本发明涉及一种城市道路交通状态时空分析方法和系统,它以空间与时间自相关理论为基础,运用数理统计基本理论,根据道路网络上实时交通流数据,分析交通状态的时空演化以及拥堵的产生、发展和消散过程。运用这种方法统计不同的道路状态在时空上的分布特征,分析城市路网道路交通状况演化的时空规律,识别和判断在时间上的拥堵高峰时段以及空间上的瓶颈路段,进一步支撑交通措施的制定和实施。
1.城市道路交通状态的时空分析方法,其特征在于,该方法包括如下步骤:1)从数据库中读取计算分析所需的道路网络交通流时空数据,并存储在临时数据表中,建立时空基础数据系统;2)利用数据异常识别和处理规则对所述交通流时空数据存在的异常进行识别和修复;3)从GIS地图中获取道路之间的空间邻接关系矩阵,结合时间邻接关系,获取时空对象之间的邻接关系矩阵;4)根据步骤2中已进行修复处理的道路网络交通流时空数据,及步骤3得到的时空对象邻接矩阵,及时空自相关指标计算模型,计算得到时空自相关的全局指标和局部指标;5)对所述步骤4中得出的时空自相关指标计算结果进行多角度展示和辅助分析,以获得城市道路交通状态。
2.根据权利要求1所述的城市道路交通状态的时空分析方法,其特征在于,所述步骤1中从数据库中读取交通流时空数据包括:101)将查询条件设置成参数由用户个性化设置,如起始日期和时间、终止日期和时间、道路网络范围,道路网络范围允许用户从地图上直接选择,或者直接输入路段名称或路段在数据库中的编号;102)连接数据库,将用户输入的查询条件嵌套在查询语句中输入数据库进行数据的查询操作,查询所得数据存放在一个临时的数据表中,作为后续异常识别和处理操作的基础数据。
3.根据权利要求1所述的城市道路交通状态的时空分析方法,其特征在于,所述步骤2中对数据存在的异常进行识别和修复的具体步骤如下:201)读取步骤1产生的临时数据表中的数据,按照异常数据的识别规则判断数据中存在的缺失数据和错误数据,并进行标记,作为后续的异常数据修复操作的依据;202)根据异常数据识别过程标记得出的异常识别结果,依据异常数据的修复规则对异常数据进行修复,修复完毕的数据输入到后续步骤进行自相关指标的计算。
4.根据权利要求1所述的城市道路交通状态的时空分析方法,其特征在于,所述步骤3中获取时空对象之间的邻接关系矩阵的具体步骤如下:301)获取两个时空对象所在的空间对象之间的邻接关系,此处的空间对象指的就是空间上的某一条路段,两条路段有共同的节点则表示它们相邻,否则不相邻;302)获取两个时空对象所在的时间对象之间的相邻关系,此处由于交通流时空数据都是在路段上按一定的时间间隔进行采集的,因此将研究的时间范围按数据采集时间间隔分成很多个时段,若两个时间在相邻时段内,则表明两个时间对象相邻;303)根据获取的空间邻接关系和时间邻接关系确定时空对象之间的时空邻接关系,若两个时空对象在空间上和时间上都相邻,那么他们在时空关系上就相邻;对于任意两个时空对象都按上述步骤得出它们的邻接关系,即可得到时空邻接矩阵。
5.根据权利要求1所述的城市道路交通状态的时空分析方法,其特征在于,所述步骤4中时空自相关指标计算模型具体包括如下:401)全局自相关指标的计算,全局自相关指标是衡量全体时空对象自相关程度的量度,考察的是时空对象之间在所研究的交通状态数据方面存在的自相关关系,可以直观的反应所有时空对象的自相关程度;402)局部自相关指标的计算,局部自相关指标是衡量具体某一个时空与其时空邻域内的所有时空对象之间自相关程度的一个量度,考察的是具体某一个时空对象与其时空邻域内所有时空对象之间在所研究的交通流属性时空数据上的自相关关系。
6.城市道路交通状态的时空分析系统,其特征在于,该系统包括:交通流时空数据查询模块,用于实现交通流时空数据的实时查询功能,且由于需要处理的数据量很大,而分析过程需要针对不同时间段、不同局部路网进行,灵活性要求很高,因此所述数据查询模块能根据具体需求为后续的统计分析提供基础数据;异常数据的识别和修复模块,用于对交通流时空数据查询模块所得出的交通流时空数据,进行异常数据的识别和修复,由于检测器失灵、传输线路故障等原因,数据库中的数据不可避免地存在错误、缺失等情况,该模块对这些异常数据进行处理,防止异常数据影响分析结果的准确性;时空自相关指标的计算模块,用于接收进行异常数据识别与修复处理后的交通流时空数据,根据由GIS地图得到的空间邻接关系和时间邻接关系确定时空邻接矩阵,然后将时空邻接矩阵输入本发明提出的时空自相关指标计算模型,进行时空自相关指标的计算;计算结果辅助分析与展示模块,用于对时空自相关指标的计算模块所得到的时空自相关全局与局部指标,进行图形化的动态展示,从时间维和空间维角度绘制趋势折线图、分布散点图、柱状图以及交通状态展示专题地图,得到交通状态时空演化规律。技术领域
本发明涉及交通状态分析系统,特别是涉及一种城市道路交通状态的时空分析方法和系统。
背景技术
