时间相关性是交通状态变化的一个显著特征。首先对基于不同的时间尺度与高速公路的交通流式数据的周期演化特性进行分析。

（1）以天为单位的周期特性分析

以2014 年3 月2 日重庆市某高速公路一固定监测器所获取的表征交通状态的参数在一天内的交通流式数据为对象，分别以速度、流量和占有率三者的交通时间序列为例，对以天为单位的交通流式数据的周期特性进行分析。

如图2.1（a）和2.1（c）所示，在不同的时间段，交通流量和占有率呈现不同的特性，并随时间的变化而变化。此外，流量和占有率在一天内的时间序列均出现了两个较大的高峰，分别表示早高峰和晚高峰。

如图2.1（b）所示，平均速度的交通时间序列图却没有与图2.1（a）和2.1（c）表示出同样的特征。其原因在于，正常的道路交通状态中除受个体差异、交规等因素的影响外，速度的变化受时间因素的影响较小。

图2.1　以天为单位的环比时间交通参数时间序列

（2）以周为单位的周期特性分析

以重庆市某高速公路2014 年4 月7 日至2014 年5 月4 日同一检测点每周特定日期（以周一为例）的交通流式数据为例，对同比时间交通流式数据的特性进行分析。选取的交通参数为平均速度、流量、占有率及平均车头时距。

在一定的时间尺度上，表征交通状态的参数之间表现出较强的相关性。如图2.2 所示，第一周的表征周一交通状态的平均速度、流量、占有率及平均车头时距的交通时间序列均出现了较大的随机性。因此，反映交通状态的同一天的各参数之间依然保持着同样的变化趋势。此外，如图2.2（a）所示，从不同周的同一天的以速度为对象的交通流式数据的演化规律可以看出，每周同一天的交通流式数据表现出较强的规律性，这种相似性被称为表征交通状态的交通流式数据的周相似性［125］。

图2.3 为2014 年4 月7 日至2014 年5 月4 日重庆市某高速公路某一检测点的以周为间隔的各交通参数的环比时间序列，也可看作以周为单位的不同周的同比时间序列。通过图2.3 可以看出，特定空间条件下，以周为间隔的交通流表征参数时间序列具有类似的变化规律，这也从另一方面说明了表征交通状态的交通流式数据的周相似性特征。

图2.2　同比时间交通参数时间序列(www.daowen.com)

为进一步说明交通流式数据随时间不断演化的特性，选取重庆市某高速公路的某一固定检测点所采集的2014 年5 月12 日至2014 年5 月25 日的速度、流量和占有率数据，基于欧式距离法将每周不同日期（周一、周二……）分类（分成7 类，分别表示周一类、周二类……）。其中，类内（每周同一日期）的平均相似度是同一类内任意两天所有数据点距离的均值，类间（同一周不同日期）的平均相似度是不同类间的任意两天所有数据点距离的均值。平均距离越小，表示表征交通状态的流式数据的相似性越好。

图2.3　以周为单位的交通参数时间序列

一般情况下，表征交通状态参数的速度的类间相似度小于类内相似度，见表2.1。这说明不同周同一天的交通状态受特定因素的干扰对速度的影响较大，而同一周的类间相似度还是比较一致。此现象与如图2.3（a）所示的速度周变化特性类似。

表2.1　每周不同日期间固定检测点表征交通状态参数（速度）平均相似度

从表2.2、表2.3 中可发现，类内的相似度明显高于类间的相似度，工作日与非工作日间的相似度明显降低。以上结果说明，每周不同工作日的交通流量和占有率具有较好的相似性，非工作日之间也具有类似的结果。

表2.2　每周不同日期间固定检测点表征交通状态参数（流量）平均相似度

表2.3　每周不同日期间固定检测点表征交通状态参数（占有率）平均相似度

通过以上分析可以发现，不同的交通流式数据虽然具有一定的随机波动性，但是，通过各种角度对表征交通状态的不同参数的流式数据分析可以发现，不同参数的流式数据在整体上保持较强的周期相似性。