探討大數據時代背景下的智慧交通規劃建設

丁宏飛

（四川省公路規劃勘察設計研究院有限公司，成都 610041）

1 引言

2014年，大數據概念被首次寫入政府工作報告，正式開始作為一項城市規劃基礎性戰略資源應用。近年來，在互聯網熱潮的推動下，大數據概念開始在各行各業應用，交通規劃行業也無法避免。但是，當前在交通規劃領域關于大數據及其時代特征仍然沒有形成系統認知，涉及大數據的智慧交通規劃也困難重重?；诖耍骄坑懻摯髷祿r代背景下的智慧交通規劃具有非常重要的意義。

2 推進智慧交通規劃建設的必要性

2.1 提高交通規劃效率與準確性的需要

以往交通規劃多采用基于計量模型的數據調研，需要投入大量人力資源、物力資源來收集數據，效率較為低下，且誤差較高。而通過開展基于大數據的智慧交通規劃，可以直接線上收集手機信令數據，獲取個體出行特征，并借助大數據重復使用與挖掘優勢，降低人力資源與物力資源投入，在短時間內獲得規劃樣本數據[1]。同時，基于大數據的樣本分析，可以降低規劃前期因抽樣調查而引發的偶然誤差，提高交通規劃的準確性。

2.2 構建城市精細化管理體系的需要

現代社會結構與層次復雜程度日益提升，因這一復雜特征的存在，以往交通規劃多停留在粗放化管理層次，無法滿足現代城市精細化管理要求。而借助大數據手段，可以從多個層次、多個視角、多種測度出發，完成全樣本不間斷觀察，精確把控交通規劃問題本質。并以每一個研究對象為基礎，進行群組的精細劃分，根據每一個群組的出行特點進行針對性規劃，滿足城市精細化管理體系構建的需求。

2.3 提高交通規劃智慧水平的需要

智慧交通中的“智慧”不僅表現為硬件條件充足，而且表現為軟件配套優良。通過將大數據技術應用到智慧交通建設過程中，可以發揮針對性數據挖掘算法優勢，根據不同交通參與者需求進行個性化模型構建[2]。比如，在道路交通系統中，借助基于動態實時化的大數據技術，可以進行信號燈控制、交通標志標線、網絡電子喇叭等設施設置，確保管理決策的精確性、有效性，切實提高交通規劃智慧水平。

3 大數據時代背景下的智慧交通規劃建設對策

3.1 完善智慧交通設施框架

基于大數據的智慧交通應在傳統的服務于民眾基本出行需求的基礎上，提供更具針對性、更加多元化的服務，服務需涵蓋出行前、出行中、出行后幾個環節。在出行前，智慧交通需要依托公共信息開放平臺中存儲的用戶完整邏輯鏈條信息，為其提供目的地狀況分析、相同目的下可替代目的地信息，滿足用戶智慧換乘、智慧公交需求；在出行中，智慧交通需要集成車路協同、實時路徑導航、駕駛輔助、車聯網模式，為民眾提供接駁換乘指引、實時位置服務；在出行后，智慧交通需要及時搭接民眾出行目的，為其提供智慧樞紐、智慧停車服務，降低民眾出行的外部成本。根據上述服務需求，交通規劃人員應立足交通大數據采集分享平臺，在提取交通數據特征并整合應用的基礎上，制訂智慧交通硬件資源云化管理方案，在云端自動生成交通態勢、問題，開展智能化、可視化、一體化指揮調度。

整個過程中，大數據分析研判平臺是基礎，主要負責數據接入與分析、存儲，滿足信號控制方案優化、交通態勢研判、動態交通出行特征分析、治安預警的需求；智能交通綜合管控平臺是核心，主要負責實時交通運行狀態監測、非現場執法、警力資源可視化、交通問題處理方案自動生成等；綜合交通信息服務平臺是保障，主要負責基于不同服務對象的信息服務、惠民宣傳、實時交通誘導等。

3.2 獲取多元交通數據

在智慧交通規劃建設過程中，交通規劃人員不單單需要獲取交通數據，而且需要獲取自然數據、經濟社會數據、生態數據以及成本數據。

自然數據是一種以圖像、文字表示的多元數據，多存儲于區域城市政府部門、高德地圖或百度地圖、遙感影像、地質文獻、地面勘測報告等模塊。交通規劃人員可以借助ENVI，開展輻射定標以及地面控制點定義、連接工作，結合DEM設定與參數提取，可以獲得遙感影像中坡度分布圖、高程分布圖、坡向分布圖。

經濟社會數據是一種以文字、數字形式表現的多樣數據，多存儲于片區統計年鑒、政府部門、城市市志、交通網絡大數據內，交通規劃人員可以借助交通門戶網站網絡爬蟲技術，獲得歷史文化資料、交通流量、人口規模及過程數據。

生態數據是一種主要表現為圖像、文字、數字形式的海量數據，交通規劃人員可以根據現狀交通圖，在遙感影像中進行矢量化處理獲得矢量格式的資料。同理，對于在主要表現為數字、文字形式的海量成本數據，交通規劃人員可以在遙感影像中將特征成本數據轉換為“萬元/（km·a）”并對選線所在地柵格圖進行賦值，以成本分布特征圖的形式集中分析[3]。

