大數據在城市綜合交通調查與交通模型中的應用分析

管娜娜， 寧怡旻

(成都市規劃設計研究院，四川成都 610041)

?

大數據在城市綜合交通調查與交通模型中的應用分析

管娜娜， 寧怡旻

(成都市規劃設計研究院，四川成都 610041)

大數據技術的發展給交通調查與交通模型帶來了新的工作思路，通過挖掘互聯網、車載GPS、IC卡、手機信令、超高頻RFID等多源、海量數據可以描述人的交通行為、車輛的行駛狀態、道路的擁擠程度等。合理地使用大數據技術，能夠在保證精度的前提下大大提高工作效率和降低成本。文章主要分析研究如何將通過信息感知技術獲取的多源數據整合到傳統交通調查與模型中，為成都市開展綜合交通調查和建立交通模型奠定基礎。

大數據； 交通信息感知技術； 交通調查； 交通模型

面向城市綜合交通規劃的交通調查旨在全面掌握城市交通的源和流，調查主要包括基礎資料、交通需求、交通設施和交通現狀四部分內容[1]。傳統的交通調查是通過填寫調查問卷和人工觀測來獲取數據的,工作量龐大，持續周期長，需耗費大量的人力物力。而且抽樣方法和抽樣率對調查結果的影響較大，需要預調查和不斷核查。

交通信息感知技術的蓬勃發展為交通規劃工作提供了豐富的數據來源，通過合理利用交通信息數據可以為人工調查提供輔助和校核或者替代傳統交通調查的某些項目。此外，大數據在土地利用、交通基礎設施、系統運行等方面優勢顯著[2]，北京、上海、廣州、深圳等城市在基于大數據的交通調查和交通模型中已經進行了探索研究，驗證了大數據技術在交通規劃不同階段工作中的適應性。

1 大數據在城市綜合交通調查與模型中的必要性分析

1.1 交通模型的數據構成

根據交通模型開發和修正要求，交通調查的項目也有所不同，其中必備的調查項目主要包括：居民出行調查、城市道路交通調查、出入境交通調查、公交調查、停車調查、流動人口調查等。交通模型的主要數據構成如圖1所示。

圖1 交通模型的主要數據構成

1.2 必要性分析

將交通大數據整合到綜合交通調查和模型中的必要性主要體現在以下幾方面：

(1)規劃方案與交通模型間缺少反饋、論證機制。通常在各類規劃項目中都需要建立相應的交通模型，規劃方案與交通模型之間相互反饋和論證[3]。比如在進行軌道交通線網規劃時需要建立交通需求預測模型對規劃方案以定量的支持，而在進行道路網規劃時，又需要開展交通調查和建立新的模型。因此，成都市亟需建立一個不斷更新的交通數據庫和交通模型為相關的規劃服務，提高規劃的科學性和可信度。

(2)在城市交通的快速發展變化的背景下，交通模型的更新維護需要大數據支撐。目前，成都市的城市空間不斷擴展、經濟社會發展迅猛、交通需求的特性不斷變化，交通模型也需要通過不斷的標定和校核進行維護。交通信息感知技術能夠實時記錄交通運行狀態，因此可以通過處理和挖掘多源、海量的交通信息感知數據，實現對交通供給、交通需求結構的全面了解，用以支撐交通模型的維護更新。

(3)傳統交通調查與大數據相互結合，不斷開拓交通規劃新理論。現有的交通信息感知技術所獲取的交通數據無法做到準確、全面的描述交通運行特性，比如，很難判斷連續兩次公交IC卡數據是換乘還是兩次出行，手機信令數據很難識別同一個基站范圍內的短距離出行，因此需要將大數據與調查數據進行相互校核分析。同時，需要不斷優化交通信息感知技術和開拓交通規劃理論，比如設置更多能夠表征交通出行特性的字段，甚至開拓適應于交通信息感知技術的規劃理論。

2 大數據在交通調查和交通模型中的應用分析

眾多學者針對將大數據整合到交通調查和交通模型中進行了相關探索研究，其中，基于GPS浮動車、公交IC卡、手機信令等的數據挖掘技術成熟，應用成果豐富。

2.1 交通信息感知技術與模型應用

根據交通信息感知設備的特性可以將信息感知技術分為固定型和可移動型。固定型的信息感知技術可以采集到基本的交通流參數，而移動型的信息感知技術可以通過識別和路徑追蹤推算出車和人的出行OD，因此在交通需求預測中的應用更為廣泛(表1)。

表1 交通信息感知技術的數據類型與模型應用

2.2 浮動車GPS數據

成都市于2008年開始建立浮動車GPS數據采集系統，在營運出租車上安裝GPS定位設備，通過GPS定位技術獲取出租車實時位置信息。已經基本實現了實時道路交通運行狀態發布、歷史交通狀況查詢；路網交通運行指標測算，包括路網運行速度時間分布、典型擁堵路段統計、路網擁堵指數等功能[4]。根據管亞麗[5]關于成都市出租車浮動車數據的可靠性分析，認為成都市浮動車規模控制在5 000輛以上，便能得到中心城區可靠的交通參數。

