《Sustainability》：Detecting and Ranking Recurrent Bottlenecks on Urban Expressways: A Speed-Only Severity Index from Floating Car Data
编辑推荐：
准确识别交通瓶颈是城市快速路运营分析的基础任务。传统瓶颈检测方法严重依赖固定位置传感器，其空间覆盖范围有限且基础设施成本高昂。本研究提出了一种基于浮动车数据（FCD）的综合框架，仅使用路段级速度数据来检测、刻画和排序城市快速路上的常发性瓶颈。该方法集成了归一化
准确识别交通瓶颈是城市快速路运营分析的基础任务。传统瓶颈检测方法严重依赖固定位置传感器，其空间覆盖范围有限且基础设施成本高昂。本研究提出了一种基于浮动车数据（FCD）的综合框架，仅使用路段级速度数据来检测、刻画和排序城市快速路上的常发性瓶颈。该方法集成了归一化速度场、具有自适应下游验证的空间感知移动窗口算法以及时间持续性判据，以区分活跃瓶颈与瞬时拥堵事件。为按运营重要性对检测到的瓶颈进行优先级排序，引入了仅速度瓶颈严重程度指数（S-BSI）。S-BSI是一个0–100分的五要素严重程度指数，仅使用路段级速度数据对活跃瓶颈进行排序，不需要流量或密度测量；其组成要素涵盖上游空间范围、时间持续性、速度亏损幅度、排队长度和排队增长率。本研究提出了一种结构化方法，使用浮动车数据识别、刻画和排序城市快速路上的瓶颈。检测参数通过对128种组合的系统性网格搜索选定。该框架使用从一条城市快速路走廊获取的一年工作日商业浮动车数据（248天）进行验证。实证结果表明，所提出的算法可靠地识别了空间集中和时间上反复出现的瓶颈；共检测到32处不同的关键瓶颈位置（S-BSI≥35），其中31处（96.9%）与走廊上可识别的物理或运营拥堵生成特征相吻合。通过提供一种可扩展、高性价比且可转移的检测与严重程度评估方法，本研究为固定传感器基础设施有限或缺失的走廊的探针车辆数据应用研究体系做出了贡献。
## 研究背景与意义
快速城市化和机动化使交通拥堵成为全球性持续问题。拥堵增加了出行时间、燃油消耗和排放，降低了道路安全和生活质量，成为可持续城市发展的关键障碍。在城市快速路上，拥堵主要由瓶颈产生——即局部容量低于到达需求的位置。由于排队向上游传播，少数位置即可造成大部分总延误，因此拥堵管理应以瓶颈为中心而非网络层面的平均值。常发性瓶颈在可预测的高峰时段于相同位置激活，是计划性干预的可靠目标。然而，仅检测瓶颈是不够的：在预算有限的条件下，管理机构还需了解哪些瓶颈最为严重，即按运营严重程度进行排序。
传统检测方法依赖固定传感器（线圈、雷达和摄像头），仅提供离散点的高频数据，可能遗漏站点间形成的瓶颈，且无法完整描述排队范围。密集传感器网络的安装和维护成本高昂，尤其在发展中地区覆盖范围受限。浮动车数据（FCD）由配备GPS的车辆和导航应用定期报告位置和速度生成，提供了低成本、广空间覆盖的替代方案。然而，现有FCD研究多集中于一般性拥堵测量或预测，针对瓶颈特定的动态分析仍然不足。具体而言，动态关键瓶颈对拥堵扩散的异质性影响尚未被充分整合到基于路段的交通拥堵估计框架中。此外，现有基于速度的方法多采用绝对或固定相对阈值，未将下游验证适配于观测到的拥堵水平，在严重拥堵导致上下游速度均下降时可能失效。严重程度量化中鲜有将排队长度和增长率从同一速度数据中估计并整合的实践，检测与排序通常分离且需要不同数据。检测参数也极少通过系统性、可复现的搜索来选择。
针对上述研究空白，研究人员开发并验证了一种基于FCD的框架，仅使用路段级速度数据检测、刻画和排序城市快速路上的常发性瓶颈。研究提出了一种仅速度瓶颈严重程度指数（S-BSI），在0–100分尺度上利用五个组成部分对检测到的瓶颈进行排序。该框架在土耳其布尔萨市D-200城市快速路走廊上进行了验证。论文发表在《Sustainability》期刊上，为固定传感器基础设施有限或缺失的走廊提供了可扩展、高性价比且可转移的检测与严重程度评估方法，对推进可持续城市交通管理具有重要意义。
## 关键技术方法
研究人员采用以下关键技术方法开展研究：（1）数据来源为土耳其布尔萨市D-200城市快速路走廊的248个工作日商业浮动车数据（FCD），覆盖06:00–22:00时段，按1分钟间隔聚合构建960×747维时空速度矩阵并进行多日平均；（2）以82 km/h作为走廊统一自由流速度（FFS）进行速度归一化；（3）移动窗口检测算法，含上游拥堵条件与自适应下游恢复验证；（4）五要素仅速度瓶颈严重程度指数（S-BSI），权重通过层次分析法（AHP）确定；（5）基于一阶交通流理论激波近似的排队传播追踪；（6）对128种参数组合进行穷举网格搜索校准。
