管娜娜， 寧怡旻

(成都市規(guī)劃設(shè)計(jì)研究院，四川成都 610041)

?

大數(shù)據(jù)在城市綜合交通調(diào)查與交通模型中的應(yīng)用分析

管娜娜， 寧怡旻

(成都市規(guī)劃設(shè)計(jì)研究院，四川成都 610041)

大數(shù)據(jù)技術(shù)的發(fā)展給交通調(diào)查與交通模型帶來(lái)了新的工作思路，通過(guò)挖掘互聯(lián)網(wǎng)、車(chē)載GPS、IC卡、手機(jī)信令、超高頻RFID等多源、海量數(shù)據(jù)可以描述人的交通行為、車(chē)輛的行駛狀態(tài)、道路的擁擠程度等。合理地使用大數(shù)據(jù)技術(shù)，能夠在保證精度的前提下大大提高工作效率和降低成本。文章主要分析研究如何將通過(guò)信息感知技術(shù)獲取的多源數(shù)據(jù)整合到傳統(tǒng)交通調(diào)查與模型中，為成都市開(kāi)展綜合交通調(diào)查和建立交通模型奠定基礎(chǔ)。

大數(shù)據(jù)； 交通信息感知技術(shù)； 交通調(diào)查； 交通模型

面向城市綜合交通規(guī)劃的交通調(diào)查旨在全面掌握城市交通的源和流，調(diào)查主要包括基礎(chǔ)資料、交通需求、交通設(shè)施和交通現(xiàn)狀四部分內(nèi)容[1]。傳統(tǒng)的交通調(diào)查是通過(guò)填寫(xiě)調(diào)查問(wèn)卷和人工觀測(cè)來(lái)獲取數(shù)據(jù)的,工作量龐大，持續(xù)周期長(zhǎng)，需耗費(fèi)大量的人力物力。而且抽樣方法和抽樣率對(duì)調(diào)查結(jié)果的影響較大，需要預(yù)調(diào)查和不斷核查。

交通信息感知技術(shù)的蓬勃發(fā)展為交通規(guī)劃工作提供了豐富的數(shù)據(jù)來(lái)源，通過(guò)合理利用交通信息數(shù)據(jù)可以為人工調(diào)查提供輔助和校核或者替代傳統(tǒng)交通調(diào)查的某些項(xiàng)目。此外，大數(shù)據(jù)在土地利用、交通基礎(chǔ)設(shè)施、系統(tǒng)運(yùn)行等方面優(yōu)勢(shì)顯著[2]，北京、上海、廣州、深圳等城市在基于大數(shù)據(jù)的交通調(diào)查和交通模型中已經(jīng)進(jìn)行了探索研究，驗(yàn)證了大數(shù)據(jù)技術(shù)在交通規(guī)劃不同階段工作中的適應(yīng)性。

1 大數(shù)據(jù)在城市綜合交通調(diào)查與模型中的必要性分析

1.1 交通模型的數(shù)據(jù)構(gòu)成

根據(jù)交通模型開(kāi)發(fā)和修正要求，交通調(diào)查的項(xiàng)目也有所不同，其中必備的調(diào)查項(xiàng)目主要包括：居民出行調(diào)查、城市道路交通調(diào)查、出入境交通調(diào)查、公交調(diào)查、停車(chē)調(diào)查、流動(dòng)人口調(diào)查等。交通模型的主要數(shù)據(jù)構(gòu)成如圖1所示。

圖1 交通模型的主要數(shù)據(jù)構(gòu)成

1.2 必要性分析

將交通大數(shù)據(jù)整合到綜合交通調(diào)查和模型中的必要性主要體現(xiàn)在以下幾方面：

(1)規(guī)劃方案與交通模型間缺少反饋、論證機(jī)制。通常在各類(lèi)規(guī)劃項(xiàng)目中都需要建立相應(yīng)的交通模型，規(guī)劃方案與交通模型之間相互反饋和論證[3]。比如在進(jìn)行軌道交通線網(wǎng)規(guī)劃時(shí)需要建立交通需求預(yù)測(cè)模型對(duì)規(guī)劃方案以定量的支持，而在進(jìn)行道路網(wǎng)規(guī)劃時(shí)，又需要開(kāi)展交通調(diào)查和建立新的模型。因此，成都市亟需建立一個(gè)不斷更新的交通數(shù)據(jù)庫(kù)和交通模型為相關(guān)的規(guī)劃服務(wù)，提高規(guī)劃的科學(xué)性和可信度。

