论文部分内容阅读
[摘 要]本文利用移动大数据、交调站数据及收费站数据的多源大数据，建立高速公路路网运行监测与流量预警模型，结合历史数据模型训练的参数，实时获得高速公路的路段行程车速和运行状态、断面估算流量、预警收费站入口信息、拥堵路段及拥堵预测时间。本研究以浙江省高速公路路网为试点，搭建基于多源大数据的高速公路路网运行监测及流量预警示范系统，实时监测示范高速运行状态与流量，当收费站入口流量超出预警阈值时，发布流量预警信息，为交通管理部门提前预测浙江省高速公路常发拥堵路段拥堵态势，制定收费站入口限流政策提供数据支撑。
[关键词]高速路网运行监测；流量预警；移动大数据；收费站数据；交调站数据
中图分类号：G250.7；G252 文献标识码：A 文章编号：1009-914X（2018）21-0339-04
Research and Application of Freeway Network Operation Monitoring and Traffic Early Warning Based on Mobile Big Data and Multi-source Data
Jingyu Zhu
（Shanghai SinoCloudBase Information Technology Co.，Ltd. Shanghai， 200434）
[Abstract]This paper focus on mobile big data， traffic investigation station data and toll station data， combining with the model parameters trained by history data， conduct a freeway network operation monitoring and traffic early warning model， generate freeway real-time travel speed， traffic flow， traffic condition， toll gate entrance early warning information，predicted time when traffic congestion is predicted. In this study， Zhejiang Province freeway network as a pilot， set up based on multi-source big data freeway network operation monitoring and traffic early warning demonstration system， real-time monitoring freeway networktraffic conditions and traffic flow，when the toll gate entrance traffic flow exceeds the warning threshold， released traffic warning information， to provide data support for the traffic management department to predict the congestion situation in the frequent congestion sections of Zhejiang Province freeway and to establish the toll gate entrance flow limiting policy.
[Key words]freeway network operation monitoring； traffic early warning； mobile big data； toll station data； traffic investigation data
一、引言
隨着社会经济高速增长以及城市规模的扩大，全国汽车保有量急剧上升，截至2017年6月底，全国机动车保有量达3.04亿辆，与去年底相比，增加938万辆，增长3.18%。高速路网通行能力与交通需求之间的矛盾日益突出，特别在春节、清明、五一、国庆四个高速公路实施免收小型客车通行费政策的重大节假日期间，高速公路路网部分节点出现了长时间、大面积的拥堵现象，高速公路运行管理面临新的严峻挑战。
