基于GPS数据的道理服务水平的研究
基于GPS数据的道理服务水平的研究
陈峰 曹凯 彭栋栋
（山东理工大学 交通与车辆工程学院 山东 淄博 255049）
摘 要： 出行时间信息对交通规划、路线指导以及重要的拥塞管理目的都具有很重要的意义。它也是评估道路网络性能的最重要指标之一。本文对淄博道路疏导进行研究，以探讨共青团路的拥挤程度。在早高峰时间段使用配备了GPS接收器的车辆进行出行时间数据收集。出行时间所需要的可靠地样本空间的大小是基于置信区间理论确定的。
关键词：出行时间；GPS；服务水平； 交通拥挤
中图分类号：U491 文献标识码： A
The logic level of service study using GPS data
Chen Feng Cao Kai Peng Dong-dong
（Shandong University of Technology, Zibo Shandong 255049,china）
Abstract：Travel time information is important for transportation planning, route guidance as well as congestion management purposes. It is also one of the most important measures for evaluating the performance of road networks. This paper reports a study conducted in Zibo to investigate the level of congestion on Gong Qing- Tuan route. Travel time data was collected using an instrumented vehicle equipped with GPS receiver during morning peak hours based on average car method. The sample size required for reliable estimation of travel time was determined based on confidence interval method.
Key words： Travel Time, GPS, Level of Service, Traffic Congestion
1.引言
旅行时间的评价指标有很多种，例如平均旅行时间，平均速度和延迟。无论是专业交通人员或者是包括商人和消费者在内的普通人员都能比较容易的理解这些评价指标。这些指标对于评估道路网络的性能是十分重要的。为了进一步监控交通条件，越来越多的交通机构开始注重旅行时间指标的研究[1]。全球定位系统（GPS）是一种广泛应用在交通运输工程领域的新型技术，例如交通数据采集，拥塞管理研究和汽车跟驰分析[2]。本文介绍了GPS在交通运输方面的更深层次的应用，用来研究在张店区的共青团西路上的旅行时间及延误情况。这是在道路服务水平的（LOS）的概念上进行的研究。
本文所讨论的问题如下：
—为了获得可靠数据所需要的试验车辆运行的次数。
—基于国家高速公路服务水平，对该条线路在张店区市内交通的性能进行评价。
—该条道路在张店区交通拥堵情况。
下面一节的内容包括研究区域的详细信息，平均车方法在这项研究中收集数据的应用，测试车辆运行安排和数据的处理过程。
2．数据采集
2.1研究区域
在这项研究中我们选择了张店区的共青团西路作为研究对象。这条路连接理工大学东门及金晶大道商业区，车流量较大，是张店区市内交通流主要疏导路线。
表1 表明了在论文中将要用到的路线方向及道路的ID
2.2平均车方法
平均车方法是进行旅行时间研究的首选方法[3]-[5]，在本研究中搜集旅行时间和延误数据就是采用了平均车方法。这种方法的限制条件低于浮动车方法。在平均车方法中，测试车的司机依靠自己对于交通流平均速度的判断进行行驶。
2.3试验车
在本次研究中采用了一套简单的GPS接收机进行测试。该测试车的行驶速度不受道路限速的影响。全球定位系统每隔5秒钟记录一次数据，并将其保存在接收器中。对与测量数据的准确性取决于GPS接收信号的质量，GPS信号接收的质量与多种因素有关，例如天气条件、道路两旁高层建筑物或者障碍物的遮挡，从而导致信号传输发生中断或者干扰。为了尽量避免不必要的因素对于研究结果的干扰，我们选择一条比较空旷的道路进行研究。
2.4测试运行方法
数据的收集选择在上午7:30至上午9:00的早高峰进行。资料收集从星期一到星期三进行，但是不包括公共假期及天气恶劣的情况。
行车的速度取决于驾驶员对周围车辆流量的判断进行。在前排副驾驶座位上的助理应该记录等待交叉口时间或者是其他原因造成的交通延误，以便于下一步进行道路的分析。
3．性能指标
该路段依据自由流动速度（FFS）来确定道路的服务等级。自由流动速度为50km/h或更大的路段被列为第三等级，自由流动速度50km/h以下路段的分级为第四等级。经过分类，将道路的平均速度与表2进行比较来确定道路的服务等级。
表2 主要干道道路服务水平
4.测试次数
在进行研究之前与研究之后，平均速度·准确度的变化范围从±1.6km/h到±4.8km/h之间[6]。 传统的方法是使用样本标准差来计算样本容量[7]。自从1995年以来，这种方法就被广泛接受和使用，然而在现在看来SD方法已经过时了。Qiang采用置信区间（CI）的方法取代了过去的SD方法，并且通过一系列的实验来校验结果的准确度。通过调查来确定张店区交通条件研究所需要的样本容量。
在这项研究中我们采用的试验车的运行次数是基于准确度的最低限度，为±4.8km/h，且具有80％的置信区间。该公式为
（1）
： 试验车进行的跑车次数
：对于给定置信区间的标准正态分布值
： 样本标准差
E ： 样本容许的误差，E的变化范围从±1.6km/h到±4.8km/h之间
