为研究高速公路服务区的交通特征提供了一种新的思路

赛文交通网 智能交通 智慧公路

服务区是高速公路不可或缺的基本设施，也是公路品质服务的重要窗口。为满足公众对高品质服务的需求，需要在精准把握服务区客流特征和运营特征的基础上，科学规划服务区选址及规模，提升服务区管理水平。

本文利用ETC门架数据，提出了一种基于行程时间分布的服务区入区车辆识别方法，定义了入区车流量、驶入率、停留时间、流量时变、流量双向不均匀性5个特征指标，以上海市的枫泾、练塘两个服务区为案例，分析了服务区车辆的驶入特征和停留特征，并提出优化改善建议。方法为ETC数据的应用和服务区的规划改善提供了新的思路。

1 引言

高速公路服务区是体现公路交通文化的窗口，是发挥公路经济效益、保障行车安全必不可少的配套设施。

目前对于服务区的研究主要集中在对服务区进行功能定位分类以及根据绿色、智慧等新理念优化服务区的规划设计。如胡桂松等人[1]提出了七种实用型服务区分类及其适用条件。周勇等[2]提出了“安全管控、管理决策、高效智能、绿色节能”的服务区信息化升级与智慧化改造总体架构方案。

但近年来，随着公路网的建设发展和城市化进程的推进，全国公路网里程以及流量规模都有了大幅度的增长，客流的增长对服务区建设提出了更高的要求，需要对客流特征有更全面精准的把握。

对于服务区客流特征的研究，传统方法主要利用视频[3]、卡口线圈和人工调查手段[4]。但视频数据对车型的识别较为复杂和困难，且受天气影响较大；卡口线圈需要预先埋设且容易损坏，容易出现数据缺失情况；而人工调查获得的数据可定制化，但需要耗费大量人力物力，且存在样本偏差。

总体而言，传统方法的数据样本量小，数据获取难度大，数据非结构化。

近年来，也出现了利用新兴数据进行服务区客流特征分析的研究，包括利用手机信令数据[5]和ETC数据。手机信令数据适合于宏观研究，在服务区这类小范围空间精度有限，不能完全满足分析需求。

随着全国高速公路ETC联网的建成，ETC数据在高速公路的各类特征分析的应用逐渐增加[6]。目前利用ETC分析服务区客流特征的研究[7]，主要停留在统计入区车辆总量以及平均停车时间，对入区车辆的停留特征和入区规律的挖掘还不够深入，也没有将客流特征与服务区优化联系起来。

本文考虑车辆行程时间分布，提出了一种基于ETC门架数据的服务区入区车辆识别方法，针对入区车辆，定义了五个特征指标，以上海市枫泾服务区和练塘服务区为典型案例进行了特征分析，并提出了优化改善建议，研究实现了ETC门架数据的深度应用，并考虑了车型、方向、时间等特征，为大数据指导服务区规划改善提供了决策支撑。

2 基于ETC门架数据的服务区入区车辆识别方法

2.1ETC门架数据

ETC门架系统是在高速公路沿线断面建设的，具备通行费分段计费、车辆图像识别等功能的专用系统及配套设施。汽车经过门架后，门架上安装的监控系统会自动识别汽车，同时实现收费。每个ETC门架都会记录单车车牌号、通过时间、车辆类型等单车信息。

本研究所使用的ETC门架数据，包含2021年4月30日-5月6日、2021年8月16日-8月22日两周数据，涉及上海市5个服务区约1703万条记录，字段包含门架编号、门架名称、时间、车牌及车型信息，如表1所示。车型共有16种，可区分客车、货车和专项作业车。

另外，获取了门架基本信息数据，主要包括门架位置信息，数据样例如表2所示。

2.2入区车辆识别方法

ETC门架原始数据为基于单个门架的数据，本研究利用在服务区上下行同一方向的相邻两个门架的数据，分析每辆车在该路段内的行程时间，根据时间分布曲线判断车辆是否驶入服务区。具体方法流程如图1所示：

图 1 入区车辆识别方法

步骤1：数据预处理，删除ETC门架原始数据中的重复数据与错误数据。

步骤2：根据门架基本信息数据中服务区的位置和门架位置，识别在指定服务区的同一方向的相邻两门架A、B（如图2所示）。对所有车辆，将同一辆车在门架A、B的数据组合到同一条记录中，进行数据重组，重组后字段如表3所示。

