城市交通智能路网系统分析与建模

电子警察系统

电子警察组成部分

1）环形线圈车辆检测器：它可以获得当前监控路面交通流量、占有率、速度等数据，以此判断道路阻塞情况；就其优点而言，测速精度和交通量计数精度较高，工作稳定性好，不受气象和交通环境变化的影响。因为需要在每条车道下埋设线圈，所以对公路的路面有破坏作用，影响路面寿命，长期使用后,线圈易被重型车辆、路面修理等损坏，更换线圈时工作量较大。而且施工时需封闭车道，影响交通。

2）超声波检测器：利用光线的传播的原理，利用传播时间的大小来判断是否有车辆通过。就其优点而言，其安装正在路侧，十分方便，而且经久耐用，但其容易受到周围环境因素的影响。

3）红外检测器：原理是经过红外调节器调节，检测到车辆的信号。就其优点而言成本较低，使用范围较广，且寿命较长，但其缺点也类似于超声波检测器，容易受到外界环境的干扰，导致其精确度降低。

4）视频检测器：其作用可以判别车辆的存在以及车型，从而推断出其他交通参数。其可以一次性检测多种参数并且检测的范围较为广泛，缺点就是成本过高，造成一定的经济负担。

电子警察的重要作用

电子警察作为智能交通系统（ITS）的一个具体应用，目前在城市道路交通管理当中扮演着越来越重要的角色。实践证明， 电子警察的应用取得了良好的社会效益， 不但改善了交通秩序， 对道路交通事故的降低也起到了积极的作用。2016年，广州市共查处各类道路交通违法行为312万多起， 其中电子警察执法就有108万多起，占查处违法总数34.62%； 浙江省高速公路共查处各类道路交通违法行为124万多起，其中用测速仪抓拍的超速违法行为就有944880起，占纠违总数的76.2%。据有关部门统计，2017年全国公安交通管理部门共查处道路交通违法行为2.51亿人次，其中教育0.82亿人次，处罚1.69亿人次，处罚机动车违法行为1.52亿起。各地利用交通监控设备查处机动车违法行为6716万起，占全年查处机动车违法行为的32.3%。公安部交通管理局《关于4月份全国道路交通违法行为统计分析情况的通报》表明：2016年4月份， 以交通技术监控设备查处的交通违法比例超过了70%。全国利用交通技术监控设备查处机动车违法行为593.9万起， 同比增加102.9万起， 增长21%。以交通技术监控设备查处机动车违法行为数量占查处总量的比例为40.8%， 同比上升9.2个。

电子警察的建设情况

根据相关的文献和新闻（不完全统计），得到我国四个直辖市的电子警察数量，其中电子眼占主要组成部分，如下图所示。

治安卡口

治安卡口系统是指安装在道路上特定场所如收费站、城市出入口或治安检查站等治安卡口及重点治安地段，对所有通过该卡口点的机动车辆进行全天候实时检测、记录与处理的一种道路交通现场监视系统。卡口系统通常是由机动车辆检测、车辆拍摄、图像记录、图像处理与信息管理以及辅助光源与辅助支架等几个部分组成。

近年来，我国机动车辆数量大幅度上涨，这对于道路交通的车辆管理提出了更高的要求。治安卡口是城市道路交通的进出口，车辆通行量比较大，道路交通治安卡口监控系统的建设，可以极大地提高道路交通治安监控水平，帮助公安部门快速找到肇事逃逸车辆、盗抢车辆等，降低道路交通事故发生率，因此应针对当前道路交通治安卡口监控系统存在的一些问题，积极进行优化和改进，不断提高城市道路交通安全。通过城市治安卡口信息综合管理平台的建设，对各分县局基于车辆号牌识别技术建设的区域性治安卡口系统进行联网共享，形成覆盖全市范围的集卡口图片和号牌数据信息的采集、接入、交换、分级管理和布控、信息综合应用等功能于一体的治安卡口信息综合管理。治安卡口的构成如下图所示：

