[论文解读] Traffic Performance Score for Measuring the Impact of COVID-19 on Urban Mobility

Zhiyong Cui, Meixin Zhu+6 more|arXiv (Cornell University)|Jul 1, 2020

Traffic Prediction and Management Techniques参考文献 7被引用 19

一句话总结

本文提出了一种交通绩效评分（TPS），通过整合多种交通参数，衡量全网城市交通表现，实现对时空维度的实时与历史分析。TPS平台专为大西雅图地区开发，揭示了新冠疫情显著降低了交通流量（VMT）和超速率，通过减少出行需求和改变驾驶行为，重塑了城市出行模式。

ABSTRACT

Measuring traffic performance is critical for public agencies who manage traffic and individuals who plan trips, especially when special events happen. The COVID-19 pandemic has significantly influenced almost every aspect of daily life, including urban traffic patterns. Thus, it is important to measure the impact of COVID-19 on transportation to further guide agencies and residents to properly respond to changes in traffic patterns. However, most existing traffic performance metrics incorporate only a single traffic parameter and measure only the performance of individual corridors. To overcome these challenges, in this study, a Traffic Performance Score (TPS) is proposed that incorporates multiple parameters for measuring network-wide traffic performance. An interactive web-based TPS platform that provides real-time and historical spatial-temporal traffic performance analysis is developed by the STAR Lab at the University of Washington. Based on data from this platform, this study analyzes the impact of COVID-19 on different road segments and the traffic network as a whole. Considering this pandemic has greatly reshaped social and economic operations, this study also evaluates how COVID-19 is changing the urban mobility from both travel demand and driving behavior perspectives.

研究动机与目标

• 为解决缺乏整合多种交通参数的综合性全网交通绩效度量指标的问题。
• 开发一个实时、交互式的基于网络的平台，用于在路段和全网层面监控与分析城市交通表现。
• 通过分析不同路段出行需求和驾驶行为的变化，量化新冠疫情对城市出行的影响。
• 评估与疫情相关的限制措施如何重塑城市交通模式，特别是在整体交通量、速度和拥堵水平方面的变化。
• 为公共机构提供一个可扩展的框架，以监测和应对后疫情时代城市出行的长期变化。

提出的方法

• 交通绩效评分（TPS）通过关键交通参数的加权组合计算得出：全网范围内的速度、流量、行程时间及拥堵水平。
• TPS平台整合了华盛顿州交通部（WSDOT）的实时环形检测器数据与历史交通数据，用于时空分析。
• 平台采用归一化评分系统（0–12），表示交通表现，分数越高表示表现越好、拥堵越低。
• 超速率通过车道级环形检测器数据计算，公式为：SpeedingRate = Σ(Qi for Vi > VTH) / Σ(Qi)，其中VTH为速度阈值。
• 通过对比2020年1月19日至5月10日期间疫情前与疫情期间的周度时间序列分析TPS与VMT数据。
• 该平台设计为可扩展并可扩展至其他城市和地区，支持未来的大规模出行分析。

实验结果

研究问题

• RQ1 与单一参数指标相比，所提出的交通绩效评分（TPS）在多大程度上有效捕捉了全网交通表现？
• RQ2 在大西雅图地区，新冠疫情前后全网交通表现和车辆行驶里程（VMT）发生了怎样的变化？
• RQ3 疫情期间，不同路段的出行需求如何变化，哪些因素影响了这些变化？
• RQ4 在疫情相关限制措施和交通流量减少的背景下，驾驶行为（尤其是超速）发生了怎样的变化？
• RQ5 疫情在多大程度上引发了城市出行模式的长期转变，这些转变如何通过数据驱动的度量指标进行量化？

主要发现

• TPS与VMT在2020年3月23日华盛顿州居家令发布后均显示出交通表现和流量的显著下降。
• 交通流量在居家令实施前四周已急剧下降，疫情期间VMT峰值期间下降约50%。
• 主要高速公路（I-5、I-405、SR-520）的超速率在疫情期间显著下降，SR-520在居家令后超速率接近零。
• I-5和I-405的超速率下降最为明显，于3月下旬降至最低水平，并持续低于疫情前水平。
• TPS平台成功可视化了实时与历史交通模式，实现了对出行变化的路段级与全网级分析。
• 研究证实，疫情引发了可测量的、大规模的出行需求与驾驶行为变化，表明城市出行模式可能存在长期转变。