基于多源数据的通勤高峰期交通流量预测方法-许丽.pdf

《基于多源数据的通勤高峰期交通流量预测方法-许丽.pdf》由会员分享，可在线阅读，更多相关《基于多源数据的通勤高峰期交通流量预测方法-许丽.pdf（57页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、国内图书分类号：P28国际图书分类号：P208西南交通大学研究生学位论文密级：公开基于多源数据的通勤高峰期交通流量预测方法年 级 2Q!垒级姓 名 迕匦申请学位级别 王堂亟专 业 塑绘型堂皇这苤指导老师 筮麽塾拯二零一七年五月二十五日万方数据Classified Index：P28UDC：P208Southwest Jiaotong UniversityMaster Degree ThesisThe Prediction of Peak Commuting Traffic FlowBased on Multisource DataGrade：2014Candidate：XU LiAcademi

2、c Degree Applied for：Master DegreeSpeciality：Surveying and MappingSupervisor：ProfQing ZhuMay25，2016il-4删7602川3川Y万方数据西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1保密口，在 年解密后适用本授权书：2不保密形使用本授

3、权书。(请在以上方框内打，v”)晕慨日期：玉吵土)新吲上名1-、戳叩秘如作玑划瑚滟日万方数据西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：(1)交通流量采集及特点分析：介绍用于交通流量采集的方法，包括非自动采集和自动采集；交通流量的特点分析，包括动态性，时间相似性和空间相关性。(2)多源数据预处理：介绍了多源数据的类型和多源数据预处理的步骤和内容，包括：基本人口数据关联整合，道路数据的拓扑检查以及出租车GPS(GlobalPositioningSystem)轨迹数据清洗。(3)通勤高峰期交通流量预测方法：通勤高峰期的交通流量主要由私家车，公共交通和出租车

4、构成。对于私家车数量的统计，利用经典Dijkstra算法和轨道交通优先算法进行实现；对于出租车数量的统计，利用地图匹配算法进行实现。对于公共汽车部分，根据公交公司的公共汽车出行时刻表和公交线数据进行计算实现。由于交通流量的预测研究涉及的专业领域很多，包括交通运输、GIS(Geographic Information System)、计算机仿真等，本文从GIS专业角度来研究通勤高峰期的交通流量预测，侧重于研究构建非机动车出行统计模型，私家车流量统计模型，出租车流量预测模型，从而实现通勤高峰期的交通流量预测。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引

5、用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：暂菇日期：卅土剖万方数据西南交通大学硕士研究生学位论文 第1页摘 要随着中国城镇化进程加快，交通拥堵日益成为城市发展的通病，通勤高峰期尤为明显，通勤高峰期交通流量的精准预测是缓解交通拥堵的关键。另一方面，伴随着智能交通的发展和多学科的交叉融合，积累了不同类型的海量多源数据，如出租车GPS定位数据、人口户籍数据、参保、社保数据等，这些数据一定程度反映了通勤者的出行规律，为通勤高峰期交通流量的预测

6、提供了数据支持。然而，如何从海量多源数据中分析时空关联关系，并在此基础上预测通勤高峰期的交通流量，还缺乏相应的解决方案。本文提出基于多源数据的通勤高峰期交通流量预测方法，依据不同交通工具的服务半径和出行距离，根据相关分类算法归纳总结通勤方式的最佳方案，为宏观交通规划的优化设计提供科学的决策。本论文研究主要内容包括：1基于阐述本文的研究背景、研究意义、国内外交通流量预测相关进展，提出本文的研究内容；2针对交通流量采集传感器进行归类整理，然后结合重庆市南岸区部分典型道路的真实断面交通流量数据，归纳总结出城市道路交通流量三类特征：动态性、时间相似性与空间相关性；3多源数据预处理：从基本人口数据、路网

7、数据、公交线路数据、出租车GPS轨迹数据等多源数据分析着手，提出了多源数据预处理方法，为交通流量预测提供数据准备；4通勤高峰期交通流量预测原理：介绍利用经典Dijkstra算法实现最短通勤距离计算的非机动车出行统计模型；介绍基于轨道交通优先算法实现的私家车流量预测模型；介绍利用地图匹配算法实现的出租车流量预测模型，进而实现基于多源数据的通勤高峰期交通流量预测研究。为验证本文方法的正确性，本文以武汉市为实验区域，通过实验证明，基于多源数据的通勤高峰期交通流量预测突破了依赖历史交通数据的局限，为交通流量预测提供了新的方法，为中微观交通规划和仿真提供新思路。关键词：多源数据；交通流量；最短路径；轨道