(2)在城市交通的快速發(fā)展變化的背景下，交通模型的更新維護(hù)需要大數(shù)據(jù)支撐。目前，成都市的城市空間不斷擴(kuò)展、經(jīng)濟(jì)社會(huì)發(fā)展迅猛、交通需求的特性不斷變化，交通模型也需要通過(guò)不斷的標(biāo)定和校核進(jìn)行維護(hù)。交通信息感知技術(shù)能夠?qū)崟r(shí)記錄交通運(yùn)行狀態(tài)，因此可以通過(guò)處理和挖掘多源、海量的交通信息感知數(shù)據(jù)，實(shí)現(xiàn)對(duì)交通供給、交通需求結(jié)構(gòu)的全面了解，用以支撐交通模型的維護(hù)更新。

(3)傳統(tǒng)交通調(diào)查與大數(shù)據(jù)相互結(jié)合，不斷開(kāi)拓交通規(guī)劃新理論?，F(xiàn)有的交通信息感知技術(shù)所獲取的交通數(shù)據(jù)無(wú)法做到準(zhǔn)確、全面的描述交通運(yùn)行特性，比如，很難判斷連續(xù)兩次公交IC卡數(shù)據(jù)是換乘還是兩次出行，手機(jī)信令數(shù)據(jù)很難識(shí)別同一個(gè)基站范圍內(nèi)的短距離出行，因此需要將大數(shù)據(jù)與調(diào)查數(shù)據(jù)進(jìn)行相互校核分析。同時(shí)，需要不斷優(yōu)化交通信息感知技術(shù)和開(kāi)拓交通規(guī)劃理論，比如設(shè)置更多能夠表征交通出行特性的字段，甚至開(kāi)拓適應(yīng)于交通信息感知技術(shù)的規(guī)劃理論。

2 大數(shù)據(jù)在交通調(diào)查和交通模型中的應(yīng)用分析

眾多學(xué)者針對(duì)將大數(shù)據(jù)整合到交通調(diào)查和交通模型中進(jìn)行了相關(guān)探索研究，其中，基于GPS浮動(dòng)車(chē)、公交IC卡、手機(jī)信令等的數(shù)據(jù)挖掘技術(shù)成熟，應(yīng)用成果豐富。

2.1 交通信息感知技術(shù)與模型應(yīng)用

根據(jù)交通信息感知設(shè)備的特性可以將信息感知技術(shù)分為固定型和可移動(dòng)型。固定型的信息感知技術(shù)可以采集到基本的交通流參數(shù)，而移動(dòng)型的信息感知技術(shù)可以通過(guò)識(shí)別和路徑追蹤推算出車(chē)和人的出行OD，因此在交通需求預(yù)測(cè)中的應(yīng)用更為廣泛(表1)。

表1 交通信息感知技術(shù)的數(shù)據(jù)類(lèi)型與模型應(yīng)用

2.2 浮動(dòng)車(chē)GPS數(shù)據(jù)

成都市于2008年開(kāi)始建立浮動(dòng)車(chē)GPS數(shù)據(jù)采集系統(tǒng)，在營(yíng)運(yùn)出租車(chē)上安裝GPS定位設(shè)備，通過(guò)GPS定位技術(shù)獲取出租車(chē)實(shí)時(shí)位置信息。已經(jīng)基本實(shí)現(xiàn)了實(shí)時(shí)道路交通運(yùn)行狀態(tài)發(fā)布、歷史交通狀況查詢(xún)；路網(wǎng)交通運(yùn)行指標(biāo)測(cè)算，包括路網(wǎng)運(yùn)行速度時(shí)間分布、典型擁堵路段統(tǒng)計(jì)、路網(wǎng)擁堵指數(shù)等功能[4]。根據(jù)管亞麗[5]關(guān)于成都市出租車(chē)浮動(dòng)車(chē)數(shù)據(jù)的可靠性分析，認(rèn)為成都市浮動(dòng)車(chē)規(guī)?？刂圃? 000輛以上，便能得到中心城區(qū)可靠的交通參數(shù)。

