交通大数据发展的挑战及建议

谷凤瑞

1 发展背景

大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。

《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的三大技术变革。2011年以来，各国纷纷将“大数据”的开发利用作为夺取新一轮竞争制高点的重要抓手。国务院于2015年8月发文《国务院关于印发促进大数据发展行动纲要的通知》（国发〔2015〕50号），标志着大数据发展已上升为国家意志。

交通行业是天然的大数据行业。交通的规划、管理、决策等各方面都要以大量交通数据的分析和预测为支撑。而今，随着全国智能城市、感知公路等信息化建设的推进，以物联网为方向的信息采集技术逐渐普及，3G/4G网络传输技术迅猛发展，交通海量数据正在通过不同的途径成级数增长。这为交通大数据的发展提供了条件。

2 交通大数据的构成

如今，随着信息采集、信息传输技术的发展普及，交通数据的类型、数量正在飞速增长。但这些数据往往各成系统，各自孤立，还未能得到有效的整合和充分利用。对这些数据进行梳理，按照数据所有者类型进行分类，主要分布在以下方面：

2.1 铁路系统

铁路售票系统数据。

2.2 公路系统

道路收费系统、道路流量检测系统、电子监控系统、车牌识别系统、路上称重系统、信息服务平台数据等。

2.3 城市交通管理系统

道路监控数据、出租车调度系统、公交运营系统、地铁售票检票系统、停车管理系统、公共自行车运营系统、公交一卡通统计数据、长途客运售票系统数据。

2.4 规划部门

城市居民出行调查数据（抽样调查数据）、历年城市交通年报等。

2.5 公安交警系统

天网工程治安卡口数据、交警电子眼数据、交通事故统计数据等。

2.6 移动运营商

手机指令数据。

2.7 互联网数据

网购物流数据、大众点评网等网络数据。

2.8 企业

专车运营数据、滴滴打车数据、车辆导航信息、邮政包裹数据、快递包裹数据、港口码头集疏运数据等。

3 交通大数据的应用情况

目前，交通大数据的发展氛围已经形成，无论是政府部门，还是企业单位，都认识到了其发展必然性和巨大价值潜力。但从全国来看，交通大数据的应用尚处于探索、小范围尝试阶段，研究应用所采用的数据较为单一。例如，交警部门利用系统内部数据对事故易发点进行分析和治理；交通研究机构采用利用手机指令数据提供的个体活动链特征，将其与居民出行调查数据库等传统数据相结合，建立模型，从而提高模型的校验、预测精度及动态特征；土地评估咨询单位基于大众点评网等网络数据，对火车站周边商圈货物的OD进行分析，从而对火车站周边度用地进行评估等等。可见，规模化的大数据应用态势尚未形成，交通大数据发展发展潜力巨大（图1）。

4 大数据发展面临的挑战

交通大数据时代来临，对传统的交通数据管理方式提出了巨大挑战，体现在数据存储、数据的开工共享、数据分析挖掘以及大数据的应用转化等多个方面。

4.1 数据的储存

现代交通大数据的储存面临难题，主要在于两个方面：一是，数据规模庞大，且以分秒的速度成级数增长；二是，数据类型多，不仅包含非结构化的数据，还包含语音、视频等数据类型。另外，由于历史数据极具价值，通常需要长时间保存，大规模、多类型数据的长期储存给交通大数据的发展提出了前所未有的挑战。

4.2 数据的共享

交通大数据的基础数据分散在多个政府部门、咨询单位，不面向公众公开，且彼此孤立，难以实现共享，给交通大数据的发展造成了很大阻力。且不提交通部门、交警部门、规划部门等跨部门的数据共享，单单从交通部门内部来看，数据的共享利用也困难重重。以江苏省为例，高速公路收费数据、流量观测数据多年来由省交通厅委直接托苏交科进行保存、分析和统计；全省普通国省干线的流量观测数据由省厅公路局委托江苏纬信公司进行分析统计；各地市地方公路流量观测数据多由公路处下属养护部门进行搜集；全省公路OD调查数据由省厅公路局分别于2003年、2007年委托江苏纬信公司进行调查和统计分析；近几年不少地市也单独进行过本地区范围内的OD调查……这些数据没有得到公开共享，其他咨询单位要进行交通分析和需求预测，搜集基础数据时困难重重。

