本发明涉及一种评价方法，尤其涉及一种基于速度采样数据的区域交通拥堵评价方法。
背景技术
近几年，随着城市人口的扩张和汽车保有量的增加，许多大城市的交通拥堵问题日渐严重。多地政府积极寻求治理拥堵的对策，由城市规模扩大引发的一系列社会问题也成为研究热点。随着信息技术和智能设备的不断发展，车载设备、智能传感设备和监控设施的技术升级和全面覆盖提供了更大量、更直接、更多元的数据支撑。各类城市交通数据和数据挖掘技术有望为解决城市拥堵问题提供新的思路。基于城市的速度时空分布数据构建交通拥堵指数，有利于更好地掌握城市交通状况、分析拥堵特征、探讨拥堵成因并制定相应的对策。然而现有技术中，缺乏通用的、可进行时空细粒度分析的量化指标评价方法。
技术实现要素：
本发明提出一种基于速度采样数据的区域交通拥堵评价方法，既能考虑各级道路在等级和容量上的差异，也能将不同时间和空间上的交通拥堵程度统一到统一区间内，方便进行不同时段及不同区域之间的对比分析。具体包括以下步骤：
步骤1、借助车载gps装置、智能手机传感器或其他道路信息采集装置采集包含瞬时速度及对应时刻地理位置等信息的车辆道路行驶数据，以提供城市的速度时空分布数据基础；
步骤2、针对获取的城市速度时空分布数据，按一定时间粒度(该粒度可自定义)将所有数据划分为不同的时间段，针对该数据对应的城市地理范围，将其按照一定空间粒度(该粒度可自定义)划分为若干小区域；针对不同时间段的所有道路交通数据，将其按照地理位置信息投影到某一特定区域；
步骤3、对于每一时段上落在有效区域中的所有数据，可取均值来近似得到这一时段该区域的交通速度vi；
步骤4、对于任意有效区域，计算其在所有时段上的交通速度最小值、最大值，以及平均值，某区域在一天所有时段上的最大交通速度为vmax，最小交通速度为vmin，平均交通速度为vavg；
步骤5、对于选定区域某一时段上的速度vi，通过计算交通拥堵指数v′来反映交通拥堵程度：
该指数数值范围在[-1,1]之间，该数值为0则说明该区域在此时刻的交通速度处于平均状态，该值大于0说明该时刻该地区与全天平均交通状态相比较拥堵，该指数越大说明该区域在此时刻越拥堵，该值小于0说明该时刻该地区与全天平均交通状态相比较畅通，数值越小说明该区域在此时刻越畅通。
步骤6、为更符合日常认知习惯，对v′进行线性变化，将其映射至0-100之间，最终的拥堵指数θ如下：
θ＝(v′+1)*50
θ与拥堵程度成正比，θ＝0表示完全畅通，θ＝50表示速度处于全天平均水平，θ＝100则表示极端拥堵。
本发明的有益效果在于：
1.由于本发明的评价方法是数据驱动型，在智能设备快速发展的背景下，数据收集方便、灵活、及时，基于车辆速度采集的拥堵指数可以做到实时计算，且时空粒度均可调。
2.将道路速度数据直接按照经纬度投影到地图的不同区域，这种操作方法与道路匹配算法相比，更加简单直接。在充足数据的支持下，根据时间、空间划分粒度设定合理阈值进行区域过滤，即可刻画出城市的路网分布。
3.与基于道路交通密度、交通流量、排队长度、出行时间等进行设计的交通拥堵评价方法相比，本方法可以直接测算出不同区域在各个时段的交通拥堵情况，也能结合不同区域各自的实际交通情况进行计算，即考虑到了各个区域道路等级与运载能力的差异
4.有别于常见的旨在描述道路拥堵情况的其他方法，本方法测算了特定城市区域的相对拥堵状态，且该相对状态是基于该区域的历史情况来计算的，因此随着历史数据的不断更迭，该评价方法能够具备平滑的演变能力，使之更稳定、更真实地测算该区域的当前拥堵状态。
附图说明
图1为本发明的方法流程图
图2为以本发明分析6：30北京市交通拥堵情况
