专题导读

专题导读

An Introduction to Special Topics

近年来大数据浪潮所激发的热情，同样在城市交通领域扩散。其他行业中采用数据驱动和大强度计算来发展决策支持能力，在大数据基础上实现的自动信息提取汇总、自动深度学习的成功案例，为深感压力的城市交通展现了一幅值得憧憬的景象。

北京、上海、广州、深圳、重庆等城市交通研究部门高度关注这一技术变化，对于通过大数据提升综合交通调查的能力和质量、在城市交通规划中的应用等进行了大量尝试，并获得了初步经验。中国的研究者也在新技术概念基础上，迅速搭建基于大数据环境的城市交通技术体系框架。

对于城市交通研究来说，大数据所带来的不仅是一种技术变化，还是一种研究模式变革。回顾交通理论研究，在网络交通流分析理论和交通行为分析理论提出以后，数十年来所取得进步的渐进性多于突破性。但是面对中国快速城镇化和机动化相互交织所产生的复杂问题，面对协调空间结构框架、引导城市交通发展模式、缓解交通拥堵压力等相互交织的复杂问题，传统分析理论显得力不从心。大数据所带来的对研究对象多方位、全视角、持续的观察能力，对研究城市交通中的复杂性产生了技术推动，展现了揭示内在机理的新路径。

同时，大数据为城市交通的战略调控、交通规划与城市规划的战略对话、交通需求管理精准调控、道路交通网络状态精明控制、公共交通市场细分基础上的精细化服务等提供了技术支持。这种技术手段的扩展，对于强化城市交通演化过程的控制能力的价值难以估量，为城市交通摆脱单纯追随需求的被动局面带来希望。

但是，交通大数据与传统交通调查获得的“定制数据”不同，带有不可避免的模糊性和非完备性。研究者的实践表明，将新的数据资源、传统模型及分析模式简单撮合在一起，遇到了一系列的技术冲突和困难。基于关联分析的大数据思维与基于因果的模型思维冲突，数据驱动研究所要求的认识方法变革等，对于习惯了还原论思维模式、以消除不确定性为追求目标的交通工程师来说，既有看到创新机遇的兴奋，也有难以适应产生的困惑。

城市交通领域中大数据技术应用的三个核心环节是：度量、认知和洞察。

由于数据基础及携带信息的差异，需要针对研究对象建立与之适应的新度量体系，从而实现将数据组织成为信息的过程。例如移动通信数据由于采集时点和位置误差，难以精确描述每次出行，却可以通过时间积累检测个体的经常活动地区。将这种类型数据“塞入”传统OD概念，既遇到精度不够的困难，也没有发挥其对出行间关联检测能力的特长。

目前采用的移动通信数据、公交IC卡数据、车辆牌照数据等，虽然能够较好地连续追踪对象个体，但由于独立出行切分误差以及数据缺失等原因，尚难以在数学严密级别依托模型来实现对因果关系的认知。由于交通领域决策影响重大，也不可能像智能商务那样专注于“关联”而忽略“因果”。因此，如何使用一系列间接证据实现对数据背后隐藏规律的判断，成为有待攻克的又一道难关。

对未来的洞察是城市交通分析的精髓。基于现状和历史数据中提取的信息，参考他山之石的经验教训，结合模型和仿真提供测试结果，洞察系统的重大变化，识别演化趋势，从而建立适时响应的战略控制能力，应该成为交通大数据研究的远大目标。

千里之行，始于足下，交通大数据研究充满挑战，如今的研究尽管还难脱稚嫩，却是抓住机遇和应对挑战的重要一步。相信经过共同努力，中国城市交通研究者依托快速发展实践，会在世界科技创新之册中留下自己的贡献。

同济大学 杨东援