魏文钰 欧阳志濠 刘绮森 梁逸龙 蔡立椿

摘  要：宏观基本图可从宏观层面对路网交通状态进行判别，但只能判别路网交通是否处于过饱和状态，无法进一步划分路网交通状态，而谱聚类算法能有效地对样本数据进行分类。鉴于此，文章提出基于宏观基本图和谱聚类的路网交通状态判别方法，首先利用浮动车估测法得到路网宏观基本图，然后依据谱聚类算法，对路网宏观基本图进行聚类分析，从而将路网交通状态划分为四个等级（低峰、平峰、高峰、过饱和）。为了验证算法的有效性，以广州市越秀区北京路周边路网为例，建立基于VISSIM的微观交通仿真模型，设定浮动车比例为30%，估测路网宏观基本图，然后在MATLAB中实现谱聚类算法，将路网交通划分为四种交通状态。研究的算法能够有效地对路网交通状态进行细分，为后续对路网交通进行精细化管理与控制奠定了基础。

关键词：交通工程;路网交通状态判别;宏观基本图;谱聚类;VISSIM交通仿真

中图分类号：TP391.4      文献标识码：A 文章编号：2096-4706（2020）04-0113-03

Abstract：Macroscopic Fundamental Diagrams can distinguish the traffic state of road network from macroscopic level，but can only judge whether the road network traffic is too saturated，can not further divide the traffic state of the road network，and the spectral clustering algorithm can effectively classify the sample data. In view of this，this paper proposes a road network traffic state discrimination method based on macroscopic basic graph and spectral clustering，first using the floating vehicle estimation method to obtain the macroscopic basic map of the road network，and then according to the spectral clustering algorithm，the macroscopic basic map of the road network is cluster analysis，so as to divide the traffic state of the road network into four grades（low peak，flat peak，peak，supersaturation）. In order to verify the effectiveness of the algorithm，taking the road network around Beijing Road in Guangzhou Yuexiu District as an example，using VISSIM traffic simulation software，the simulation model of regional road network micro-traffic is established，and the proportion of floating vehicle is set as 30%，estimate the macroscopic basic map of the road network，and then realize the spectral clustering algorithm in MATLAB，which divides the road network into 4 kinds of traffic states. This algorithm can effectively subdivide the traffic state of the road network，which lays a foundation for the fine management and control of road network traffic in the next way.

Keywords：traffic engineering;road network traffic status discrimination;macroscopic fundamental diagrams;spectral clustering;VISSIM traffic simulation

0  引  言

路網交通状态客观反映路网交通运行情况，是提升城市交通控制与管理效率的关键所在。路网交通状态判别方法一直是智能交通领域的研究热点。近期研究表明，基于宏观基本图的交通判别方法可以从宏观层面对路网交通状态进行判别，但只能判别路网交通是否处于过饱和状态，无法进一步划分路网交通状态。笔者长期从事交通数据挖掘方面的研究，参与多项交通数据挖掘方面的项目，熟悉掌握各类聚类分析方法。其中谱聚类算法（Spectral Clustering）是机器学习领域的研究热点，它是一种基于谱图理论的点对聚类算法，将数据聚类问题转化为图的最优划分问题。谱聚类算法可以从宏观层面对路网的交通状态进行判别，能更加全面和准确地判别交通状况。谱聚类算法也经常被交通领域的学者用于分析交通流状况。但是未见相关文献将宏观基本图与谱聚类算法相结合，对路网进行交通状态判别。因此，本文提出基于宏观基本图和谱聚类的路网交通状态判别方法，对路网交通状态做进一步划分。