车联网

车联网( Internet of Vehicles) 的概念是国内基于物联网提出的，在国外尚无完全对应的描述，近似的概念有V2X、Connected Vehicle等。根据中国车联网产业技术创新战略联盟的定义，车联网是以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车－ X ( X:车、路、行人及互联网等) 之间进行无线通讯和信息交换的大系统网络，是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络，是物联网技术在交通系统领域的典型应用。但是本文认为，从更广泛的意义上看，车联网应该包括车辆在全生命周期内产生的全部信息交换，涵盖车辆研发、生产、销售、使用、回收等各个环节。因此，除了支持车辆与交通三要素———人、车、路互联，实现在智能交通领域的应用以外，车联网还将与移动互联网、通讯网、智能工厂、智能电网、智能家居等外部网络互联，形成自车与人、车、路、网相互连接及信息交互的有效平台。车联网信息交换的对象与内容如图所示。

如上文所述，车联网可以涵盖车辆全生命周期中的所有数据，因此能够面向个人、企业、政府等不同用户提供各种不同类型的服务。根据侧重点的不同，可以对车联网服务进行分类，如表 所示。可以看到，车联网服务的范围覆盖广泛、价值潜力巨大。

无人驾驶

在自动驾驶汽车研究方面，非汽车厂商表现抢眼，以谷歌自动驾驶汽车为例，在2010 年，谷歌公司在官方博客中宣布，正在开发自动驾驶汽车，目标是通过改变汽车的基本使用方式，协助预防交通事故，将人们从大量的驾车时间中解放出来，并减少碳排放。到目前为止，谷歌已经申请和获得了多项相关专利，其无人驾驶汽车于2012 年获得牌照上路，总驾驶里程已经超过了48.3 万千米，并且几乎零事故发生率。谷歌自动驾驶汽车外部装置的核心是位于车顶的64 束激光测距仪，能够提供200 英尺以内精细的3D 地图数据，无人驾驶车会把激光测到的数据和高分辨率的地图相结合，做出不同类型的数据模型以便在自动驾驶过程中躲避障碍物和遵循交通法规。安装在前挡风玻璃上的摄像头用于发现障碍物，识别街道标识和交通信号灯。GPS 模块、惯性测量单元以及车轮角度编码器用于监测汽车的位置并保证车辆行驶路线。汽车前后保险杠内安装有4 个雷达传感器（前方3 个，后方1 个）用于测量汽车与前（和前置摄像头一同配合测量） 后左右各个物体间的距离。在行进过程中，用导航系统输入路线，当汽车进入未知区域或者需要更新地图时，汽车会以无线方式与谷歌数据中心通信，并使用感应器不断收集地图数据，同时也储存于中央系统，汽车行驶得越多，智能化水平就越高。

意大利帕尔马大学Vislab 实验室研制的无人车于2010 年经过意大利、斯洛文尼亚等到达中国上海，行程15900 千米。它利用太阳能作为辅助动力源，配备5 个激光雷达、7 个摄像机、GPS 全球定位、惯性测量设备、3 台Linux 电脑和线控驾驶系统。2013 年，他们的无人驾驶车在无人驾驶的情况下成功识别了交通信号灯、有效避开行人，成功驶过十字路口、环岛等常见的城市危险路况。

德国汉堡IBEO 公司早在2007 年开发了无人驾驶汽车。行驶过程中，车内安装的全球定位仪将随时获取汽车所在准确方位。隐藏在前灯和尾灯附近的激光雷达随时“观察”汽车周围200 码（约183米）内的道路状况，并通过全球定位仪路面导航系统构建三维道路模型。它能识别各种交通标识，保证汽车在遵守交通规则的前提下安全行驶，安装在汽车后备箱内的计算机将汇总、分析两组数据，并根据结果向汽车传达相应的行驶命令。

