侯佳 過利超 于泳波 施敏

摘 要：論文討論了面向公交優(yōu)先的交通控制系統(tǒng)所需要的城市交通大數(shù)據(jù)融合分析，從應(yīng)用角度梳理了交通大數(shù)據(jù)體系，提出了交通控制建模中數(shù)據(jù)分析方法的研究目標(biāo)，給出了核心的研究方法。論文對(duì)交通大數(shù)據(jù)分析在交通控制平臺(tái)的應(yīng)用和發(fā)展進(jìn)行了展望，明確了大數(shù)據(jù)分析的研究與應(yīng)用價(jià)值。

關(guān)鍵詞：城市交通大數(shù)據(jù);融合分析;交通控制系統(tǒng)

中圖分類號(hào)：U491.54 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著人工智能科技和數(shù)據(jù)渠道的拓寬、數(shù)據(jù)體量的巨大增長，智能交通管理平臺(tái)中越來越多的應(yīng)用到大數(shù)據(jù)融合分析技術(shù)[1]。一方面，城市交通控制系統(tǒng)平臺(tái)需要通過對(duì)城市交通體系的動(dòng)態(tài)感知和精準(zhǔn)調(diào)控來實(shí)現(xiàn)道路時(shí)空資源的最優(yōu)分配，另一方面，平臺(tái)的控制目標(biāo)對(duì)于城市交通長期運(yùn)行有價(jià)值導(dǎo)向的影響作用，如果無差別的保障機(jī)動(dòng)車高效通行，長期而言，可能會(huì)帶來城市機(jī)動(dòng)交通的無序增長。當(dāng)前構(gòu)建城市交通控制系統(tǒng)，應(yīng)以公交優(yōu)先為核心價(jià)值導(dǎo)向，在系統(tǒng)設(shè)計(jì)中優(yōu)先為公共交通系統(tǒng)分配時(shí)空路權(quán)，控制平臺(tái)價(jià)值導(dǎo)向與城市交通政策相一致、相協(xié)調(diào)，交通管理信息中心與公交系統(tǒng)運(yùn)營管理平臺(tái)進(jìn)行信息交互，設(shè)計(jì)頂層管控系統(tǒng)，統(tǒng)籌協(xié)調(diào)、綜合優(yōu)化公交管理系統(tǒng)和車流管理系統(tǒng)。作為支撐交通控制系統(tǒng)的底層數(shù)據(jù)分析引擎，既需要實(shí)現(xiàn)一定精度實(shí)時(shí)分析的效能，也需要有完備的數(shù)據(jù)體系和分析洞察能力，能夠從交通需求發(fā)展態(tài)勢(shì)和出行行為選擇機(jī)理層面對(duì)城市交通運(yùn)行進(jìn)行剖析和監(jiān)測(cè)，服務(wù)于系統(tǒng)優(yōu)化目標(biāo)，形成監(jiān)測(cè)、預(yù)測(cè)、預(yù)警以及決策支撐的閉環(huán)，保障城市交通的綠色健康發(fā)展。需要達(dá)成上述目標(biāo)，應(yīng)當(dāng)構(gòu)建合理的城市交通大數(shù)據(jù)體系，應(yīng)用融合分析方法，提取多尺度、多來源的數(shù)據(jù)的有效信息，在數(shù)據(jù)層面保障系統(tǒng)深入的洞察力和綜合分析能力。

1 城市交通大數(shù)據(jù)體系

數(shù)據(jù)融合分析的前提是厘清數(shù)據(jù)體系，甄別哪些類型的數(shù)據(jù)符合交通控制平臺(tái)的應(yīng)用需求，在平臺(tái)建設(shè)之初，就對(duì)數(shù)據(jù)進(jìn)行采集和預(yù)處理，為平臺(tái)需要的動(dòng)態(tài)流數(shù)據(jù)預(yù)備接口。城市交通大數(shù)據(jù)按照數(shù)據(jù)來源、動(dòng)靜態(tài)、數(shù)據(jù)形式等有多種分類方法，且交通數(shù)據(jù)體系隨著互聯(lián)網(wǎng)和車聯(lián)網(wǎng)技術(shù)的發(fā)展，仍在不斷擴(kuò)充過程中。論文面向交通控制系統(tǒng)平臺(tái)建設(shè)中對(duì)數(shù)據(jù)的應(yīng)用梳理了大數(shù)據(jù)體系，將數(shù)據(jù)主要分為四類：個(gè)體軌跡數(shù)據(jù)、車流運(yùn)行數(shù)據(jù)、公交系統(tǒng)運(yùn)行數(shù)據(jù)和調(diào)查數(shù)據(jù)。

