基于大數據的城市交通能耗來源及差異分析

張桐源

[摘 要]相對于傳統的樣本統計方法，基于大數據技術對城市交通能耗進行統計，更為客觀便捷，對于分析城市交通能耗來源及差異也將更為合理，這對于優化城市交通出行結構，構建綠色低碳的出行方式具有積極的作用，也有利于管理部門制定低能耗、低排放的導向性交通政策。

[關鍵詞]大數據；城市交通能耗；差異分析

[DOI]10.13939/j.cnki.zgsc.2018.04.039

1 引 言

隨著社會的快速發展，使信息數量呈幾何級數增長（城市級一般在萬億字節以上），“大數據”一詞應運而生，一般認為該概念由牛津大學教Viktor Mayer 最早提出。[1]面對龐大的數據，由于受到采集方法、處理能力等制約，過去一般只能采用隨機分析法（抽樣調查）進行分析處理，即所謂“走捷徑”。該方法盡管精確性相對不高，但面對數量大、類型多、價值密度低的龐大數據，卻具有較高的效率和較強的經濟性，這是與當時的社會經濟技術發展水平相適應的。

近年來，隨著數據采集手段、處理技術的快速提高，采集處理成本的大幅下降，使得大數據的處理方法得以進入應用領域。大數據的研究對象不再是樣本，而是整個完整的數據庫，認為龐大、混雜、非精確性的數據，不是因果關系，而是相互關系。將大數據關聯與挖掘后，把孤立的數據聯系起來，能相對完整描述一個對象。正所謂“數據挖掘的最高境界就是從數據中獲取知識，輔助科學決策”。在一些觀察者眼中，大數據已成為勞動力和資本之外的第三生產力。

近些年，隨著互聯網的迅速發展，大數據已經應用于各行各業中，由于云計算的出現又一次推動了大數據的發展。例如，我國已經將大數據應用于交通行業，借助大數據使交通更加智能化，也有利于更好地管理交通秩序，監控交通能耗與排放。

2 大數據在交通領域應用情況綜述

隨著信息技術的更新，各種傳感器、軟件應運而生，為數據的采集提供了可靠的物理保障，使得交通行業積累了大量的數據信息，大型存儲設備的出現也為海量數據存儲提供了可能，云計算的出現使數據的計算更加高效，交通行業的數據特征基本符合大數據的特點。

由于交通規劃、研究以及管理的需要，以往每隔5年左右就需要采用抽樣的方法進行一次基礎性的居民出行交通調查，或獨立進行，或結合人口普查一起進行，都需要投入大量的人力、物力、財力，而且得到的數據精確度并不高，而且難以及時更新，已經無法滿足城市交通日益提高的精細化規劃管理需求，而智慧城市、智能交通的發展對相關交通數據的精確度和時效性提出了更高的要求。對于城市交通來說，大數據是發展的機遇，對于大數據來說，城市交通是發揮作用的機會。

尤其對于城市交通較為重要的評價模型，大數據技術基本可以做到完全真實，預測模型的不確定性也將大幅降低。大數據不僅僅應用在數據的采集處理，其對整個城市交通分析技術體系的影響也是深刻的，從本質上來說，大數據環境下城市交通分析技術所完成的是一種將數據組織成為信息，從信息提煉特征，從特征變化中發現規律，就對策進行追蹤評估的信息處理過程。從信息處理角度來看，可以劃分為數據采集與質量控制層、特征提取層、規律辨識與分析層和問題導向功能綜合層四個層次，以及通過功能銜接和信息傳遞實現的有機整合。該種大數據環境下基于證據的決策分析技術框架，其主要目標是提升有機融合在城市交通戰略、政策、規劃、建設、管理和控制等技術環節的戰略調控過程的決策效果。[2]

