نوع مقاله : علمی - پژوهشی

نویسندگان

1 استادیار دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک

2 گروه برنامه ریزی حمل و نقل، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران

چکیده

تحلیل وضعیت ترافیکی و ارائه روش‌های مدیریت جریان ترافیک نقش اساسی در ارزیابی عملکرد بسیاری از سیستم‌های حمل و نقلی ایفا می‌کنند. در بین روش‌های جمع‌آوری داده‌های ترافیکی، رویکردهای مبتنی بر فن‌آوری‌های نوین که امکان جمع‌آوری حجم زیادی از داده‌های پویای زمانی-مکانی را فراهم کرده و استخراج روندها و الگوها را تسهیل می‌کنند از اهمیت بسیار برخوردارند. در این پژوهش، تهران به عنوان پایتخت ایران با ویژگی‌های اقتصادی و اجتماعی خاص آن و تنوع سفرها که منجر به وضعیت ترافیکی متغیر می‌گردد مورد مطالعه قرار گرفته است. داده‌های حاصل از پردازش رقومی تصاویر ترافیکی به دست آمده از سرویس نقشه گوگل در یک بازه زمانی پیوسته یک ماهه (17 فروردین تا 17 اردیبهشت 1398)، برای نخستین بار به منظور ارزیابی روند تغییرات متوسط ازدحام ترافیکی در سطح نواحی منطقه مطالعاتی مورد استفاده قرار گرفته است. پس از استخراج داده‌های اولیه و با توجه به تغییر الگوی سفرها و در نتیجه میزان ازدحام ترافیکی، شاخص ازدحام ترافیکی (CI) به تفکیک در روزهای کاری و غیرکاری محاسبه گردید و به مرکز نواحی 117‌گانه شهر تهران اختصاص یافت. با استفاده از تحلیل‌های توصیفی روی کلان‌داده‌های مورد بررسی، ساعات اوج ازدحام ترافیکی در بازه زمانی مورد مطالعه استخراج گردید. سپس، شاخص Getis Ord، نواحی پرازدحام منطقه مطالعاتی را بر اساس ارزیابی خوشه‌های مکانی مشخص نمود. همچنین، ارتباط زمانی بین مقادیر ازدحادم ترافیکی در برش‌های زمانی مختلف در کل بازه زمانی مورد مطالعه با استفاده از آزمون آماری کروسکال والیس ارزیابی گردید و فرض صفر مبتنی بر همبستگی بین مقادیر متوسط ازدحام و در نتیجه همبستگی زمانی بین مقادیر تایید گردید. با استفاده از تحلیل‌های پوششی نقشه‌های ترافیکی نیز، خوشه‌های ترافیکی پرازدحام در سطح اطمینان 90% در اوج صبح و عصر به تفکیک روزهای کاری و غیرکاری استخراج گردید. نتایج این پژوهش می‌تواند به اصلاح و بازنگری محدوده‌های ترافیکی، همچنین کمک به تحلیل‌های مرتبط با آلودگی هوا ،کمک به مطالعات مرتبط با قیمت‌گذاری معابر و بررسی روند شکل‌گیری و انتشار گلوگاه‌های ترافیکی در بازه‌های زمانی دلخواه موثر واقع شود.

کلیدواژه‌ها

عنوان مقاله [English]

Identifying Spatio-temporal Patterns of Traffic Congestion Using Data Obtained from Google Maps Service Traffic Image

نویسندگان [English]

  • Matin Shahri 1
  • Afshin Shariat Mohaymany 2

1 Assistant Professor , Department of Geoscience Engineering, Arak University of Technology

2 School of Civil Engineering, Iran University of Science and Technology.

چکیده [English]

Analyzing traffic conditions and suggesting traffic management methods play a critical role in evaluating the effectiveness of transportation systems. Among the methods suggested for collecting traffic data, approaches based on new technologies attracted more attention due to the ability of collecting large amounts of dynamic spatio-temporal data making it easy to identify trends and patterns. In this study, Tehran, the capital of Iran with socio-economic characteristics and the variety of urban trips which lead to heterogeneous traffic state will be considered. Data obtained from digital processing of Google Maps traffic images the one-month time interval (April 7th to May 7th, 2017), has been applied for the first time to evaluate the trend and overall pattern of the changes in traffic congestion in the study area. Considering the variety of trip patterns and consequently the traffic congestion, traffic congestion index (CI) has been calculated on workdays and weekends separately and was assigned to the district center and the morning and evening peak-hours were extracted using descriptive analysis. By applying Getis-Ord hot-spot and cold-spot index, the clusters of congested areas have been recognized over the study area. Also, the temporal relationship between traffic congestion indexes in different time sections was evaluated using Kruskal-Wallis statistical test and the null hypothesis of correlation between the mean values of congestion index was confirmed. Using overlay analysis of congestion maps, clusters indicating congested areas at 90% confidence intervals were extracted during morning and evening peaks on weekdays and weekends separately. The results of this study can be effective in modifying traffic congestion zones, analyzing pollution or studies relating to road pricing, and assessing the process of traffic congestion propagation during desired time intervals.

کلیدواژه‌ها [English]

  • traffic congestion
  • spatio-temporal analyses
  • map overlay
  • traffic images