1.1 個(gè)體軌跡數(shù)據(jù)

個(gè)體軌跡數(shù)據(jù)是探求城市交通運(yùn)行機(jī)理、辨識(shí)個(gè)體出行行為特征的基礎(chǔ)數(shù)據(jù)。典型的個(gè)體軌跡數(shù)據(jù)包括手機(jī)信令數(shù)據(jù)和手機(jī)應(yīng)用軟件的GPS數(shù)據(jù)。這兩類數(shù)據(jù)的時(shí)空顆粒度存在一定差別，GPS數(shù)據(jù)的軌跡精度更高，但采樣率少，且不易獲取。手機(jī)信令數(shù)據(jù)已成為城市居民交通數(shù)據(jù)的常用數(shù)據(jù)。個(gè)體軌跡表征了個(gè)體出行鏈的所有環(huán)節(jié)，可以完整具體地體現(xiàn)出個(gè)體出行的路徑選擇、方式選擇、出行時(shí)空分布等特征。是交通大數(shù)據(jù)技術(shù)發(fā)展中非常重要的一類數(shù)據(jù)源，可以極大程度解決傳統(tǒng)居民出行取樣率低、對(duì)通勤之外的交通出行統(tǒng)計(jì)不足等問題[2]。個(gè)體軌跡數(shù)據(jù)的主要缺點(diǎn)在于，出于隱私保護(hù)，無法獲取用戶任何個(gè)人屬性信息，無法直接用來建立個(gè)體屬性和出行選擇的聯(lián)系，需要和居民出行調(diào)查數(shù)據(jù)互為補(bǔ)充。

1.2 車流運(yùn)行數(shù)據(jù)

交通控制系統(tǒng)的主要控制對(duì)象是道路網(wǎng)絡(luò)上的機(jī)動(dòng)車流，因此對(duì)車流數(shù)據(jù)須實(shí)現(xiàn)實(shí)時(shí)動(dòng)態(tài)分析。車流數(shù)據(jù)的采集手段是多樣化的，包括視頻卡口采集、RFID牌照數(shù)據(jù)采集、線圈流量采集、浮動(dòng)車GPS數(shù)據(jù)采集等。傳統(tǒng)的交通流預(yù)測(cè)技術(shù)和控制優(yōu)化建模通常采用流量數(shù)據(jù)作為輸入數(shù)據(jù)，而現(xiàn)在的車聯(lián)網(wǎng)監(jiān)測(cè)、視頻識(shí)別技術(shù)能夠分析得到具體的車輛軌跡，可以獲取車型、OD、車速、轉(zhuǎn)向特征等具體信息，為駕駛行為分析提供了便利條件。對(duì)于車流運(yùn)行數(shù)據(jù)，需要先期分析車流、OD分布和路段交通流的歷史特征，標(biāo)定預(yù)測(cè)和決策模型。特征的提取和模型的標(biāo)定是優(yōu)化建模的核心環(huán)節(jié)，主要依托的就是車流運(yùn)行數(shù)據(jù)。

1.3 公交系統(tǒng)運(yùn)行數(shù)據(jù)

對(duì)于公交系統(tǒng)運(yùn)行數(shù)據(jù)的研究目的有兩個(gè)，一是在出行客流層面，評(píng)估城市公交體系的運(yùn)行服務(wù)水平，監(jiān)測(cè)公共交通對(duì)客流的吸引力;二是在公交車輛運(yùn)行層面，交通控制策略中實(shí)現(xiàn)為公交車輛優(yōu)先配置通行權(quán)，具體的信號(hào)配時(shí)方案需要與車輛的運(yùn)行乃至具體的調(diào)度方案相一致、相協(xié)調(diào)。