例如，如何落實城市交通的可持續發展理念？也就是說如何在盡量減少生態環境影響和能源消耗的基礎上，滿足社會經濟發展的需要？基于大數據技術，可以運用交通能耗與排放模型，構建交通能耗及排放監測系統，通過熱力圖、網格圖等專題圖動態反映燃油量、溫室氣體、污染物等指標的空間分布，使得高頻、動態的量化監測得以實現，能更為準確地評估分析能耗與排放的特征，并通過數據融合進行反饋。這對于傳統的靜態評估是一種本質的提升。

此外，作為城市大系統的有機組成部分，交通小系統與大系統之間存在明顯的相互作用影響，尤其是土地與交通、交通與環境之間。土地開發對交通系統產生本源影響，而交通系統對生態環境的影響（包括能耗、排放、噪聲、震動等）也不斷增強。因此，針對上述復雜、多元的影響，進行有效的評估就尤為重要，而大數據技術正是承擔該項工作的有力手段。例如，在評估“空間—交通—環境”相互作用時，大數據對交通影響評價和交通排放監測提供數據輸入與分析平臺，該平臺不僅可以為交通管理提供決策支持，為規劃設計和研究提供分析支持，同時也為居民出行提供信息服務支持。

3 城市交通能耗來源

在我國的統計體系中一般僅對“交通運輸倉儲及郵電通信業”的能耗進行統計，將居民出行能耗并入“生活消費”或“其他”大類，并不能清晰地反映城市交通能耗的實際情況。實際上，交通運輸中的能源消耗與總能耗的比例是非常高的。在加拿大，交通運輸系統消耗總燃油的66%，其中絕大部分為汽車運輸所消耗；在美國，交通運輸系統消耗總燃油的 60%，其中 73% 為汽車運輸所消耗。我國目前的交通能耗與總能耗的比例還不是很高，燃油消耗中交通所占的比例一般在 30%左右。盡管如此，但隨著道路交通的逐步機動車化，交通系統所占的能源消耗比重將逐年增加。以上海市為例，近10年來交通運輸占全市能源消耗總量的份額平均每年增加2個以上的百分點。

合理城市交通結構的確立是建立可持續發展的城市交通系統的核心，而確立合理的城市交通結構，不但要考慮交通秩序、交通暢通與交通安全，還要在滿足各類居民出行需求的前提下，使交通系統的資源損耗最小，能源消耗最低，環境污染最少。因此，對于城市交通能耗來源以及差異化分析就越來越重要，傳統的交通數據采集與分析手段已經無法滿足多元、動態的交通能耗模型需求，而大數據的分析手段也自然成為該項工作的重要工具。

值得特別指出的是，近年來純電動汽車的快速發展，對城市交通能耗來源及差異分析計算產生了較大的影響。實際上，電動汽車已經有130多年的歷史，只是受限于蓄電池、行駛經濟性等因素而發展較慢，近年來隨著相關技術的突破發展，也相應進入了快速發展的軌道。相比傳統汽車的內燃汽油發動機的動力系統，純電動汽車不僅不需要發動機、油箱、變速器、排氣等系統，而且具有更高的能量轉換效率。endprint

通過大量車輛對比能耗的數據采集與分析，純電動大巴平均百公里能耗約為125千瓦時，按照我國《交通運輸綜合統計報表制度》標準，折算成標準煤為15.4公斤，而傳統柴油大巴為48.3公斤，油電混合動力大巴為43.3公斤。對于純電動小汽車，其節能作用也十分明顯，平均百公里能耗約為3.4公斤標準煤，而普通小汽車約為10.9公斤。可見，純電動汽車的快速發展對城市交通能耗與排放的影響是顛覆性的。

此外，我國城市軌道交通發展很快，其能耗問題的研究也應重視。在滿載情況下，常規公交的單位能耗在各個運行速度水平下，均為軌道交通的4倍以上，能耗之比在4～5之間，可見大力發展軌道交通這種相對低能耗的交通方式對于降低我國交通能耗水平也尤為重要。

