城市交通大數據融合分析在交通控制系統中的應用

侯佳 過利超 于泳波 施敏

摘 要：論文討論了面向公交優先的交通控制系統所需要的城市交通大數據融合分析，從應用角度梳理了交通大數據體系，提出了交通控制建模中數據分析方法的研究目標，給出了核心的研究方法。論文對交通大數據分析在交通控制平臺的應用和發展進行了展望，明確了大數據分析的研究與應用價值。

關鍵詞：城市交通大數據;融合分析;交通控制系統

中圖分類號：U491.54 文獻標識碼：A

0 引言

隨著人工智能科技和數據渠道的拓寬、數據體量的巨大增長，智能交通管理平臺中越來越多的應用到大數據融合分析技術[1]。一方面，城市交通控制系統平臺需要通過對城市交通體系的動態感知和精準調控來實現道路時空資源的最優分配，另一方面，平臺的控制目標對于城市交通長期運行有價值導向的影響作用，如果無差別的保障機動車高效通行，長期而言，可能會帶來城市機動交通的無序增長。當前構建城市交通控制系統，應以公交優先為核心價值導向，在系統設計中優先為公共交通系統分配時空路權，控制平臺價值導向與城市交通政策相一致、相協調，交通管理信息中心與公交系統運營管理平臺進行信息交互，設計頂層管控系統，統籌協調、綜合優化公交管理系統和車流管理系統。作為支撐交通控制系統的底層數據分析引擎，既需要實現一定精度實時分析的效能，也需要有完備的數據體系和分析洞察能力，能夠從交通需求發展態勢和出行行為選擇機理層面對城市交通運行進行剖析和監測，服務于系統優化目標，形成監測、預測、預警以及決策支撐的閉環，保障城市交通的綠色健康發展。需要達成上述目標，應當構建合理的城市交通大數據體系，應用融合分析方法，提取多尺度、多來源的數據的有效信息，在數據層面保障系統深入的洞察力和綜合分析能力。

1 城市交通大數據體系

數據融合分析的前提是厘清數據體系，甄別哪些類型的數據符合交通控制平臺的應用需求，在平臺建設之初，就對數據進行采集和預處理，為平臺需要的動態流數據預備接口。城市交通大數據按照數據來源、動靜態、數據形式等有多種分類方法，且交通數據體系隨著互聯網和車聯網技術的發展，仍在不斷擴充過程中。論文面向交通控制系統平臺建設中對數據的應用梳理了大數據體系，將數據主要分為四類：個體軌跡數據、車流運行數據、公交系統運行數據和調查數據。

1.1 個體軌跡數據

個體軌跡數據是探求城市交通運行機理、辨識個體出行行為特征的基礎數據。典型的個體軌跡數據包括手機信令數據和手機應用軟件的GPS數據。這兩類數據的時空顆粒度存在一定差別，GPS數據的軌跡精度更高，但采樣率少，且不易獲取。手機信令數據已成為城市居民交通數據的常用數據。個體軌跡表征了個體出行鏈的所有環節，可以完整具體地體現出個體出行的路徑選擇、方式選擇、出行時空分布等特征。是交通大數據技術發展中非常重要的一類數據源，可以極大程度解決傳統居民出行取樣率低、對通勤之外的交通出行統計不足等問題[2]。個體軌跡數據的主要缺點在于，出于隱私保護，無法獲取用戶任何個人屬性信息，無法直接用來建立個體屬性和出行選擇的聯系，需要和居民出行調查數據互為補充。

1.2 車流運行數據

交通控制系統的主要控制對象是道路網絡上的機動車流，因此對車流數據須實現實時動態分析。車流數據的采集手段是多樣化的，包括視頻卡口采集、RFID牌照數據采集、線圈流量采集、浮動車GPS數據采集等。傳統的交通流預測技術和控制優化建模通常采用流量數據作為輸入數據，而現在的車聯網監測、視頻識別技術能夠分析得到具體的車輛軌跡，可以獲取車型、OD、車速、轉向特征等具體信息，為駕駛行為分析提供了便利條件。對于車流運行數據，需要先期分析車流、OD分布和路段交通流的歷史特征，標定預測和決策模型。特征的提取和模型的標定是優化建模的核心環節，主要依托的就是車流運行數據。

1.3 公交系統運行數據

對于公交系統運行數據的研究目的有兩個，一是在出行客流層面，評估城市公交體系的運行服務水平，監測公共交通對客流的吸引力;二是在公交車輛運行層面，交通控制策略中實現為公交車輛優先配置通行權，具體的信號配時方案需要與車輛的運行乃至具體的調度方案相一致、相協調。

