基于GPS大数据的上海市大型货车运行特征研究
大型货车运输是城市货运系统规划和管理的重点，对城市经济的发展有着强力的支撑功能。2021年我国公路货物运输量达391亿吨，同比增长14%，占货运总量的74%；上海市道路货物运输量5.3亿吨，同比增长15%，占全社会货物运输总量的34%，这表明道路货运交通在城市综合交通系统中占有重要地位。同时，货运需求的增长也带来了众多问题，包括货运体系不健全、城镇客货交通矛盾集中、组织模式有待进一步提升等。
01 研究背景
“十四五”期间，伴随五个新城的建设，上海市城市发展空间格局正在加快重塑，城市货运交通系统面临调整。《上海市交通发展白皮书》要求“打造高效货运体系，助力畅通经济循环”，港口货物吞吐量高位运行、产业结构持续升级，线上消费成为主流，对货运体系的时效性和可靠性提出更高要求，上海需进一步调整货物运输结构、优化运输组织模式，提高货运体系的服务质量和效率，在支撑经济高质量发展的同时减少对城市生活环境的影响。
至2021年底上海市共有道路货物运输企业2.1万户，货运车辆24万辆。上海港口集装箱吞吐量已连续十年保持世界第一，道路集装箱运输量为2373万TEU。但49.6%的水水中转比仍有较大提升空间，海铁联运占比极低，多模式港口集疏运能力不足，集疏运体系薄弱，“集卡围城”问题突出。
本研究在上述背景下，对上海市货车GPS数据进行分析挖掘，总结上海市大型货车运行特征，以支撑相关货运体系规划研究。
02 数据基础
交通运输部在2014年规定，12吨及以上货车需安装卫星定位系统。本研究使用的是上海市2021年10月1日至31日的12吨以上货车GPS数据，共计16万辆车、67亿条数据。数据属性47条，包括ID、时间戳等（见表1）。
表1 GPS原始数据表
数据基本情况见图1，每日车辆数与数据量成正相关，黄金周数据量较低，同时周末数据量相对于工作日较低，10月后3个星期中，数据量呈现一定的周期性。后续OD提取、货运特征分析以10月21日数据为例进行讨论。
（a）每日数据量与车辆数
（b）OD特征（提取方法见下文）
图1 数据基本情况
03 OD识别
表2中为交通大数据分析过程中常见的数据质量问题，除此以外，GPS数据所特有的问题是“数据漂移”。
表2 数据质量及解决方案
GPS需要视野内至少有三颗卫星才能实现定位功能，但由于GPS信号会受到障碍物的遮挡（例如建筑、植被等），造成信号反射，从而引起GPS的定位误差，引起数据漂移。对于漂移数据的处理已有研究已经非常成熟，通常根据GPS轨迹数据的速度、加速度和方向角变化对漂移数据进行剔除。一般而言，认为速度超过120Km/h和加速度超过5m/s2的数据属于异常数据，应予以剔除，其它漂移数据剔除方法见表3及图2。
表3 数据漂移
图2为对应的实际轨迹中数据漂移的示例，其中2(a)，为正常行驶过程中遇到红绿灯，车辆减速，速度趋于0，方向角正常；2(b),为车辆正常转弯导致的方向角变化过大；2(c),为静止车辆在一段时间内的产生静态漂移现象；2(d),为数据中的动态漂移点。
图2 数据漂移样例
由于GPS数据为瞬时数据，记录的GPS速度为该时刻的瞬时速度，具有离散型，并不能反映车辆行驶过程中的真实情况，且GPS数据的空间定位精度较高，因此通常需要计算相邻轨迹点之间的平均速度代替GPS速度。图3为一个轨迹数据的GPS速度与计算平均速度的差异，从图中可以看出，计算平均速度不存在零点，而GPS速度中则存在4个零点，显然将这4个零点作为货车停车点是不合理的。
将计算平均速度为0的点作为货车的停车点，根据停车类型可以将停车点划分为两类：一、货车停车装卸货物，即需要提取的OD点；二、货车由于红绿灯、拥堵、加油等造成的停车点，属于临时停车点。对于停车点的划分，已有相关研究已经较为成熟，主要通过两种方法：（1）单独从GPS数据中区分OD与临时停车点需要使用时间阈值进行划分；（2）配合POI及土地使用类型等数据，能够提高OD点识别的准确度。本文仅使用GPS数据，时间阈值设置为15分钟（已有敏感度研究中，15分钟的阈值OD识别准确率高达79.74%<1>）。在识别OD点之后，提取与之相对应的货车行驶轨迹，以便后续进行路网匹配。
