模型市场

为广大工业用户开展数据模型的开发和业务的数字化转型提供参考。

基于行车记录仪大数据的道路拥堵分析

背景介绍

世界的城市化步伐日益加快,人口密度也在不断增加。据联合国的一份报告估计,到 2050 年,大约 70%的世界人口将居住在城市中。这一增长速度对各种类型的城市基础设施提出了更高的要求,包括交通设施。致力于建设更清洁、交通更通畅的城市,大多数城市的规划与领导者通过强化公共交通系统和其他方案替代私人汽车来改善城市交通, 都认为有必要增加交通系统的基础设施投资。

目前为了保障行车安全,越来越多的司机在挡风玻璃上安装了行车记录仪,可以实时记录车辆行驶的前方情况,让交通事故有据可依。然而,绝大多数记录下的画面“沉睡”在卡片里,只有发生意外时才会被取出。行车记录仪具有应用范围广的特点,随着公交、大巴和校车强制安装行车记录仪外,物流运输公司也开始强制安装行车记录仪。

那么为了对公共交通的拥堵情况进行实时的监测,便可以通过分析行车记录仪的数据来获得各个道路的交通情况,从而为后续的道路规划,提供建议。

img

解决方案

通过公众的驾车行为,获取大量交通数据的想法,是一种全新的交通数据采集策略。即收集公众从智能手机、车载终端等上传的交通数据,实现交通数据的“众筹”。其优势在于,数据采集的成本很低,采集方式灵活,并能获取现有固定的采集系统(如路口摄像等)不能提供的丰富、实时的数据。

通过对行车记录仪的硬件改造,加装 4G 卡、GPS 芯片,实时记录行车过程中的地理位置。再利用先进的数据分析算法,获得对交通状况的洞察,从而对道路规划,道路的建设提供建议。

为了分析各个道路的拥堵情况,对每台设备,由源数据中的“行车记录表”生成“每日路径汇总表”,其中包括经过的路段名称、该路段的采样个数、该路段采样的起止时间戳、该路段的平均车速,以及经过该路段的外部因素(是否高峰时段,路段所属环区,天气状况等)。

根据每台设备的“每日路径汇总表”,生成“每周频繁路段与车速表”,按频度汇总频繁经过的路段名称、频次、车速均值与标准差以及该路段所属环区。

根据以上的统计就可得到道路的拥堵基本情况。

预期效果

对各频繁路段的车速进行分析,得到如下结果。其中内、中、外环区的路段分别用绿、蓝、黄色表示,柱状图的高低表示该路段的平均车速。柱状图上叠加的黑色竖线表示该路段车速的标准差。

由结果可知在各环区之间,平均车速最快的路段在内环区(“内环高架路”),最慢的在中环区(“浦三路”);内环中环区的车速范围接近。

在各环区内部比较,低速、中速、高速的路段均存在。内环区中在车速最慢的是“临沂北路”,中环区车速最慢的是“浦三路”,外环区车速最慢的是“益江路”;这些慢速道路为后续道路规划提供了参考价值。

img

各频繁路段车速统计

对路段的外部因素进行分析,得到如下结果:

由结果可知在工作日的高峰时段,通过大多数路段的速度都比较低,工作日非高峰时段和周末通行速度较均匀,任何时段高速通过各路段的数据都较少,说明上海目前的城市交通状况仍以拥堵为主。

按照天气情况对车速的统计分析可知,晴天行车记录远多于雨天记录;晴天时低速路段比高速路段多,雨天时高速通过路段比低速通过的路段多。

img

A 各时段的车速统计

img

B 按天气区分的车速统计

以上基于行车记录仪的数据对上海各路段的通过速度进行分析,可以对上海各个路段的拥堵情况进行基本判断,并为后续的规划提供建议。