8、交通优先；地图匹配万方数据西南交通大学硕士研究生学位论文 第1I页AbstractWith the accelerated process of urbanization in China，traffic congestion has increasinglybecome common problem in urban development，especially peak commutingAccuratelyprediction ofthe commuter peak traffic flow is the key to ease traffic congestionOn the othe

9、rhand，with the development of intelligent transportation and multidisciplinary integration，different types of massive multi-source data are accumulated，such as IC card，taxi GPSpositioning data,population household registration data，insured data，social security Data，etcThese data reflect the commuter

10、 discipline by taking different modes in a certain extent，andprovide a data guarantee for the prediction of commuter peak traffic flowHowever,how toeffectively match the mass of multi-source data and on this basis to predict commute peaktraffic flow still lack a complete set of method systemThis pap

11、er proposes a new predictionmethod of commuter peak traffic flow based on multi-source dataAccording to the vehicleSservice radius and travel distance，the relevant classification algorithm，the paper summarizesthe best scheme of commuter mode，and provides scientific decision for the optimal design of

12、macro traffic planningThe main contents of this paper include：1Firstly，the research background and significance of this article were introduced，then thesummary analysis about traffic flow prediction progress of domestic and overseas wasproposedResearch content of this paper was put forward based on

13、above；2The characteristics of traffic flow were introduced：dynamic characteristics，temporalsimilarity characteristics and spatial correlation characteristics based on different sensoracquisition data classification and analyzing the real traffic data of some typical roads in Nanandistract of Chongqi

14、ng city3Multi-source data preprocessing：Through the analysis of the basic population data，roadnetwork data，bus lines，taxi GPS trajectory data and SO on，this paper proposes multi-sourcedata preprocessing method for next preparation of forecasting traffic flow；4Prediction method and its steps of commu

15、ter peak traffic flow were established：non-motorized travel statistical model was established based on using classical Dijkstra algorithmto compute the shortest path；private car traffic prediction model was established based on therail transit priority algorithm；taxi traffic prediction model was int

16、roduced by using the mapmatching algorithm；then commuter peak traffic flow was predicted based on multisourcedataThis paper used Wuhan city as an experimental areato verify the accuracy of this method万方数据西南交通大学硕士研究生学位论文 第页The prediction of commuter peak traffic flow based on multisource data breakth

17、rough thelimitation of relying on historical traffic data,which provides a new method for traffic flowforecasting and new ideas for micro-traffic planning and simulationKeywords：Multi-source data，Traffic flow，Shortestpath，Rail transitpriority，Map matching万方数据西南交通大学硕士研究生学位论文 第页目录摘 要IAbstractII目录。IV图索

18、引VI表索引VII第l章 绪论111 研究背景及意义。l111研究背景1112研究意义212 研究内容213 国内外研究现状314 结构安排5第2章 交通流量预测原理721 交通流量预测的定义及分类722 交通流量的采集8221交通流量的非自动采集8222交通流量的自动采集：823 交通流量的特点分析9231动态性9232时间相似性9233空间相关性10第3章 多源交通数据预处理1231 概述1 2311基本人口数据12312路网数据13313公交数据1 3314出租车GPS数据1 532 典型预处理功能1 6万方数据西南交通大学硕士研究生学位论文 第V页321基本人口数据关联整合1 6322

19、道路网数据拓扑检查17323出租车GPS轨迹数据清洗1 9第4章 通勤高峰期交通流量预测方法2 l41 非机动车出行统计模型2 l411非机动车出行统计模型概述2l412最短路径算法2242 私家车流量预测模型23421私家车流量预测模型原理23422轨道交通优先算法2543 出租车流量预测模型27431出租车流量预测模型原理27432地图匹配算法28第5章 实验及交通流量指标分析3351 实验数据3352 实验运行环境3353 实验结果分析34总结和展望38致谢。40攻读学位期间发表的论文41参考文献42万方数据西南交通大学硕士研究生学位论文 第页图索引图11通勤高峰期交通流量预测原理图3图