## 研究结果
### 时空速度模式
通过分析248天平均速度数据生成的时空速度等高线图和归一化速度热力图，研究人员发现走廊在高峰时段呈现显著速度下降，且速度下降沿走廊不均匀分布，存在速度急剧下降的特定区段，表明存在局部容量约束而非走廊全线的过度密度。东向方向晚高峰（16:30–19:30）拥堵最为严重，早高峰（07:30–10:30）次之，午间（11:30–16:00）拥堵较轻。早高峰平均排队长度为2.51 km，晚高峰为4.16 km；早高峰平均持续时间为564.7分钟，晚高峰为207.1分钟。
### 走廊交通数据
走廊日均出行时间呈典型双峰分布：早高峰约09:00平均出行时间约49分钟，晚高峰约18:00–18:30升至约85分钟，非高峰基线约38–40分钟。走廊日均值速度在早间接近自由流条件（约67 km/h），晚高峰降至约39.5 km/h。空间速度剖面分析显示，速度亏损集中在少数固定位置（约4–5 km和15–17 km处），不同高峰时段亏损位置高度一致，证实瓶颈为固定的需求驱动特征而非随机波动。
### 检测到的瓶颈特征
基于128种网格搜索组合，触发瓶颈数量从最少832个（50_L4_K2_m10_dn10组合）到最多18,589个（20_L1_K1_m5_dn5组合）不等，呈现检测灵敏度与特异性的权衡关系。检测到的瓶颈在空间上集中于少数走廊位置，主要聚集在互通立交区域和合流/分流点附近，与瓶颈理论关于容量约束发生在几何变化位置的预期一致。瓶颈激活在时间上表现出高度规律性，证实检测到的瓶颈为需求驱动且反复出现的常发性瓶颈。
### 瓶颈严重程度分析
五要素S-BSI能够区分空间局部且短时的小型瓶颈与产生大范围持续排队的大型瓶颈。以S-BSI≥35为关键瓶颈分类阈值，经综合评估触发数量、平均严重程度和空间聚类性三项准则，选定x30_L3_K2_m10_dn5组合进行详细分析。关键瓶颈在空间上集中于少数位置，且同一路段在不同时间区间反复出现，证实关键瓶颈与固定基础设施特征相关而非随机需求波动。经初步实地调查，走廊可分为西部和东部两段：西部关键瓶颈主要与立交下方的匝道合流、分流、汇流点和交织段相关；东部关键瓶颈主要集中于轻轨车站和高需求公交站边缘。四处代表性瓶颈案例（Ankara Road–Mahmudiye Street分流、Acemler立交、Arabayata??轻轨站、Eski Fakülte立交）的速度剖面均呈现典型瓶颈特征：上游持续低速、下游速度明显恢复。
### 网格搜索校准结果
网格搜索评估了东向方向全部128种参数组合，结果表明检测结果强烈依赖于参数配置。最严格阈值的组合产生较少触发，最宽松设置的组合产生大量触发。拥堵阈值参数（x）影响最为显著，时间持续性（m）和下游验证设置提供辅助控制，最严重检测在合理参数选择范围内保持稳定。
### 性能指标
选定组合产生的8606个关键触发经空间聚合和重复激活分组后，收敛为32处独立关键瓶颈位置。经验证，32处中31处成功识别出可识别的交通流扰动原因，分类为真正例（TP），仅1处（KGM校园出口附近）在晚高峰时段未识别到物理或运营原因，分类为假正例（FP）。检测方法的精确率（阳性预测值）为96.9%。在32处关键瓶颈中，15处（48.4%）与公共交通停靠站布局相关，15处（48.4%）与匝道和交织相关几何特征相关，1处（3.2%）为信号控制段。走廊末端的信号交叉口作为控制点被S-BSI成功识别为关键瓶颈，进一步验证了方法的有效性。
## 讨论与结论
研究提出了一种完整的、理论有据且经实地印证的方法论，将广泛可用的商业速度数据转化为可操作的瓶颈情报。通过结合空间感知移动窗口检测、时间持续性过滤和五要素严重程度指数，该方法超越了简单速度阈值，可靠地识别出位置、时间和严重程度与观测速度场相匹配的瓶颈。其核心创新——五要素S-BSI涵盖空间范围、时间持续性、速度亏损幅度、排队长度和排队增长率——提供了一个仅从速度推导的走廊内可转移严重程度尺度，同时通过基于速度的一阶理论一致性激波近似捕捉排队动态。由于仅需速度数据，同一程序适用于任何有商业探针数据的地方。该框架存在若干局限性：仅依赖速度数据，无流量或密度测量，排队相关量为近似代理值；仅在单一走廊上验证；采用走廊统一自由流速度（82 km/h）未考虑局部几何和天气变化；多日平均速度矩阵平滑了日间变异性，可能低估最严重日的严重程度。未来研究将在多条走廊上验证框架、与线圈检测器或雷达数据对比以量化准确性、适配流式FCD实现实时检测、结合机器学习模型、整合交通量估计以及天气和事故数据等方面开展。