截至2014年底，成都市出租車總量為18 539輛，中心城區出租車總量為14 898輛，路網覆蓋率高，能對路段及路網交通狀況進行較好的描述。在交通調查和交通模型建立過程中，浮動車GPS數據能在以下方面發揮作用：

(1)道路網絡的建立。現狀綜合道路網絡是交通模型的核心數據之一，通過車輛路徑識別，可以快速準確獲得現狀道路網絡布局和交通組織，增強對現狀路網的分析全面把握現狀路網問題。

(2)道路交通調查和核查線調查。核查線道路交通流量調查的目的是全面掌握核查線的交通流量分布，用以校核OD調查成果精度，通過較為可靠的浮動車GPS數據能夠獲得該數據，且具有較高的可操作性。

(3)OD矩陣獲取。通過浮動車GPS數據獲取OD矩陣有兩種方式，分別為OD反推和路徑識別。由于成都市出租車僅占機動車總量的0.48 %，但在抽樣率如此低的前提下進行OD反推或路徑識別，可能會造成較大誤差。

2.3 公交IC卡數據

通過挖掘公交IC卡的數據并結合公交車輛GPS數據，判斷公交線路各站點上下車人數和擬合交通出行起訖點，從而建立公交出行OD矩陣的模型和方法在城市綜合交通規劃、公交規劃以及公交運營調度中有著廣泛應用[6]。國內對此已經有了一定的研究成果，徐建閩等[7]利用公交車GPS和公交IC卡數據建立了生成單線公交OD 的計算公式模型；侯艷等[8]利用VBA結合ADO技術推算公交出行的OD矩陣，然后通過抽樣調查獲得擴樣系數從而對樣本進行擴樣生成了全市居民的出行OD。從單線公交到多路公交再到全市居民出行信息，基于公交IC卡數據推算居民出行OD的思路和技術方法成熟[9]，可以作為居民出行調查的補充。

在《成都市多網融合公共交通體系規劃》中，從成都市公交集團和地鐵公司獲取了一周的IC卡刷卡數據，涉及常規公交675條線路、6 258個站點，地鐵2條線路、42個站點，快速公交2條線路、59個站點。通過分析和挖掘海量IC卡數據和公交系統的GPS數據，對公交換乘識別、公交客流OD分布識別和公交通勤識別做出了探索性研究，并得出了成都市公共交通通勤距離長、快速公交與常規公交換乘需求大、現狀公共交通出行向心性強等典型結論。同時，基于公交IC卡的數據挖掘技術體系也已經建立，在開展交通調查工作與交通模型建立時，可充分考慮公交IC卡數據的使用(表2)。

表2 成都市公共交通IC卡刷卡記錄及車輛GPS所含信息

2.4 手機信令數據

手機信令作為一種理想的交通信息感知技術，為居民出行信息提供了良好的數據基礎。利用長期手機信令數據，可分析常住人口和就業人口分布、通勤出行特征、大區間OD、特定區域出行特征和流動人口出行特征等[10]。賴見輝[11]基于移動通信定位信息提出了基于模糊模式識別原理的居住地與工作地識別方法；黃美靈、陸百川[12]通過提出手機用戶的起訖點位置信息，根據面積判斷算法得到手機用戶的OD信息。上海在第五次綜合交通調查中首次將手機信令數據應用于全市性綜合交通調查[2]，通過長時間跟蹤記錄移動通信數據(全市約6萬個基站，中心城平均半徑約130 m，郊區平均半徑約360 m)，分析得到夜間、白天手機用戶分布規律性特征、地下軌道車站客流換乘特征以及校核線手機客流穿越特征。

此外，手機信令數據表征的單個手機用戶不同時段所處的地理坐標，其數據在交通規劃中的應用也存在一定局限性：(1)難以判斷手機用戶的出行方式、出行目的；(2)利用手機信令數據反映傳統定義需要一定的假設和推斷，相關規則不明確；(3)數據粒度大，不能反映短距離出行。

2.5 超高頻RFID電子標識

超高頻RFID 技術利用電磁耦合來傳遞數據進行車輛識別[13]，當裝有超高頻RFID電子標簽的車輛通過RFID讀寫器時，將會采集到車輛ID、通過監測點時間、車型代碼、車牌歸屬地等信息，由此可以得到通過路段、交叉口等設施的車流量，并能進一步識別出車輛行駛路徑(圖2)。通過超高頻RFID電子標簽采集到的道路交通流量、出入境交通流量數據,主要用于交通模型中的機動車出行生成、出行分布和模型校驗。

圖2 超高頻RFID電子標簽系統拓撲結構及工作原理

重慶市應用超高頻RFID技術建立覆蓋全市約300萬輛機動車和852個采集點的“重慶交通信息卡”系統(圖3)。通過RFID技術采集到的交通數據，在出行分布特征分析和流量延誤函數(VDF)做了相關的研究[14]。

(1)出行分布特征分析。利用通道上連續幾個設有RFID讀寫器斷面收集到的交通信息，通過車輛ID、通過監測點的時間等特征數據追蹤車輛軌跡，分析各區段流量流向構成，發現整個通道貫通行駛的需求量非常少，不同區段的流量差異較大，從而得出了不同路段采用不同建設標準進行拓寬改造的結論(圖4)。

