摘要：
今年参加 2023 ChinaVis 挑战赛，团队历时半个月开发而成，在此记录研究生生涯。
该赛道主题围绕交通态势分析，面向交通管理人员，分析交通态势可以有效判断拥堵、事故原因，基于历史数据进行有效预测。利用可视分析技术实现有价值的交通态势感知，如排队车辆统计、断面车流统计、车辆热力图、群体性驾驶行为变化趋势、道路运行健康度、拥堵识别与分析等。
使用的分析工具或开发工具：D3，ECharts， Python，MongoDB
一、多粒度道路运行状况分析
（1）基于时空的道路视图划分
为更好地进行交通态势可视分析，基于题目所给的数据将道路信息可视化。 首先是基于空间的路段划分，经过分析处理最终绘制成如图 3-1 所示的交通态势总体图。由该图 可以观察到有 8 个路口，按照从西北向到东南向的顺序将其划分为路口 1 至路口 8，路口之间的路段 按照车辆行驶的方向分为东西向车道或南北向车道，最后将道路编号。其次是时间粒度划分，时间粒度有 5 分钟和 30 分钟两种。如道路运行健康度评估折线图和路口单 位时间车流量统计饼图等，这些视图需要的时间粒度较小，如果时间粒度较大，道路以及车辆的实时 状态无法清晰地表现出来，因此将这些视图的时间粒度划分为 5 分钟，可以更好地掌控道路的实时状 况。断面车流量统计的相关视图主要是用于宏观层面的分析，如果使用较小的时间粒度，会导致无法 清晰地判断道路的整体状态以及车辆行驶的整体趋势，故将这些视图的时间粒度划分为较为适中的 30 分钟，既可以宏观地掌握交通信息，也可以捕捉到交通状况地变化趋势。
图 3-1.城市路口交通态势—总体图
（2）道路运行健康度评估
道路运行健康度是衡量道路交通状况的一项重要指标，评估道路运行健康度对交通可视化分析具 有重大意义。比如根据同一路段的不同时间的健康度变化可以判断出早高峰时间，根据数据中给出的 车辆速度以及车辆 ID 和坐标等信息，可以判断出道路的健康分数。如式 3-1 所示： （3-1） 其中 ????? 表示道路运行健康度的分数， ? 表示车辆在某一时间段的平均速度， ? ??? 表示最大速度。?表 示车辆密度，? ??? 表示车辆最大密度。由式 3-1 可知，高速及较小的密度可增加道路健康分数。
在所给数据的基础上将道路划分为东向、西向、南向、北向 4 种车道，时间间隔设为 5 分钟，绘制 出道路运行健康评估折线图不同时间段内不同车辆类型的数量及占比图。基于视图综合分析可知，更 加精确的早高峰时间段为 7 点半至 9 点，如图 3-2 所示为早高峰时段道路运行健康度变化以及各类 型车辆数量统计。
图 3-2 早高峰时段道路健康及车辆类型统计
由图 3-2(A)可知，在早高峰时间段，无论哪个方向的车道道路健康度分数都较低。因此这个时间 段需要被重点关注。由图 3-2(B)可知，在早高峰时间段内小型车辆、非机动车和行人的数量明显高于 其他时间段，非机动车较多的原因可能是家长骑自行车或者电动车接送学生上学，小型车辆和行人较 多的原因可能是工作人员上班。因此交通部门应该在早高峰时间段内派驻交警来维护秩序，防止出现 交通违法行为。
（3）道路断面车流量统计
断面车流量这一指标在交通可视化分析中占据着重要位置。如图 3-3(A)所示的道路断面车流量统 计折线图，分别统计了东西向和南北向的断面车流量。由该图可知在早高峰时段东西向车道的断面车 流量有明显的上升趋势，而南北向车道则上升趋势较为缓和。并且在所给时段内，东西向车流量都远 高于南北向，由此可知出东西向车道为主干道。
断面车流量类型一览图如图 3-3(B)所示，该图显示的车辆数量情况与图 3-3(A)中的相符。由于客车 和卡车对交通状况的影响较大，因此应该重点关注，由图 3-3(B)和图 3-3(E)可知卡车在各个时段的数 量，在早高峰时段以及中午时段数量较少。这种情况对于交通健康是有利的，由于卡车体积较大，如果 卡车过多地出现在交通繁忙时段，将十分不利于交通的通畅。交通执法部门可以对卡车出行时间进行 规范，同时，根据图 3-3(B)中卡车的数量较低可知，推断出比赛所提供的是市中心的道路信息。
图 3-3 断面车流统计及路口车辆统计图
图 3-3(E)中显示出客车在不同时段的数量。由该图可知，在路口 6、7 和 8 中，客车的数量非常少， 因此可以推断出这些路口附近的公交车站比较少，由交通态势总体图可知上述路口附近有一定数量的 行人，因此建议在上述路口附近路段增设公交车站。
图 3-3(C)为路口车流量柱状图，图 3-3(D)为单位时间车流量统计饼图。由该视图可知路口 4 的总车 流量以及单位时间内的车流量都是最大的，推测该路口为枢纽路口，交通部门应重点关注路口 4。
（4）道路拥堵识别
衡量交通拥堵主要有两个指标，分别是单位区域内的车辆平均密度以及单位区域内车辆的平均速 度。道路平均速度变化网格图以及道路车流量变化图，部分图如图 3-4 所示，在两图中寻找同时满足 车辆密度大以及平均速度低这两个条件的点，即可判断对应道路是否拥堵。
图 3-4 速度变化网格图及车流量变化视图
二、总结
通过对比赛提供数据的处理、分析以及可视化，从道路视图划分、道路状态的可视分析、车辆的运行状 态和群体驾驶行为变化趋势以及交通异常情况的检测分析四个方面出发，构建了一个具有多粒度道路运行 状况模块、群体驾驶行为变化分析模块、异常检测模块三个部分的可视分析系统。系统通过有效耦合视图交 互，挖掘出交通数据隐藏的深层信息，进一步能够对实际交通状况进行合理推测分析。我们制作的基于 Web 端的《数析时空》路口多维数据-交通态势可视分析系统有能够有效分析交通态势，文中案例分析及建议内 容，对交通管理部门对道路交通情况的掌握、交通执法的方式方法、交管人员的人力部署以及本地交通管理 政策的调整有重要的指导意义。