交通问题是大城市所面临的共同挑战。为了解决交通问题,国内外城市都付出了诸多努力,包括道路网络扩建、交叉口优化、智能交通系统建设、交通需求管理等措施。然而,城市道路网络是一个综合而复杂的大系统,所承担的交通行为是交通需求与交通供给之间相互作用的演化过程。在制定与采取交通管理措施之前,如果不能准确识别交通网络上的交通状态(通畅与拥堵)及其时空演化规律,则可能出现所采取的措施与实际交通状况在时空领域内出现背离,不仅无法发挥交通管理措施的正面效果,甚至有可能导致交通状况的进一步恶化。为了保证交通管理措施合理有效,有必要对路网上的交通状态进行详细的时空分析,掌握城市道路网络交通状态演化的基本时空规律,识别拥堵现象在时空上的演化特征,为及时有效的采取交通管理措施、缓解交通拥堵提供一种科学合理的分析方法与技术。在既有的城市道路交通状态分析研究中,主要是从动态交通分配理论预测分析、基于图论的空间分析方法和交通仿真技术模拟再现等角度入手,探索交通状态的时空演化特性。上述方法虽能比较方便的刻画道路网络上的交通状态,但主要存在以下问题:(1)所用调查数据或行为参数始终为抽样样本数据,受样本大小与精度的影响,与实际情况存在较大差距;(2)所用理论与方法为了保障可用性,存在较多假设前提,实际应用中存在一定局限性;(3)从时间与空间维度分析交通状态演化规律存在一定困难,对交通监测数据的应用还不够充分。近年来,随着交通检测技术与智能交通系统的发展,很多大城市积累了大量实时交通流特征数据(包括密度、速度、流量等),这些数据反映了城市道路的实时交通状况,可为道路交通状态的时空特性分析提供准确完善的资料。尽管目前空间统计理论和时间序列分析理论都较为成熟,但可用于同时从时间与空间两个维度分析道路交通状态的方法还比较缺乏。综上所述,有必要开发一种同时考虑数据时空特征的城市道路交通状态时空分析方法与系统。本发明根据城市道路交通网络实时交通流数据,运用数理统计原理与时空分析方法识别城市路网道路交通状态的时空特性,有效分析城市路网道路交通状态时空演化的规律,作为交通措施的制定与实施的依据。
发明内容
针对以上现有技术的不足,本发明的目的是提供一种城市道路交通状态时空分析方法和系统,它以空间与时间自相关理论为基础,运用数理统计基本理论,根据道路网络上实时交通流数据,分析交通状态的时空演化以及拥堵的产生、发展和消散过程。运用这种方法统计不同的道路状态在时空上的分布特征,分析城市路网道路交通状况演化的时空规律,识别和判断在时间上的拥堵高峰时段以及空间上的瓶颈路段,进一步支撑交通措施的制定和实施。本发明为了解决现有研究中所存在的与实际交通状况有较大误差和缺乏时空数据分析方法的问题,采用的技术方案是:一种城市道路交通状态时空分析方法与系统。具体地说,本发明是以空间自相关和时间自相关理论为基础,定义某一条路段某一时刻的状态为一个时空对象,那么时空自相关性就是指时空对象某一属性值(如某路段某时刻的路况、流量等)与其相邻的所有时空对象的同一属性值之间的相关关系。从数理统计的角度,提出了衡量这种时空自相关性的指标,从自相关的角度研究交通流时空状态演化过程。本发明的目的通过以下技术方案来实现:城市道路交通状态的时空分析方法,该方法包括如下步骤:1)从数据库中读取计算分析所需的道路网络交通流时空数据,并存储在临时数据表中,建立时空基础数据系统;2)利用数据异常识别和处理规则对所述交通流时空数据存在的异常进行识别和修复;3)从GIS地图中获取道路之间的空间邻接关系矩阵,结合时间邻接关系,获取时空对象之间的邻接关系矩阵;4)根据步骤2中已进行修复处理的道路网络交通流时空数据,及步骤3得到的时空对象邻接矩阵,及时空自相关指标计算模型,计算得到时空自相关的全局指标和局部指标;5)对所述步骤4中得出的时空自相关指标计算结果进行多角度展示和辅助分析,以获得城市道路交通状态。进一步,所述步骤1中从数据库中读取交通流时空数据包括:101)将查询条件设置成参数由用户个性化设置,如起始日期和时间、终止日期和时间、道路网络范围,道路网络范围允许用户从地图上直接选择,或者直接输入路段名称或路段在数据库中的编号;102)连接数据库,将用户输入的查询条件嵌套在查询语句中输入数据库进行数据的查询操作,查询所得数据存放在一个临时的数据表中,作为后续异常识别和处理操作的基础数据。进一步,所述步骤2中对数据存在的异常进行识别和修复的具体步骤如下:201)读取步骤1产生的临时数据表中的数据,按照异常数据的识别规则判断数据中存在的缺失数据和错误数据,并进行标记,作为后续的异常数据修复操作的依据;202)根据异常数据识别过程标记得出的异常识别结果,依据异常数据的修复规则对异常数据进行修复,修复完毕的数据输入到后续步骤进行自相关指标的计算。进一步,所述步骤3中获取时空对象之间的邻接关系矩阵的具体步骤如下:301)获取两个时空对象所在的空间对象之间的邻接关系,此处的空间对象指的就是空间上的某一条路段,两条路段有共同的节点则表示它们相邻,否则不相邻;302)获取两个时空对象所在的时间对象之间的相邻关系,此处由于交通流时空数据都是在路段上按一定的时间间隔进行采集的,因此将研究的时间范围按数据采集时间间隔分成很多个时段,若两个时间在相邻时段内,则表明两个时间对象相邻;303)根据获取的空间邻接关系和时间邻接关系确定时空对象之间的时空邻接关系,若两个时空对象在空间上和时间上都相邻,那么他们在时空关系上就相邻;对于任意两个时空对象都按上述步骤得出它们的邻接关系,即可得到时空邻接矩阵。进一步,所述步骤4中时空自相关指标计算模型具体包括如下:401)全局自相关指标的计算,全局自相关指标是衡量全体时空对象自相关程度的量度,考察的是时空对象之间在所研究的交通状态数据方面存在的自相关关系,可以直观的反应所有时空对象的自相关程度。402)局部自相关指标的计算,局部自相关指标是衡量具体某一个时空与其时空邻域内的所有时空对象之间自相关程度的一个量度,考察的是具体某一个时空对象与其时空邻域内所有时空对象之间在所研究的交通流属性时空数据上的自相关关系。