然而高速公路路网信息的“量化可测”问题较为突出，交通运行监测设施的规模偏小，缺乏路网全空间、全时段路况运行监测的有效手段，更谈不上对拥堵路段及收费口流量的预测预警，无法满足当前高速公路交通信息化发展的需求。
“十三五”期间对交通运输信息化发展提出了新的要求。根据交通运输部“十三五”路网运行监测体系总体思路与原则，强化与推动智慧路网建设是其中的重要内容。其中尤其强调以“自动化监测、数字化管理、协同化运行、智能化服务”为核心的发展目标。
移动大数据指的是电信运营商海量的手机信令数据，这些数据包含了丰富的位置信息，通过对信令序列的分析，可以还原人的活动轨迹，尤其是随着3G、4G网络的成熟应用，通过移动大数据获取连续的交通数据，利用专有模型分析，可以掌握路网运行状态特征。同时，与高速公路路网已有的交调站数据、收费站数据相结合，利用大数据挖掘技术，实现高速公路路网的拥堵预测及收费口流量预警，为交通管理部门制定收费站入口限流措施，发布车流疏导信息提供数据支撑，协助及时疏导车流，避免交通拥堵的发生。
二、技术研究
（一）研究路线
图1是本文的研究路线，具体研究包括： （1） 对移动大数据、收费站数据、交调站数据进行数据特征分析，提取后续算法模型所需的数据字段；
（2） 研究基于移动大数据的高速公路路网实时交通状态与流量估算模型，将实时移动大数据，通过算法模型估算出路段平均车速和断面车流量，并识别路段的交通状态；
（3） 研究收费口与常发拥堵路段流量预警模型，实时监测收费站入口流量，当流量超出收费口对应常发拥堵路段流量预警阈值时，发布收费口流量預警信息；
（4） 利用历史移动大数据、收费站数据、交调站数据，对上述两个核心模型的参数进行训练，获得模型所需的参数表；
（5） 选取浙江省高速路网开展示范应用，并对应用效果进行评价。
（二）移动大数据与多源数据特性分析
1.移动大数据特性分析
移动互联网的兴起及成熟为各电信运营商带来了海量的移动大数据，利用移动大数据的位置信息分析推算动态交通状态是一种新兴的广域动态交通探测技术。基于移动大数据的实时交通信息采集技术依托现有移动网络运营商已有的信令数据资源，对移动通信网络的正常运行影响很小，并且能在短时间完成高速公路大范围的实时交通数据采集，是一项非常适合实时交通信息采集的技术。相比于传统采集技术，手机采集技术具有覆盖范围广、投资成本低、采用率高、运营成本低的优势。
本文选取移动大数据与位置相关的信息，同时为了避免隐私问题，采用哈希变换方法对手机号码等敏感信息进行盲化转化。由于同一个信息转化生成的数值是唯一的，因此既保证了数据的隐私性，又保留了数据间的关联性，达到了去隐私化的目的。
移动大数据并非时刻上报数据信息，除了定时上传之外，当手机用户发生手机开机、关机、通话、收发短信、位置更新、切换、上网等事件时，手机的数据信息都会上报，虽然不能像GPS数据那样得到逐秒的完整运行轨迹，但是随着3G、4G的普及，移动大数据上传位置的频率也在逐渐缩短，因此可以得到手机用户的基本运行轨迹信息。
2.收费站数据特性分析
目前国内每辆车进出高速公路时都会经过收费站，收费站数据库详细记录了每辆车的进口站、出口站、车型和出入时间等信息。利用这些数据、信息，并加以分析计算，得到路网中所需要的路径及路段流量。
本文所需的收费站数据主要包括收费站信息表、高速收费入口信息表、高速收费出口信息表。
2012年国庆起，节假日期间对高速公路实行免费通行政策，在免费通行时段，入口收费站信息存在很大比例的数据缺失，究其原因可能是由于在入口收费站，为提高通行速度在收费IC卡上不对车辆、通行时间等信息数据进行录入的原因造成，由此导致整个节假日期间收费站对于高速公路路况信息数据丢失，无法满足交通管理部门对于高速公路路况信息的实时监测与预警分析。
3.交调站数据特性分析
利用交调站能够完整采集断面车流信息，包括车型、流量、车速，通过交调站对高速公路交通状况进行定期和不定期调查，掌握路网运行状况并进行分析，找出交通状况变化趋势和规律，为政府和公路交通各部门提供交通状况基础资料。
但是交调站检测交通流量数据具有一定的弊端，通过交调站手段获取的交通数据信息主要是断面数据，反映“断面”的交通统计特征，无法获得全网全路段的道路交通实时状态，在信息采集的覆盖范围、数据精度以及内容多样化等方面已不能满足高速公路交通信息化的发展。