步骤3：根据车辆经过门架A、B的时间差，计算门架A、B之间所有车辆的行程时间。

步骤4：绘制行程时间频数分布直方图，判断进入服务区的最短时间，作为判断车辆是否驶入的阈值。对某服务区某方向上下游两个门架之间行程时间作频数分布直方图，并对频数值取对数（如图3），结果显示服务区上下游门架间的行程时间为“双峰”分布。

第一个单峰行程时间较短且分布较为集中，占总体比例较高，可认为是不进入服务区的车辆，第二个单峰停留时间波动较大，平均行程时间较长，可认为是进入服务区进行休憩的车辆。将两个单峰的交界处作为行程时间阈值，即判别车辆是否进入服务区的依据。

图 3 行程时间阈值判定

步骤5：提取所有进入服务区的车辆数据，作为后续分析入区车辆特征的数据基础。

3 服务区入区车辆特征分析与优化建议

3.1特征指标定义

由于目前对于服务区车辆停留的研究较少，因此本研究定义了服务区入区车流量、驶入率、停留时间、流量时变、流量双向不均匀性5个指标，用于表征服务区车辆的驶入特征和停留特征，以便为服务区的服务改善提供相应建议。图4为选取的特征指标及相应计算方法。

图 4 入区车辆特征指标

3.2典型服务区特征分析

以上海市枫泾和练塘服务区为例进行服务区入区车辆的特征分析。

3.2.1 枫泾服务区

枫泾服务区位于G60沪昆高速公路（上海段）沪浙交界处，布局形式为双侧分离式，北侧用地面积约18亩，约有40个小车位。南侧用地面积约45亩，约有80个小车位和40个大车位，如图5所示。主要服务设施包括停车场、公厕、第三卫生间、母婴室、加油站、汽车维修站、餐厅、特色商铺和超市、休闲吧、便利店等。

图 5 枫泾服务区

表4为入区车流量、驶入率、停留时间三个指标的结果，并区分是否节假日和上下行方向分别进行了统计。上行方向为从上海市驶出至省界方向，使用枫泾北侧服务区，下行方向为外省驶入上海市方向，使用南侧服务区。

表4 枫泾服务区特征指标

根据表4，平时（2021年8月16日-8月22日），上下行的行程时间阈值在4-5分钟，车辆驶入率在11%左右，停留时间在11-12分钟。专项作业车的驶入率略高于小客车和货车。节假日一周（2021年4月30日-5月6日），行程时间阈值在7分钟左右，说明节假日路况更为拥堵，整体行程时间增长。

且节假日入区车流量约是平时的1.6倍，停留时间有所增加，反映节假日对服务区的需求明显增加。对比上下行方向，上行方向车辆的驶入率高于下行方向，主要是小客车的驶入率有较大增长，这与节假日上海对外城际出行增多相吻合。同时也说明上行方向车辆服务区入区需求增加，需要增加相关设施服务。

另外，数据反映出新能源车辆比例较低，不足5%，这与数据时间为2021年有关。近年来，新能源车辆数增长迅速，相关服务设施配置不可忽视。

选取5月2日代表节假日，8月18日代表平时，绘制服务区入区车辆的驶入量与驶出量变化曲线，分析不同时间和方向上的变化特征，如图6所示。可以发现节假日上下行车辆驶入规律有明显区别，上行方向有明显早高峰，而平时的高峰主要在白天，上下行特征相对一致。

图 6 枫泾服务区流量时变和双向不均匀性特征

3.2.2 练塘服务区

练塘服务区位于S32申嘉湖高速公路南侧，可服务两侧车流。服务南侧部分用地面积约23亩，设40小车位，20大车位。服务北侧部分用地面积约22亩，设30小车位，15大车位，如图7所示。可提供停车、加油、充电桩、公共卫生间、餐饮、超市、司机之家、ETC服务网点、第三卫生间、母婴室、24小时免费热水、免费WiFi等便民服务。

图 7 练塘服务区

表5为练塘服务区的相关特征指标，入区车流量明显低于枫泾服务区，节假日入区车流量约为枫泾服务区的1/3，平时入区车流量约为枫泾服务区的1/4。这与练塘服务区本身规模较小，且与外省的嘉善服务区距离较近，有入区意愿的车主被分流有关。