城市道路交通状态的时空分析系统,该系统包括:交通流时空数据查询模块,用于实现交通流时空数据的实时查询功能,且由于需要处理的数据量很大,而分析过程需要针对不同时间段、不同局部路网进行,灵活性要求很高,因此所述数据查询模块能根据具体需求为后续的统计分析提供基础数据;异常数据的识别和修复模块,用于对交通流时空数据查询模块所得出的交通流时空数据,进行异常数据的识别和修复,由于检测器失灵、传输线路故障等原因,数据库中的数据不可避免地存在错误、缺失等情况,该模块对这些异常数据进行处理,防止异常数据影响分析结果的准确性;时空自相关指标的计算模块,用于接收进行异常数据识别与修复处理后的交通流时空数据,根据由GIS地图得到的空间邻接关系和时间邻接关系确定时空邻接矩阵,然后将时空邻接矩阵输入本发明提出的时空自相关指标计算模型,进行时空自相关指标的计算;计算结果辅助分析与展示模块,用于对时空自相关指标的计算模块所得到的时空自相关全局与局部指标,进行图形化的动态展示,从时间维和空间维角度绘制趋势折线图、分布散点图、柱状图以及交通状态展示专题地图,得到交通状态时空演化规律。本发明的优点在于:本发明的有益效果是以城市道路网络实际的交通流时空数据为研究对象,以数理统计原理为基础,从时间与空间自相关的角度提出了一种用于分析和探索交通流时空数据的方法和系统。该方法和系统能够识别城市路网交通状态变迁(例如拥堵发生)在时空上的发生、发展和消散过程,统计不同的道路交通状态在时空上的分布特征,可科学、准确的分析城市路网道路交通状况演化的时空规律,识别和判断在时间上的拥堵高峰时段以及空间上的瓶颈路段,进一步提高交通措施制定和实施的合理性与有效性。
附图说明
图1为道路交通状态时空分析系统基本体系框架图;图2为数据识别与修复处理流程图;图3为研究的实例路网中所有时空对象的局部自相关指标在各区间分布的分小时概率统计图;图4为研究实例路网中所有时空对象的自相关散点图;图5为研究的实例路网中所有时空对象在自相关散点图中分布的分小时概率统计图;图6为研究的实例路网早上7:10到7:15时段位于自相关散点图第一象限的路段。图7为研究的实例路网早上7:10到7:15时段位于自相关散点图第二象限的路段。图8为研究的实例路网早上7:10到7:15时段位于自相关散点图第三象限的路段。图9为研究的实例路网早上7:10到7:15时段位于自相关散点图第四象限的路段。图10为东便门桥到建国门桥路段统计路况在一天24小时中的趋势图;图11为位于东便门桥到建国门桥路段的所有时空对象的局部自相关指标一天24小时中趋势图;图12为位于东便门桥到建国门桥路段的所有时空对象的自相关散点图。
具体实施方式
本发明一种城市道路交通状态时空分析方法,该方法以空间自相关和时间自相关理论为基础,定义某一条路段某一时刻的状态为一个时空对象,则时空自相关性就是指时空对象某一属性值(如某路段某时刻的路况、流量等)与其相邻的所有时空对象的同一属性值之间的相关关系。从数理统计的角度,提出了衡量这种时空自相关性的指标,从自相关的角度研究交通流时空状态的演化过程。本发明的方法主要包括以下几个步骤:步骤一:从数据库中读取计算分析所需的路网交通流时空数据。此时空数据不仅对于每条路段具有不同的观测值,对于同一路段在不同时刻也有不同的观测值,具有典型的时空双重性质。数据读取具体过程如下:1)为了能根据需要实时查询路网交通流时空数据,将查询条件设置成参数由用户个性化设置,如起始日期和时间、终止日期和时间、道路网络范围等。道路网络范围允许用户从地图上直接选择,或者直接输入路段名称或路段在数据库中的编号。2)连接数据库,将用户输入的查询条件嵌套在查询语句中输入数据库进行数据的查询操作。查询所得数据存放在一个临时的数据表中,作为后续异常识别和处理操作的基础数据。步骤二:利用数据异常识别和处理规则对原始数据进行识别修复。由于检测器失灵和传输线路故障等原因,数据库中查询获得的原始交通流时空数据可能存在异常,数据异常包括数据缺失和错误。缺失和错误数据的存在,影响了数据的有效性,因此在进行分析之前,需要识别这些数据中存在的异常现象,并运用一定的方法对其进行处理,以免影响分析结果。异常数据识别和修复的具体过程如下:1)读取步骤一产生的临时数据表中的数据,按照异常数据的识别规则判断数据中存在的缺失数据和错误数据,并进行标记,作为后续的异常数据修复操作的依据。2)根据异常数据识别过程标记得出的异常识别结果,依据异常数据的修复规则对异常数据进行修复,修复完毕的数据可输入到后续步骤进行自相关指标的计算。步骤三:从GIS地图中获取道路之间的空间邻接关系矩阵,结合数据库中时间邻接关系,计算获得时空对象之间的邻接关系矩阵。根据时空自相关指标的涵义,定义与一个时空对象相邻空间位置、相邻时间点上的所有时空对象为该时空对象的时空邻域,则时空邻接关系就可以由空间邻接关系和时间邻接关系获得。因此,计算两个时空对象的时空邻接关系的步骤如下:1)获取两个时空对象所在的空间对象之间的邻接关系,此处的空间对象指的就是空间上的某一条路段,两条路段有共同的节点则表示它们相邻,否则不相邻。2)获取两个时空对象所在的时间对象之间的相邻关系,此处由于交通流时空数据都是在路段上按一定的时间间隔进行采集的,因此可将研究的时间范围按数据采集时间间隔分成很多个时段,若两个时间在相邻时段内,则表明两个时间对象相邻。