1.4 調(diào)查數(shù)據(jù)和調(diào)研信息

上述數(shù)據(jù)多產(chǎn)生于城市交通監(jiān)測(cè)系統(tǒng)、互聯(lián)網(wǎng)或通信系統(tǒng)，可以實(shí)時(shí)地反映系統(tǒng)運(yùn)行狀態(tài)，時(shí)空顆粒度較為精細(xì)，但往往數(shù)據(jù)僅能表征運(yùn)行狀態(tài)，不能挖掘與個(gè)體屬性相關(guān)的、能夠與人群、社會(huì)、經(jīng)濟(jì)等建立聯(lián)系的信息。而且，把握城市交通的運(yùn)行與發(fā)展特征，對(duì)于經(jīng)濟(jì)與產(chǎn)業(yè)發(fā)展、社會(huì)生活變遷趨勢(shì)也是必須進(jìn)行聯(lián)系分析的。所以在多源數(shù)據(jù)分析中，不可或缺的是以居民出行調(diào)查為代表的交通類調(diào)查數(shù)據(jù)和作為建模重要信息補(bǔ)充的社會(huì)經(jīng)濟(jì)調(diào)研。

2 數(shù)據(jù)分析方法

根據(jù)交通控制系統(tǒng)開發(fā)、建模和動(dòng)態(tài)監(jiān)測(cè)的需求，對(duì)于交通大數(shù)據(jù)融合分析方法的研究目標(biāo)主要包括以下幾點(diǎn)：

2.1 分析方法的研究目標(biāo)

2.1.1 多來源、多尺度數(shù)據(jù)的有效融合

城市交通不同來源數(shù)據(jù)的數(shù)據(jù)制式、時(shí)空顆粒度、統(tǒng)計(jì)維度都有較大差異，且沒有任何一種數(shù)據(jù)形式可以完全的表征城市多系統(tǒng)的交通運(yùn)行和居民出行數(shù)據(jù)，通過多源數(shù)據(jù)的互相補(bǔ)充、互相印證，可以提高對(duì)系統(tǒng)運(yùn)行數(shù)據(jù)挖掘分析的精度，完善數(shù)據(jù)的校核方法。

2.1.2 支撐出行行為機(jī)理剖析

對(duì)城市交通多源大數(shù)據(jù)的挖掘分析應(yīng)該以對(duì)城市居民出行行為機(jī)理剖析為核心目標(biāo)，僅以某一個(gè)系統(tǒng)運(yùn)行指標(biāo)是無法洞悉城市交通運(yùn)行的本質(zhì)規(guī)律，也不能在宏觀系統(tǒng)層面做出長期有效、引導(dǎo)健康發(fā)展的決策。出行行為機(jī)理的分析一方面依靠個(gè)體出行軌跡數(shù)據(jù)進(jìn)行初步建模和標(biāo)定，另一方面借助系統(tǒng)運(yùn)行數(shù)據(jù)對(duì)個(gè)體軌跡的匹配情況進(jìn)行校核，保證不同尺度的數(shù)據(jù)能夠互相支撐。

2.1.3 實(shí)現(xiàn)個(gè)體行為和系統(tǒng)運(yùn)行的閉環(huán)分析

通常的大數(shù)據(jù)分析中，由于數(shù)據(jù)來源和數(shù)據(jù)質(zhì)量的局限性，只能從實(shí)時(shí)狀態(tài)數(shù)據(jù)解析運(yùn)行指標(biāo)，而無論個(gè)體出行還是交通系統(tǒng)運(yùn)行都是一個(gè)緊密聯(lián)系的整體，在時(shí)空和不同系統(tǒng)的割離分析很可能造成系統(tǒng)整體無法閉環(huán)，例如城市內(nèi)部人口分布、出入境流量之間的數(shù)據(jù)有大量缺口，職住分布與通勤出行不相符合，走廊流量與客流腹地不相匹配等。因此，分析方法需要保證系統(tǒng)閉環(huán)，分析所得成果對(duì)于城市交通管理才有支撐作用。

2.2 分析方法體系架構(gòu)

