公交大數(shù)據(jù)及其應(yīng)用

康瑩瑩

1 公交大數(shù)據(jù)來源及類別

1.1 數(shù)據(jù)來源

目前智能公交信息采集設(shè)備主要包括公交車輛調(diào)度終端、硬盤錄像機(jī)、客流采集終端、新能源車輛監(jiān)控終端、充電樁、疲勞駕駛監(jiān)測終端、防碰撞預(yù)警終端、IC卡車載機(jī)、智能投幣機(jī)等設(shè)備，形成完善的車載數(shù)據(jù)信息采集系統(tǒng)。同時多數(shù)公交企業(yè)已經(jīng)建立了智能調(diào)度系統(tǒng)、公交ERP系統(tǒng)、充電運營管理系統(tǒng)、收銀點鈔管理系統(tǒng)、客流排班系統(tǒng)、IC卡清分結(jié)算系統(tǒng)、視頻安防監(jiān)控系統(tǒng)等完善的信息化運營管理系統(tǒng)，也具備了與交警、城管等多行業(yè)之間的數(shù)據(jù)報送和共享機(jī)制。

1.2 數(shù)據(jù)類別

公交數(shù)據(jù)主要包含以下10類：

（1）定位類：經(jīng)緯度、車輛速度等；

（2）工況類：CAN總線、發(fā)動機(jī)、胎壓、電池、車輛維修數(shù)據(jù)等；

（3）人次類：上下車OD客流數(shù)據(jù)、站臺人流數(shù)據(jù)等；

（4）消費類：投幣人次、刷卡（掃碼支付）數(shù)據(jù)等；

（5）視頻類：乘客、司機(jī)圖像數(shù)據(jù)等；

（6）路況類：周邊路況、交通路口、紅綠燈、交通標(biāo)識數(shù)據(jù)等；

（7）安全類：ADAS告警、駕駛行為告警數(shù)據(jù)、倒車?yán)走_(dá)數(shù)據(jù)等；

（8）運營類：線路數(shù)、車輛數(shù)、客運量、運營趟次、運營里程數(shù)據(jù)等；

（9）基礎(chǔ)信息：場站分布和數(shù)量、資源（加油站、充電、維修）數(shù)據(jù)、停車位、司機(jī)數(shù)據(jù)、考勤數(shù)據(jù)等；

（10）監(jiān)管類：計劃完成率、交通擁堵指數(shù)、公交暢行指數(shù)、交通小區(qū)擁堵及客流分析數(shù)據(jù)、路網(wǎng)運行速度監(jiān)測、財政補(bǔ)貼、成本收入、服務(wù)質(zhì)量等。

此外公交都市信息化平臺，也匯總了出租、自行車等不同交通方式的海量數(shù)據(jù)。這些交通數(shù)據(jù)為進(jìn)行交通大數(shù)據(jù)開發(fā)和應(yīng)用提供了有力支撐，也為進(jìn)一步發(fā)掘交通大數(shù)據(jù)應(yīng)用方向、拓展應(yīng)用領(lǐng)域提供了無限可能。

2 公交大數(shù)據(jù)應(yīng)用

目前，公交大數(shù)據(jù)主要有六個方面具體應(yīng)用：

2.1 在運營排班調(diào)度的應(yīng)用

對客流數(shù)據(jù)進(jìn)行分析，綜合考慮線路信息、站點信息、路況信息，利用運籌學(xué)進(jìn)行建模規(guī)劃，建立包含多項參數(shù)的預(yù)測模型，預(yù)測線路的客流高峰時段，仿真線路短時間內(nèi)的客流變化情況，預(yù)測線路的趟次周轉(zhuǎn)時間；基于客流仿真預(yù)測計算最優(yōu)發(fā)車間隔、最小配車數(shù)，從而實現(xiàn)車輛智能排班，自動調(diào)整現(xiàn)有排班計劃以適應(yīng)客流變化的需要；根據(jù)客流數(shù)據(jù)進(jìn)行分析，優(yōu)化生成發(fā)車時刻表，然后進(jìn)行自動排班和減站點設(shè)置、調(diào)整線路車輛配置等。

在線網(wǎng)調(diào)整之前，進(jìn)行實施后客流量和分布預(yù)測，對線網(wǎng)調(diào)整方案預(yù)評估。線路調(diào)整后的客流再調(diào)查和統(tǒng)計數(shù)據(jù)，對新開、撤銷、延長、縮短線路以及調(diào)整線路走向等方案實施效果進(jìn)行評估，包括客流均衡性、線路間協(xié)調(diào)性和設(shè)施供需平衡性等。

2.2 在公交線網(wǎng)規(guī)劃的應(yīng)用

通過采集到的線路、站點、公交車的上下車客流數(shù)據(jù)，結(jié)合公交站臺人流數(shù)據(jù)、IC卡刷機(jī)數(shù)據(jù)、投幣機(jī)和客流調(diào)查器采集的數(shù)據(jù)，運用大數(shù)據(jù)技術(shù)進(jìn)行分析，診斷未完全覆蓋線路的道路，結(jié)合城市道路狀況、規(guī)劃發(fā)展及線路運力配置情況等信息，輔助對線路、站點進(jìn)行布局優(yōu)化和調(diào)整；對新開、撤銷、延長、縮短以及調(diào)整線路走向等方案實施效果進(jìn)行客流均衡性、線路間協(xié)調(diào)性和設(shè)施供需平衡性等方面的評估；分析城區(qū)出行人口分布、出行特征、客流聚散點、高峰期站點斷面客流、客流走廊等，建立影響乘客的出行因素模型，為不同出行特征的乘客推送個性化出行服務(wù)。

