基于多源数据的城市高速公路通勤通道识别研究

随着特大城市建设的蓬勃发展,人们的出行距离不断增加,高速公路已成为越来越多的人出行的重要选择,进而导致高速公路出现拥堵。本文利用高速ETC卡口数据、ETC卡口基础数据和高速公路路网数据,采用K-means++聚类对济南市高速通勤通道进行识别,并结合济南市高速路网数据对其通勤流的时空特征进行分析。结果表明:1) 采用聚类方法识别出19段双向通勤型高速路段、2段单向通勤型高速路段。2) 济南市高速通勤路段时间通行特征呈现双驼峰型,在早高峰及晚高峰出行车辆较多,平峰车辆较少,符合通勤型通道车流的特征。3) 高速通勤通道呈现镜像C型分布特征,其通勤通道主要为济南北部G35、东部及南部的G2001,同时还涉及S8105华山枢纽至崔寨西枢纽路段和G2的曹范立交及港沟立交,其通勤通道大多穿梭于城市主要居住区、工作区及连接城市快速路的枢纽附近。4) 通勤通道车流量主要呈现G35高速车流量占比较高,其次为G2001的特点,东绕城路段车流量均在1000辆/h以上。通过本论文的研究,可以更好地了解高速公路的运行特点,为交通管理部门提供科学依据,提升交通效率,改善出行体验,促进城市可持续发展。

K-means算法在高速公路ETC数据分析中的应用

为了更高效地利用高速公路ETC数据集并提升数据处理速度,深入分析ETC用户的主要特征和高速公路存在的潜在问题。以我国某省份某高速公路出入口2023年6月的ETC通行数据为例,通过Python编程语言对数据进行清洗,采用环形特征编码处理时间数据,并运用K-means聚类算法对数据进行处理。重点关注入口时间、出口时间、本省通行里程等指标,对用户的收费里程、速度以及行驶时间3个核心特征进行分析,借助聚类中心点和雷达图进行可视化展示。分析结果显示,傍晚时段的通行效率较低,晚间疲劳驾驶和午夜超速问题较为突出。根据通行里程分析,白天主要以短程和中程用户为主,长程用户倾向于在上午进入高速公路,同时,该高速公路存在大量的通勤车辆。在速度分析方面,低速组多为短途车辆。K-means聚类算法的应用使得数据处理过程快速且可靠,结合更多的ETC数据,可以进一步深入了解高速公路通行的主要群体和状况。研究成果可为制定差异化收费政策提供有力依据。例如,通过聚类分析进入高速公路的时间,确定高峰时段和低谷时段,适时提高高峰时段的费用,降低低谷时段的费用,从而提高通行效率、平衡路网流量。这具有重要的现实意义。