截至2014年底，成都市出租車(chē)總量為18 539輛，中心城區(qū)出租車(chē)總量為14 898輛，路網(wǎng)覆蓋率高，能對(duì)路段及路網(wǎng)交通狀況進(jìn)行較好的描述。在交通調(diào)查和交通模型建立過(guò)程中，浮動(dòng)車(chē)GPS數(shù)據(jù)能在以下方面發(fā)揮作用：

(1)道路網(wǎng)絡(luò)的建立?，F(xiàn)狀綜合道路網(wǎng)絡(luò)是交通模型的核心數(shù)據(jù)之一，通過(guò)車(chē)輛路徑識(shí)別，可以快速準(zhǔn)確獲得現(xiàn)狀道路網(wǎng)絡(luò)布局和交通組織，增強(qiáng)對(duì)現(xiàn)狀路網(wǎng)的分析全面把握現(xiàn)狀路網(wǎng)問(wèn)題。

(2)道路交通調(diào)查和核查線調(diào)查。核查線道路交通流量調(diào)查的目的是全面掌握核查線的交通流量分布，用以校核OD調(diào)查成果精度，通過(guò)較為可靠的浮動(dòng)車(chē)GPS數(shù)據(jù)能夠獲得該數(shù)據(jù)，且具有較高的可操作性。

(3)OD矩陣獲取。通過(guò)浮動(dòng)車(chē)GPS數(shù)據(jù)獲取OD矩陣有兩種方式，分別為OD反推和路徑識(shí)別。由于成都市出租車(chē)僅占機(jī)動(dòng)車(chē)總量的0.48 %，但在抽樣率如此低的前提下進(jìn)行OD反推或路徑識(shí)別，可能會(huì)造成較大誤差。

2.3 公交IC卡數(shù)據(jù)

通過(guò)挖掘公交IC卡的數(shù)據(jù)并結(jié)合公交車(chē)輛GPS數(shù)據(jù)，判斷公交線路各站點(diǎn)上下車(chē)人數(shù)和擬合交通出行起訖點(diǎn)，從而建立公交出行OD矩陣的模型和方法在城市綜合交通規(guī)劃、公交規(guī)劃以及公交運(yùn)營(yíng)調(diào)度中有著廣泛應(yīng)用[6]。國(guó)內(nèi)對(duì)此已經(jīng)有了一定的研究成果，徐建閩等[7]利用公交車(chē)GPS和公交IC卡數(shù)據(jù)建立了生成單線公交OD 的計(jì)算公式模型；侯艷等[8]利用VBA結(jié)合ADO技術(shù)推算公交出行的OD矩陣，然后通過(guò)抽樣調(diào)查獲得擴(kuò)樣系數(shù)從而對(duì)樣本進(jìn)行擴(kuò)樣生成了全市居民的出行OD。從單線公交到多路公交再到全市居民出行信息，基于公交IC卡數(shù)據(jù)推算居民出行OD的思路和技術(shù)方法成熟[9]，可以作為居民出行調(diào)查的補(bǔ)充。

在《成都市多網(wǎng)融合公共交通體系規(guī)劃》中，從成都市公交集團(tuán)和地鐵公司獲取了一周的IC卡刷卡數(shù)據(jù)，涉及常規(guī)公交675條線路、6 258個(gè)站點(diǎn)，地鐵2條線路、42個(gè)站點(diǎn)，快速公交2條線路、59個(gè)站點(diǎn)。通過(guò)分析和挖掘海量IC卡數(shù)據(jù)和公交系統(tǒng)的GPS數(shù)據(jù)，對(duì)公交換乘識(shí)別、公交客流OD分布識(shí)別和公交通勤識(shí)別做出了探索性研究，并得出了成都市公共交通通勤距離長(zhǎng)、快速公交與常規(guī)公交換乘需求大、現(xiàn)狀公共交通出行向心性強(qiáng)等典型結(jié)論。同時(shí)，基于公交IC卡的數(shù)據(jù)挖掘技術(shù)體系也已經(jīng)建立，在開(kāi)展交通調(diào)查工作與交通模型建立時(shí)，可充分考慮公交IC卡數(shù)據(jù)的使用(表2)。

