基于大數據的交通流理論與仿真實驗教學研究

姚榮涵 潘寶峰 趙勝川

[摘 要]大數據時代改變著人們的出行行為，進而影響著交通流的分布狀態，交通流理論與仿真實驗的教學內容因而悄然而變。為了依托大數據提高交通流理論與仿真實驗的教學效果，深入解讀與剖析交通流大數據的內涵、外延、來源與類型，使用文獻調研法，總結和歸納了交通流大數據的常用采集設備與方法以及數據分析與建模情況。本文根據交通流大數據和交通流理論與仿真實驗的內在關系，以舉例形式說明了交通流理論與仿真實驗的教學內容和交通仿真實驗指導方案的設計流程;在此基礎上，提出了以“數據”為軸線的實踐檢驗思路;最后，概括了新教學模式的特色與優勢。順應時代發展需要，基于大數據的交通流理論與仿真實驗教學模式值得推廣與借鑒。

[關鍵詞]教學改革;課程改革;大數據;交通流理論;交通仿真

[中圖分類號] G420 [文獻標識碼] A [文章編號] 2095-3437（2019）02-0029-03

交通流理論與仿真和交通仿真實驗是交通工程專業的主干課程（文中“交通流理論與仿真實驗”是指這兩門課程）。交通流理論與仿真講解交通流參數的基本概念、統計分布與關系模型以及描述交通流現象的理論、模型與方法，還講解交通流數據的獲取方法與采集設備以及模擬，再現交通流時空變化和運行規律的仿真原理與手段。當研究交通流參數的統計分布時，需要直接利用概率論的知識;當建立交通流參數的關系模型時，需要直接使用數理統計的知識;當描述車輛的跟馳現象時，跟馳理論在構建線性或非線性跟馳模型以及進行穩定性或穩態流分析的過程中運用微積分知識[1]。其他交通流理論分支（如動態模型、交通波理論、二流理論等）也都需要以高等數學、概率與統計為理論基礎[1]。交通仿真在模擬與再現交通流時空變化與運行規律時既離不開高等數學、概率與統計，又離不開計算機知識，特別是程序設計[2]。無論是研究交通流參數的統計分布與相關關系，還是探究各種交通現象背后的規律，還是進行交通流變化與運行狀況的模擬，都需要大量的數據[1]。再者，無論是建立模型，還是標定模型參數，還是進行模型驗證或靈敏度分析，同樣離不開大量的數據。交通仿真實驗要求學生掌握交通仿真軟件的基本操作，能夠使用交通仿真軟件建立交通仿真模型，并對仿真數據進行統計分析，進而正確地解釋交通現象，發現交通規律，解決交通問題。該課程的先修課為交通流理論與仿真，通過交通仿真軟件的應用理解和運用其基本原理、模型和方法，實現綜合運用所學知識解決復雜工程問題的能力培養目標。在交通仿真模型建立、運行和輸出各個階段，同樣涉及大量交通數據[2]。

一、課程內容面臨大數據挑戰

自2009年，“大數據”成為互聯網行業的熱門詞匯，并被應用到其他領域。大數據意味著大量、高速、多樣和價值，不需要采用隨機分析方法而是直接采用所有數據進行分析與處理[3]。2005年，Google公司推出一款虛擬地球儀軟件，將衛星照片、航空照相和GIS布置于一個地球的三維模型上，允許用戶使用客戶端軟件或網頁免費瀏覽全球各地的高清衛星圖片[4]。隨之，百度、騰訊、高德等互聯網信息服務提供商也都相繼推出電腦版和手機版的電子地圖，為人們的出行提供導航服務。2007年，Google公司率先推出了街景地圖服務[5]。騰訊、百度等公司也隨后借助全景攝像頭提供諸多城市主要街道上的360度全景景觀。人們使用這些軟件能獲得關于路網形式、交通管制、出行信息等表征或影響交通流運行狀況的數據。

隨著互聯網技術、移動通信技術、平板電腦、智能手機的發展與更新，越來越多的人幾乎每天都通過PC端、iPhone、Android、iPad和Web App等眾多終端平臺使用電子地圖來規劃自己的出行路徑與時間安排。他們在獲取大量的交通信息數據的同時也在不斷地制造新的交通信息數據。另一方面，伴隨著電子產品與工業裝備的更新與集成，數碼攝像機、數碼照相機、激光測距儀、雷達測速儀、智能手機測速儀、手持GPS、車載GPS、高清視頻卡口、高清電子警察、汽車尾氣分析儀、行車記錄儀等眾多設備投入應用。這些設備能用來采集交通流的多方面數據，包括流量、速度、密度、占有率、排隊長度等宏觀交通流參數，也包括駕駛員行車過程中的車速、加速度、目標車道、換道操作、轉彎半徑等微觀交通流參數。當這些設備被固定安裝于道路系統中，隨時間推移，每天將提供海量的交通流數據。