3)根据获取的空间邻接关系和时间邻接关系确定时空对象之间的时空邻接关系,若两个时空对象在空间上和时间上都相邻,那么他们在时空关系上就相邻。对于任意两个时空对象都按上述步骤得出它们的邻接关系,即可得到时空邻接矩阵。步骤四:根据步骤二中修复完成的道路网络交通流时空数据,以及步骤三得到的时空对象邻接矩阵,依照本发明提出的时空自相关指标计算模型,计算得到时空自相关的全局指标和局部指标。计算模型具体过程如下:1)全局自相关指标的计算。全局自相关指标是衡量全体时空对象自相关程度的量度,考察的是时空对象之间在所研究的交通状态数据方面存在的自相关关系,可以直观的反应所有时空对象的自相关程度。2)局部自相关指标的计算。局部自相关指标是衡量具体某一个时空与其时空邻域内的所有时空对象之间自相关程度的一个量度,考察的是具体某一个时空对象与其时空邻域内所有时空对象之间在所研究的交通流属性时空数据上的自相关关系。步骤五:计算结果的多角度展示与辅助分析。对于计算出来的自相关指标,全局指标只是一个数值,但局部自相关指标对于不同的时空对象会有不同的取值,因此,计算结果数据量较大。按一定的线索和逻辑展示这些数据才能便于研究分析,展示的手段包括分时间维和空间维的趋势折线图、分布散点图、柱状图以及交通状态展示专题地图。可以辅助交通管理和研究人员分析和研究交通状态在时空上的分布特征和变化规律。上述步骤二、三、四是本方法的核心,下面对步骤二、三、四中的计算方法和过程进行进一步的详细说明。所述步骤二对异常数据的识别与修复的具体方法如下:对于缺失数据的识别,由于交通流时空数据是由检测器按一定的时间间隔进行采集,所以数据很容易进行校验。两个采集到的相邻数据之间的时间差正常情况下就是1个数据采集时间间隔,多于1个时间间隔的时候表示它们之间存在数据缺失。对于错误数据的识别,有以下两种方法:1)常用的错误数据的识别方法是阈值法,超过一定的阈值就被认为是错误数据。2)用几个交通参数数据进行联合判断的方法。对于某一种交通数据,可以依据交通流理论中的速度、密度和流量之间的关系,用其他两种数据来验证它是否为错误数据。识别出异常数据之后,就可以对其进行修复。修复的方法有:1)采用前一天的历史数据进行修复,适用于丢失数据;2)采用历史趋势数据与实测数据加权估计值进行修复,适用于错误数据;3)利用相邻时段数据进行线性插值来修复;4)由前n个时段的数据得到缺失时段的预测值来修复;5)由相邻路段得到的预测值来修复。其中利用相邻时段数据进行线性插值来修复的方法简明易行,而且效果较好。因此是本发明中的推荐方法。对于两个数据y(i)和y(j)(i<j),其左侧、右侧与中间的缺失数据y(n)(i<n<j)可以用以下公式进行插值: y ( n ) = n - i j - i ( y ( j ) - y ( i ) ) ]]> 所述步骤三的时空对象邻接关系矩阵计算的具体方法如下:根据定义,与一个时空对象相邻空间位置、相邻时间点上的所有时空对象为该时空对象的时空邻域。那么,时空邻接关系就可以通过空间邻接关系和时序邻接关系来确定。由于邻接权重是一个取0或1的值,取1表示邻接,取0表示不邻接,因此时空邻接权重值可以表示为空间邻接权重值和时间邻接权重值的乘积。设时空对象ST(p,i)和ST(q,j)分别是路段p在i时刻的状态和路段q在j时刻的状态,那么时空对象ST(p,i)和ST(q,j)之间的邻接权重为:w_(p,i)(q,j)=w_(p,q)×w_(i,j)其中w_(p,q)为路段p和路段q之间的空间邻接权重: ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="554"/> w_(i,j)为时刻i和时刻j之间的时间邻接权重: ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="685"/> 需要注意,此处规定相邻空间位置的同一个时刻互为时空邻域,但同一个空间位置的相邻时刻之间不互为时空对象,这是由于同一空间地理对象(如某一条路段)的相邻时刻的状态是一个时间序列,这种时间自相关性可能会掩盖空间异质性。因此,在计算公式中规定同一个路段(p=q)不互为空间邻域,但同一时刻(i=j)互为时间邻域。计算出所有的w_(p,i)(q,j),得到一个时空对象邻接矩阵。这一步骤计算获得的时空对象邻接矩阵,同上一步修复后的交通流时空数据,一起输入下一步骤进行时空自相关指标计算。所述步骤四的时空自相关全局与局部指标的计算具体方法和过程如下:假如y_(p,i)是时空对象ST(p,i)(p路段i时刻的状态)的某一属性值(如交通量,速度,密度等),那么在一定时间段与空间范围内,所有的时空对象关于这一属性值的全局自相关指标A可表示为: A = NT Σ p = 0 N Σ i = 0 T Σ q = 0 N Σ j = 0 T w ( p , i ) ( q , j ) ( y ( p , i ) - y _ ) ( y ( q , j ) - y _ ) Σ p = 0 N Σ i = 0 T ( y ( p , i ) - y _ ) 2 × Σ p = 0 N Σ i = 0 T Σ q = 0 N Σ j = 0 T w ( p , i ) ( q , j ) ]]> 其中N为研究的空间范围内所有路段的数目,T为研究的时间范围内数据采集的时间间隔数目。NT为所有时空对象的数目。