（三）基于移动大数据的实时运行状态与流量估算算法
1. 移动大数据过滤
海量的移动大数据首先需要进行过滤，剔除错误无效数据，为后续算法流程提供有效的数据。
（1） 时间过滤：分析移动大数据的时间标签，删除不在当前计算周期内的数据。
（2） 空间过滤：分析移动大数据的位置标签，删除不在高速公路所属LAC、CELL的数据。
（3） 内容过滤：经过时间过滤和空间过滤后的数据，对于每个用户的所有数据，进行有效性过滤，例如对于乒乓切换的数据，定义提取原则删除无效数据。
2. 单用户出行轨迹回溯与地图匹配
（1） 单用户电子脚印识别：对于单个手机用户的数据，通过时间序列排列该用户在各个时间点的位置信息，得到该用户的电子脚印。
（2） 移动网络与交通网络匹配：利用GIS软件中的空间分析工具分别计算基站小区覆盖面积Area_CELL（i）、当前交通分析区域覆盖面积Area_TAZ（j）、基站小区与交通分析区域交集覆盖面积Area_CT（i，j），当Area_CT（i，j） / Area_CELL（i）与Area_CT（i，j） / Area_TAZ（j）分别达到一定阈值标准时，将当前基站小区CELL（i）映射至当前交通分析区域TAZ（j）。
（3） 单用户出行轨迹回溯：将单用户的电子脚印匹配至交通网络，回溯出该用户的出行轨迹，并分别匹配至道路交通网络的各个具体路段。
3. 路段行程车速与运行状态估算
（1） 单用户路段行程车速估算：分别处理得到单个用户交通出行轨迹过程中先后经过的各个路段上的行驶车速。
（2） 群体用户路段行程车速估算：对相同的时间周期内，分布在各个路段上的手机用户群体，进行时间聚类、空间聚类及时空聚类处理，处理得到用户群体在各个路段上的平均行驶车速。
（3） 路段运行状态识别：根据交通流量、速度、密度相互关系模型，参考中国交通部运行状态标准，结合高速公路路段的实际情况，对不同路段独立设定合理的畅通、拥堵、缓行阈值，识别符合出行者真实感受的交通状态。
4. 断面车流量估算
（1） 断面客流量估算：对相同的时间周期内，分布在各断面的手机用户群体进行集计，处理得到用户群体在各个断面上的客流量。 （2） 断面客流量扩算至断面车流量：利用断面流量扩算参数表（该表通过参数训练而得，具体参见（五）章节），将断面客流量扩算至断面车流量。
（四）收费口与常发拥堵路段流量预警算法
1. 常发拥堵路段拥堵时间预估
（1） 路网OD与路径分布：通过参数训练（具体参见（五）章节）获得收费站入口流量占比表、OD路径表以及收费站OD流量比例表。
（2） 常发拥堵路段流量预测：将当前周期各收费站入口流量，根据收费站OD流量比例表分配至常发拥堵路段，集计常发拥堵路段对应所有相关收費入口的分配流量。
（3） 常发拥堵路段拥堵预判：利用路段通行能力阈值表（该表通过参数训练而得，具体参见（五）章节）对当前周期常发拥堵路段的预测流量进行预判，预测是否会发生拥堵。
（4） 常发拥堵路段拥堵时间预估：根据OD路径表，结合实时路段车速表，估算常发拥堵路段发生拥堵的预计时间。
2. 收费站入口流量预警
（1） 收费口对应常发拥堵路段流量预警阈值标定：基于常发拥堵路段通行能力的阈值，根据收费站OD流量比例表和收费站入口流量占比表，标定收费口对应常发拥堵路段的流量预警阈值表。
（2） 收费站入口流量预警：当收费站当前周期入口流量超出收费口对应常发拥堵路段流量预警阈值时，发布流量预警信息。
（五）基于多源大数据的模型参数训练研究
1. 断面客流量扩算至断面车流量
基于移动大数据的特点、交通流理论与空间GIS匹配技术，将手机用户的轨迹信息匹配至高速公路具体路段，生成断面的手机客流量数据。交调站数据通过断面流量分析模块生成高速公路断面的车流量数据。收费站数据通过入口流量分析模块生成高速入口断面的车流量数据。
由于移动大数据采集的是手机用户的客流量，而高速公路流量分析的对象为车流量，因此通过断面流量扩算训练模型将手机客流量扩算至车流量。根据手机运营商移动大数据的特点，结合断面的交通流特征、车辆类型构成特征以及手机信令用户流量特征的相关性，构建断面流量扩算模型，通过历史数据训练方法生成相应的扩算系数，并利用历史数据验证扩算系数的合理性。
2. 路网OD与路径分布
收费站数据通过流量OD规律分析模块，按照时间维度对收费站OD分布进行分类划分，生成不同时间类型情况下从某入口收费站至某出口收费站的日均流量及流量占比。