在汽车厂商方面，由通用汽车联合卡内基梅隆大学以及来自其它行业的众多合作伙伴研发的雪佛兰Tahoe Boss，集激光雷达、毫米波雷达、可视GPS定位系统等高科技手段于一身，可使其对周边情况精确掌握通过应用这些高科技技术，雪佛兰TahoeBoss 在行驶途中对道路条件、周围车辆、路上障碍可以迅速做出正确的判断，并应用高性能计算装置，计算出驶路线，以避免碰撞的发生，最终安全抵达目的地。另一方面，通用汽车于2010 年推出的电动联网概念车EN- V 实现了车联网与电气化的结合，在自动驾驶模式下，EN- V 能够通过对实时交通信息的分析，自动选择路况最佳的行驶路线从而大大缓解交通堵塞。除此之外，通过使用车载传感器和摄像系统，EN- V 可以感知周围环境，在遇到障碍物或者行驶条件发生变化时能够做出迅速的调整。奥迪无人驾驶系统使用两个雷达探头、八个超声波探头和一个广视角摄像机，可以在设定的时间内，按照导航系统提供的信息，在最高60km/h 的速度以下自主转向、加速和刹车，实现完全的自主驾驶。搭载奥迪无人驾驶系统的车型可以在交通拥挤的城市中起、停自如，转向操作也十分灵活。在高速行驶中，能够及时根据前方车距来调整自己的速度。当前方出现险情时，奥迪无人驾驶车型能够及时刹车。

智能路网理论模型

道路网络概念模型的构建

道路网络是城市交通网络的重要组成部分,人们的大部分出行都是在道路网络上进行的。本文将道路网络抽象为道路、交叉口以及道路附属设施等一些静态要素,同时根据动态诱导的需求,需要在表达道路网络的同时表达相应道路网络的动态交通信息,如交通状态、路段行程时间和延误等,将这些抽象为动态要素。此外,路网还包括交通规则,主要用于表达道路的通行权和优先权等。综上所述,道路网络的概念模型抽象为路网、道路附属设施、动态交通信息、交通规则以及交通事件这五种要素,概念模型如下图巧所示。

道路网主要包括维点对象交叉口和维线对象车行道、道路段以及道路,它们共同构成了道路网的骨架。交叉口包括简单交叉口和复杂交叉口两类。简单交叉口是由两条道路相交而成,主要包括常见的十字交叉口,错位的十字交叉等,复杂交叉口主要包括一型交叉口、一型交叉口、环形交叉口等。道路段是指由两个连续道路交叉口所界定的道路的一部分。道路段的构建遵循“平面强化”的原则。道路段是指道路上由两个连续道路交叉口界定的线状,用于表达道路的一部分。

该模型是以道路为几何数据建模的基本单元。道路的某些属性如行程时间、路段上的交通量等会随着时间变化而变化,称之为时间依赖属性,即动态交通信息。道路附属设施主要是指道路交通标志、路面标记等。交通事件是指那些发生在路网上并影响其状态的一些事件,主要包括交通事故和道路的施工等。道路附属设施和交通事件依附于道路网而存在,呈现出明显的线性分布特征,因此可以用线性位置参照方法来实现它们与道路网的空间链接。

利用线性参照方法,道路网中的道路附属设施和交通事件的空间位置可以描述为：

Network_position=(Linear_Datum，offset)

其中，Linear_Datum表示事件所在线性基准，包括车行道、路段和道路；offset表示事件沿着Linear_Datum的偏移距离。该模型实现了道路网络几何数据与动态交通信息的一体化表达。

逻辑数据模型

在关系数据模型中，用单一的结构类型（即所表示的关系）来表示实体之间的关系。关系由属性、域、键、关系和元组成，对关系的描述称为关系模式。下图为关系模型和关系表。

A.定义交叉口的关系模式如下：

INTERSECTION={Inse_ID,Inse_REID,Inse_Attr}

其中INTERSECTION是该关系模式的名称是交叉口的唯一标识,Inse_ID是主键是构成交叉口的道路元素的标识号,是一个外键,指向构成交叉口的道路元素的一个记录,Inse_REID是交叉口属性的唯一标识,也是一个外,指向交叉口的属性表中的一条记录。交叉口的逻辑表达如表所示。