w_(p,i)(q,j)为时空对象ST(p,i)和ST(q,j)之间的邻接权重值,y为所有时空对象y属性值的均值: y _ = 1 NT Σ p = 0 N Σ i = 0 T y ( p , i ) ]]> 全局自相关指标A的取值在-1到1范围内,处在不同的子区间表示不同的含义:1)A大于0表示正相关,越接近1这种趋势越明显。具体表现为所研究的属性值在相邻路段相邻时刻上趋于一致。以速度为例,若某一路段某一时段的速度值高,其相邻路段相邻时段的速度值也趋向于高值;速度值低的话,其相邻路段相邻时段的速度值也趋向于低值。全局自相关指标A的取值所反映的交通状态特性随着所研究的属性不同而不同。如果研究的属性为速度的话,速度越高表示道路越畅通,那么A大于0的时候,这种正相关性表示研究的路网在时空上表现为拥堵或畅通状态的聚集特性,且越接近1聚集特性越显著。具体说来,即若某一路段某一时段畅通,其相邻路段在相邻时段也趋于畅通;拥堵的话,其相邻路段在相邻时段也趋于拥堵。2)A等于0表示不相关;3)A小于0表示负相关,越接近-1这种趋势越明显。具体表现为所研究的属性值在相邻路段相邻时刻上的取值趋于相反。以速度为例,若某一路段某一时段的速度值高,则其相邻路段相邻时段的速度趋向于低值;速度值低的话,其相邻路段相邻时段的速度反而趋向于高值。如果研究的属性为速度的话,速度越高表示道路越畅通,那么A小于0的时候,这种负相关性在交通状态特性上表示研究的路网在时空上表现为拥堵或畅通状态的异质性,且越接近-1异质特性越显著。具体说来,即若某一路段某一时段畅通,其相邻路段在相邻时段反而趋于拥堵;拥堵的话,其相邻路段在相邻时段反而趋于畅通。全局自相关指标A是反映全局时空对象自相关状况的一个指标,无法衡量时空自相关的局部特性。对于具体某一个时空对象,用另一个指标来衡量它与其时空邻域中所有时空对象之间的相关关系,即时空自相关局部指标:a_(p,i)=Z_(p,i)Wz_(p,i)其中: Wz ( p , i ) = Σ q = 0 N Σ j = 0 T w ( p , i ) ( q , j ) Z ( q , j ) Σ q = 0 N Σ j = 0 T w ( p , i ) ( q , j ) ]]> Z ( p , i ) = ( y ( p , i ) - y _ ) σ ]]> σ = Σ p = 0 N Σ i = 0 T ( y ( p , i ) - y _ ) 2 NT - 1 ]]> 虽然a_(p,i)不像自相关全局指标A那样有固定的取值范围,但其正负情况也代表了不同的含义:1)a_(p,i)取正值的话,表示时空对象ST(p,i)(p路段i时刻的状态)与其时空邻域中所有时空对象表现为正相关关系,绝对值越大这种趋势越明显。以速度为例,若p路段i时刻速度值高,其相邻路段相邻时段的速度值也高;速度值低的话,其相邻路段相邻时段的速度值也低。同全局自相关指标相似,如果研究的属性为速度的话,速度越高表示道路越畅通,a_(p,i)取正值时,ST(p,i)与其时空邻域内所有时空对象的正相关关系在交通状态特性上表现为:若p路段在i时刻畅通,其相邻路段在相邻时刻也畅通;拥堵的话其相邻路段在相邻时刻也拥堵。2)a_(p,i)取0表明时空对象ST(p,i)(p路段i时刻的状态)与其时空邻域中所有时空对象不相关。3)a_(p,i)取负值的话,表明时空对象ST(p,i)(p路段i时刻的状态)与其时空邻域中所有时空对象表现为负相关关系,绝对值越大这种趋势越明显。以速度为例,若p路段i时刻速度值高,则其相邻路段相邻时段的速度值低;速度值低的话,其相邻路段相邻时段的速度值反而高。同全局自相关指标相似,如果研究的属性为速度的话,速度越高表示道路越畅通,a_(p,i)取负值时,ST(p,i)与其时空邻域内所有时空对象的负相关关系在交通状态特性上表现为:若p路段在i时刻畅通,其相邻路段在相邻时刻拥堵;拥堵的话其相邻路段在相邻时刻畅通。公式中的Z_(p,i)表示时空对象ST(p,i)(p路段i时刻的状态)标准化y属性值,Wz_(p,i)表示时空对象ST(p,i)的时空邻域中所有时空对象的加权标准化y属性值。因此,对于时空对象ST(p,i)(p路段i时刻的状态),可以综合运用其Z_(p,i)和Wz_(p,i)值来衡量其在y属性值上与其周围时空对象之间的关系。以Z_(p,i)为横坐标,Wz_(p,i)为纵坐标绘制散点图,称为时空自相关散点图。在时空自相关散点图中,每个时空对象都会对应一个点,它在时空自相关散点图中位于不同的象限代表时空对象处于不同状态,因此,可以用时空自相关散点图来判断交通状态在时空上的分布特性:1)位于第一象限的点表示该点所对应的时空对象ST(p,i)(p路段i时刻的状态)在所研究的属性(流量、速度、密度等)上取高值时,其相邻的时空对象也趋向于取高值,表现出正相关关系。时空对象在自相关散点图中的位置所代表的交通状态特性随着所研究的属性不同而不同。如果研究的属性为速度的话,那么时空对象ST(p,i)对应的点位于第一象限在交通状态特性上就表示p路段在i时刻畅通(速度高值),其相邻路段在相邻时刻也畅通(速度高值),p路段交通状态时空特征表现为畅通聚集。2)位于第二象限的点表示该点所对应的时空对象ST(p,i)(p路段i时刻的状态)在所研究的属性(流量、速度、密度等)上取低值时,其相邻的时空对象趋向于取高值,表现出负相关关系。如果研究的属性为速度的话,那么时空对象ST(p,i)对应的点位于第二象限在交通状态特性上就表示p路段在i时刻拥堵(速度低值),但其相邻路段在相邻时刻畅通(速度高值),p路段交通状态时空特征表现为率先拥堵、滞后消散。