移动大数据通过手机OD与路径分析模块，按照同样的时间维度生成高速公路手机OD分布以及手机OD路径分布。其中手机OD分布数据反映了实际客流在高速公路出入口之间的日均流量情况，而手机OD路径分布则反映高速公路出入口之间的日均流量分别通过不同路径的比例。
路网OD与路径分布训练模块通过数据融合与训练，生成收费站入口流量占比表、OD路径表、收费站OD流量比例表。
3. 路段通行能力标定
移动大数据通过路段行程车速估算模块生成路段手机车速。交调站数据通过断面流量分析模块生成高速公路断面车流量数据。
通行能力标定模块根据交通流量、速度、密度相互关系模型，结合交调站历史断面流量数据和移动大数据获取的历史车速数据，开展常发拥堵路段的流量和车速关联性分析，标定路段的通行能力，生成路段通行能力阈值表。
三、浙江高速路网应用实施与效果评价
（一）应用实施
选取浙江省高速公路比较拥堵的高速作为试点，例如杭州绕城高速、杭金衢高速、杭宁高速、沪杭高速、杭甬高速、乍嘉苏高速等，搭建基于多源大数据的高速公路路网运行监测及流量预警示范系统。该系统以实时的移动大数据、收费站数据、交调站数据为输入数据。数据预处理层实现多源数据的实时导入、数据汇聚、数据质量评估与数据过滤。数据分析处理实现数据提取、移动大数据实时运行状态与流量估算、多源数据融合、收费口与常发拥堵路段流量预警及数据发布功能，最终发布基于路段的实时车速信息、路段实时运行状态信息、断面的实时客流信息、预警收费入口信息、预警收费口对应的拥堵路段及拥堵预测时间。
（二）效果评价
1. 路网运行状态准确率评价
通过用户跟车体验方式采集浙江高速真实交通状态，体验用户需要认真观察并记录真实路况作为评估的基准数据，通过与系统输出的手机检测状态进行对比分析，评价路网运行状态的准确性。
用户体验测试时间为2017年8月15日至8月18日，共计4天。测试范围为杭州绕城高速、杭金衢高速、杭州机场高速、乍嘉苏高速、沪杭高速、杭甬高速。
本次用户跟车体验测试，共采集样本224个，系统输出的手机检测状态与用户判断真实交通状态相同的样本有218个，路网运行状态准确率高达97.32%，能够精确反映道路的真实交通状况。
2. 拥堵预测准确率评价
测试时间为2017年10月17日与10月18日，测试范围为杭州绕城高速、杭金衢高速、杭宁高速。
预测发生拥堵的时间路段总数为 62个，其中与实际发生拥堵状态相符的个数为52，拥堵预测准确率达到83.87%，拥堵预测准确率较高，能够满足交通管理部门预警需求。
四、结论
本文利用移动大数据、交调站数据及收费站数据的多源大数据，建立基于移动大数据的实时运行状态与流量估算模型和收费口与常发拥堵路段流量预警模型，通过对历史数据的参数训练，获得模型所需的断面流量扩算系数、路网OD与路径分布表、路段通行能力阈值表，实现高速公路路段运行状态的实时监测和收费口流量预警。
本文以浙江省高速公路路网为试点，针对浙江高速最为拥堵的若干条高速，例如杭州绕城高速、杭金衢高速、杭宁高速、沪杭高速、杭甬高速等，搭建基于多源大数据的高速公路路网运行监测及流量预警示范系统，实时监测示范高速运行状态与流量，当收费站入口流量超出收费口对应常发拥堵路段流量预警阈值时，发布流量预警信息，包括预警收费入口信息、预警收费口对应的拥堵路段及拥堵预测时间。此外，针对系统输出数据，开展路网运行状态准确度评价和拥堵预测准确度评价，结果显示，系统输出的手机检测状态准确率为97.32%，拥堵预测准确率为83.87%，满足交通管理部门运行状态监测和预警需求。
通过本文的研究与应用，充分挖掘了移动大数据的应用价值，同时和多源数据相融合，不仅实现了高速公路路网全路段运行状态的实时监测，还能提前预测高速公路常发拥堵路段的拥堵态势，为交通管理部门制定收费站入口限流措施，发布车流疏导信息提供了数据支撑，具有广泛的高速公路路网推广应用价值。
参考文献
[1] 交通运输部.“十三五”公路养护管理发展纲要[Z].北京：交通运输部，2016.
[2] 吕梦蛟.基于移动通信基站大数据的高速公路交通状态采集研究与应用[J].公路.2016，8：157-163.
[3] 陈明威.浙江公路运输中应用移动通讯数据的关键技术研究[J].科技展望.2016，33：69-71.
[4] 朱景瑜.基于移动通信基站大数据检测浙江省高速公路交通状态的质量评估分析研究[J].黑龙江科技信息.2016，30：157-159.
