交通量
概述
交通量（traffic volume）是指在一定道路路段或地点，单位时间内通过的车辆、行人、自行车等出行主体的数量。它被用作道路规划、信号控制、安全对策、环境影响评价的基础资料，近来通过 ITS（智能交通系统）和 AI 视频分析实现实时采集与利用。
主要内容
定义与单位
交通量通常以每小时通过车辆数（vph，vehicles per hour）表示，按日统计则汇总为 AADT（年平均日交通量）。交通量与“出行量”有所区别：出行量指起点至终点之间的移动次数，而交通量指特定地点的断面通过量。为校正时间波动，还同时使用高峰小时系数（PHF）、设计小时交通量（DHV）等指标。
测量方法
传统上采用环形线圈检测器、压力式/压电传感器、超声波/雷达检测器等地点检测方式，并配合调查员人工计数的现场调查。近来，将目标检测与跟踪模型应用于 CCTV 视频，以自动统计分车型交通量；并结合通信运营商基站信号、导航 GPS 轨迹和商业交通数据，估算广域范围的交通量。
与交通流理论的关系
交通量（q）、密度（k）、速度（v）具有 q = k × v 的关系。交通量增加时密度上升、速度下降；达到通行能力（capacity）时交通流崩溃，从而发生拥堵。基本图（fundamental diagram）将该关系可视化，显示超过临界密度后交通量急剧下降的拥堵状态。
主要指标与运用
AADT 用于道路设计、路面厚度和车道数确定，设计小时交通量用于信号周期和车道分配。交通量资料广泛应用于实时信号控制、拥堵收费与交通需求管理（TDM）、空气质量与噪声预测、物流路径规划、自动驾驶基础设施设计等。
交通量与政策
交通量是道路扩建政策的依据，但由于诱导需求（induced demand），即使增加车道，拥堵仍会复发，这一局限已被指出。因此，强调以公共交通优先、拥堵路段需求管理、智能信号等效率为中心的政策。
最新动向
2024—2025 年，基于 AI 的交通量预测和数字孪生正在扩散。利用 LSTM、图神经网络等深度学习时间序列模型，短期交通量预测精度得到提高，城市级“交通数字孪生”被用于政策仿真。韩国扩大了将国家交通信息中心与地方政府大数据相连接的实时交通量公开，自动驾驶、机器人出租车运行所需的精确交通量数据需求正在增大。此外，与碳中和政策相衔接的交通量—排放量综合管理、步行与自行车交通量调查自动化也备受关注。为保护个人信息，对轨迹数据进行匿名化、聚合化处理的合规要求也成为重要议题。
相关主题
- [[智能交通系统]]
- [[交通拥堵]]
- [[交通需求管理]]
- [[数字孪生]]
- [[自动驾驶]]