3)位于第三象限的点表示该点所对应的时空对象ST(p,i)(p路段i时刻的状态)在所研究的属性(流量、速度、密度等)上取低值时,其相邻的时空对象也趋向于取低值,表现出正相关关系。如果研究的属性为速度的话,那么时空对象ST(p,i)对应的点位于第三象限在交通状态特性上就表示p路段在i时刻拥堵(速度低值),其相邻路段在相邻时刻也拥堵,p路段交通状态时空特征表现为拥堵聚集。4)位于第四象限的点表示该点所对应的时空对象ST(p,i)(p路段i时刻的状态)在所研究的属性(流量、速度、密度等)上取高值时,其相邻的时空对象趋向于取低值,表现出负相关关系。如果研究的属性为速度的话,那么时空对象ST(p,i)对应的点位于第四象限在交通状态特性上就表示p路段在i时刻畅通(速度高值),但其相邻路段在相邻时刻拥堵(速度低值),p路段交通状态时空特征表现为滞后拥堵、率先消散。本发明还涉及一种城市道路交通状态时空分析系统。该系统包括交通流时空数据查询模块、异常数据的识别和修复模块、时空自相关指标的计算模块以及计算结果辅助分析与展示模块,系统框架如图1所示。交通流时空数据查询模块:该模块实现对需要进行分析的交通流时空数据的实时查询功能。由于需要处理的交通时空数据量很大,而分析过程需要针对不同时间段、不同路网范围进行,灵活性要求很高,因此实时的数据查询模块可以根据具体需求为后续的统计分析提供基础数据。鉴于Oracle数据库在数据量大的时候显示出的卓越的数据检索效率,本发明推荐使用Oracle作为数据库引擎,Visualxa0studio中提供的System.Data.OracleClient类可以很方便的实现Oracle数据库连接和操作。为了能够灵活地根据需求查询数据,将查询条件如起始日期、起始时间、终止日期、终止时间、路网包含的路段集合等作为变量嵌套在查询语句中,查询时由用户根据需求输入,研究的道路网络范围可由用户在路网地图上进行选择。异常数据的识别和修复模块:该模块对交通流时空数据查询模块所得的交通流时空数据中存在的数据异常,进行识别和修复。它包括异常数据识别子模块和异常数据修复子模块两个部分,由异常识别子模块首先对数据中存在的丢失或者错误进行识别,然后将识别的结果交由异常处理子模块进行处理。异常数据识别和修复流程如图2所示。异常数据识别流程包括以下几个步骤:1)从ixa01开始,获取第i路段条在研究时间范围之内的交通流某一属性(流量、速度等)的时间序列数据,根据采集时间先后顺序排列。2)根据研究的时间段内总的数据采集时间间隔数N初始化一个全为0的数组S[i]。3)遍历该路段的时间序列数据,若在一定阈值外,表示为异常数据,不进行操作就转到下一个数据;否则,按每个数据所处的时间段放入数组S[i]相应位置,转到下一个数据。重复操作直到将该路段的时间序列遍历完。这样,数组S[i]中为0的位置就是缺失或错误数据,不为零的数据就是正常数据。存储该路段异常识别结果数组S[i],以便于根据它来进行异常修复。4)重复上述步骤,直到所有的路段都遍历完。异常数据处理流程包括以下几个步骤:1)从i=1开始,获取第i条路段的异常识别结果数组S[i]。2)计算数组S[i]中的第一个不为0的数的索引a,最后一个不为0的数的索引b。3)遍历数组中S[i]中的所有项,若不为0,表示正常数据,不进行操作就转到数组下一项;否则,表示数据缺失或错误,索引在a之前的项就用a之后的正常数据进行外插修复,索引在a、b之间的项就用其相邻的正常数据做内插修复,索引在b之后的项就用b之前的正常数据进行外插修复。重复操作直到数组S[i]中的元素被遍历完,该路段的时空序列数据就被修复完毕。4)重复上述步骤,直到所有的路段都修复完毕。时空自相关指标的计算模块:该模块由时空邻接矩阵计算子模块和自相关指标计算子模块两个部分组成。该模块接收异常数据的识别和修复模块处理完毕的交通流时空数据,首先依据GIS地图得到的空间邻接关系和时间邻接关系确定时空邻接矩阵,然后将时空邻接矩阵代入所提出的时空自相关指标计算模型,进行时空自相关指标的计算。根据本发明的方法,计算结果包括全局时空自相关指标A,每一个时空对象的局部自相关指标a_(p,i)、标准化属性值Z_(p,i)和时空对象的时空邻域中所有时空对象的加权标准化属性值Wz_(p,i)。计算结果辅助分析与展示模块;该模块用于分析时空自相关指标的计算模块得到的时空自相关全局与局部指标,进行图形化展示,分时间维和空间维绘制趋势折线图、分布散点图、柱状图以及交通状态展示专题地图,分析交通流时空状态演化过程。Visualxa0studio中的GDI提供了一系列的绘图工具,可用于自动绘制本发明中需要展示的统计图。同时,GIS二次开发包提供了绘制各种专题地图的工具箱,可以通过编程实现交通状态展示专题地图的自动绘制。具体地说,该模块可以对每一条路段,将这条路段上的所有时空对象的局部自相关指标a_(p,i)按时间顺序绘制折线图,研究这条路段和其周围路段的相关性;将属于整个路网、某一条路段或者几条路段的时空对象的标准化属性值Z_(p,i)和其时空邻域中所有时空对象的加权标准化属性值Wz_(p,i)绘制成时空自相关散点图,可研究全体或局部路网的交通流状态特性;在某一数据采集间隔内,每一条道路只有一个数据,因此也只有一个时空对象,可以根据这些道路在时空自相关散点图中各象限的分布(如前所述,处在不同象限的道路会呈现不同特性),对不同特性的路段进行不同着色,绘制成一张交通状态展示专题地图。