表2 成都市公共交通IC卡刷卡記錄及車(chē)輛GPS所含信息

2.4 手機(jī)信令數(shù)據(jù)

手機(jī)信令作為一種理想的交通信息感知技術(shù)，為居民出行信息提供了良好的數(shù)據(jù)基礎(chǔ)。利用長(zhǎng)期手機(jī)信令數(shù)據(jù)，可分析常住人口和就業(yè)人口分布、通勤出行特征、大區(qū)間OD、特定區(qū)域出行特征和流動(dòng)人口出行特征等[10]。賴(lài)見(jiàn)輝[11]基于移動(dòng)通信定位信息提出了基于模糊模式識(shí)別原理的居住地與工作地識(shí)別方法；黃美靈、陸百川[12]通過(guò)提出手機(jī)用戶(hù)的起訖點(diǎn)位置信息，根據(jù)面積判斷算法得到手機(jī)用戶(hù)的OD信息。上海在第五次綜合交通調(diào)查中首次將手機(jī)信令數(shù)據(jù)應(yīng)用于全市性綜合交通調(diào)查[2]，通過(guò)長(zhǎng)時(shí)間跟蹤記錄移動(dòng)通信數(shù)據(jù)(全市約6萬(wàn)個(gè)基站，中心城平均半徑約130 m，郊區(qū)平均半徑約360 m)，分析得到夜間、白天手機(jī)用戶(hù)分布規(guī)律性特征、地下軌道車(chē)站客流換乘特征以及校核線手機(jī)客流穿越特征。

此外，手機(jī)信令數(shù)據(jù)表征的單個(gè)手機(jī)用戶(hù)不同時(shí)段所處的地理坐標(biāo)，其數(shù)據(jù)在交通規(guī)劃中的應(yīng)用也存在一定局限性：(1)難以判斷手機(jī)用戶(hù)的出行方式、出行目的；(2)利用手機(jī)信令數(shù)據(jù)反映傳統(tǒng)定義需要一定的假設(shè)和推斷，相關(guān)規(guī)則不明確；(3)數(shù)據(jù)粒度大，不能反映短距離出行。

2.5 超高頻RFID電子標(biāo)識(shí)

超高頻RFID 技術(shù)利用電磁耦合來(lái)傳遞數(shù)據(jù)進(jìn)行車(chē)輛識(shí)別[13]，當(dāng)裝有超高頻RFID電子標(biāo)簽的車(chē)輛通過(guò)RFID讀寫(xiě)器時(shí)，將會(huì)采集到車(chē)輛ID、通過(guò)監(jiān)測(cè)點(diǎn)時(shí)間、車(chē)型代碼、車(chē)牌歸屬地等信息，由此可以得到通過(guò)路段、交叉口等設(shè)施的車(chē)流量，并能進(jìn)一步識(shí)別出車(chē)輛行駛路徑(圖2)。通過(guò)超高頻RFID電子標(biāo)簽采集到的道路交通流量、出入境交通流量數(shù)據(jù),主要用于交通模型中的機(jī)動(dòng)車(chē)出行生成、出行分布和模型校驗(yàn)。

圖2 超高頻RFID電子標(biāo)簽系統(tǒng)拓?fù)浣Y(jié)構(gòu)及工作原理

重慶市應(yīng)用超高頻RFID技術(shù)建立覆蓋全市約300萬(wàn)輛機(jī)動(dòng)車(chē)和852個(gè)采集點(diǎn)的“重慶交通信息卡”系統(tǒng)(圖3)。通過(guò)RFID技術(shù)采集到的交通數(shù)據(jù)，在出行分布特征分析和流量延誤函數(shù)(VDF)做了相關(guān)的研究[14]。

