大数据在城市综合交通调查与交通模型中的应用分析

管娜娜， 宁怡旻

(成都市规划设计研究院，四川成都 610041)



大数据在城市综合交通调查与交通模型中的应用分析

管娜娜， 宁怡旻

(成都市规划设计研究院，四川成都 610041)

大数据技术的发展给交通调查与交通模型带来了新的工作思路，通过挖掘互联网、车载GPS、IC卡、手机信令、超高频RFID等多源、海量数据可以描述人的交通行为、车辆的行驶状态、道路的拥挤程度等。合理地使用大数据技术，能够在保证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将通过信息感知技术获取的多源数据整合到传统交通调查与模型中，为成都市开展综合交通调查和建立交通模型奠定基础。

大数据； 交通信息感知技术； 交通调查； 交通模型

面向城市综合交通规划的交通调查旨在全面掌握城市交通的源和流，调查主要包括基础资料、交通需求、交通设施和交通现状四部分内容[1]。传统的交通调查是通过填写调查问卷和人工观测来获取数据的,工作量庞大，持续周期长，需耗费大量的人力物力。而且抽样方法和抽样率对调查结果的影响较大，需要预调查和不断核查。

交通信息感知技术的蓬勃发展为交通规划工作提供了丰富的数据来源，通过合理利用交通信息数据可以为人工调查提供辅助和校核或者替代传统交通调查的某些项目。此外，大数据在土地利用、交通基础设施、系统运行等方面优势显著[2]，北京、上海、广州、深圳等城市在基于大数据的交通调查和交通模型中已经进行了探索研究，验证了大数据技术在交通规划不同阶段工作中的适应性。

1 大数据在城市综合交通调查与模型中的必要性分析

1.1 交通模型的数据构成

根据交通模型开发和修正要求，交通调查的项目也有所不同，其中必备的调查项目主要包括：居民出行调查、城市道路交通调查、出入境交通调查、公交调查、停车调查、流动人口调查等。交通模型的主要数据构成如图1所示。

图1 交通模型的主要数据构成

1.2 必要性分析

将交通大数据整合到综合交通调查和模型中的必要性主要体现在以下几方面：

(1)规划方案与交通模型间缺少反馈、论证机制。通常在各类规划项目中都需要建立相应的交通模型，规划方案与交通模型之间相互反馈和论证[3]。比如在进行轨道交通线网规划时需要建立交通需求预测模型对规划方案以定量的支持，而在进行道路网规划时，又需要开展交通调查和建立新的模型。因此，成都市亟需建立一个不断更新的交通数据库和交通模型为相关的规划服务，提高规划的科学性和可信度。

(2)在城市交通的快速发展变化的背景下，交通模型的更新维护需要大数据支撑。目前，成都市的城市空间不断扩展、经济社会发展迅猛、交通需求的特性不断变化，交通模型也需要通过不断的标定和校核进行维护。交通信息感知技术能够实时记录交通运行状态，因此可以通过处理和挖掘多源、海量的交通信息感知数据，实现对交通供给、交通需求结构的全面了解，用以支撑交通模型的维护更新。

(3)传统交通调查与大数据相互结合，不断开拓交通规划新理论。现有的交通信息感知技术所获取的交通数据无法做到准确、全面的描述交通运行特性，比如，很难判断连续两次公交IC卡数据是换乘还是两次出行，手机信令数据很难识别同一个基站范围内的短距离出行，因此需要将大数据与调查数据进行相互校核分析。同时，需要不断优化交通信息感知技术和开拓交通规划理论，比如设置更多能够表征交通出行特性的字段，甚至开拓适应于交通信息感知技术的规划理论。

2 大数据在交通调查和交通模型中的应用分析

众多学者针对将大数据整合到交通调查和交通模型中进行了相关探索研究，其中，基于GPS浮动车、公交IC卡、手机信令等的数据挖掘技术成熟，应用成果丰富。

2.1 交通信息感知技术与模型应用

根据交通信息感知设备的特性可以将信息感知技术分为固定型和可移动型。固定型的信息感知技术可以采集到基本的交通流参数，而移动型的信息感知技术可以通过识别和路径追踪推算出车和人的出行OD，因此在交通需求预测中的应用更为广泛(表1)。

表1 交通信息感知技术的数据类型与模型应用

2.2 浮动车GPS数据

成都市于2008年开始建立浮动车GPS数据采集系统，在营运出租车上安装GPS定位设备，通过GPS定位技术获取出租车实时位置信息。已经基本实现了实时道路交通运行状态发布、历史交通状况查询；路网交通运行指标测算，包括路网运行速度时间分布、典型拥堵路段统计、路网拥堵指数等功能[4]。根据管亚丽[5]关于成都市出租车浮动车数据的可靠性分析，认为成都市浮动车规模控制在5 000辆以上，便能得到中心城区可靠的交通参数。

截至2014年底，成都市出租车总量为18 539辆，中心城区出租车总量为14 898辆，路网覆盖率高，能对路段及路网交通状况进行较好的描述。在交通调查和交通模型建立过程中，浮动车GPS数据能在以下方面发挥作用：

(1)道路网络的建立。现状综合道路网络是交通模型的核心数据之一，通过车辆路径识别，可以快速准确获得现状道路网络布局和交通组织，增强对现状路网的分析全面把握现状路网问题。

(2)道路交通调查和核查线调查。核查线道路交通流量调查的目的是全面掌握核查线的交通流量分布，用以校核OD调查成果精度，通过较为可靠的浮动车GPS数据能够获得该数据，且具有较高的可操作性。