[5] 王久辉.基于手机与流量数据的浙江高速公路拥堵预测关键技术研究[J].科技展望.2017，27：99-104.
[6] 徐云飞.高速公路拥堵事件检测中的背景建模及状态判别方法研究[D].重庆大学.2014.
[关键词]高速路网运行监测；流量预警；移动大数据；收费站数据；交调站数据
中图分类号：G250.7；G252 文献标识码：A 文章编号：1009-914X（2018）21-0339-04
Research and Application of Freeway Network Operation Monitoring and Traffic Early Warning Based on Mobile Big Data and Multi-source Data
Jingyu Zhu
（Shanghai SinoCloudBase Information Technology Co.，Ltd. Shanghai， 200434）
[Abstract]This paper focus on mobile big data， traffic investigation station data and toll station data， combining with the model parameters trained by history data， conduct a freeway network operation monitoring and traffic early warning model， generate freeway real-time travel speed， traffic flow， traffic condition， toll gate entrance early warning information，predicted time when traffic congestion is predicted. In this study， Zhejiang Province freeway network as a pilot， set up based on multi-source big data freeway network operation monitoring and traffic early warning demonstration system， real-time monitoring freeway networktraffic conditions and traffic flow，when the toll gate entrance traffic flow exceeds the warning threshold， released traffic warning information， to provide data support for the traffic management department to predict the congestion situation in the frequent congestion sections of Zhejiang Province freeway and to establish the toll gate entrance flow limiting policy.
[Key words]freeway network operation monitoring； traffic early warning； mobile big data； toll station data； traffic investigation data
一、引言
隨着社会经济高速增长以及城市规模的扩大，全国汽车保有量急剧上升，截至2017年6月底，全国机动车保有量达3.04亿辆，与去年底相比，增加938万辆，增长3.18%。高速路网通行能力与交通需求之间的矛盾日益突出，特别在春节、清明、五一、国庆四个高速公路实施免收小型客车通行费政策的重大节假日期间，高速公路路网部分节点出现了长时间、大面积的拥堵现象，高速公路运行管理面临新的严峻挑战。
然而高速公路路网信息的“量化可测”问题较为突出，交通运行监测设施的规模偏小，缺乏路网全空间、全时段路况运行监测的有效手段，更谈不上对拥堵路段及收费口流量的预测预警，无法满足当前高速公路交通信息化发展的需求。