20、21交通流量的时间相似性lO图2-2交通流量的空间相关性11图31武汉市户籍数据12图32武汉市参保数据12图33武汉市社保数据13图34武汉市路网数据属性表13图35武汉市公交站点分布14图36武汉市公交线路信息1 5图37武汉市公交站点信息15图38基本人口数据关联整合流程图1 7图3-9线重叠错误的拓扑关系18图310有悬挂点的错误拓扑关系18图31l有伪结点错误的拓扑关系18图312武汉市道路网分布19图4-1最短通勤路径计算流程图。23图4-2轨道交通优先选择算法示意图25图43直达轨道交通算法示意图26图4-4双向接驳的公汽轨道换乘算法示意图27图45单一接驳的公汽轨道换乘算法示意

21、图27图46短距离法示意图29图47地图匹配算法的路网拓扑关系示意图30图48约束条件下的地图匹配方法示意图31图4-9地图匹配算法原理图3 l图410地图匹配结果32图41l出租车GPS数据地图匹配结果局部图32图51通勤高峰期交通流量预测原型系统展示图34图52武汉市交通发展战略研究院实时监测的常发路段示意图36万方数据西南交通大学硕士研究生学位论文 第VII页表索引表21交通流量预测方法分类7表22交通流量非自动采集方法分类。8表23交通流量自动采集方法分类8表31武汉市出租车GPS轨迹数据信息一16表41不同交通工具的服务半径22表51客户端图形工作站配置表33表52系统运行软件环境3

22、4表53黄鹤楼周围区域的交通流量35表54武汉交通流量排名前十的路段36表55武汉市交通发展战略研究院实时监测的常发路段37万方数据西南交通大学硕士研究生学位论文 第l页11研究背景及意义第1章绪论111研究背景随着新型城镇化建设速度的加快，城市郊区化和空间重构现象的目趋凸显以及城市交通工具的规模扩大和交通需求的快速增加，职住关系开始变得不平衡，从而导致职住分离、交通拥堵等诸多城市病(胡娟，2013)。交通拥堵已是城市病频发的主要原因之一。在我国大城市中，例如：通勤高峰期内的北京主干道的平均行驶速度为是233kmh(赵鹏军，2014)；武汉市长江二桥的交通流量高峰值有14万辆日，平均每个车道承

23、载的交通流量为23万辆(何波，2013)。当前，缓解城市交通堵塞的手段主要有两个方面，依次是：供给方面：通过加大道路基础设施投入，增加其承载能力；需求管理方面：运用智能交通系统(ITS)，提高城市路网使用效率(刘丽娜，2009)。是解决城市交通拥堵问题最有效、最彻底的途径，但由于大城市在前期的规划中没有考虑太多因素，规划设计的不算合理，要对既有道路改扩建已是一项浩大的工程，尤其是本来用地就紧张城市中心地区，增加道路基础设施供给更是难上加难。再加上社会的迅猛发展，就算有条件提高供给，道路建设的速率也永远落后于机动车保有量的增加，所以仅仅靠扩大道路供给是无法实现缓解交通堵塞问题，还会造成严重的恶性

24、循环(何建平，2016)。则通过智能系统这个大平台，将各种先进技术，例如物联网、云计算、计算机视觉等紧密融合在一起，由于它具有丰富的信息，高效的智能化，将各种对象，例如人、道路、汽车(移动目标)和环境，构成一个协同处理的交互式系统，从而提高整套系统的效能，进而为出行者提供高质量的出行服务，提高交通运行能力和路网的承载力，达到缓解交通堵塞降低污染物排放量等多个目的。在有限的土地使用范围内，交通需求管理因其可以有效地缓解交通堵塞，备受学者的注意，逐渐成为研究重点，而智能交通系统目前是全球一致赞同的缓解交通拥堵的最佳方法。其中，通勤高峰期间的交通最拥堵(张超，2014)。通勤高峰期的私家车、出租车、

25、常规公汽是造成交通堵塞问题的主要因素，准确预测上述三类交通工具的车流量追在眉睫。交通流量的准确预测也是实现交通管制的保障。数字城市(Cyber City)对城市规划、智能交通系统等对象提供了便利，有利于实现信息化城市协调绿色发展的目标(李德仁，2009)。本文依据数字城市建设累积的多源数据，综合采用相关算法预测通万方数据西南交通大学硕士研究生学位论文 第2页勤高峰期的交通流量，提出一种能够有效缓解交通堵塞的新方法(许丽，2016)。112研究意义通勤高峰期交通流量预测研究的目的和意义主要有：(1)通勤高峰期的交通流量预测是宏观交通规划的重要前提，可用于各种战略级的交通仿真，是进行交通设施建设和