圖3 重慶RFID采集點分布

圖4 快速路四橫線(鵝公巖大橋)車輛路徑識別

(2)交通分配中路阻函數的標定。通過整合分析“重慶交通信息卡”系統、出租車車載GPS、感應線圈和高清卡口的數據，研究流量與車速、密度與流量間的關系，實現交通分配中VDF函數的標定(圖5)。

圖5 重慶機場高速VDF函數標定

基于超高頻RFID技術自動精確及動態信息采集的優點，在城市道路交通調查、出入境交通調查方面優勢大，在交通生成、交通分布和模型校核階段能夠大大提高模型的精度和效率。目前成都尚未啟動電子車牌試點工作，若電子車牌相關工作啟動需同步建立信息平臺，做好數據采集和存儲。

4 對成都開展綜合交通調查和交通模型工作的建議

大數據在交通調查與交通模型中是傳統綜合交通調查的有效補充，在交通基礎數據獲取、道路網絡建立、職住分析等方面應用效果良好。在成都市開展綜合交通調查和建立交通模型過程中，應在傳統交通調查基礎上充分考慮利用現有大數據資源，比如遙感、公交IC卡、浮動車GPS、手機信令、車牌識別等，融合多種數據反映城市交通問題。

(1)構建全市交通數據庫。目前，成都市還沒形成統一的交通數據庫，各類交通數據分散在交委、交管、公交集團、地鐵公司等多個部門，沒有統一的數據接口和管理平臺，在開展交通調查和交通模型工作過程中會存在數據壁壘。

(2)提前建立交通大數據的采集和存儲機制。不同的交通信息感知技術在數據存儲上都有各自不同的機制，比如視頻數據會存儲15 d,移動通訊數據在無需求的情況下不會進行存儲。因此在綜合交通調查開展初期，應根據調查方案和模型需求建立交通大數據采集和存儲機制。

(3)形成關于交通大數據分析、縮樣、擴樣的技術思路和流程。通過各類交通信息感知技術獲取的數據量雖然大，但從本質上說仍屬于抽樣調查，或者說分層抽樣調查，如何科學擴樣，是否需要先縮樣后擴樣，需要制定一套技術思路和流程。

(4)建立傳統綜合交通調查、交通大數據以及交通大數據之間相互校核的良好模式。為減小擴樣過程中的誤差，應以交通出行調查數據為基礎，利用交通大數據挖掘技術對關鍵指標進行綜合比對和校核。

[1] 王煒. 交通規劃[M].北京：人民交通出版社，2007.

[2] 薛美根，陳歡，應俊杰. 基于城市交通大數據的上海第五次綜合交通調查技術與方法[C]//2015年中國城市交通規劃年會暨第28次學術研討會論文集，2015.

[3] 何流. 交通需求預測模型的歷史與展望[J]. 江蘇城市規劃，2014(4)：43-45.

[4] 新鈳電子(上海)有限公司. 成都市交通信息數據中心信息采集子系統——基于浮動車技術的交通信息采集系統[R]. 2009.

[5] 管亞麗. 成都市出租車浮動車數據可靠性分析[D]. 成都：西南交通大學，2010.

[6] ZHAO J, RAHBEE A,WILSON N H M. Estimating a rail passenger trip origin-destination matrix using automatic data collection Systems[J]. Computer Aided Civil and Infrastructuer Engineering,2007,22(5):376-387.

[7] 徐建閩，熊文華，游峰. 基于GPS和IC卡的單線公交OD生成方法[J]. 微計算機信息，2008，24(22)：221-222.

[8] 侯艷，何民，張生斌. 基于公交IC卡刷卡記錄的居民出行OD推算方法研究[J]. 交通信息與安全，2012，30(6)：109-114.

[9] 張頌，陳學武，陳崢嶸. 基于公交IC卡數據的公交站點OD矩陣推導方法[J]. 武漢理工大學學報：交通科學與工程版，2014，38(2):333-337.

[10] 冉斌. 手機數據在交通調查和交通規劃中的應用[J]. 城市交通，2013，11(1)：72-81.

[11] 賴見輝. 基于移動通信定位數據的交通信息提取及分析方法研究[D]. 北京：北京工業大學，2014.

[12] 黃美靈，陸百川. 基于手機定位的交通OD數據獲取技術[J]. 重慶交通大學學報:自然科學版，2010，29(1)：162-166.

[13] 薛金銀，張北海，李全發. 超高頻RFID技術在智能交通領域的應用分析[J]. 中國交通信息化，2014(增刊):115-118.

[14] 吳祥國，余清星，韋翀. 大數據背景下重慶市綜合交通模型維護升級[J]. 城市交通，2016，14(2):51-58.

管娜娜(1989～)，女，碩士研究生，助理工程師，從事交通規劃與設計；寧怡旻(1985～)，女，碩士研究生，工程師，從事城市規劃。

TU984.191

A

[定稿日期]2016-06-23