(1)出行分布特征分析。利用通道上連續(xù)幾個(gè)設(shè)有RFID讀寫(xiě)器斷面收集到的交通信息，通過(guò)車(chē)輛ID、通過(guò)監(jiān)測(cè)點(diǎn)的時(shí)間等特征數(shù)據(jù)追蹤車(chē)輛軌跡，分析各區(qū)段流量流向構(gòu)成，發(fā)現(xiàn)整個(gè)通道貫通行駛的需求量非常少，不同區(qū)段的流量差異較大，從而得出了不同路段采用不同建設(shè)標(biāo)準(zhǔn)進(jìn)行拓寬改造的結(jié)論(圖4)。

圖3 重慶RFID采集點(diǎn)分布

圖4 快速路四橫線(鵝公巖大橋)車(chē)輛路徑識(shí)別

(2)交通分配中路阻函數(shù)的標(biāo)定。通過(guò)整合分析“重慶交通信息卡”系統(tǒng)、出租車(chē)車(chē)載GPS、感應(yīng)線圈和高清卡口的數(shù)據(jù)，研究流量與車(chē)速、密度與流量間的關(guān)系，實(shí)現(xiàn)交通分配中VDF函數(shù)的標(biāo)定(圖5)。

圖5 重慶機(jī)場(chǎng)高速VDF函數(shù)標(biāo)定

基于超高頻RFID技術(shù)自動(dòng)精確及動(dòng)態(tài)信息采集的優(yōu)點(diǎn)，在城市道路交通調(diào)查、出入境交通調(diào)查方面優(yōu)勢(shì)大，在交通生成、交通分布和模型校核階段能夠大大提高模型的精度和效率。目前成都尚未啟動(dòng)電子車(chē)牌試點(diǎn)工作，若電子車(chē)牌相關(guān)工作啟動(dòng)需同步建立信息平臺(tái)，做好數(shù)據(jù)采集和存儲(chǔ)。

4 對(duì)成都開(kāi)展綜合交通調(diào)查和交通模型工作的建議

大數(shù)據(jù)在交通調(diào)查與交通模型中是傳統(tǒng)綜合交通調(diào)查的有效補(bǔ)充，在交通基礎(chǔ)數(shù)據(jù)獲取、道路網(wǎng)絡(luò)建立、職住分析等方面應(yīng)用效果良好。在成都市開(kāi)展綜合交通調(diào)查和建立交通模型過(guò)程中，應(yīng)在傳統(tǒng)交通調(diào)查基礎(chǔ)上充分考慮利用現(xiàn)有大數(shù)據(jù)資源，比如遙感、公交IC卡、浮動(dòng)車(chē)GPS、手機(jī)信令、車(chē)牌識(shí)別等，融合多種數(shù)據(jù)反映城市交通問(wèn)題。

(1)構(gòu)建全市交通數(shù)據(jù)庫(kù)。目前，成都市還沒(méi)形成統(tǒng)一的交通數(shù)據(jù)庫(kù)，各類(lèi)交通數(shù)據(jù)分散在交委、交管、公交集團(tuán)、地鐵公司等多個(gè)部門(mén)，沒(méi)有統(tǒng)一的數(shù)據(jù)接口和管理平臺(tái)，在開(kāi)展交通調(diào)查和交通模型工作過(guò)程中會(huì)存在數(shù)據(jù)壁壘。

(2)提前建立交通大數(shù)據(jù)的采集和存儲(chǔ)機(jī)制。不同的交通信息感知技術(shù)在數(shù)據(jù)存儲(chǔ)上都有各自不同的機(jī)制，比如視頻數(shù)據(jù)會(huì)存儲(chǔ)15 d,移動(dòng)通訊數(shù)據(jù)在無(wú)需求的情況下不會(huì)進(jìn)行存儲(chǔ)。因此在綜合交通調(diào)查開(kāi)展初期，應(yīng)根據(jù)調(diào)查方案和模型需求建立交通大數(shù)據(jù)采集和存儲(chǔ)機(jī)制。

