董洁霜，方天源，周亦威

（上海理工大学 管理学院，上海 200093）

0 引 言

城市道路交通运行状态数据，是交通出行决策和拥堵治理的关键。路网高峰行程延时指数，简称“延时指数（Delay Index）”，作为城市道路路况重要指标之一，其根据交通部门提供的实时监控和各地图导航后台返回的大数据综合判断，为出行者提供导航路线参考。

现状研究主要针对拥堵延时指数的空间属性。袁浩［1］等人研究人口、用地属性、交通基础设施密度等空间异质属性对拥堵延时指数的关系。冯海霞［2］等人通过地理加权回归（geographically weighted regression，GWR）模型，定量分析拥堵延时指数与空气质量指数的强相关性。汪传雷［3］等人利用熵值法研究不同车型对拥堵延时指数的影响程度，提出分车型的治堵措施。胡成雨［4］等人基于Kruskal－Wallis 检验，对中国不同城市拥堵延时指数进行比较和排名，量化各城市的交通健康差异情况。相较统计理论模型，深度学习的方法对短时交通流数据的捕捉能力更好［5］，但统计学模型适用于长时间跨度的交通流状态指标分析预测。相关研究表明，城市道路拥堵延时指数在时间上有明显的周期特性［6］。其表现为，节假日的始末段拥堵延时指数较高，工作日的周一、周五拥堵延时指数高于该周的其它工作日。但实际上，在长跨度的时间序列数据中，受天气条件、临时交通管控政策、交通基础设施建设进度等多因素影响，并非周一、周五拥堵延时指数都比其余工作日高。如果在建模分析时默认存在时间序列周期性，会对区域交通运行状态指标研判工作有一定的干扰。……