温美玲，路鹏远，蔡 林，程洋溢

(1.武汉大学 测绘学院，湖北 武汉 430070；2.武汉大学 计算机学院，湖北 武汉 430070)

随着城市的快速发展，城市道路上的车辆逐日增多，留下海量的轨迹数据。这些轨迹数据较传统交通数据具有覆盖面广、实时性高等突出特点，具有巨大的利用潜力。如何使用大规模轨迹数据处理交通和道路问题，是世界各国智能交通领域研究的热点，各种研究成果如雨后春笋般涌现，目前主要应用领域有路网更新[1]、交通决策[2]、道路堵塞疏通[3]、交通拥堵评价[4]、动态交通诱导[5]和城市交通综合评估[6]等。

交通拥堵已成为我国的一个老大难问题，严重影响了人民群众生活，制约了社会经济的发展[7]，因此笔者着重探讨轨迹大数据在交通拥堵评估和预测方面的应用，建立了一种基于深度学习的城市短时交通拥堵评估和预测模型。

1 数据处理

1.1 评估参数

笔者采用交通流参数对交通拥堵状况进行评估[8]，3个主要的交通流参数分别是交通量f、交通流速度v、交通流密度k。其计算公式为：

f=N/t

(1)

式中:N为通过该路段的车辆数；t为时间。

v=L/t

(2)

式中：L为道路总长度；t为道路上所有车辆穿过道路所用的平均时间。本文对交通流速度的计算采用某段道路上所有车辆速度的平均值。

k=N/L

(3)

式中：N为路段内车辆数，L为路段总长度。

由式(1)～式(3)可得到交通流密度与交通量和交通流速度的关系：

k=f/v

(4)

1.2 数据预处理

研究样本为北京市2012年11月1日到8日的城市出租车交通数据，以市北二环的一条道路为研究目标。……