节假日的入区车流量约是平时的2倍，差异更明显（枫泾服务区该值约为1.6）。上行方向的停留时间明显长于下行方向，这与上行需经过立交绕行有一定关联。另外与枫泾服务区不同的是，相比平时，节假日练塘服务区的货车和作业车的比例有明显提高。

表5 练塘服务区特征指标

选取5月1日代表节假日，8月18日代表平时绘制车辆驶入驶出曲线，如图8所示。节假日上下行车辆驶入规律有明显区别，上行方向服务车次总量明显高于下行。平日上下行车辆驶入规律也有明显区别，上行方向有明显早高峰，下行方向有明显晚高峰。

图 8 练塘服务区流量时变和双向不均匀性特征

3.3服务区优化建议

ETC门架数据统计的各项服务区入区车辆特征指标，反映了车辆在服务区的驶入特征和停留特征，根据特征分析结果对两个服务区的规划和改善提出如下建议。

1）根据客流方向特征优化服务区规模

根据客流特征分析，枫泾服务区上行入区车流量略高于下行，尤其是节假日时期由于出省流量较为集中，易产生排队拥堵现象，导致上行方向服务区入区需求增加。但目前服务上行方向车流的北侧服务区用地面积小于服务下行车流的南侧服务区，因此建议对北侧服务区进行改扩建，以满足车辆需求。

2）根据客流变化灵活调度

可以根据ETC数据分析获得的车辆驶入驶出时间分布规律，灵活调度工作人员及相关设施。如节假日服务区入区车流量激增，枫泾服务区约增长到平时的1.6倍，练塘服务区约增长到平时的2倍。

节假日可根据客流预测情况，做好充分准备，提高服务水平。练塘服务区平时在上行方向有早高峰，下行方向有晚高峰，可考虑根据时间段差异灵活调度人手。

3）相邻服务区错位发展，进行差异化竞争

由于各省服务设施规划的不同，省界附近服务区分布相对密集。如练塘服务区因与嘉兴服务区距离较近，客流相对较低。建议服务区充分利用沿线各类资源，针对不同客群，打造自身特色，避免同质竞争，实现错位发展。

4 结语

本文基于ETC门架数据，通过对服务区上下游门架之间的车辆行程时间分布曲线的研究，提出了基于行程时间的服务区入区车辆识别方法，定义了入区车流量、驶入率、停留时间、流量时变、流量双向不均匀性五个特征指标，考虑了不同车型和上下行方向，对服务区入区车辆的特征进行深入分析。

以上海市G60枫泾服务区和S32练塘服务区作为典型服务区案例，统计对比了相关特征指标，并针对特征指标反映的客流规律对服务区的规划改善提出了相应建议。

本文为研究高速公路服务区的交通特征提供了一种新的思路，为充分发挥ETC门架数据利用价值、把握服务区客流规律、提高服务区运营水平提供了参考借鉴，但在结果验证方面还需进一步加强。另外，虽然服务区新能源车目前占比较低，但随着新能源车辆数量逐渐增长，未来还需考虑充电设施配置。

参考文献：

[1] 胡桂松,陈大伟,李旭宏.高速公路服务区功能定位方法及其应用类型[J].交通与运输,2020,36(03):5-9.

[2] 周勇,侯福金,翁梓航,等.高速公路智慧服务区构建探析[J].中国交通信息化,2022(06):128-132.

[3]  罗二娟,刘文辉,原国华,等.多源数据驱动的高速公路服务区运营状态评价[J].科学技术与工程,2022,22(14):5914-5920.

[4]  贾珍珍,徐静.基于GIS的高速公路服务区布局规划研究[J].交通建设与管理, 2020(02): 68-69.

[5] 于泉,孙瑶.基于手机信令数据的高速公路服务区客流特征研究[J].交通运输研究,2019,5(02):60-66.

[6] Toriumi A ,  Oguchi T ,  Okashi T , et al. Analysis of temporal fluctuation of OD traffic volume using ETC data.  2020.

[7] 刘光雄.基于ETC大数据的高速公路服务区驶入率研究[J].中国交通信息化,2021(05):119-121+125.