4.3 数据的分析、挖掘

数据的分挖掘面临的挑战，主要在于两个方面：一是，对有效数据的筛选。面对如此庞大的基础数据，如何根据实际需要，筛选有效数据是进行数据分析的第一步。例如，分析机动车对外出行OD，可选用“RFID+治安卡口+高速公路收费站数据+往年公路OD调查数据”；分析城市居民的活动分布，可选用“手机移动信令数据+公交IC卡+地铁AFC数据+车辆GPS数据”；分析城市路网拥堵状况，可选用“出租车GPS数据+公安320治安卡口数据”等等。二是，对数据分析模型的建立。在数据筛选的基础上，根据不同需要，创建不同的模型，实现对有效数据的深入分析，挖掘数据价值。例如，建立更完善的交通需求预测模型、路网容量分析模型、路网运行时空特征分析模型等。有些模型的建立不仅需要交通方面的人才，还需要计算机编程、模型算法研究、GIS等多专业的人才共同努力才能实现。三是，对有效数据的快速处理实时分析。海量的实时数据使得大数据与传统数据相比具有突出的实时性优势。大数据“4V”特征之Velocity，就是指大数据处理速度快，要求实时处理而非传统的处理方式。如何对海量实时数据进行实时动态的计算、分析，也是未来面临的挑战之一。

4.4 数据的应用

大数据的应用需面向不同群体，涵盖交通管理部门、交通规划部门、数据中心、咨询研究机构、普通出行者等等多种使用主体。如何实现针对不同用户主体，开发个性化的应用系统，也是未来发展需要关注的问题。

5 发展建议

5.1 顶层设计

交通大数据分散于多个部分、咨询研究单位、企业，数据相互孤立，难以发挥大数据整体优势。因此，需要国家层面、省级层面、市级层面分别进行顶层设计，统筹规划、合理安排，并制定详细的行动计划，从而避免重复建设、各行其是、互不兼容，推动交通大数据抱团发展。

5.2 数据的开放共享

数据的开放共享需要政府的推动，逐步实施。建议先尝试在各系统内部实现数据共享，例如，在城市交通系统内部，从城市运输系统、城市道路系统、城市交通管理系统三个维度，实现交警、交委、建委、规划的相关数据共享，共享者之间，以协议的形式明确数据格式、数据安全、数据使用等细节。在此上，在逐步实现跨部门共享，最终实现面向全社会的共享。

5.3 新技术的引进

交通大数据时代来临，对于大数据的采集、储存、分析挖掘和应用等各方面都提出了新的要求，需要积极探索引进新技术、新方法，例如，云数据平台的建立、实时算法的改进、交通数据可视化技术的研究等等，并要加强从基础研究到实际应用的转化研究，充分挖掘交通大数据的应用价值，从而推动大数据健康快速发展。

5.4 人才结构的完善

交通大数据作为一个综合性强、涉及面广、技术要求高的新领域，需要更完整、更专业的人才结构。不仅需要交通规划及模型研究方面的人才，还需要信息体系构建、数据分析、通信技术研究等专业的人才。

6 结语

交通大数据发展的必然性和蕴藏的巨大价值已经得到业内的共识，但是其规模化发展仍然面临诸多挑战。本文对交通大数据涉及的范围进行了详细梳理，对大数据发展面临的挑战进行深入分析，并针对这些挑战提出了切实可行的建议。

【参考文献】

[1]叶亮.“大数据”背景下我国交通数据管理应用的转型与发展[J].交通与运输，2013.12：65-67.

[2]马英杰.交通大数据的发展现状及思路[J].道路交通与安全，2014.8，第14卷第4期：55-59.

[3]钱喆.广州交通大数据实践与思考[R/D].2015.10，会议论文.

[4]杨涛，程晓明，等.交通大数据的辩证法——交通大数据发展的制度建设和未来方向[R/D].2015.10，会议论文.

[5]温慧敏.北京交通大数据应用与展望[R/D].2015.10，会议论文.

[责任编辑：王楠]