图3 GPS速度与平均速度对比
04 基于隐马尔科夫
模型的路网匹配
4.1路网匹配算法
讨论城市货运交通特征需要将GPS轨迹点与已有城市路网进行匹配，本研究采用的是基于隐马尔科夫模型（Hidden Markov Model，HMM<2-4>）的路网匹配算法。该算法将数据中的轨迹点视为观测点，将货车真实的空间位置（或真实路段）视为隐状态，进而通过HMM的解码问题求得路网匹配结果。HMM的优势是可以较为平滑地处理数据噪声和路径约束问题，从多个备选状态的路径中选择一条最大似然的路径。相对于早期的几何、拓扑、概率等算法（见表4），HMM对数据噪声等具有更好的鲁棒性、准确度更高，但对数据空间精度及采样率要求较高，并需要较为完整的路网拓扑结构，同时算法实现更为复杂。
表4 路网匹配算法
4.2隐马尔科夫模型
马尔科夫过程是具有马尔科夫性质的一类随机过程，而离散时间的马尔科夫链（例如GPS轨迹数据）可以称为尔科夫过程。具有马尔科夫性质的随机模型统称为马尔科夫模型，隐马尔科夫模型则是其中一种，该模型主要包含5个要素，2个状态合集（隐含状态、观测状态）和3个概率矩阵（隐含状态转移概率矩阵、观测状态转移概率矩阵、初始状态概率矩阵），具体实现过程见图4。轨迹点1的候选路段为R1、R2、R3，初始状态概率为0.9、0.1、0，轨迹点2的候选路段为R2、R3、R5，其观测状态概率分别为0.15、0.15和0.7，R1至R2，R3和R5的转移概率均为1/3，固其得分分别为a12=0.9x0.15x1/3=0.045，a13=0.9x0.15x1/3=0.045，a15=0.9x0.7x1/3=0.21，所以轨迹点1→2的匹配路段为R1→R5。继续遍历所有轨迹点，得到最终的匹配结果为R1→R5→R7→R9。
图4 HMM算法过程示例
将2021年10月21号所有货车轨迹进行地图匹配，图5为一条实际货车轨迹与路段的匹配结果。以路段作为研究对象，分时统计该路段上的匹配到的货车通过量，可以得到该路段的货车分时流量；计算匹配到该路段上的货车平均通过速度，可以得到该路段的平均车速。
图5 通过路网匹配提取路段流量及平均车速
05 货运车辆出行特征
5.1空间分布特征
图6为上海市内外货车OD分布情况。市内OD主要集中在外高桥和洋山港区与附近的物流园区和堆场之间，其中，洋山港区-南汇新城（临港产业区）、外高桥港区-高东地区、高东地区与浦东外环外区域（主要是北部地区和机场货运区）货车出行联系强度最大，嘉定、青浦、奉贤的工业园区也存在大量货车出行。青浦新城与青浦其它区域，南汇新城与奉贤区之间也有一定量的出行。奉贤新城与松江新城对外的货车OD较少。市外OD主要集中在太仓、昆山方向，通过崇明方向进出上海的货车数量极少，货车对外出行中，江苏方向与浙江方向比例为7：3，与上海对外客运廊道的方向分布基本一致。
图6 上海市货车出行空间联系特征
将上海市产业地块与货车出行的发生量（起讫点数量之和）分布进行叠加分析，能够看出货车发生量空间分布比较集中，各产业地块内的货车出行发生量占据了全市总量的50%以上。除此以外，大量的货车出行均发生在港区、堆场内及物流企业内（见图7）。
图7 上海市货车出行发生量热力分布示意图
上海市100多个产业地块中，浦东新区内货车出行发生量最大，占比27.6%，其次为宝山区（14.4%）、嘉定区（8.8%）、青浦区（6.1%）、闵行区（6.1%）、奉贤区（4.6%）、金山区（4.4%）、松江区（4.3%）。具体产区地块内货车出行发生量占比（某地块占全部产业地块的比例）见图8。
图8 上海市各产业地块发生量占比
以行政区为单位，分析产业地块之间连续的出行关系，见图9（已删除区内出行数据）。结果发现，大量的出行具有连续关联特征，例如宝山区内的产业地块，其货车主要来源于浦东新区和嘉定区，而下一次出行的目的地也主要是浦东新区和嘉定区；嘉定区内的产业地块来源及下一次出行去向主要为浦东新区、宝山区和青浦区；奉贤区主要与浦东新区相关联；松江区和金山区与其它区域联系均较低。
