通行为谱由交通秩序与交通环境两大类指标耦合而成。交通秩序和交通环境的好坏直接反映了区域交通的状况。在现实生活中，人们通常通过主观观察道路的拥堵下意识地判断交通状况的好坏。本研究中，在交通卡口安装卡口路测设备对过往车辆进行监测，积累大量的过往车辆的信息。

交通秩序一般通过违章率、行车车速以及行车延误综合评价。交通环境一般通过能见度、地形、天气等进行评测。本研究利用海康威视公司的卡口监控平台进行交通数据采集。交通行为谱是全面记录了交通行为特性的基础数据体系，它主要从卡口所在的地形、道路情况、气象信息、过车信息等外部条件入手，通过对基础信息的定量分析，从中发掘出交通行为的特征，从而为道路安全的研究提供理论支撑，其主要构建方案如图3所示。

针对交通秩序和区域交通安全指数进行分析研究。交通安全指数对某路段交通安全性的综合评判。该技术基于构建的交通行为谱数据库，分别提取出多种交通行为参数及路段交通环境参数的综合结果。

利用卡口采集的过车辆数据，采用层次分析对交通秩序进行定量评价，采用气象预报进行卡口天气信息的数据采集以及卡口地形对交通环境进行评价，综合交通秩序和交通环境对交通状况进行客观分析，从中发掘内在规律。利用卡口的过车信息和交通环境信息计算得到安全指数，进行卡口安全指数发布和安全预警。

4 实验分析与结果

4.1 数据采集

为实现对交通基础数据的监控，本研究选取位于武汉理工大学附近的理工二桥作为安装地点，该天桥宽7m，长200m，横跨武汉市友谊大道，连接着武汉理工大学余家头校区的两处教学区。由于该路段车流量较大，交通环境较为复杂，在该路段所采集的数据，可以满足后续实验的要求。天桥上布设海康威视所提供的全套卡口监控系统及交通监控视频系统，整个系统的架构如图4所示。通过前端子系统以及卡口抓拍单元对过往车辆进行信息采集，通过交换机以及光纤收发器将卡口数据传输至数据存储中心。

该平台不仅能够通过近景摄像头、雷达等卡口监控系统采集车辆号牌、车型、车速等基本数据，还能够利用多路高清摄像头采集所辖路段的高清视频流数据。本次卡口采集的数据，在基础数据的基础上建立了相应的视图，视图中主要包括车速、车辆类型、车牌号等过车信息，将其作为交通行为分析的数据支撑。其中车身颜色、号牌种类、行驶方向等信息数据库中采用标准编码格式进行存储，在数据查询需将其代表的实际含义进行数据转化，界面采用异步传输技术，数据传输采用JSON格式的数据串进行传输，前端进行数据解析后可以得到过车信息。

4.2 交通行为分析结果展示

本文对理工二桥卡口进行其交通秩序统计。交通秩序以5min为周期进行一次计算，将车速平均值、超速车辆比例、低于限速车辆比例以及车头时距四项指标进行加权计算得到结果，其具体计算结果如表7所示。

根据计算结果，按照表7将交通秩序进行分类，得到如图5（a）所示结果，该图查询2017-03-05T07：00：00—2017-03-05T08：00：00的交通秩序情况。在此时间段内交通秩序主要分类为好和中两类，各占50%。此外，交通秩序的分类主要从超速车辆比例、路段平均车速、车头时距不足占比、低于限速车辆比例等四项指标判断，可以查询特定时间段内对应参数的曲线变化情况，如图5（b），查询2017-03-01T07：00：00至2017-03-01T08：00：00時间段超速车辆占比变化曲线。

基于理工二桥卡口对其应用交通环境分析算法。其中天气信息运用天气预报的API进行5min为周期的自动数据导入，道路条件通过对卡口地形的判断，进行手工录入。查询2017-03-07—2017-03-08时间内的交通环境情况，根据上述交通环境分类构建方法，分析得到交通环境在此时间段内类型为好，其结果如图5（c）。

基于理工二橋卡口数据对其应用交通安全指数分析算法。安全指数5min计算一次。图5（d）是对当前（2017-03-10T19：43：15至2017-03-10T19：48：15）安全指数进行分析，达到实时预警效果。

对历史交通安全指数（2017-02-26T08：00：00—2017-02-26T09：00：00）分析，可查看历史安全指数变化趋势，如图5（e）。

综上分析结果可得出结论，武汉市友谊大道理工二桥卡口处的交通行为情况整体较好，在一天当中，交通秩序总体尚可，但在早高峰7：00-9：00等时期会因车辆数量增多而拥堵，导致交通秩序变为由好变为中等，尤其是在7：00-8：00，18：30-19：30时段，易出现驾驶人超速行驶、抢道、由跟车距离过近导致的车头时距不足等交通行为，为该时段本就不乐观的交通秩序带来更多困难。此外，同时段的交通安全指数也有明显上升趋势，非高峰时期交通安全指数大约为0.4，在早晚高峰时期，交通安全指数上升至0.6，在8：00—8：30，17：30—18：30一度上升至0.8，显然该时段内的交通状况不安全，交管部门需加强对交通参与者的教育，提高出行安全意识，并根据交通安全指数历史记录分时段制定出合理的车辆分流方案，减少事故发生率，提升出行安全水平。