26、交通政策影响评估的基础，并且也是提高交通基础设施使用效率以及提高交通运行效率最有效的方式和手段(范腾腾，2012)。同时准确预测通勤高峰期的交通流量可以为中微观交通规划提供基础架构。(2)通勤高峰期的交通流量预测是提升道路交通管理与控制水平的前提和保障(刘丽娜，2009)。预测下一道路交叉口的交通流量，在各等级道路建立联系中扮演很重要的角色。科学预测和判断未来某一时刻的交通流量的大小，可以实时提供路况信息，进行相关路况疏导，从而减少交通拥堵出现次数，保证道路通畅。因此，科学合理地预测通勤高峰期的交通流量并研究其未来发展规律，对实施交通诱导、交通管理、交通规划等意义重大。故交通流量预测研究已是热

27、点课题(夏英，2010)。本文正是基于此背景下开展研究，通勤高峰期交通流量的预测，并建立高效的通勤高峰期各种交通类型流量预测模型，为交通规划决策者提供基础信息支撑，也为城市交通管理者科学疏导辖区内的交通状况提供依据，因而可以提高交通出行效率，降低交通拥堵造成的损失(徐建平，2011)。12研究内容针对城市交通拥堵难题，充分利用多源数据，建立人、就业单位以及居住地址之间的时空关联关系，结合道路网数据和出租车GPS数据，根据相关分类算法归纳总结通勤方式的最佳方案，预测通勤高峰期的交通流量，为宏观交通规划的优化设计提供科学的决策依据。本文研究的主要内容：多源数据的预处理，包含数据筛选和数据关联两项任

28、务，剔除部分精度差的数据；建立非机动车出行统计模型：根据获取到的最短通勤距离，结合非机动车出行的交通方式服务范围，统计阈值范围内选择非机动车出行的数据；设计私家车流量预测模型：基于城市路网，根据人口数据获取每个人的最短通勤距离，依据以非机动车出行的交通方式服务半径，剔除选择非机动车出行的人，再依据轨道交通优先原则，过滤掉选择轨道交通出行的人，最后在经过两次过滤的人口数据中统计有私家车的居民，查找有私家车的居民对应的最短通勤路径中包含某一指定道路的数量，即为该路段的私家车交通流量：设计出租车的流量预测模型：基于城市路万方数据西南交通大学硕士研究生学位论文 第3页网，根据出租车GPS轨迹数据，统计

29、指定道路上经过的出租车数量，即为该路段的出租车交通流量。最后，选择某个路段，把经过此路段的常规公汽、私家车和出租车数量累加便可计算该路段的交通流量(许丽，2016)。通勤高峰期的交通流量预测原理如下图11所示：图11通勤高峰期交通流量预测原理图13国内外研究现状起初，交通流量预测对象是交通管制系统，经过数十年的发展，已从第一代历史交通流量线下预测，到第二代在第一代的基础上，采用观测数据对历史交通预测结果进行纠偏，至现如今的第三代仅采用观测数据进行交通流量预测研究(孟维伟，2006)。但上述提到的第二代和第三代预测方法都未能实现实时、可靠性高的功能。到目前为止，短期交通流量的预测原理一般归为两种

30、(Mai T，2012；姚智胜，2008)：一种是基于传统数学和物理方法，包括历史平均预测方法、卡尔曼滤波模型等(Castro-Nero M，2009)；另一种是基于现代科学技术和方法，包括非参数回归模型、基于小波理论的方万方数据西南交通大学硕士研究生学位论文 第4页法、基于神经网络的复合预测模型等，其特点是更加注重真实交通流量的拟合效果，不过分在意预测过程。上述模型均都出现在国内外交通流量预测的文章中，而且获得了部分成绩(刘丽娜，2009)。据相关资料统计，目前已经有300多种的预测方法应用于交通流量预测研究领域(屈凡，2012)。下文介绍几种在国际交通流量预测中常用的方法。(1)历史平均预

31、测方法历史平均预测方法原理是：基于历史交通数据和目前实时数据建立相关预测模型(刘丽娜，2009)。该方法的计算公式如下：Q(t+1)=a木Q(f)+(1一a)木Q(t-1) (1-1)其中：一一Q(f+1)代表此路段下一时刻对应的交通流量；。一一Q(f)代表此路段目前时刻对应的交通流量；一一Q(卜1)代表此路段前一时刻对应的交通流量；一一a代表预测平滑系数。历史平均预测方法的优点是：计算相对简单，基于线性计算；缺点是：若交通流变化大时，预测准确度会降低。(2)卡尔曼(Kalman)滤波模型。卡尔曼滤波模型同样也是基于线性统计的回归原理。自从卡尔曼滤波理论被创立，就被各个行业大量应用，例如：航空