(3)形成關(guān)于交通大數(shù)據(jù)分析、縮樣、擴(kuò)樣的技術(shù)思路和流程。通過(guò)各類(lèi)交通信息感知技術(shù)獲取的數(shù)據(jù)量雖然大，但從本質(zhì)上說(shuō)仍屬于抽樣調(diào)查，或者說(shuō)分層抽樣調(diào)查，如何科學(xué)擴(kuò)樣，是否需要先縮樣后擴(kuò)樣，需要制定一套技術(shù)思路和流程。

(4)建立傳統(tǒng)綜合交通調(diào)查、交通大數(shù)據(jù)以及交通大數(shù)據(jù)之間相互校核的良好模式。為減小擴(kuò)樣過(guò)程中的誤差，應(yīng)以交通出行調(diào)查數(shù)據(jù)為基礎(chǔ)，利用交通大數(shù)據(jù)挖掘技術(shù)對(duì)關(guān)鍵指標(biāo)進(jìn)行綜合比對(duì)和校核。

[1] 王煒. 交通規(guī)劃[M].北京：人民交通出版社，2007.

[2] 薛美根，陳歡，應(yīng)俊杰. 基于城市交通大數(shù)據(jù)的上海第五次綜合交通調(diào)查技術(shù)與方法[C]//2015年中國(guó)城市交通規(guī)劃年會(huì)暨第28次學(xué)術(shù)研討會(huì)論文集，2015.

[3] 何流. 交通需求預(yù)測(cè)模型的歷史與展望[J]. 江蘇城市規(guī)劃，2014(4)：43-45.

[4] 新鈳電子(上海)有限公司. 成都市交通信息數(shù)據(jù)中心信息采集子系統(tǒng)——基于浮動(dòng)車(chē)技術(shù)的交通信息采集系統(tǒng)[R]. 2009.

[5] 管亞麗. 成都市出租車(chē)浮動(dòng)車(chē)數(shù)據(jù)可靠性分析[D]. 成都：西南交通大學(xué)，2010.

[6] ZHAO J, RAHBEE A,WILSON N H M. Estimating a rail passenger trip origin-destination matrix using automatic data collection Systems[J]. Computer Aided Civil and Infrastructuer Engineering,2007,22(5):376-387.

[7] 徐建閩，熊文華，游峰. 基于GPS和IC卡的單線公交OD生成方法[J]. 微計(jì)算機(jī)信息，2008，24(22)：221-222.

[8] 侯艷，何民，張生斌. 基于公交IC卡刷卡記錄的居民出行OD推算方法研究[J]. 交通信息與安全，2012，30(6)：109-114.

[9] 張頌，陳學(xué)武，陳崢嶸. 基于公交IC卡數(shù)據(jù)的公交站點(diǎn)OD矩陣推導(dǎo)方法[J]. 武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2014，38(2):333-337.

[10] 冉斌. 手機(jī)數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應(yīng)用[J]. 城市交通，2013，11(1)：72-81.

[11] 賴(lài)見(jiàn)輝. 基于移動(dòng)通信定位數(shù)據(jù)的交通信息提取及分析方法研究[D]. 北京：北京工業(yè)大學(xué)，2014.

[12] 黃美靈，陸百川. 基于手機(jī)定位的交通OD數(shù)據(jù)獲取技術(shù)[J]. 重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版，2010，29(1)：162-166.

[13] 薛金銀，張北海，李全發(fā). 超高頻RFID技術(shù)在智能交通領(lǐng)域的應(yīng)用分析[J]. 中國(guó)交通信息化，2014(增刊):115-118.

[14] 吳祥國(guó)，余清星，韋翀. 大數(shù)據(jù)背景下重慶市綜合交通模型維護(hù)升級(jí)[J]. 城市交通，2016，14(2):51-58.

管娜娜(1989～)，女，碩士研究生，助理工程師，從事交通規(guī)劃與設(shè)計(jì)；寧怡旻(1985～)，女，碩士研究生，工程師，從事城市規(guī)劃。

TU984.191

A

[定稿日期]2016-06-23