5 结语

本研究改善了国内外有关交通行为谱研究的特征指标和评价指标不完善的问题，所研发的交通行为谱分析工具能作到定量分析区域道路实况数据，可用于卡口的车辆驾驶行为的检测，进行卡口交通状况的实时反映以达到及时预警作用。此外，通过采集大量的交通行为数据，进一步提取出区域性的交通特征参数，对于区域性交通安全手册的编写有着重要的指导意义。但研究中仍存在影响交通环境因素的相对不确定性、交通行为本身的复杂性、多样性等问题，值得在未来的研究过程中继续探索。

参考文献 （References）

[1] 陈旭.交通秩序数字化管理平台[D].长春：吉林大学，2016：28-31.（CHEN X. Digital management platform of traffic order [D]. Changchun： Jilin University， 2016：28-31.）

[2] 汪益敏，郭继幸，李林生，等.基于层次分析法的公路运营期路基状况评价[J].华南理工大学学报（自然科学版），2017，45（6）：37-43.（WANG Y M， GUO J X， LI L S， et al. Condition evaluation of subgrade in highway operation period based on analytical hierarchy process [J]. Journal of South China University of Technology （Natural Science Edition）， 2017， 45（6）： 37-43.）

[3] 刘家玮.道路交通环境对交通安全的影响及解决对策分析[J].中国管理信息化，2017，20（18）：207-208.（LIU J W. Influence of road traffic environment on traffic safety and analysis of countermeasures [J]. China Management Informationization， 2017， 20（18）： 207-208.）

[4] 王坤峰，李镇江，汤淑明.基于多特征融合的视频交通数据采集方法[J].自动化学报，2011，37（3）：322-330.（WANG K F， LI Z J， TANG S M. Visual traffic data collection approach based on multi-features fusion [J]. Acta Automatica Sinica， 2011， 37（3）： 322-330.）

[5] YU H， GUO M. A self-adapting data collection approach in wireless sensor networks for urban traffic information monitoring [C]// Proceedings of the 2010 IEEE International Conference on Intelligent Computing and Intelligent Systems. Piscataway， NJ： IEEE， 2010： 196-200.

[6] LUO C， WU F， SUN J， et al. Efficient measurement generation and pervasive sparsity for compressive data gathering [J]. IEEE Transactions on Wireless Communications， 2010， 9（12）： 3728-3738.

[7] 郭礼照，杨三强，周良川，等.基于模糊层次分析法的高速公路交通安全综合评价[J].交通科技与经济，2017，19（2）：8-12.（GUO L Z， YANG S Q， ZHOU L C， et al. Traffic safety comprehensive assessment of expressway based on fuzzy analytic hierarchy process [J]. Technology and Economy in Areas of Communications， 2017， 19（2）： 8-12.）

[8] WEN H， CHEN X. Traffic safety evaluation model for mountain road under bad weather based fuzzy comprehensive evaluation [C]// Proceedings of the 2011 International Conference on Multimedia Technology. Piscataway， NJ： IEEE， 2011： 1865-1868.

[9] 李金花，刘莉，张宁，等.基于仿真的城市道路交叉口交通安全评价[J]. 中国安全科学学报，2016，26（12）：41-46.（LI J H， LIU L， ZHANG N， et al. Simulation-based evaluation of urban road intersection traffic safety [J]. China Safety Science Journal， 2016， 26（12）： 41-46.）

[10] 罗强，胡三根，龚华炜，等.城市道路交通安全评价体系研究与模型构建[J].广西大学学报（自然科学版），2017，42（2）：587-592.（LUO Q， HU S G， GONG H W， et al. Model building and research of urban road traffic safety evaluation system [J]. Journal of Guangxi University （Natural Science Edition）， 2017， 42（2）： 587-592.）

[11] 李文勇，余子威，王涛，等.基于交叉口复杂度的交叉口秩序模型[J]. 广西大学学报（自然科学版），2016，41（5）：1538-1544.（LI W Y， YU Z W， WANG T， et al. An intersection order model based on intersection complexity [J]. Journal of Guangxi University （Natural Science Edition），2016， 41（5）： 1538-1544.）

[12] TANG T-Q， WANG Y-P， YANG X-B， et al. A multilane traffic flow model accounting for lane width， lane-changing and the number of lanes [J]. Networks and Spatial Economics， 2014， 14（3/4）： 465-483.

[13] LI S B， LIN Y， REN H L， et al. Research on control strategies and optimal signal timing for traffic congestion based on prediction [J]. Applied Mechanics and Materials， 2011，40/41： 858-865.

[14] 張惠玲，尹宝计.限速值对信号交叉口交通安全的影响分析[J].中国安全科学学报，2015，25（2）：112-116.（ZHANG H L， YIN B J. Analyzing effects of speed limit on traffic safety at signalized intersection [J]. China Safety Science Journal， 2015， 25（2）：112-116.）

[15] 张南，秦兵杰.基于交通冲突技术的高速公路合流区段安全性研究[J].综合运输，2016，38（10）：55-59.（ZHANG N， QIN B J. Safety evaluation of freeway merge segment based on traffic conflict technique [J]. China Transportation Review， 2016， 38（10）： 55-59.）