对于不同的置信区间所确定的标准正态分布值：
5．结果分析
5.1需要的试运行的次数
运行次数的确定集中在两个方面，而且这两个方面都是往城市方向的路线。第一个方面是对整个路线，第二个方面是对这条路线进行分路段分析。
图2是根据道路不同置信度所需要的测试车次数制作成的图表。从图表中可以看出，这条路线满足置信区间为80%，精度误差为±4.8km/h行车次数要求。这一结果表明，对此类研究的最低运行次数应不低于5次。
从图3中可以看出区段1和区段2都超出了最低要求的限制，之所以出现
这种情况是由于这几个区段道路条件不良，而且路段距离较短，车速发生时快时慢的现象，阻碍车辆的正常通行。
5.2性能指标
图4给出了每一个路段城市方向的服务等级。从图中可以看出，共青团西路中四个部分具有不同的服务等级。其中靠近金晶大道的路段具有服务等级较低，而北西五路以东的路段的服务等级较高，车辆通过率较好。
图4 早高峰阶段城市方向道路行驶服务等级
服务等级地图提供了一个十分快捷的计算拥挤度的方法，尽管如此，用每一条道路的平均速度来评估道路的拥挤度而且是比较容易理解的。我们用下面的公式计算平均速度：
平均速度= （2）
长度单位是km，平均旅行时间以小时计。平均行驶时间指测试车辆在道路上正常行驶的时间。图5是共青团西路的平均速度图。这些结果与服务等级地图所展示的结果相同。
图5是这条路的平均速度图。这些结果与服务等级地图所展示的服务等级相匹配
图6共青团西路在城市方向的分段延误时间。这里延误时间指的是车辆沿一个区段行驶或车速低于5km/h时的总时间。对于每一部分的平均延误计算方法如下：
平均延误时间=
其中n是进行试运行的次数。从图6中可以看出道路行车延误与服务等级相匹配。
图5 早高峰阶段城市方向道路行车速度
（3）
图6 早高峰阶段城市方向道路行车延误时间（分钟）
6．讨论
我们已经报道了一项基于HCM（2000）服务等级概念的初步试验研究，这项研究是在淄博市共青团西路上进行的，通过研究来衡量在高峰期车辆的拥挤程度。在研究中测试车的跑车次数应该满足研究前和研究之后的测试需求。研究结果是一致的，并在可接受的统计范围内。作为初步研究的结果，为了得到置信度高的计算结果，5次应该是跑车的最小值，10次是跑车的最佳次数。
根据服务等级，最糟糕的部分是在北西五路与新世纪商业街之间的部分，这一部分的延迟达到5分钟。数据收集的观察资料表明，由于通行能力的差异。一个额外的行车路线的使用需要经过批准。由于上午公交车道路的出现，高峰流量受到限制。
我们建议，每一个交叉路口作为一个节点来研究。这将能够更容易的计算旅行时间，可以减少运行所需的数量。与增加的节点数目及增加样本量结合在一起，我们也许可以达到精确度为±1.6kph 信赖区间为95％的计算数据。我们通过区段调查平均延误，这将为降低延误时间起到很好的作用。进一步研究，需要在区段和跑车次数之间进行相关对比，伴随着特殊的道路类型。应根据交通量和交叉口的密度来确定道路类型。
参考文献：
[1] Quiroga, C. A. (2000) Performance measures and data requirements for congestion management systems. Transportation Research Part C, Vol. 8,
[2] Ranjitkar, P. (2004) “Experimental Assessment of Microscopic Traffic Flow Models Based on RTK GPS Data”, Ph.D. Dissertation, Hokkaido University.
[3] Ranjitkar, P., Nakatsuji, T., Azuta, Y., Asano, M. and Kawamura, A. (2005) A Contemporary Reassessment of GM Car Following Model using RTK GPS Data. Journal of Infrastructure Planning and Management, No. 793/IV-68, pp.
[4] Ranjitkar, P. and Nakatsuji, T. (2006) Advances in microscopic traffic data collection using instrumented vehicles. Traffic Engineering and Control, Vol. 47, No. 4, pp.
[5] Robertson, H.D., Hummer, J.E. and Nelson, D.C. (1994) Manual of Transportation Engineering Studies, Chapter 4: Travel Time and Delay Studies, pp.
[6] Qiang, L. (2007) Arterial Road Travel Time Study using Probe Vehicle Data. PhD Dissertation, Nagoya University.
[7] Turner, S. M. and Holdener, D. J. (1995) Probe vehicle sample sizes for real-time information: the Houston experience. Proceedings of Vehicle Navigation and Information Systems Conference, 1995
[8] John J.J.S. Sia, Philip C.H. Ching, Prakash Ranjitkar. Travel time study of Auckland arterial road network using GPS data.
基于GPS数据的道理服务水平的研究.doc