32、航天，雷达信号处理，取得了很多实际成果。它的主要原理是：假设对每个时刻的系统扰动和噪声进行线性统计，通过对含有噪声的信号处理，依据最小均方差估计原则，求得误差最小的真实信号的估计值。卡尔曼滤波的优点是：具有不错的鲁棒性，可以进行实时处理，预测精度高；缺点是：由于是线性估计，若交通流量的非线性变化大，其结果准确性会降低(Brian L Smith，1997)。(3)非参数回归预测方法非参数回归预测方法不同于上述的历史平均预测法和卡尔曼滤波模型的线性统计，它是对非线性、不确定的动态系统进行非参数建模(Hobeika A G，19941 Smith B L，2009)。该方法仅仅基于大量的历史交通流

33、数据，旨在计算和历史交通数据相近点来预测未来某时刻的交通流量(樊娜，2012；Clark S，2003)。非参数回归预测方法的优点：计算方便，且当数据量越大，预测越准；缺点是：由于交通系统本身很复杂，故交通流万方数据西南交通大学硕士研究生学位论文 第5页量的组织不科学，无法应对随机干扰对结果精度的影响(李振龙，2008)。(4)灰色理论预测方法灰色理论的基础是：看似杂乱无章的世界，其实是有序的，具有整体功能性。灰色理论预测方法的原理是：从海量数据中挖掘出数据内部存在的关联关系，继而生成具有某种关联关系的数据序列，然后建立相应的数学公式，从而预测未来的交通流量。研究的主要对象是贫信息、小样本系统

34、。所谓贫信息可以简单理解为只能获取样本的局部信息。灰色理论预测交通流量的缺点是：对于突发状况引起的环境变化，适应新差，预测精度会降低(王凤琴，2015)。(5)综合模型(Integrated Model)预测方法由于交通流量具有高度的复杂性和随机性，单一的交通流量预测方法只能适用于某一指定领域，加之多重非线性因素的干扰，急需发展综合模型来预测交通流量。综合模型预测方法顾名思义，就是将多种单一预测模型进行融合使用，扬长避短，从而提高结果准确性(郭海峰，2013；ZhangY，2009)。常见的综合模型预测方法有：基于小波理论的综合模型和基于神经网络的综合模型(Vlahogianni E I，20

35、05)。现如今，已有互联网地图服务公司，例如：国外的Google Map，国内的百度地图、高德地图，都提供了更加实用的通勤交通信息：实时路况查询，用户可以查询到当前以及未来一周内任意时刻的交通流量，这无疑为人们的出行提供准确的交通指导和帮助。各地图服务公司提供的路况查询，基本原理都是基于浮动车的GPS数据，依据相关算法推算出当前乃至未来某时刻的交通拥堵程度。截止至现在，上文介绍交通流量预测方法共性是都基于已存在的交通流数据进行预测，若不存在交通流量数据，上述预测模型皆行不通。这就需要另换思路来预测交通流量，技术创新或许是个不错的预测交通流量的新思路(赵鹏军，2014)。交通流量预测可不需要单纯

36、基于交通流量数据进行分析，基本人口数据、公共交通数据，出租车GPS轨迹数据等多源数据为交通流量准确预测创造了新的方法。本文立足于上述内容，提出了基于多源数据的通勤高峰期交通流量预测方法，为缓解城市交通拥堵提供科学的决策依据。14结构安排论文总计五个章节，具体安排如下：第一章绪论：首先介绍本文的研究背景和研究意义：城镇化建设速度加快，交通万方数据西南交通大学硕士研究生学位论文 第6页堵塞已是我国城市病的主要原因的背景下，如何缓解城市交通堵塞是城市管理者需要解决的问题之一；概括了国内外关于交通流量预测的研究现状，在此基础上，提出了本文的研究内容。第二章交通流量数据采集方法及其特征分析：介绍了交通流

37、量采集的一般方法，包括非自动采集与自动采集；阐述了交通流量的特征，包括动态性，时间相似性，空间相关性这三种特征。第三章多源数据预处理：第一节介绍多源数据有哪些类型，第二节介绍多源数据预处理的步骤和内容，包括：基本人口数据关联整合，道路数据的拓扑检查以及出租车GPS点数据清洗。第四章通勤高峰期交通流量预测方法：第一节介绍利用经典Dijkstra算法实现通勤路径计算的非机动车出行统计模型，第二节介绍利用轨道交通优先算法实现的私家车流量预测模型；第三节介绍利用地图匹配算法实现出租车流量预测模型。第五章实验分析：最后本文以武汉为实验区域，通过交通流量预测原型系统预测道路交通流量，对比分析武汉市交通发展