B. 路段的表达：

同前述道路元素的逻辑表达,路段也是由其两端的交叉口来界定，一个路段可能包含个或多个道路元素，且每条路段都具有各自的属性，如图所示。定义路段的关系模式如下：

ROAD=（R_ID，R_SInse，R_EInse，R_Attr）

其中，ROAD是该关系模式的名称，R_ID是路段的唯一标识，是主键；R_SInse和R_EInse分别是路段的起始交叉点和终止交叉点的标识号，是该关系模式的两个外键，分别指向交叉点关系表中的两条记录；R_ID是路段中包含的道路元素的标识,是外键,唯一地标识构成路段的道路元素；R_Attr也是关系模式的外键,用来唯一的标识路段的属性。路段的逻辑表达如表所示。

路网模型的表达

对于路网（表示）信息模型可以理解为：物理路网的绘制和交通信息的采集。对于交通的评价而言，主要是从交通状态和交通安全性进行描述，而需要对这两者进行描述，我们就需要利用采集到的基本交通流参数，建立相关的数学模型，然后对交通状态和安全性进行判断。

1）道路网络模型：图显示了路网的基本元素和拓扑关系。节点指道路交叉口、道路尽头或道路属性改变的地方的点（带数字标号的点）；角点指描述多义线道路几何形状的点（黑色实心点）；而道路则描述了节点与节点之间的联系（如路段A、B）。

如果把角点归于道路的属性数据，则整个路网模型可以表述为：

交通模型的建立

交通拥堵具有一定的时空特性，在时间上体现为拥堵持续时间，通常采用交通系统处于拥堵状态的总时间或出行者在拥堵时段的总出行时间来量化。交通拥堵发生时，对于出行者而言最直观的感受就是出行时间的增加[16]。车辆行驶时间（Vehicle-Hours of Travel，VHT）是指路段上平均交通量与车辆平均行程时间的乘积，包含了路段长度和交通拥堵的双重影响。而采用基于行程时间的方法（如VHT）进行评价，主干路的拥堵强度明显增加，尤其是对于高峰时段的路网拥堵状态比较敏感，评价结果与人们的感受更加相符。因此，采用VHT 来表征交通需求。

对于某一条路段，在统计时段内其VHT 的计算公式为：

VHTi=qi×Ti

式中：VHTi表示统计时段内路段i 的车辆行驶时间；

qi表示统计时段内路段i 上的平均交通量；

Ti表示路段i 上车辆的平均行程时间。

对于不同等级道路，在一定时期内的拥堵总持续时间相对稳定，因此可以认为在统计时段内，对应的VHT 是一个相对固定的值。

应用分析

在高德交通大数据监测的361个城市中，有15%的城市通勤高峰受拥堵威胁，有59%的城市通勤高峰处于缓行，仅有26%的城市通勤不受拥堵威胁。同比来看，2018Q2同比2017Q2有32%的城市出现下降，有30%的城市拥堵同比基本持平，38%的城市拥堵同比出现上涨。其中山东南部和广东沿海城市拥堵上涨较多，而内蒙、云南、贵州等省份里的城市拥堵下降较多。

拥堵里程比例主要衡量城市各等级道路处于中度拥堵、严重拥堵等级的路段里程比例，从空间分布的角度反应道路网交通拥堵的影响辐射范围。根据国标指标计算规则，在2018Q2监测的100个主要城市中，拥堵里程比例高的城市多数分布在南方，广东省拥堵里程比例普遍偏高。同时，北京高峰期平均每分钟拥堵495.81公里，拥堵里程相对全路网比例为11.8%，全国最高，也就是说北京在高峰时每100公里就有11.8公里处于严重拥堵或拥堵状态；从下图北京和成都某晚高峰路况断面来看，北京发布拥堵路段的里程明显高于成都。

常发拥堵路段，主要衡量城市常发拥堵路段的空间和方向分布，反应交通拥堵发生的聚焦性和潮汐性。以北京为例二季度快速路常发严重拥堵的里程最高，然后是次干路。常发严重拥堵的区域集中在城东，其中东二环东便门附近拥堵程度最高，此外箭亭桥、清华东路西口、西直门、西便门、国贸、四惠、平房桥、大山子等都是常发拥堵的地方。上海二季度常发拥堵路段较为分散，静安寺周边相对其它区域较多。