“十三五”期间对交通运输信息化发展提出了新的要求。根据交通运输部“十三五”路网运行监测体系总体思路与原则，强化与推动智慧路网建设是其中的重要内容。其中尤其强调以“自动化监测、数字化管理、协同化运行、智能化服务”为核心的发展目标。
移动大数据指的是电信运营商海量的手机信令数据，这些数据包含了丰富的位置信息，通过对信令序列的分析，可以还原人的活动轨迹，尤其是随着3G、4G网络的成熟应用，通过移动大数据获取连续的交通数据，利用专有模型分析，可以掌握路网运行状态特征。同时，与高速公路路网已有的交调站数据、收费站数据相结合，利用大数据挖掘技术，实现高速公路路网的拥堵预测及收费口流量预警，为交通管理部门制定收费站入口限流措施，发布车流疏导信息提供数据支撑，协助及时疏导车流，避免交通拥堵的发生。
二、技术研究
（一）研究路线
图1是本文的研究路线，具体研究包括： （1） 对移动大数据、收费站数据、交调站数据进行数据特征分析，提取后续算法模型所需的数据字段；
（2） 研究基于移动大数据的高速公路路网实时交通状态与流量估算模型，将实时移动大数据，通过算法模型估算出路段平均车速和断面车流量，并识别路段的交通状态；
（3） 研究收费口与常发拥堵路段流量预警模型，实时监测收费站入口流量，当流量超出收费口对应常发拥堵路段流量预警阈值时，发布收费口流量預警信息；
（4） 利用历史移动大数据、收费站数据、交调站数据，对上述两个核心模型的参数进行训练，获得模型所需的参数表；
（5） 选取浙江省高速路网开展示范应用，并对应用效果进行评价。
（二）移动大数据与多源数据特性分析
1.移动大数据特性分析
移动互联网的兴起及成熟为各电信运营商带来了海量的移动大数据，利用移动大数据的位置信息分析推算动态交通状态是一种新兴的广域动态交通探测技术。基于移动大数据的实时交通信息采集技术依托现有移动网络运营商已有的信令数据资源，对移动通信网络的正常运行影响很小，并且能在短时间完成高速公路大范围的实时交通数据采集，是一项非常适合实时交通信息采集的技术。相比于传统采集技术，手机采集技术具有覆盖范围广、投资成本低、采用率高、运营成本低的优势。
本文选取移动大数据与位置相关的信息，同时为了避免隐私问题，采用哈希变换方法对手机号码等敏感信息进行盲化转化。由于同一个信息转化生成的数值是唯一的，因此既保证了数据的隐私性，又保留了数据间的关联性，达到了去隐私化的目的。
移动大数据并非时刻上报数据信息，除了定时上传之外，当手机用户发生手机开机、关机、通话、收发短信、位置更新、切换、上网等事件时，手机的数据信息都会上报，虽然不能像GPS数据那样得到逐秒的完整运行轨迹，但是随着3G、4G的普及，移动大数据上传位置的频率也在逐渐缩短，因此可以得到手机用户的基本运行轨迹信息。
2.收费站数据特性分析
目前国内每辆车进出高速公路时都会经过收费站，收费站数据库详细记录了每辆车的进口站、出口站、车型和出入时间等信息。利用这些数据、信息，并加以分析计算，得到路网中所需要的路径及路段流量。
本文所需的收费站数据主要包括收费站信息表、高速收费入口信息表、高速收费出口信息表。
2012年国庆起，节假日期间对高速公路实行免费通行政策，在免费通行时段，入口收费站信息存在很大比例的数据缺失，究其原因可能是由于在入口收费站，为提高通行速度在收费IC卡上不对车辆、通行时间等信息数据进行录入的原因造成，由此导致整个节假日期间收费站对于高速公路路况信息数据丢失，无法满足交通管理部门对于高速公路路况信息的实时监测与预警分析。
3.交调站数据特性分析
利用交调站能够完整采集断面车流信息，包括车型、流量、车速，通过交调站对高速公路交通状况进行定期和不定期调查，掌握路网运行状况并进行分析，找出交通状况变化趋势和规律，为政府和公路交通各部门提供交通状况基础资料。
但是交调站检测交通流量数据具有一定的弊端，通过交调站手段获取的交通数据信息主要是断面数据，反映“断面”的交通统计特征，无法获得全网全路段的道路交通实时状态，在信息采集的覆盖范围、数据精度以及内容多样化等方面已不能满足高速公路交通信息化的发展。
（三）基于移动大数据的实时运行状态与流量估算算法
1. 移动大数据过滤
海量的移动大数据首先需要进行过滤，剔除错误无效数据，为后续算法流程提供有效的数据。
（1） 时间过滤：分析移动大数据的时间标签，删除不在当前计算周期内的数据。