4 案例分析與啟示

大數據分析在城市交通能耗與排放的分析、監測、優化等方面的應用將越來越重要，包括構建交通能耗排放監測平臺、24小時動態熱力圖監測燃油量、溫室氣體、污染物等指標等。此外，可以從能源消耗的角度，對城市交通結構進行優化建議，有利于可持續發展交通政策的制定。例如，通過不同交通工具的設備特征、客運性能、能耗指標等大量數據的采集、分析與整理，并運用居民個體機動化出行能耗模型得出不同交通方式的能耗數據。數據表明，公共交通的人均能耗僅為私人小汽車的1/4左右，因此，公共交通出行方式比例的提高可以明顯降低城市總體交通能耗水平，同時交通工具的承載率指標也對交通能耗有著較大的影響。例如在美國，雖然公共交通比較發達，但由于公共交通的使用率較低，人均公交能耗指標也相對較高。

此外，通過大數據分析，發現不僅是交通出行結構，城市空間布局形態、社會經濟發展水平、人口密度、環境氣候等因素對交通能耗也有著一定的影響。因此，面對如何降低城市能耗的課題，必須放到城市大系統中綜合解決。

不少城市在交通大數據能耗監測應用方面已經開始了探索實踐。例如在北京，利用交通大數據較好地解決了能耗數據綜合性差、維度單一、可利用率低等問題，采用以車輛基礎特征為坐標原點的微觀運行監測數據，兼容多種發動機類型，實現了動態能耗的直接感知，監測偏差在3%以內（傳統器具的偏差接近20%）。同時通過平臺監測和實驗室檢測，結合交通大數據技術，應用高分辨率交通能耗仿真技術和多尺度評估技術，初步構建了高綜合性、高敏感性的五層次交通能耗綜合評估模型體系，這成為掌握分析城市交通真實能耗的重要手段。例如通過對APEC會議以及國慶閱兵期間交通措施的能耗排放預測分析，為政府提供科學、準確的能耗排放數據，幫助政府積極應對社會公眾輿情。

還有深圳市，依托每天包括加油站、加氣站、充電樁數據，以及手機百度GPS、公交車GPS、出租車GPS 、騰訊移動流量、地磁流量、公交刷卡等近7億條的交通運行大數據，通過融合與挖掘，深圳市相繼構建一體化多層次交通模型體系、覆蓋全市域的道路交通運行指數系統、交通排放監測平臺和城市交通仿真系統（關鍵走廊、樞紐和軌道交通車站等），改進交通規劃技術支持、增強交通決策管理方法和提升交通信息化服務水平，有力支撐了該市城市交通發展[3]，尤其是在踐行大力發展低能耗、低排放交通工具方面，至2017年底，深圳市將全市近2萬臺公共汽車全部更換為純電動大巴。

5 結 論

城市交通能耗涉及因素眾多，其與城市各要素之間，相互影響、相互制約，數據量大，而且數據計算和處理的質量要求也較高，因此“大數據、互聯網、云計算”等現代信息技術，尤其是實時、穩定的大數據計算和分析能力，將成為城市交通能耗的計算與分析的重要工具。基于大數據的城市交通能耗特性模型，能夠體現城市交通的本質，計算分析也更為客觀。通過對各種交通方式進行能耗比較，可以得出能源消耗量較小的出行方式，而人均能源消耗量最小的出行方式則更應大力提倡發展，例如公共交通出行。同時通過對普通能源消耗和新型能源消耗的對比，有利于交通能源結構的不斷優化。

參考文獻：

[1]宋清輝.大數據正改變我們的未來[N].中華工商時報，2015-02-27（03版）.

[2]楊東援，段征宇.大數據環境下城市交通分析技術[M].上海：同濟大學出版社，2015（1）.

[3]丘建棟，陳蔚，宋家驊，等.大數據環境下的城市交通綜合評估技術[J].城市交通，2015（3）.endprint