38、战略研究院的交通运行周报，进行实验结果的指标分析。总结和展望：总结性阐述了本文的主要工作及成果，并进一步展望和需要改进的不足之处。万方数据西南交通大学硕士研究生学位论文 第7页第2章交通流量预测原理本章节将会介绍交通流量的定义及其相关原理，同时还将介绍交通流量的采集及其特点分析。首先介绍交通流量的定义。交通流量的定义是：在一定时间段内经过指定道路的某个地点、某个断面或某个车道的交通实体数(徐永俊，2011)，一般用Q表示：Q=了N(2-1)其中：一是观测时间段内的车辆数；一一r是观测时间段的长度。按照上述公式计算出的交通流量，还得乘以各交通工具折算系数，换算成标准的小客车流量(PCU)。设在时

39、间段刑内，分别有M辆小汽车，坍辆中型车和M辆重型车通过指定地点，则该点处的平均车流量为q(PCUs)： 口：asNs+amNm+ahNh(2-2)口=一式中：黜，am，ah依次是小型车、中型车、重型车的折算系数(张德礼，2010)。21交通流量预测的定义及分类交通流量预测是指基于基年数据，采用相关计算模型，预测将来某时刻的交通流量。交通流量预测方法的分类如下表2-1所示(魏文，2010)：表21交通流量预测方法分类按照预测周期分按照预测性质分按照预测时态分按照动力学特征分按照预测模型数量分按照预测的技术手段分长时预测；中时预测；短时预测定量预测；定性预测静态预测；动态预测确定性；混沌；随机预测

40、单项预测；组合预测常规预测；智能预测万方数据西南交通大学硕士研究生学位论文 第8页22交通流量的采集交通流量数据的准确采集至关重要，它是交通流量预测的前提，是开展交通宏观规划的基础，同时也是开展交通控制和交通流诱导的关键指标之一，它可以用来判定道路拥堵状况。交通流量的采集方式可以归结成两类：一类是非自动采集；另一类是自动采集。221交通流量的非自动采集非自动采集：人力采集法，车载移动调查法，摄像法(周户星，2013)。具体见下表22所示：表22交通流量非自动采集方法分类222交通流量的自动采集当前常用的交通流量自动采集方法主要如下表23所示：(孔德强，2007)表23交通流量自动采集方法分类万

41、方数据西南交通大学硕士研究生学位论文 第9页23交通流量的特点分析交通系统是一个复杂的系统，涉及人、车辆、道路和环境相互作用，且城市道路基础设施状况是影响交通流量的因子，很大程度上决定了交通流量具有非线性和不确定性，但人们出行行为具有总体规律性，一定程度上又决定了交通流量具有时空相似性，下文将从动态性、时间相似性及空间相关性进行阐述(范腾腾，2012)。231动态性同一路段在不同时刻交通流量的分布不同，究其原因主要有：经济社会的快速发展促使人们的需求和出行结构向多元化、多方面发展(殷焕焕，2013)；恶劣天气情况的频发，人们的出行方式和出行频率也会随之变化，例如雨天的道路行驶状况和晴天有区别；

42、季节的更替变化，冬季的白昼短，夏季白昼长，很多单位会相应调整工作时间。节假日的影响，例如清明、“五一”、国庆等，节假日和工作日的交通流量分布规律就有着显著差别；交通事故或临时性的交通管制等的影响。简言之，在相同时间不同路段，交通流量也不同。总而言之，多种影响因子的变化会造成其不断变化。232时间相似性经过对比分析大量交通流量数据，可以发现人们出行的规律性呈现出周期性，特别是以周为单位的出行规律，进而交通流量也具有周相似性。通过数据对比发现，五个工作日的交通流量异于假日，为了验证交通流量的时间相似性，本文收集了重庆市南岸万方数据西南交通大学硕士研究生学位论文 第10页区花园路南坪西路断面的近一个月的交通流量数据，数据采集的时间间隔为60分钟。经过统计分析，绘制了2016年11月14日至11月20日共一周的流量数据，具体如图21所示：花园路南坪西路交通流量1500100050001 2 3 45 6 7 89 1。11 1213 14 15 1617 18 19