（2） 空间过滤：分析移动大数据的位置标签，删除不在高速公路所属LAC、CELL的数据。
（3） 内容过滤：经过时间过滤和空间过滤后的数据，对于每个用户的所有数据，进行有效性过滤，例如对于乒乓切换的数据，定义提取原则删除无效数据。
2. 单用户出行轨迹回溯与地图匹配
（1） 单用户电子脚印识别：对于单个手机用户的数据，通过时间序列排列该用户在各个时间点的位置信息，得到该用户的电子脚印。
（2） 移动网络与交通网络匹配：利用GIS软件中的空间分析工具分别计算基站小区覆盖面积Area_CELL（i）、当前交通分析区域覆盖面积Area_TAZ（j）、基站小区与交通分析区域交集覆盖面积Area_CT（i，j），当Area_CT（i，j） / Area_CELL（i）与Area_CT（i，j） / Area_TAZ（j）分别达到一定阈值标准时，将当前基站小区CELL（i）映射至当前交通分析区域TAZ（j）。
（3） 单用户出行轨迹回溯：将单用户的电子脚印匹配至交通网络，回溯出该用户的出行轨迹，并分别匹配至道路交通网络的各个具体路段。
3. 路段行程车速与运行状态估算
（1） 单用户路段行程车速估算：分别处理得到单个用户交通出行轨迹过程中先后经过的各个路段上的行驶车速。
（2） 群体用户路段行程车速估算：对相同的时间周期内，分布在各个路段上的手机用户群体，进行时间聚类、空间聚类及时空聚类处理，处理得到用户群体在各个路段上的平均行驶车速。
（3） 路段运行状态识别：根据交通流量、速度、密度相互关系模型，参考中国交通部运行状态标准，结合高速公路路段的实际情况，对不同路段独立设定合理的畅通、拥堵、缓行阈值，识别符合出行者真实感受的交通状态。
4. 断面车流量估算
（1） 断面客流量估算：对相同的时间周期内，分布在各断面的手机用户群体进行集计，处理得到用户群体在各个断面上的客流量。 （2） 断面客流量扩算至断面车流量：利用断面流量扩算参数表（该表通过参数训练而得，具体参见（五）章节），将断面客流量扩算至断面车流量。
（四）收费口与常发拥堵路段流量预警算法
1. 常发拥堵路段拥堵时间预估
（1） 路网OD与路径分布：通过参数训练（具体参见（五）章节）获得收费站入口流量占比表、OD路径表以及收费站OD流量比例表。
（2） 常发拥堵路段流量预测：将当前周期各收费站入口流量，根据收费站OD流量比例表分配至常发拥堵路段，集计常发拥堵路段对应所有相关收費入口的分配流量。
（3） 常发拥堵路段拥堵预判：利用路段通行能力阈值表（该表通过参数训练而得，具体参见（五）章节）对当前周期常发拥堵路段的预测流量进行预判，预测是否会发生拥堵。
（4） 常发拥堵路段拥堵时间预估：根据OD路径表，结合实时路段车速表，估算常发拥堵路段发生拥堵的预计时间。
2. 收费站入口流量预警
（1） 收费口对应常发拥堵路段流量预警阈值标定：基于常发拥堵路段通行能力的阈值，根据收费站OD流量比例表和收费站入口流量占比表，标定收费口对应常发拥堵路段的流量预警阈值表。
（2） 收费站入口流量预警：当收费站当前周期入口流量超出收费口对应常发拥堵路段流量预警阈值时，发布流量预警信息。
（五）基于多源大数据的模型参数训练研究
1. 断面客流量扩算至断面车流量
基于移动大数据的特点、交通流理论与空间GIS匹配技术，将手机用户的轨迹信息匹配至高速公路具体路段，生成断面的手机客流量数据。交调站数据通过断面流量分析模块生成高速公路断面的车流量数据。收费站数据通过入口流量分析模块生成高速入口断面的车流量数据。
由于移动大数据采集的是手机用户的客流量，而高速公路流量分析的对象为车流量，因此通过断面流量扩算训练模型将手机客流量扩算至车流量。根据手机运营商移动大数据的特点，结合断面的交通流特征、车辆类型构成特征以及手机信令用户流量特征的相关性，构建断面流量扩算模型，通过历史数据训练方法生成相应的扩算系数，并利用历史数据验证扩算系数的合理性。
2. 路网OD与路径分布
收费站数据通过流量OD规律分析模块，按照时间维度对收费站OD分布进行分类划分，生成不同时间类型情况下从某入口收费站至某出口收费站的日均流量及流量占比。
移动大数据通过手机OD与路径分析模块，按照同样的时间维度生成高速公路手机OD分布以及手机OD路径分布。其中手机OD分布数据反映了实际客流在高速公路出入口之间的日均流量情况，而手机OD路径分布则反映高速公路出入口之间的日均流量分别通过不同路径的比例。
