大數據技術在城市交通擁堵治理中的運用研究

李思宇

（北京警察學院 北京 102200）

1 引言

傳統的城市交通擁堵治理中常常遇到的交通問題識別困難、數據收集限制多、調研手段落后、數據少、范圍小、觀測時段受限、動態跟蹤不足等現實問題，引入大數據技術能實現這些問題的合理解決，實現區域交通運行態勢的精準判斷，區域出行分布和路徑特征的把握，交叉口全時段指標分析等。

2 數據治理與智慧交通

2.1 數據治理概念

數據技術是綜合性的數據處理技術，在大數據技術應用中也誕生了大數據治理概念，大數據治理的本質是數據的處理，其沿用的是數據處理的常規原則、過程和框架。但在數據處理體系和方法上作了改變[1]，首先其處理的數據對象擴大，非結構化數據和實時性數據被囊括在內。大數據除了數據的海量化，也對應著數據的快速更新、數據高效的流動、數據種類的復雜化、數據的開放性的需求滿足。其次，大數據治理與以往數據管理不同，其對自上而下的組織協同和技術創新要求較高，更關注數據質量、數據安全，產生了新的數據價值思維，以及追求數據價值的合理變現。

2.2 智慧交通大數據概述

智慧交通大數據建立在智能交通發展基礎之上，早在20世紀90年代，美國就提出了智能交通建設理念，其是智慧城市的雛形。智慧交通是在智能交通發展基礎上，引入物聯網技術、云計算技術、大數據技術等，以高新技術實現交通信息的匯集，做好數據的精準挖掘與剖析，提供實時交通數據信息參考[2]。其也涉及到了數據模型建立、數據深挖掘等高科技數據處理技術，更追求交通網絡布局的科學合理，關注交通數據的實時更新，交通布局的及時調整等。大數據在智慧交通建設中占核心地位，被認為是智慧交通創新發展的血脈支持。智慧交通大數據有數據層、功能層、平臺層和服務層四大層。

數據層是智慧交通大數據的基礎層。擁堵情況、車輛檢修數據、車輛經營數據，也包括公眾出行服務方面的數據。該層主要是數據的采集與基礎性的匯總分析，是智慧交通建設的基礎。功能層在數據分析基礎之上，主要進行數據的集成或調用，功能層根據智慧交通的多元業務需求，通過建立模型、分類標簽處理，搭建具有定制和修改屬性的各功能模塊，分別負責車輛自動識別、智能信號控制、行為軌跡捕捉、交通事故識別、流量預測、運維監測等。每個功能模塊對數據輸入、處理、分析及輸出都有清晰的規定，其通過人性化的數據處理，將復雜不重要的數據自動隱藏[3]，以更人性化的方式推出關鍵性的數據，人機友好，也減少開發成本。

平臺層是信息服務平臺，其由功能層各個功能模塊組合而成。智慧交通大數據平臺主要職責是管理與決策，被認為是智慧交通大數據運營的核心，具有承上啟下的作用。平臺基于智慧交通業務需求，合理的采集數據并啟動功能模塊。支持企業針對不同用戶不同需求提供個性化的服務。服務層被認為是智慧交通大數據的窗口層，是大數據對外提供各種類型服務的集合層。城市交通擁堵是綜合性的問題，緩解城市交通擁堵壓力，不僅僅是維護交通秩序，也對應新的服務、新的客戶的開辟。

3 大數據技術在城市交通擁堵治理中的作用

鑒于傳統交通誘導技術在運交通運行監測與數據采集上的兩大不足（信息采集不完整、儲存實時傳輸難度大），大數據技術通過技術的創新對傳統的交通誘導系統缺陷進行彌補，實現了交通運行中全部數據的動態檢測與獲取，如借助電子拍照技術以實現全部車輛運行數據的獲取，并指導建立交通模型，配合云計算技術客觀評估道路交通狀況和具體的擁擠程度。大數據技術提高交通誘導實效主要體現在兩方面。一方面，大數據技術使得交通誘導信息變更時間縮短，在數字數據技術和云計算技術的支持下，數量、車型、運動方向、軌跡等信息捕捉更及時，更新速度更快。而云計算技術對應的模擬功能，實現了路網運行狀況的模擬評估，交通誘導信息更新速度快，交通誘導措施執行更富成效，減少了信息滯后導致的信息價值降低問題。另一方面，交通參與者在大數據技術的支持下，可以動態全面地掌握交通具體擁堵情況，了解車流量的變化，且能夠針對不同出行時間的用戶群體推出個性化的交通誘導服務。服務內容與用戶需求匹配度高，交通誘導服務信息價值更高。此外，大數據技術為交通擁堵評價提供技術支持，關于城市交通擁堵問題的治理離不開交通擁堵情況的有效判定與評價，而交通擁堵是動態變化的過程[4]，其受各種因素影響明顯，且涉及多個方面，如交通擁堵的影響范圍、擁堵路段、交叉口等，這些都是交通擁堵狀況判定的參考，在以往的交通擁堵評價中，基于技術的局限，這些數據的綜合評判分析難度較大，而大數據技術實現了這些數據的協同高效采集與精準分析，得出的交通擁堵評價更全面、更客觀。