图3为以本发明分析8：00北京市交通拥堵情况
图4为北京市各地区全天拥堵时间图(h)
图5为北京市早高峰各环拥堵密度变化情况
图6为北京市晚高峰各环拥堵密度变化情况
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提出一种基于速度采样数据的区域交通拥堵评价方法，如图1所示，图1为本发明的方法流程图，下面结合北京市的应用实例阐述具体实施方式。
实施例中，使用北京市出租公司提供的浮动车数据，该数据集来自于北京出租车的车载设备，提供了车辆速度、时间、位置、载客状况等相关信息。在对相关数据做了必要的过滤与合并后，按照5分钟为一组进行划分，可将一天内从6：00到24：00的所有数据划分为216个数据组。实际上，gps等设备的小型化、低廉化和普及化使得这类数据的采集十分容易，共享汽车、甚至私家车等均已具备采集这类数据的能力，进一步确保了本方法的可行性与可用性；
在北京市地图上选取与数据集经纬度范围对应的约50km*50km的方形区域，按照100m*100m的精度划分，北京市可被划分为500*500的网格区域，针对每一区域，都可以计算出它的经纬度起始范围；
对于每个时间段上的道路速度数据集，都可以将其中所有的速度信息投影到地图上的对应区域，此时可以根据各个区域上数据的采集量来进行过滤，若某一区域在超过半数的时间段上数据采集量均未超过3条，则将其删去。对于某一时段上落在有效区域中的所有数据，通过取均值计算来近似得到这一时段内该区域的交通速度vi；
对每一有效区域，都可以得到该区域从早6时至晚12时每5分钟一个的交通速度信息，即对每个有效区域，都可以得到一个长为216的全天速度序列；
对每个有效区域，设全天最大速度为vmax，最小速度为vmin，计算平均速度，设为vavg；
对各个区域全天任意时段的速度vi，该时段拥堵指数的计算方法如下：
θ＝(v′+1)*50
一实施例中，某一区域全天最小速度为0km/h，最大速度为40km/h，平均速度为25km/h，则若某一时段该区域交通速度为35km/h，则其θ值为
说明该时刻该地区与全天平均交通状态相比较畅通；若某一时段该区域交通速度为10km/h，则其θ值为
即该时刻该地区与全天平均交通状态相比较拥堵。
图2为6：30北京市交通拥堵情况，图3为8：00北京市交通拥堵情况，颜色越深说明越拥堵，颜色越浅说明越畅通。通过该指标，可以清晰的反映出各个时间段上城市不同区域的交通状况。
应用此指标可以对交通拥堵开展多方面的分析，比如，将此拥堵指数大于85视为拥堵，统计各个区域该指数大于85的时间长度，作为一天内拥堵时间的时长，分析结果如图4所示，可以看到，在这样的拥堵判断标准下，北京市大部分区域的全天拥堵时间都小于1.5小时。拥堵时间比较长的区域分布在东二环、东三环及之间的cbd商务区附近，金融街附近，以及北京西站附近的莲花池东路等地，这也与其他研究结论相一致。
可以利用此评价方法的结果进一步分析北京各个环路之间的不同区域在高峰时段的拥堵情况，统计各个环路之间的拥堵点密度随时间的变化情况。近似以距市中心的不同距离代表各个环路，拥堵密度是该区域内的拥堵区域占所有有效区域的总数。图5、图6为早晚高峰的各区域拥堵密度变化情况。可以看出，早晚高峰时期，不同区域的拥堵密度都较平峰时期有显著上升，其中，晚高峰的拥堵密度高于早高峰，也就是说晚高峰拥堵的区域更多。其次，不同区域的拥堵密度也有差异，越靠近市中心的区域拥堵密度越大，越向外，拥堵密度依次减小，这也与城中心最堵的现实情况相一致。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。