路网OD与路径分布训练模块通过数据融合与训练，生成收费站入口流量占比表、OD路径表、收费站OD流量比例表。
3. 路段通行能力标定
移动大数据通过路段行程车速估算模块生成路段手机车速。交调站数据通过断面流量分析模块生成高速公路断面车流量数据。
通行能力标定模块根据交通流量、速度、密度相互关系模型，结合交调站历史断面流量数据和移动大数据获取的历史车速数据，开展常发拥堵路段的流量和车速关联性分析，标定路段的通行能力，生成路段通行能力阈值表。
三、浙江高速路网应用实施与效果评价
（一）应用实施
选取浙江省高速公路比较拥堵的高速作为试点，例如杭州绕城高速、杭金衢高速、杭宁高速、沪杭高速、杭甬高速、乍嘉苏高速等，搭建基于多源大数据的高速公路路网运行监测及流量预警示范系统。该系统以实时的移动大数据、收费站数据、交调站数据为输入数据。数据预处理层实现多源数据的实时导入、数据汇聚、数据质量评估与数据过滤。数据分析处理实现数据提取、移动大数据实时运行状态与流量估算、多源数据融合、收费口与常发拥堵路段流量预警及数据发布功能，最终发布基于路段的实时车速信息、路段实时运行状态信息、断面的实时客流信息、预警收费入口信息、预警收费口对应的拥堵路段及拥堵预测时间。
（二）效果评价
1. 路网运行状态准确率评价
通过用户跟车体验方式采集浙江高速真实交通状态，体验用户需要认真观察并记录真实路况作为评估的基准数据，通过与系统输出的手机检测状态进行对比分析，评价路网运行状态的准确性。
用户体验测试时间为2017年8月15日至8月18日，共计4天。测试范围为杭州绕城高速、杭金衢高速、杭州机场高速、乍嘉苏高速、沪杭高速、杭甬高速。
本次用户跟车体验测试，共采集样本224个，系统输出的手机检测状态与用户判断真实交通状态相同的样本有218个，路网运行状态准确率高达97.32%，能够精确反映道路的真实交通状况。
2. 拥堵预测准确率评价
测试时间为2017年10月17日与10月18日，测试范围为杭州绕城高速、杭金衢高速、杭宁高速。
预测发生拥堵的时间路段总数为 62个，其中与实际发生拥堵状态相符的个数为52，拥堵预测准确率达到83.87%，拥堵预测准确率较高，能够满足交通管理部门预警需求。
四、结论
本文利用移动大数据、交调站数据及收费站数据的多源大数据，建立基于移动大数据的实时运行状态与流量估算模型和收费口与常发拥堵路段流量预警模型，通过对历史数据的参数训练，获得模型所需的断面流量扩算系数、路网OD与路径分布表、路段通行能力阈值表，实现高速公路路段运行状态的实时监测和收费口流量预警。
本文以浙江省高速公路路网为试点，针对浙江高速最为拥堵的若干条高速，例如杭州绕城高速、杭金衢高速、杭宁高速、沪杭高速、杭甬高速等，搭建基于多源大数据的高速公路路网运行监测及流量预警示范系统，实时监测示范高速运行状态与流量，当收费站入口流量超出收费口对应常发拥堵路段流量预警阈值时，发布流量预警信息，包括预警收费入口信息、预警收费口对应的拥堵路段及拥堵预测时间。此外，针对系统输出数据，开展路网运行状态准确度评价和拥堵预测准确度评价，结果显示，系统输出的手机检测状态准确率为97.32%，拥堵预测准确率为83.87%，满足交通管理部门运行状态监测和预警需求。
通过本文的研究与应用，充分挖掘了移动大数据的应用价值，同时和多源数据相融合，不仅实现了高速公路路网全路段运行状态的实时监测，还能提前预测高速公路常发拥堵路段的拥堵态势，为交通管理部门制定收费站入口限流措施，发布车流疏导信息提供了数据支撑，具有广泛的高速公路路网推广应用价值。
参考文献
[1] 交通运输部.“十三五”公路养护管理发展纲要[Z].北京：交通运输部，2016.
[2] 吕梦蛟.基于移动通信基站大数据的高速公路交通状态采集研究与应用[J].公路.2016，8：157-163.
[3] 陈明威.浙江公路运输中应用移动通讯数据的关键技术研究[J].科技展望.2016，33：69-71.
[4] 朱景瑜.基于移动通信基站大数据检测浙江省高速公路交通状态的质量评估分析研究[J].黑龙江科技信息.2016，30：157-159.
[5] 王久辉.基于手机与流量数据的浙江高速公路拥堵预测关键技术研究[J].科技展望.2017，27：99-104.
[6] 徐云飞.高速公路拥堵事件检测中的背景建模及状态判别方法研究[D].重庆大学.2014.