图9 产业地块间连续出行特征
5.2路段流量时变特征
上海市货运路段流量分布见视频1。上海市主要货运通道包括外环（S20）、郊环（上海绕城高速G1503）、沈海高速（G15）、沪芦高速（S2）、沪翔高速（S6）等。
空间分布方面：本市货运交通量主要分布在东南和东北区域，东南和东北区域是货运交通产生的主要地区，汇集了上海港的外高桥港区和洋山港区。从通道分布上看，现状货运交通量主要分布在外环（S20）、郊环（上海绕城高速G1503）、沈海高速（G15）、沪芦高速（S2）、沪翔高速（S6）等通道上，由于郊环浦东段（在建）与外环尚未完全分线运行，导致外环外高桥段及越江段的货运量尤其集中，另外郊环收费是导致外环（S20）北段-沪翔高速（S6）货运交通量居高不下，较难疏散至郊环北段的重要原因。根据外环沿线地区规划，未来外环沿线地区的货运到发需求将日益减少。在郊环成环后，外环北段的货运交通外移则将具备路网基础。
时间分布方面：货运交通在时间分布上存在较大的不均衡性。沪宜公路出城方向、绕城高速东段内侧、沈海高速金山段出城方向的高峰流量集中在0-6点；洋山港进港方向高峰流量集中在18-24点，而出港方向高峰流量集中在上午6-12点；绕城高速南段内侧高峰流量集中在上午6-12点，反方向在下午12-18点；申嘉湖高速双向高峰小时较为均衡。货运流量早高峰在6-7点，7-9点流量有所下降，9-16点流量较为均衡，部分道路在19之后出现晚高峰。图10为主要通道流量时变图，大部分道路早高峰在6-8点之间，之后流量略有下降，10-16点流量较大且比较平均。
图10 主要道路流量时变特征
5.3路段车速时变特征
上海市大部分货运通道全天通行状态良好，拥堵节点主要集中在沪宜公路、沈海高速（与绕城高速、沪翔高速交叉口）、外环高速（尤其北路、东北部，外环隧道）以及东海大桥入口（见图11）。
图11 路段车速特征
视频2为各路段车速时变情况。外环隧道西向东方向早4点开始出现明显拥堵，东向西方向则在5点之后，拥堵情况一直持续至晚9点，外环线其它区域从早7点开始出现较大范围拥堵；沪宜公路和蕰川公路全天行程车速均较低；绕城高速拥堵主要集中在南侧区域。
6相关建议
（1）进一步优化运输结构，加快多式联运发展，倡导绿色运输。港口是大型货车的主要发生源之一，现状上海港公路集疏运比例50%左右，水水中转比例50%左右，铁路运输比例不足1%。建议加强研究并出台有关促进多式联运发展的相关政策，加快铁路货运能力及进港铁路建设，加强外海和内河航道及码头设施能力建设，至2035年，力争实现本市集装箱海铁联运量达300万标准箱，上海港水水中转比例不低于55%的发展目标。
（2）进一步完善本市的市级、区级层面的道路货运通道布局与交通组织。一是立足本市产业基地和产业社区规划以及有关产业规划，根据本市空间格局、城市功能和交通需求，确定并稳定市级货运通道结构布局和交通组织。二是按照本市构建“中心辐射、两翼齐飞、新城发力、南北转型”的“十四五”空间新格局要求，结合地区功能和用地调整，深化五个新城以及金山、宝山转型地区的地区货运通道布局和交通组织。
（3）进一步提高重要货运通道的设施配置水平。以上海绕城高速（G1503）为例，作为本市集装箱货运主通道，其路面状况令人堪忧，导致这种状况，诚然有货运车辆超载等原因。从设施供给方面考量，针对本市主要、重要的货运通道在设计、建设的时候，建议考虑提高标准，强化货运通道的基础设施配置水平。
（4）进一步加强道路货运交通的管理。货运交通尤其是道路货运交通对城市安全影响巨大，包括市民的生命安全、城市的基础设施（桥梁和隧道）安全等。当前，针对货运车辆实时监管仍需要进一步加强，需要借助互联网、大数据、人工智能等新的技术手段对车辆的运输路径、运输货物种类，以及沿线道路设施状况等，进行实时动态监测与管理，有必要研究建立全市货运车辆的管理服务系统。
技术指导：张逸
供稿人：交通分院（交通模型工作室） 宋少飞、张天然、王波、沈海洲
（来源：市规划院）