城市交通擁堵區域識別及大氣污染特征變化研究

朱彥亮 李薇薇 李媫 雷宇寰 周玉潔

摘? 要：本研究基于重慶市浮動車GPS數據和空氣監測站點數據，識別擁堵區域空間位置、分析擁堵水平、計算大氣污染物排放分布，探討不同擁堵水平下的大氣污染特征變化，以期為城市交通可持續發展、大氣污染治理以及公眾健康維護提供理論參考。

關鍵詞：軌跡大數據;城市交通擁堵;大氣污染;重慶市中心城區

1引言

近年來，隨著經濟的快速發展和城鎮化的加快，大、中城市的交通擁堵現象愈發嚴重，并由此帶來一系列大氣污染問題[1]。目前，將交通擁堵和大氣污染相關聯的研究較少，因此本文基于大數據分析技術來識別重慶市中心城區的交通擁堵區域，并深入探究不同擁堵情況下的大氣污染特征變化，為居民低碳出行，城市交通污染排放治理提出合理建議。

2研究對象與數據來源

重慶市中心城區（即傳統主城九區），總面積約為5467平方千米。其經緯度范圍為：經度[106.32E，106.80E]，緯度[29.25N，29.80N]。研究數據主要包括2020年10月約540000條出租車軌跡數據以及包含站點監測時間點和PM2.5、PM10、CO、SO2、NO2、O3等污染物濃度的空氣質量監測數據。

3模型與方法

3.1交通擁堵區域識別方法

本研究基于GPS軌跡數據對重慶市中心城區進行擁擠區域識別[2]。車輛軌跡數據是GPS系統提供的與車輛行駛有關的位置、時間等數據統計形成的數據集，能直接反映城市的交通狀態，交通時間估算、交通異常探測，是軌跡數據在智能交通上最直接的應用。本研究的擁堵判定選用區間交通擁堵度評價，參考《道路交通擁堵度評價方法》，提出擁堵判定的臨界值為20km/h[3]。將車速小于20km/h的車輛的軌跡點提取出來，然后進行核密度分析，并得到研究區擁擠車輛軌跡點的密度分布圖。

3.2污染物數據處理方法

提取到擁堵區域后，為建立空氣污染物站點和擁堵區域的聯系，本研究對空氣質量監測站點進行緩沖區分析，從而得到空氣質量監測站點的輻射范圍。并沿用現有針對我國空氣質量進行的傳統統計學方法處理污染物數據[4]。通過對研究區內不同區域不同污染物的濃度變化進行研究，對比擁堵區域和非擁堵區域在不同時空狀態下的污染物濃度，從而分析出相應區域的大氣污染特征變化。

4結果與分析

4.1交通擁堵區域識別

本研究共選取了2020年10月的假期日（10.1、10.3、10.7）和平常工作日（10.13、10.20、10.28），共六天的數據。分別對其早晚高峰行駛車輛平均速度小于20km/h的車輛進行軌跡點核密度分析，以此判定交通擁堵區域。

十一黃金周，重慶市中心城區人流量顯著增多，甚至有超負荷現象存在。洪崖洞、磁器口及各大商圈等旅游景點周邊道路，黃花園大橋等跨江橋梁，雙碑隧道等穿山隧道，內環快速路的立交，機場路、成渝高速等進出城道路，都屬于易擁堵路段，通行壓力顯著增大。

重慶特殊的地理環境造就了以各個商圈為中心的寫字樓分布格局。渝中區和江北區在目前的商圈格局中占據了重要地位。工作日期間，交通擁堵主要以渝中為圓心向外輻射，早晚高峰時段因為通勤原因，渝中區和江北區的交通壓力居高不下。同時，石橋鋪、陳家坪片區等高新技術地帶，有眾多的高新企業落戶于此。沙坪壩、楊家坪、南坪商圈，作為各區的中心地帶，憑借起優勢，聚集了一些寫字樓。由于交通位置的優越性，上清寺、兩路口和大坪也有不少寫字樓。因此，工作日的擁堵區域相比節假日更加分散，交通壓力也有所減緩。

綜上，整個重慶市中心城區的擁堵區域在空間上呈現單核向外輻射分布，時間上，節假日相比工作日，擁堵區域更集中，范圍更廣。

4.2污染物變化特征分析

本研究基于2020年10月的空氣質量監測站點數據，通過分析擁堵區域概況圖劃分典型擁堵（即研究區的中心位置）及非擁堵區域。通過空氣污染程度判定指標體系得到2020年10月主要空氣質量監測站點污染程度變化圖，如圖1。

在圖中同一時間下，所處擁堵區域的空氣監測站點，其檢測到的污染物排放量普遍高于非擁堵區域。例如在10月7日，曲線較高的數據代表的站點有世紀花都、燃氣廠等;曲線較低的數據代表站點有鳳凰小區等，這與選取的站點所處的區域基本吻合。但是部分區域空氣污染程度呈現高污染狀態是由于其他污染活動造成，導致存在非擁堵區域監測到的數據比擁堵區域污染程度高的現象有一定的合理性。

綜上可得，擁堵區域狀況與大氣污染物的排放存在正相關性，污染物時間分布上，十月上旬與十月下旬隨交通的擁堵情況不同而不同，工作日與節假日也會有差距;空間分布上擁堵區域較集中于渝中向外輻射范圍，故污染物排放也集中于此。

結語

本研究結果表明擁堵區域與大氣污染排放具有較強的關聯性，擁堵狀況與重慶市主城區交通狀況吻合，交通結果具有一定的可靠性，可為解決城市交通擁堵和大氣污染問題提供理論支撐。但是此次研究僅針對2020年3月及10月的車輛擁堵情況及大氣污染物數據進行分析，數據量較少;對于污染物的識別種類也較少研究具有一定局限性。

參考文獻

[1]李勇.基于出租車GPS數據的城市交通擁堵識別和關聯性分析[D].哈爾濱工業大學.

[2]劉廷讓.基于多源數據融合的高速公路路段交通擁堵檢測方法研究[D].重慶大學，2020.

[3]袁從灝，李寧，?？?基于聚類和相關性分析的交通擁堵狀況分析[J].北京信息科技大學學報（自然科學版），2018，033（003）：36-41.

[4]余曉美﹐沈永昌.中國環境保護重點城市空氣質量的動態特征分析[J].統計與決策，2019，35（11）：91-94.

基金項目：重慶交通大學大學生創新訓練項目（項目編號：S20210618023）