3.3 挖掘出行特征數據

在大數據時代背景下，以往基于問卷調查與流量統計正獲得公眾出行特征（吸引量分布、OD矩陣）的方式呈現出一定滯后性，交通規劃人員可以借用大數據手段，以手機信令數據為基礎，進行多時段收集信號位置與停留時間、重復出現頻次剖析，推測不同分析單元的到發情況、過境情況，對項目地實際出行需求具有更加清晰的認知。進而了解不同類別交通出行方式的結構特征，構建更加高精確度的OD矩陣（交通起止點調查），在OD矩陣中精準把握區域民眾出行特征。比如，在了解地區工作日出行量分布情況時，可以分析近幾個月內民眾移動通信數據（手機信令數據）、公交卡刷卡情況，了解研究區域內現有道路的交通出行特征、出行密度差異以及民眾、城市功能空間之間關系。

例如，某片區公共交通出行比例遠低于小汽車出行比例，可以推測該區域周邊交通擁堵情況較為嚴重。基于此，根據片區公共交通與小汽車出行比例，交通規劃人員可剖析區域公共交通出行比例與核心區結構特征之間的關系，及時發現片區周邊交通擁堵問題，及時分析原因并處理，進而以公交車流調查專題報告的形式，匯總公交卡刷卡數據、手機信令數據、公交車載GPS（全球衛星定位）數據特征，全面展現片區現有公共交通的運行速度、線路逐站客流情況，準確把控片區公共交通的出行特征，進而持續挖掘潛力更大的公交走廊，對片區公共交通網絡進行精準優化。后續交通規劃人員可以逐年調查的方式，利用過往數據挖掘代替過往交通報告匯總，在持續追蹤片區交通發展歷程的數據過程中，對片區公共汽車運行速度、中心城區居民出行特征、線路逐站客流量產生更加深刻的認知，提高智慧交通規劃的準確性。比如，規劃范圍內城市道路總長（含紅線寬度的城市支路）為55.25 km，道路路網密度為7.56 km/km2，次干路、支路網密度處于相對較低水平，在后期規劃中應加強對次干路、支路系統建設的重視。而根據交通分析預測結果，片區交通疊加高峰階段道路流量處于較大水平，交通擁堵風險較高，應對道路交通進行渠化設計，配合交通組織，暢通片區與中心區域連接通道，擴大非機動車比例與共享經濟性交通模式比例。調整后交通出行方式為小汽車+輔助機動車（大巴車、出租車、貨車）+公交車+輔助公交（步行、自行車）結構，對應交通結構為快速路+交通性主干路+服務型主干路+次干路+支路，其中快速路單車道設計速度為90 km/h，交通性主干路、服務性主干路設計速度均為65 km/h，次干路設計速度為45 km/h，支路設計速度為30 km/h。

3.4 應用交通規劃數據

智慧交通規劃的發展目標是整合性、人性化、高品質、科技型，具體表現為交通網絡與交通樞紐良好配合，致力于提供安全、舒適、暢達、清潔的交通服務，最大限度地滿足民眾便捷出行的需求，并積極應用現代化智能交通技術，提升綜合交通系統科技含量，實現高度智能化、信息化的交通服務?；诖耍煌ㄒ巹澣藛T可以參考片區綜合交通模型相關參數，進行區域綜合交通模型構建，在模型內進行區域交通需求預測。根據區域交通疊加情況下的節點交通流量，進行節點具化方案的設置。比如，對片區靜態交通需求（停車需求）開展預先估測，基于以往停車場布局方案，完成多車型車輛行駛流線的分析、優化，制訂大型公共交通停車場、小型汽車停車場、出租車站以及各出入口功能的布局調整方案。在這個基礎上，借助大數據技術，分析片區內人行流線，作為停車場內部布局（含路內停車、路外停車）、人行系統以及停車誘導系統規劃調整依據。比如，某片區全日出行量29.8萬人次，其中內部出行14.0萬人次，占據全日出行量的46.98%；對外出行15.8萬人次，占據全日出行量的53.02%，表明片區居民出行分布外向性特征較為顯著。此時，交通規劃人員就需要根據出行分布差異，進行內部出行、外部出行方式分擔比例的細微調整，并在考慮智慧交通建設而產生的新型交通方式引發的出行方式變更的基礎上，明確交通數據結合與交通系統控制體系優化目標，銜接交通系統內部與外部，切實優化基礎交通規劃方案。

考慮到城市交通發展具有顯著的階段性特征，在內聚發展時期，城市由非機動化交通主導；在擴張發展時期，城市由機動化交通主導；在出行結構調整初期，城市空間結構與交通結構呈現競爭態勢；在出行結構調整后期，城市交通福利化趨勢顯現，進入以管理為主的成熟階段。為了順利完成出行結構優化調整，在交通規劃時，交通規劃人員應落實多交通方式流線分離的特點，在沿一定放線貫通人流集散通道的基礎上，每間隔一定距離設置單元體系，并配置扶梯、電梯、樓梯等豎向交通樞紐，滿足人流疏導要求。同時設置立體連廊，將不同單元模塊連接成一個整體，并分離人流、車流，降低對道路的干擾。

4 結語

綜上所述，大數據時代背景下，智慧交通規劃建設獲得了新的機遇。城市交通規劃人員應明確大數據手段在智慧交通規劃建設中的優勢，借助大數據手段挖掘以往易忽略的問題，為交通規劃提供更加多元的數據。同時，不斷改進數據獲取與處理方法，更加快速、精準地獲知交通現狀，在揭示區域交通問題的同時對其進行追蹤評價，切實加深交通數據挖掘深度，提高交通數據挖掘結果公信力，為智慧交通規劃建設提供充足的數據支持。