通過數(shù)據(jù)挖掘等技術(shù)手段，預(yù)測從整體到局部的客流量及客流走向，指導(dǎo)城市公交站點、公交線網(wǎng)的合理布局，輔助優(yōu)化線網(wǎng)，及時吻合城市客流走向變化。為公交運力調(diào)整、城市交通路網(wǎng)調(diào)整和優(yōu)化提供數(shù)據(jù)支撐。

2.3 在公交車輛運營安全的應(yīng)用

通過對CAN總線、發(fā)動機(jī)、胎壓、電池、車輛維修等數(shù)據(jù)的分析挖掘，實時掌握新能源車輛零部件工況和整車運行狀態(tài)，能夠為整車制造企業(yè)在產(chǎn)品持續(xù)改進(jìn)等方面提供數(shù)據(jù)支撐，為運營企業(yè)提供車輛故障及安全預(yù)警，及時發(fā)現(xiàn)和解決問題，提高車輛運營效率，為政府安全運營監(jiān)管提供決策支持。

公交車輛在運營中的視頻數(shù)據(jù)也有廣泛的應(yīng)用前景。對乘客圖像、站臺候車圖像的人臉識別和姿態(tài)識別能夠及時發(fā)現(xiàn)異常事件，識別特殊人物，追溯犯罪案件，保障公共安全。采用人工智能技術(shù)和大數(shù)據(jù)技術(shù)分析駕駛員的駕駛行為，識別疲勞、打電話、抽煙等違法或不規(guī)范駕駛行為，并及時提醒駕駛員予以改正，避免發(fā)生交通事故。對駕駛員的急剎車、急轉(zhuǎn)彎、超速等駕駛數(shù)據(jù)進(jìn)行分析，有利于規(guī)范駕駛行為，方便運營企業(yè)進(jìn)行管理和考核。

將車輛工況數(shù)據(jù)、事故數(shù)據(jù)與周邊路況、交通路口、紅綠燈、交通標(biāo)識等數(shù)據(jù)進(jìn)行綜合分析，挖掘內(nèi)在聯(lián)系，標(biāo)記事故易發(fā)路段，形成事故地圖，為交通管理部門分析事故原因、改進(jìn)交通設(shè)施提供可靠支撐，輔助交通管理部門制定出較好的統(tǒng)籌與協(xié)調(diào)解決方案。

2.4 在改善交通環(huán)境的應(yīng)用

車輛主動安全輔助駕駛系統(tǒng)以提升駕駛安全為目的，采用多種硬件設(shè)備進(jìn)行主動安全監(jiān)測，及時快速整合各個采集設(shè)備的數(shù)據(jù)，指導(dǎo)駕駛員快速反應(yīng)，避免交通事故的發(fā)生。其中產(chǎn)生的前向碰撞告警數(shù)據(jù)、車道偏離告警數(shù)據(jù)、行人及自行車告警數(shù)據(jù)、超速行駛數(shù)據(jù)等海量告警數(shù)據(jù)，采用大數(shù)據(jù)技術(shù)進(jìn)行分析挖掘，結(jié)合周邊道路環(huán)境數(shù)據(jù)，分析日常運營中，車輛在道路上的哪個位置，哪個路口及哪一路段經(jīng)常發(fā)生哪一類危險，哪些地點存在哪種交通隱患。

通過對車輛主動安全輔助系統(tǒng)產(chǎn)生數(shù)據(jù)的應(yīng)用，能夠形成危險地點地圖，推動相關(guān)政府部門改善事故易發(fā)點的交通環(huán)境，促進(jìn)企業(yè)合理規(guī)劃運營路徑，從而減少交通事故，提高交通安全水平。

2.5 在交通監(jiān)管的應(yīng)用

采用行業(yè)前沿的交通模型和算法以及GIS先進(jìn)的、分塊式空間分析技術(shù)，對公交線路數(shù)、車輛數(shù)、客運量、運營趟次、運營里程等運營數(shù)據(jù)和場站分布、場站數(shù)量、資源(加油站、充電、維修)數(shù)據(jù)、停車位等基礎(chǔ)數(shù)據(jù)進(jìn)行分析，分析計劃完成率、交通擁堵指數(shù)、公交暢行指數(shù)等線路、線網(wǎng)的各項技術(shù)性能指標(biāo)，方便行業(yè)監(jiān)管部門進(jìn)行路網(wǎng)運行速度監(jiān)測和服務(wù)質(zhì)量評價，從各維度對城市公共交通進(jìn)行監(jiān)管，為指導(dǎo)交通行業(yè)的良性發(fā)展提供參考。同時為政府補(bǔ)貼、政策制定提供決策支持。

2.6 在自動駕駛的應(yīng)用

積累的車輛定位、工況、客流、消費類、視頻、路況、安全、運營等交通大數(shù)據(jù)與人工智能相結(jié)合，能夠推進(jìn)在無人駕駛公交車領(lǐng)域的研究。

海量數(shù)據(jù)是機(jī)器學(xué)習(xí)以及人工智能算法的基礎(chǔ)，通過采集設(shè)備、V2X設(shè)施和高精度地圖信息所獲得的數(shù)據(jù)，以及駕駛行為、經(jīng)驗、規(guī)則、案例和周邊環(huán)境數(shù)據(jù)信息，運用模糊推理、強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)技術(shù)等先進(jìn)的決策理論進(jìn)行決策判斷，確定適當(dāng)工作模型，制定相應(yīng)控制策略。