1  宏观基本图与谱聚类算法

1.1  宏观基本图

2  实验分析

2.1  建立路网微观仿真模型

根据实地调查的交通流数据，在VISSIM交通仿真软件建立仿真模型。首先导入路网布局图，然后按照实际路网绘制路网模型，输入实际交通流量，并对车流进行分配和路径诱导，在车辆中添加FCD（浮动车），其比例为30%;然后根据此路网中各个交叉口交通信号灯的实际信号周期，输入信号灯周期、设置路口红绿灯位置，并在每个转弯处都添加减速带;随后设置收集浮动车数据，其中包括每辆浮动车的数据采集的周期、速度、行驶时间、行驶距离等等。其中每15 s获取一次数据，整个路网运行86 400 s，完成路网仿真模型建立，如图1所示。

2.2  宏观基本图估测

本文利用浮动车数据估测法，根据实际交通流量，在VISSIM仿真软件绘制仿真模型时，添加了FCD（浮动车），将整个路网进行了仿真运行（运行86 400 s），得出FZP文件。将FZP文件导入到Excel中，通过代码生成加权交通流量（qw）和加权交通密度（kw），生成宏观基本图，如图2，其拟合函数为：y=0.008 5x3-0.981x2+34.41x+63.355。

2.3  谱聚类算法分析

在基于宏观基本图数据的前提下，将得知的加权交通流量（qw）和加权交通密度（kw）这两个关键数据，导入MATLAB编程软件中，并导入程序代码，生成谱聚类图，如图3所示，随后加以分析。

根据谱聚类算法可以将路网交通状态划分为低峰、平峰、高峰、过饱和等4种交通状态，并将划分交通状态的过程用MATLAB实现并进行可视化显示，具体的交通状态划分结果如图3所示，其中不同的交通状态划分用不同的颜色进行区分。当加权交通密度kw的范围在0～6 veh/km时，此时路网交通状态划分为低峰级，路网来往车辆少，此时路网交通状态畅通;当加权交通密度kw的范围在6～9 veh/km时，此时路网交通状态划分为平峰级，路网来往车辆虽稍微多，但不至于出现拥堵;当加权交通密度kw的范围在9～20 veh/km时，此时路网交通状态划分为高峰级，路网来往车辆多，有拥堵情况;当加权交通密度kw的范围在20 veh/km以上时，此时路网交通状态划分为过饱和级，路网来往车辆非常多，路面十分拥堵。因此，谱聚类算法可以比较清晰地看出路网是否拥堵，可以有效地对路网交通状态进行判别。

3  结 论

本文主要对城市路网交通状态判别进行研究，提出了基于宏观基本图和谱聚类算法的路网交通状态判别方法，并通过实际数据的实验分析证明了该算法的有效性，最终结果表明，本文算法可以清晰地将路网交通状态划分为不同的交通状态，交通管理者可以从宏观层面出发，利用路网状态变化信息，及时对拥堵的交通流进行疏导，减少交通事故，使交通安全可以得到保障，让有限的路网时空资源发挥最大的效益，对缓解城市交通拥堵具有一定的实用性。为后续进行路网精细化交通管理与控制奠定了基础。与此同时，因城市交通系统具有复杂性及实时交通流具有多变性，本次研究尚有许多不足之处有待改进。如本次研究的MFD在采用浮动车数据估测法时，设置的浮动车比例为15%，跟实际交通状况有一定的误差，可在减少与实际交通状况的误差方面进一步研究，使数据更准确。

参考文献：

[1] NAGLE A，GAYAH V. Accuracy of Networkwide Traffic States Estimated from Mobile Probe Data [J].Transportation Research Record Journal of the Transportation Research Board，2014（2421）：1-11.

[2] 林曉辉，徐建闽.基于自适应加权平均的路网MFD估测融合方法 [J].交通运输系统工程与信息，2018，18（6）：102-109.

[3] 刘仲民.基于图论的图像分割算法的研究 [D].兰州：兰州理工大学，2018.

[4] 商强，林赐云，杨兆升，等.基于谱聚类与RS-KNN的城市快速路交通状态判别 [J].华南理工大学学报（自然科学版），2017，45（6）：52-58.

作者简介：魏文钰（1999.01-），女，汉族，广东广州人，研究方向：交通控制与仿真。