对每个时段都绘制交通状态展示专题地图进行动态演示,可以形象的说明道路交通状态的时空分布和演化特性。上述几部分模块是按系统进行数据处理与分析的方向相互联系的,各模块按照一定的运行顺序对输入的数据进行处理。首先,交通流时空数据查询模块根据用户输入的需要查询的时间和空间范围,从Oracle数据中查询出用来分析的交通流时空数据。其次,由于查询得到的数据可能存在缺失和错误的情况,因此由异常数据的识别和修复模块接受后进行异常识别和修复,以免对分析结果产生影响。然后,将修复完毕的交通流时空数据,传递到时空自相关指标的计算模块进行时空自相关指标的计算。时空自相关指标的计算模块由时空邻接矩阵计算子模块和自相关指标计算子模块两个部分组成。时空邻接矩阵计算子模块先计算出时空对象之间的时空邻接矩阵,计算出的时空对象邻接矩阵再同修复完毕的时空交通流数据一起输入到自相关指标计算子模块计算出时空自相关的全局指标和局部指标。最后,计算所得的时空自相关的全局与局部指标,通过计算结果辅助分析与展示模块进行进一步分析与图形化展示。该系统运用C#编程语言结合Oracle数据库、GIS二次开发包实现。由于数据量大,运用Oracle数据库进行数据存储与检索效率会较高。基于GIS的二次开发可自动获取用户选中的道路网络范围、计算出空间邻接关系、以及进行交通状态展示专题地图的绘制。C#中的GDI提供了一系列的绘图工具,便于实现自动绘制本发明中所需展示的各种统计图。为了更直观的说明城市道路交通状态时空分析方法和系统的实施过程,本发明通过一个应用实例进行展示。选取北京市五环以内的快速路、主干道路网作为分析对象,交通数据选用路段的路况数据。路况数据是衡量道路畅通程度的一个指标,在数值上等于路段上实时车速和设计车速的比值乘以100。若实时车速大于设计车速的话,路况值取100。因此,路况值是一个0到100的数,其越接近100道路越畅通,越接近0道路越拥堵。研究时间范围取1天24h,路况数据的采集时间间隔为5分钟,故一天24小时之内每条路段有288个数据。由于单独研究某一天的路况数据会受到很多偶然因素的影响,而交通数据具有很明显的周期性,短周期为一天,长周期为一周,因此将2010年1月1日到2010年7月1日半年中,所有星期一的路况平均成一天288个时段的数据进行分析,以探索北京市路网在星期一的道路交通状态演化的普遍规律。首先,进行交通流时空数据的查询,将起止日期和时间、道路网络范围输入到程序中,查询出研究的道路网络范围的路况时空数据。其次,进行异常数据的识别和修复。异常识别和修复在查询过程结束后自动在后台完成。然后,进行时空自相关指标的计算。第一步先根据GIS地图获取路段之间空间邻接关系。具体从GIS属性数据库中查询出每条路段的起始节点,与某条路段具有共同的节点的就是其相邻路段。在时序方面,将研究的时间范围按数据采集间隔划分成若干时段并编上序号,此处数据采集间隔为5分钟,那么一天24h就有288个时段。落在某一时段的路况数据属于该时段,两个序号相差1的时段之间表示相邻。依据时空邻接矩阵的计算公式可得出所有时空对象的时空邻接矩阵。第二步,依据本发明的方法中的计算公式计算时空自相关全局和局部指标。具体计算步骤和公式见实施例2。最后,将计算出的时空自相关全局和局部指标绘制成图形展示。包括局部自相关指标a_(p,i)按时间顺序绘制折线图;从整体或分时段和空间范围绘制,将Z_(p,i)作为横坐标、Wz_(p,i)为纵坐标绘制成时空自相关散点图;分时段统计出时空自相关散点图中时空对象在各象限的分布频率并绘制柱状图,可研究交通流状态在各时段的特性;时空对象在时空自相关散点图中在各象限的分布,代表了路段所处的交通状态,根据这种分布绘制交通状态展示专题地图。经过系统各模块的计算处理,得到如下结果:1)全局自相关指标剔除缺失检测器数据的路段,所研究的路网上411条路段,在一天24h的288个时段中,存在118368个时空对象,它们的全局时空自相关指标为:0.352,表现出弱的正相关关系。具体体现为若某路段在某时段路况值高,其相邻路段相邻时段的路况值也微弱地趋于高值;路况值低的话,其相邻路段相邻时段的路况值也微弱地趋于低值。从交通状态的角度来说,即若某一路段某一时段畅通,其相邻路段在相邻时段也趋于畅通;拥堵的话,其相邻路段在相邻时段也趋于拥堵。因此,整个道路网络在时空上总体表现为拥堵或畅通状态的聚集特性。2)局部自相关指标分小时统计时空对象的局部自相关指标a_(p,i)在各数值区间的分布情况,绘制成柱状图,如图3所示。在图3中,局部自相关指标a_(p,i)的高值(大于1部分)的比例有明显的三个峰值,分别代表了凌晨的路况高高聚集时段、以及早、晚高峰的路况值低低聚集时段,这表明道路网络在大规模的拥堵或者畅通时,整个路网的路况值之间呈现较大的正相关关系;而在进入早高峰、早高峰消散以及晚高峰消散的过程中,局部自相关指标a_(p,i)的负值(小于0部分)的比例都相对较大,这说明在全网拥堵与畅通的转换过程中,整个道路网络的路况值之间呈负相关性增大。如前面所述,正相关性表示路网在时空上呈现出拥堵或者畅通状态的聚集特性,即某路段在某一时段畅通的话,其相邻路段在相邻时段也趋于畅通,拥堵的话其相邻路段在相邻时段也拥堵;而负相关性表示路网在时空上呈现出拥堵与畅通的异质性,即某条路段在某一时刻畅通的话,其相邻路段在相邻时刻反而拥堵,拥堵的话其相邻路段在相邻时段反而畅通。