海量交通信息與交通流數據的提供改變著人們的出行行為與方式，也改變著交通管理者的規劃、設計與決策，進而影響著路網交通流的分布特性與規律，也必將深刻影響交通流理論與仿真和交通仿真實驗的教學內容與方法。鑒于此，以大數據視閾研究交通流理論與仿真實驗的教學模式，將科研資源轉化為教學內容，旨在提高交通工程專業本科生解決復雜工程問題的能力。

二、交通流大數據解讀與剖析

（一）內涵與外延

大數據是指海量的文本、圖像、音頻和視頻等數據資料。由于類型繁多、價值密度低、變化速度快，人們需要精密的技術手段對大數據進行“提純”才能獲取真實的數據信息[3-5]。交通流大數據的內涵是指能夠直接反映交通流時變特性的數據，例如流量、速度、車頭時距等。這些數據通常可以直接用于建立數學模型、標定待定參數、檢驗或驗證模型。交通流大數據的外延是指不能直接反映交通流時變特性，但與交通流運行特性相關的數據，例如位置、環境、天氣、交通管制等。這些數據通常不能直接用于建立數學模型、標定模型參數、檢驗或驗證模型，但是這些數據往往提供與交通流運行特性相關的背景數據。

（二）數據來源與類型

隨著科學技術的進步，交通流大數據來源豐富多樣，不同來源的數據具有不同的技術特點與環境依賴。圖1總結了目前比較流行的數據來源。從檢測手段來看，常用檢測方式有線圈檢測、雷達檢測、微波檢測、視頻檢測和車載檢測等。前四種檢測方式通常將檢測設備安裝在路面上、路側或車道上方，最后一種檢測方式通常將檢測設備安裝在車輛內部。這些檢測方式都能夠實時提供大量的交通流數據，因檢測原理不同，其通信協議有差別，使得提供的數據格式也各異。因為自動檢測和高精度的原因，這些檢測方式通常能夠提供全天候24小時不間斷的交通流數據。然而，受存儲容量限制，不同設備會間隔不同的時間對所存數據進行清空。從數據提供途徑來看，互聯網信息服務提供商包括高德地圖、百度地圖、谷歌地圖等。它們依托數字地圖技術和地理信息系統，借助互聯網技術和移動通信技術，主營出行信息提供，整合各部門的各類數據，支持個人上傳與分享路況信息。當大量用戶使用這些服務并參與互動時，在不同空間范圍內、不同時間間隔內將產生實時的交通流數據，包括速度、行駛時間、行程時間、擁堵時間、消散時間等。如果考慮歷史信息，人們將能夠越來越準確地預測交通流運行規律。反過來，這些信息的提供勢必影響出行者的路徑選擇行為，進而影響交通流運行規律。交通流大數據的類型包括文字、數字、日期、圖片、視頻等。現代交通數據采集設備和信息提供系統大多具有集成性、綜合性，交通流大數據除單一類型外常表現為混合類型，例如文字+數字、文字+圖片等。

（三）采集設備與方法

圖2展示了交通流大數據的常用采集設備。其中，秒表和皮尺屬于人工調查中最簡單、傳統的兩種調查儀器，前者用來測量時間參數，后者用來測量空間參數。數據采集設備包括線圈檢測器、雷達測速儀、微波檢測器、視頻檢測器和GPS導航儀，前四種一般由交通管理部門負責安裝在道路上的固定位置，最后一種一般由單位或個人安裝在機動車輛內部。科技進步使得許多通用電子設備進入尋常百姓家，甚至人手一件。這些設備包括攝像機、照相機、平板電腦、智能手機、錄音筆、行車記錄儀和激光測距儀，前六種均可提供時間參數，最后一種可提供空間參數。在數據無處不在的時代，這些通用電子設備的持有者會有意識或無意識地成為交通流大數據采集的調查員，所持設備自然而然成為提供交通流大數據的采集設備。

交通流大數據往往因為來源不同而具有不同的特點和格式。每種數據具有一定的復用與共享特性，例如，GPS導航儀可提供出行路徑規劃信息，相關數據可用于分析出行行為特性，也可用于分析交通流運行特性。依據采集設備，采集方法可分為線圈、雷達、紅外、視頻、音頻、車載等。依據數據類型，采集方法可分為圖片、音頻、視頻等。一般來說，針對某一具體任務或目標，在考慮設備可得性以及數據處理復雜性的前提下，需要科學設計交通流大數據的具體采集方法。從上述數據來源和采集設備的特點分析來看，多種來源或設備可能提供同類數據。因此，應以“數據簇”為單元設計交通流大數據的具體采集方案。