4 大數據技術下的城市交通擁堵治理核心機制

4.1 交通擁堵數據采集

交通擁堵大數據主要包括三部分，分別為交通擁堵發生前、發生時及發生后三個時段對應的數據信息，又具體包括車流量數據、監控數據、道路行駛數據、駕駛人情況、數據信號燈數據、交通數據等，對這些采集到的數據進行集中性的整合處理，深入分析，以實現對交通狀況的監控。在城市交通擁堵發生前能提前預防。交通擁堵發生時能提供正確的疏導意見，在交通擁堵后，能總結經驗。

城市交通擁堵發生前的數據采集更側重車流量的變化節點、交通監控數據、信號燈控制數據。車流量變化可以觀測交通擁堵發生時間，交通監控數據能指導分析擁堵產生原因，信號燈控制數據分析其是否起到交通擁堵控制作用。城市交通擁堵發生時的數據采集需要更快、更準、更全面，涉及到駕駛人駕駛行為數據、交通違法行駛數據、改道車輛信息數據，用于排查是否存在駕駛失誤的問題，及時發出預警，指導駕駛人按照交通法規或交通擁堵疏導要求行駛，高效解決城市交通擁堵問題[5]。城市交通擁堵后的數據采集重點是重點路段交通擁堵的時間、擁堵期間車流量總數、電子警察抓拍的車輛圖片數據以及擁堵發生造成的周邊影響，如環境污染等。梳理這些問題，對城市交通擁堵情況進行個案分析，以積累城市交通擁堵的治理經驗。

4.2 交通擁堵大數據管理

數據采集之后就進入到數據管理階段，數據管理主要有三大方面。第一方面，信息資源的高效整合，主要是對采集到的交通有關的數據統一整理與分析，而處理過的交通數據也可以在其他交通系統中共享顯示，實現交通數據價值的綜合高效利用。第二方面，儲存數據建立信息庫。大數據對應的是海量的信息數據，即使是交通領域，其信息量也非常龐大。在獲取數據后，要對數據進行科學分類，合理儲存，納入到交通數據信息庫中，以信息庫作為數據分析的有力支持，關鍵時刻可以調取相應的數據。第三方面，數據信息的互相反饋。主要涉及到交通大數據的篩選與加工，在加工后進行數據信息的傳輸反饋，實現數據到數據價值的轉化。

5 大數據治理城市交通擁堵問題的有效策略

5.1 以數據資源的開放共享，帶來城市交通治理效率的提升

加快數據資源開放共享具有現實緊迫性。以往數據采集與利用不夠系統，而不同領域應用系統的建設也是相對獨立的狀態，這意味著數據資源的巨大浪費，各部門交通資源無法及時共享，信息化應用跨系統下的協同工作無法落地，必須加快數據資源開放共享，實現多領域系統功能資源、結構資源、業務資源的共享整合，以科學有效的方法實現多源數據的協調應用，以達到數據資源優化組合，高效利用的目的。

5.2 以大數據基礎平臺優化建設，提升交通監測時效

大數據基礎平臺建設關系到城市交通預警與監測時效。以數據平臺的建設，實現交通擁堵監測數據資源的整合利用，配合內存計算、大數據分析等技術，實現多源數據的融合性分析，以便獲取交通擁堵全方面的參數信息，深入進行路況規律的探尋，指導做好路況預測、交通預警、監測指導等。交通管理部門交通管理中更有信息參考，而政府也獲得交通規劃、建設的評價指導，使得城市交通布局更合理。

5.3 構建多渠道交通誘導體系，提升交通信息服務能力

著眼于大數據的未來發展及其在城市交通擁堵情況中的成熟運用，必然對應多渠道交通擁堵出行誘導發布體系的建立，以實現城市每個道路擁堵參數的及時監測與獲取，短時交通預測結果通過移動終端及時發布，指導人們出行。渠道交通擁堵和出行誘導發布體系的建立，也帶動交通服務功能的發揮。如指導公交班車路線的制定、電子公交站牌設立、公交線路顯示、車輛到站信息實時發布、換乘信息即時查詢等，為市民出行提供諸多便利，大大提升交通信息服務能力。

6 結語

傳統的城市交通擁堵治理經驗與大數據技術結合，形成大數據交通治理協同模式技術支持下，社會主體積極參與，各數據要素優化整合，提升城市交通擁堵治理實效。而基于大數據的交通擁堵治理中也必須關注核心影響要素的整合、多元主體協同關系的提升、各項協同機制的完善。