1.4 調查數據和調研信息

上述數據多產生于城市交通監測系統、互聯網或通信系統，可以實時地反映系統運行狀態，時空顆粒度較為精細，但往往數據僅能表征運行狀態，不能挖掘與個體屬性相關的、能夠與人群、社會、經濟等建立聯系的信息。而且，把握城市交通的運行與發展特征，對于經濟與產業發展、社會生活變遷趨勢也是必須進行聯系分析的。所以在多源數據分析中，不可或缺的是以居民出行調查為代表的交通類調查數據和作為建模重要信息補充的社會經濟調研。

2 數據分析方法

根據交通控制系統開發、建模和動態監測的需求，對于交通大數據融合分析方法的研究目標主要包括以下幾點：

2.1 分析方法的研究目標

2.1.1 多來源、多尺度數據的有效融合

城市交通不同來源數據的數據制式、時空顆粒度、統計維度都有較大差異，且沒有任何一種數據形式可以完全的表征城市多系統的交通運行和居民出行數據，通過多源數據的互相補充、互相印證，可以提高對系統運行數據挖掘分析的精度，完善數據的校核方法。

2.1.2 支撐出行行為機理剖析

對城市交通多源大數據的挖掘分析應該以對城市居民出行行為機理剖析為核心目標，僅以某一個系統運行指標是無法洞悉城市交通運行的本質規律，也不能在宏觀系統層面做出長期有效、引導健康發展的決策。出行行為機理的分析一方面依靠個體出行軌跡數據進行初步建模和標定，另一方面借助系統運行數據對個體軌跡的匹配情況進行校核，保證不同尺度的數據能夠互相支撐。

2.1.3 實現個體行為和系統運行的閉環分析

通常的大數據分析中，由于數據來源和數據質量的局限性，只能從實時狀態數據解析運行指標，而無論個體出行還是交通系統運行都是一個緊密聯系的整體，在時空和不同系統的割離分析很可能造成系統整體無法閉環，例如城市內部人口分布、出入境流量之間的數據有大量缺口，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閉環，分析所得成果對于城市交通管理才有支撐作用。

2.2 分析方法體系架構

2.2.1 數據清洗

有效的數據清洗在交通大數據實際應用中發揮了重要的作用，是后續分析的基礎。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，基于用戶出行行為機制的分析，從行為邏輯層面剔除不合理的數據，應用時空匹配方法，應用交通出行的設施空間特點、系統運行時間特點，提高數據預處理的精度。

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變化等對駕駛員的路徑選擇行為以及路網整體的運行影響，與管理控制方案形成反饋機制，構成交通控制優化模型的核心決策模塊。行為分析模塊需要海量歷史數據長期分析作為建模基礎和校核基礎。出行行為本身也是交通科學研究的理論核心。在交通控制系統中，是管理控制平臺與大量個體用戶之間的博弈，實現了對系統的調控。而博弈行為的機制、個體選擇是如何被影響的，都需要模型來表征，從而指導控制優化模型的建模和標定。

2.2.3 優化與決策支撐方法

交通控制系統的決策支撐模塊是系統中對功能要求最高的模塊，是實現有效控制的核心模塊。模塊中需要實現控制-仿真-反饋的流程機制，應用優化模型為系統配置動態交通控制的初始方案，模擬測試方案實行的效果，根據效果，在可選擇方案集里面進一步選擇優化方案，不斷迭代優化，在可接受時間里配置最優的交通控制方案[3]。這其中，數據分析的核心，一是要實現公交優先控制，能夠實時的將路網數據和公交運行數據結合分析，二是能夠及時地反饋路網狀態，對路網的需求變化、下一時段的流量狀態進行敏銳的監測，能夠根據方案和需求預判交通運行狀態。

3 應用前景與發展展望

未來交通系統的優化和公交服務水平的提升，都需要借助智能交通體系的大力建設。交通控制平臺的計算能力、功能水平和建設規模將在人工智能時代實現騰飛。目前，通過城市交通大數據分析方法的研究深化和體系化，為交通控制平臺的開發奠定基礎。數據分析應當面向綜合交通體系，而不僅僅是機動車的運行，交通控制平臺建設也應立足長遠，實現數據融合、平臺整合、信息共享、服務提升。

參考文獻：

[1]李瑞敏，史其信.基于多智能體系統的城市交通控制與誘導集成化研究[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年中國城市交通規劃年會.

[3]馬壽峰，李艷君，賀國光.城市交通控制與誘導協調模式的系統分析[J].管理科學學報，2003，12（03）：71-78.