2.2.1 數(shù)據(jù)清洗

有效的數(shù)據(jù)清洗在交通大數(shù)據(jù)實(shí)際應(yīng)用中發(fā)揮了重要的作用，是后續(xù)分析的基礎(chǔ)。采集方式的不同所造成誤差的形式、范圍不同，清洗的方法也需要面向建模的目標(biāo)，基于用戶出行行為機(jī)制的分析，從行為邏輯層面剔除不合理的數(shù)據(jù)，應(yīng)用時(shí)空匹配方法，應(yīng)用交通出行的設(shè)施空間特點(diǎn)、系統(tǒng)運(yùn)行時(shí)間特點(diǎn)，提高數(shù)據(jù)預(yù)處理的精度。

2.2.2 行為分析方法

需要建模分析交通管理、交通控制的策略措施以及路段交通狀態(tài)變化等對(duì)駕駛員的路徑選擇行為以及路網(wǎng)整體的運(yùn)行影響，與管理控制方案形成反饋機(jī)制，構(gòu)成交通控制優(yōu)化模型的核心決策模塊。行為分析模塊需要海量歷史數(shù)據(jù)長期分析作為建模基礎(chǔ)和校核基礎(chǔ)。出行行為本身也是交通科學(xué)研究的理論核心。在交通控制系統(tǒng)中，是管理控制平臺(tái)與大量個(gè)體用戶之間的博弈，實(shí)現(xiàn)了對(duì)系統(tǒng)的調(diào)控。而博弈行為的機(jī)制、個(gè)體選擇是如何被影響的，都需要模型來表征，從而指導(dǎo)控制優(yōu)化模型的建模和標(biāo)定。

2.2.3 優(yōu)化與決策支撐方法

交通控制系統(tǒng)的決策支撐模塊是系統(tǒng)中對(duì)功能要求最高的模塊，是實(shí)現(xiàn)有效控制的核心模塊。模塊中需要實(shí)現(xiàn)控制-仿真-反饋的流程機(jī)制，應(yīng)用優(yōu)化模型為系統(tǒng)配置動(dòng)態(tài)交通控制的初始方案，模擬測(cè)試方案實(shí)行的效果，根據(jù)效果，在可選擇方案集里面進(jìn)一步選擇優(yōu)化方案，不斷迭代優(yōu)化，在可接受時(shí)間里配置最優(yōu)的交通控制方案[3]。這其中，數(shù)據(jù)分析的核心，一是要實(shí)現(xiàn)公交優(yōu)先控制，能夠?qū)崟r(shí)的將路網(wǎng)數(shù)據(jù)和公交運(yùn)行數(shù)據(jù)結(jié)合分析，二是能夠及時(shí)地反饋路網(wǎng)狀態(tài)，對(duì)路網(wǎng)的需求變化、下一時(shí)段的流量狀態(tài)進(jìn)行敏銳的監(jiān)測(cè)，能夠根據(jù)方案和需求預(yù)判交通運(yùn)行狀態(tài)。

3 應(yīng)用前景與發(fā)展展望

未來交通系統(tǒng)的優(yōu)化和公交服務(wù)水平的提升，都需要借助智能交通體系的大力建設(shè)。交通控制平臺(tái)的計(jì)算能力、功能水平和建設(shè)規(guī)模將在人工智能時(shí)代實(shí)現(xiàn)騰飛。目前，通過城市交通大數(shù)據(jù)分析方法的研究深化和體系化，為交通控制平臺(tái)的開發(fā)奠定基礎(chǔ)。數(shù)據(jù)分析應(yīng)當(dāng)面向綜合交通體系，而不僅僅是機(jī)動(dòng)車的運(yùn)行，交通控制平臺(tái)建設(shè)也應(yīng)立足長遠(yuǎn)，實(shí)現(xiàn)數(shù)據(jù)融合、平臺(tái)整合、信息共享、服務(wù)提升。

參考文獻(xiàn)：

[1]李瑞敏，史其信.基于多智能體系統(tǒng)的城市交通控制與誘導(dǎo)集成化研究[J].公路交通科技，2004，21（05）：109-112.

[2]于泳波，侯佳，程曉明.地鐵客流來源分布特征研究——以南京地鐵為例[C].2019年中國城市交通規(guī)劃年會(huì).

[3]馬壽峰，李艷君，賀國光.城市交通控制與誘導(dǎo)協(xié)調(diào)模式的系統(tǒng)分析[J].管理科學(xué)學(xué)報(bào)，2003，12（03）：71-78.