因此,在道路网络大规模的拥堵时,在时空上表现出的拥堵与畅通的聚集特性增强;而在道路网络拥堵与畅通的转换过程中,在时空上表现出的聚集性减弱、异质性增强。出现上述的现象是因为几乎每条道路在高峰时段都会有拥堵,在凌晨都会有畅通,因此在这些时段内多表现为时空上的拥堵或畅通的聚集特性;但各条道路进入拥堵的时间不同,从而拥堵消散的时间也不同,因此在拥堵与畅通的转换过程中路况值之间会有很大的差异,时空上呈现出拥堵和畅通的异质性。不过对于某一个时空对象(某一路段某一时刻的状态),具体表现为畅通的聚集性还是拥堵的聚集性、是畅通被拥堵包围的异质性还是拥堵被畅通包围的异质性,就需要从微观上用自相关散点图进行判别。3)自相关散点图将118368个时空对象的Z_(p,i)作为横坐标、Wz_(p,i)作为纵坐标绘制成时空自相关散点图。如图4所示。图4中展示了118368个时空对象在自相关散点图中的分布位置。大部分时空对象位于时空自相关散点图中的一、三象限,而位于二、四象限的点只占很小一部分,这也说明了所研究的道路网络和时间范围内时空对象之间的相关关系主要以正相关为主,整个道路网络在时空上主要表现为拥堵或畅通状态的聚集特性。为了便于说明,以小时为基本单位,分一天24个小时对位于时空自相关散点图中不同象限的时空对象进行统计,如图5所示。从图5中可以看到,在第一象限的时空对象(某条路段某时刻的状态),其路况表现为高值被高值包围,代表畅通的聚集,其在23:00到凌晨6:00都占主体地位,说明在这段时间内整个道路网络处于畅通状态。三象限代表的拥堵聚集现象,在一天中有两个峰值:早上7:00到11:00四个小时中,每小时之内三象限中的时空对象都占了50%以上,在8:00到9:00,三象限中的时空对象甚至占了70%以上;下午14:00到19:00五个小时内,每小时之内三象限中的时空对象占了50%以上,但都小于60%。结果表明晚高峰比早高峰持续时间长,拥堵强度相对较分散;早高峰比晚高峰更为拥堵,特别是在8:00到9:00,整个道路网络处于一天中最拥堵的状态。在中午12:00到13:00这一小时,路网中的时空对象在第一象限的分布会出现突然增长,超过了40%,之后又迅速降低,说明在此时,道路网络出现短暂的畅通状态。如果以一象限的时空对象所占比例来衡量畅通程度的话,则中午的短暂畅通之后,整个道路网络直到21:00过后才会出现相同程度的畅通状态。4)交通状态展示专题地图由于在某一个时段,每一条道路只有一个时空对象,为便于说明,可以根据这些道路在时空自相关散点图中各象限的分布(如前所述,处在不同象限的道路会呈现不同特性),对不同特性的路段进行不同着色,绘制成专题地图。将不同时段的专题地图连续演示,能生动地展示道路交通状态的时空演化特征。图6至图9展示了在7:10到7:15时的交通状态展示专题地图。在图6中,宛平桥到狼岱西桥等路段此时处于自相关散点图中第一象限,路况值和其相邻路段相邻时段的路况值都趋于高值,是道路网络的畅通聚集路段;在图7中,马家楼桥到西红门桥等路段此时处于自相关散点图中第二象限,其路况取低值,但其相邻路段相邻时段的路况值趋于高值,因此该路段是道路网络畅通区域中的拥堵路段。在图8中,宛平桥到岳各庄桥等路段此时处于自相关散点图中第三象限,路况值和其相邻路段相邻时段的路况值都趋于低值,是道路网络中的拥堵聚集路段;在图9中,宛平桥到衙门口桥等路段此时处于自相关散点图中第四象限,其路况取高值,但其相邻路段相邻时段的路况趋于低值,因此该路段是道路网络拥堵区域中的畅通路段。5)具体路段的自相关局部指标和自相关散点图分析为便于进一步研究具体某一路段的道路交通状态变化规律,在研究的道路网络内,选取东便门桥到建国门桥路段作为研究对象。图10展示了该路段2010年1月1日到2010年7月1日半年中所有星期一的统计路况趋势。图11是该路段的自相关局部指标a_(p,i)随时间变化图。图12是该路段上288个时空对象绘制的自相关散点图。从图10中可以看出,该路段在一天中有三个拥堵时段:8:00到11:00的早高峰、14:00到16:00的午峰、以及18:00左右的晚高峰。从图11中可以看出,在一天中的4:00左右、9:30左右、15:00左右以及18:00左右四个时段,该路段的自相关局部指标都取正值,而且绝对值较大。这四个时段分别对应图10中该路段的路况趋势图上凌晨的畅通区,早上的拥堵区以及下午、傍晚的两个拥堵区。表明该路段在畅通或者拥堵的时候,与其周围路段相邻时段有较大正相关关系。而在拥堵形成和消散的过程中,如早上6:00到7:00早高峰开始形成时,自相关局部指标值都较低,甚至出现负值,表明在拥堵与畅通状态的过渡时段,该路段与其周围路段相邻时刻正相关性降低,甚至出现负相关关系。从图12中可以看出,该路段的时空对象位于第一象限的点代表了图10中从夜晚到凌晨的畅通时段,大部分分布在直线Wz_(p,i)=Z_(p,i)左上侧,说明该路段在道路网络畅通时,其路况值都要低于其相邻道路的路况值;该路段的时空对象位于第三象限的点代表了图10中的三个拥堵时段。在该路段中,畅通与拥堵之间过渡时段的时空对象都位于第二象限,说明在这种过渡过程中该路段拥堵时其相邻路段畅通,因此该路段在交通状态特性上表现为在拥堵发生时率先拥堵,拥堵消散时滞后消散,在路网中属于局部拥堵引发段或者瓶颈段。应当理解,以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。