（四）分析與建模

大數據需要專門技術進行“提純”才能獲取真實信息。交通流大數據同樣需要專門技術進行精細化統計分析與數學建模，才能真實地揭示交通流運行規律，準確地解釋交通流現象及其原因。就某種交通流現象，傳統上只需使用微積分或數理統計的某一知識點就能定性解釋或定量描述。然而，網絡交通流現象非常復雜，出行者路徑選擇行為會影響交通流時空分布，出行信息提供或交通流誘導也會影響交通流時空分布。網絡交通流時空分布是眾多出行者個人習慣以及隨機選擇在多種交通管理、控制、引導系統干預下的一種綜合表現。對于交通流大數據，有必要立足高等數學、概率與統計、運籌學等基礎理論，借助C語言、MATLAB等程序設計方法，采用諸如神經網絡、遺傳算法、粒子群等智能算法，編制交通流大數據分析程序，并進行統計、分析與挖掘，進而依據數據關聯性建立數學模型。

三、基于大數據的課程教學方案

（一）教學內容設計

基于核心知識點體系，將交通流大數據的來源、采集、處理與分析進行有機融合，科學設計交通流理論與仿真的教學內容。以交通流數據為核心，在每一個教學環節，首先向學生講清楚其中涉及哪些數據，然后說明這些數據可能來源于哪些設備、可能通過哪些方法來獲得，再次講明白這些數據能夠得到哪些交通流參數，最后闡明由這些參數可以建立哪些交通流模型、解釋哪些交通流現象、解決哪些交通問題[6]。

（二）實驗方案設計

依據核心知識點體系，有機融合交通流大數據的來源、采集、處理與分析，科學設計交通仿真實驗的指導方案。該方案分為基礎數據、模型參數、仿真模型和評價輸出四個階段，每個階段涉及若干子項內容，每項內容又涉及大量數據。以干線道路交通流仿真過程為例，實驗方案共分為六個步驟：第一，利用百度地圖獲取目標對象的衛星地圖，使用測距工具得到必要的幾何數據，并與實測數據進行對比。第二，利用百度街景獲取目標對象的實景照片，與實測數據進行比對，得到道路渠化與交通管制的屬性數據。第三，利用交通仿真軟件建立基礎路網，輸入靜態數據。第四，在完成所有參數配置后，運行交通仿真模型，觀察交通流運行狀況，獲取動態數據。第五，導出交通仿真結果，獲得交通流運行狀況的評價數據。第六，對評價數據進行統計分析，獲得所需的統計分析數據，并以圖表形式進行結果展示。

（三）實踐檢驗

按照上述教學內容和實驗方案的設計思路，考慮知識點邏輯關系和學生學習心理，將交通流大數據的概念、數據、模型與方法等進行有機融合，制作形成課堂教學和實驗指導的多媒體課件，以“數據”為軸線進行交通流理論與仿真實驗的理論和實踐教學。在教學過程中，以交通工程專業本科生為對象載體，運用所設計的教學方案和多媒體課件，通過交通流數據的采集、處理與加工使學生直觀認識交通現象，深刻理解理論模型與方法，靈活應用已學知識，快速獲取新知識，進而具備掌握交通流數據統計分析方法、構建新交通流模型的能力，從而增強提出、分析和解決問題的能力。同時，還要依據教學效果的反饋情況，對教學內容和方法進行改進和完善，不斷深化大數據視閾的教學理念與模式。

四、結語

為提高交通流理論與仿真實驗的教學質量，基于大數據背景提出教學改革思路。首先，分析專業課程交通流理論與仿真和交通仿真實驗與通識課程高等數學、概率與統計、C語言程序設計的關系，從教學角度剖析大數據時代對交通流理論與仿真和交通仿真實驗的深刻影響。然后，解讀交通流大數據的內涵、外延、來源與類型，和總結歸納了交通流大數據的常用采集設備與方法以及數據分析與建模情況。最后，依據核心知識點體系，以“數據”為軸線設計教學內容和實驗方案，并提出教學實踐檢驗思路。在大數據背景下，基于資源最優配置理念，以科研為引領，促進教學相長，將科研成果向教學環節轉化，勢必有助于培養學生解決復雜工程問題的能力以及創新思維與意識。

[ 參 考 文 獻 ]

[1] 邵春福， 魏麗英， 賈斌. 交通流理論[M]. 北京： 電子工業出版社， 2012.

[2] 孫劍. 微觀交通仿真分析指南[M]. 上海： 同濟大學出版社， 2014.

[3] 張昕， 曾鵬， 張瑞， 張帆. 交通大數據的特征及價值[J]. 軟件導刊， 2016（3）： 130-132.

[4] 陳修治， 陳燕喬， 蘇泳嫻. 基于谷歌地球和GPS的物品定位跟蹤系統[J]. 計算機工程與設計， 2011（9）： 3014-3018.

[5] 董玉森， 徐冉， 袁晏明， 楊坤光. 街景地圖在周口店實踐教學中的應用[J]. 中國教育技術裝備， 2014 （16）： 131-134.

[6] 姚榮涵， 潘寶峰， 趙勝川. 問題驅動和案例主導的交通規劃教學研究[J]. 大學教育， 2017（10）： 1-3.

[責任編輯：鐘 嵐]