(3)OD矩阵获取。通过浮动车GPS数据获取OD矩阵有两种方式，分别为OD反推和路径识别。由于成都市出租车仅占机动车总量的0.48 %，但在抽样率如此低的前提下进行OD反推或路径识别，可能会造成较大误差。

2.3 公交IC卡数据

通过挖掘公交IC卡的数据并结合公交车辆GPS数据，判断公交线路各站点上下车人数和拟合交通出行起讫点，从而建立公交出行OD矩阵的模型和方法在城市综合交通规划、公交规划以及公交运营调度中有着广泛应用[6]。国内对此已经有了一定的研究成果，徐建闽等[7]利用公交车GPS和公交IC卡数据建立了生成单线公交OD 的计算公式模型；侯艳等[8]利用VBA结合ADO技术推算公交出行的OD矩阵，然后通过抽样调查获得扩样系数从而对样本进行扩样生成了全市居民的出行OD。从单线公交到多路公交再到全市居民出行信息，基于公交IC卡数据推算居民出行OD的思路和技术方法成熟[9]，可以作为居民出行调查的补充。

在《成都市多网融合公共交通体系规划》中，从成都市公交集团和地铁公司获取了一周的IC卡刷卡数据，涉及常规公交675条线路、6 258个站点，地铁2条线路、42个站点，快速公交2条线路、59个站点。通过分析和挖掘海量IC卡数据和公交系统的GPS数据，对公交换乘识别、公交客流OD分布识别和公交通勤识别做出了探索性研究，并得出了成都市公共交通通勤距离长、快速公交与常规公交换乘需求大、现状公共交通出行向心性强等典型结论。同时，基于公交IC卡的数据挖掘技术体系也已经建立，在开展交通调查工作与交通模型建立时，可充分考虑公交IC卡数据的使用(表2)。

表2 成都市公共交通IC卡刷卡记录及车辆GPS所含信息

2.4 手机信令数据

手机信令作为一种理想的交通信息感知技术，为居民出行信息提供了良好的数据基础。利用长期手机信令数据，可分析常住人口和就业人口分布、通勤出行特征、大区间OD、特定区域出行特征和流动人口出行特征等[10]。赖见辉[11]基于移动通信定位信息提出了基于模糊模式识别原理的居住地与工作地识别方法；黄美灵、陆百川[12]通过提出手机用户的起讫点位置信息，根据面积判断算法得到手机用户的OD信息。上海在第五次综合交通调查中首次将手机信令数据应用于全市性综合交通调查[2]，通过长时间跟踪记录移动通信数据(全市约6万个基站，中心城平均半径约130 m，郊区平均半径约360 m)，分析得到夜间、白天手机用户分布规律性特征、地下轨道车站客流换乘特征以及校核线手机客流穿越特征。

此外，手机信令数据表征的单个手机用户不同时段所处的地理坐标，其数据在交通规划中的应用也存在一定局限性：(1)难以判断手机用户的出行方式、出行目的；(2)利用手机信令数据反映传统定义需要一定的假设和推断，相关规则不明确；(3)数据粒度大，不能反映短距离出行。

2.5 超高频RFID电子标识

超高频RFID 技术利用电磁耦合来传递数据进行车辆识别[13]，当装有超高频RFID电子标签的车辆通过RFID读写器时，将会采集到车辆ID、通过监测点时间、车型代码、车牌归属地等信息，由此可以得到通过路段、交叉口等设施的车流量，并能进一步识别出车辆行驶路径(图2)。通过超高频RFID电子标签采集到的道路交通流量、出入境交通流量数据,主要用于交通模型中的机动车出行生成、出行分布和模型校验。

图2 超高频RFID电子标签系统拓扑结构及工作原理

重庆市应用超高频RFID技术建立覆盖全市约300万辆机动车和852个采集点的“重庆交通信息卡”系统(图3)。通过RFID技术采集到的交通数据，在出行分布特征分析和流量延误函数(VDF)做了相关的研究[14]。

(1)出行分布特征分析。利用通道上连续几个设有RFID读写器断面收集到的交通信息，通过车辆ID、通过监测点的时间等特征数据追踪车辆轨迹，分析各区段流量流向构成，发现整个通道贯通行驶的需求量非常少，不同区段的流量差异较大，从而得出了不同路段采用不同建设标准进行拓宽改造的结论(图4)。

图3 重庆RFID采集点分布

图4 快速路四横线(鹅公岩大桥)车辆路径识别

(2)交通分配中路阻函数的标定。通过整合分析“重庆交通信息卡”系统、出租车车载GPS、感应线圈和高清卡口的数据，研究流量与车速、密度与流量间的关系，实现交通分配中VDF函数的标定(图5)。

图5 重庆机场高速VDF函数标定

基于超高频RFID技术自动精确及动态信息采集的优点，在城市道路交通调查、出入境交通调查方面优势大，在交通生成、交通分布和模型校核阶段能够大大提高模型的精度和效率。目前成都尚未启动电子车牌试点工作，若电子车牌相关工作启动需同步建立信息平台，做好数据采集和存储。

4 对成都开展综合交通调查和交通模型工作的建议

大数据在交通调查与交通模型中是传统综合交通调查的有效补充，在交通基础数据获取、道路网络建立、职住分析等方面应用效果良好。在成都市开展综合交通调查和建立交通模型过程中，应在传统交通调查基础上充分考虑利用现有大数据资源，比如遥感、公交IC卡、浮动车GPS、手机信令、车牌识别等，融合多种数据反映城市交通问题。

(1)构建全市交通数据库。目前，成都市还没形成统一的交通数据库，各类交通数据分散在交委、交管、公交集团、地铁公司等多个部门，没有统一的数据接口和管理平台，在开展交通调查和交通模型工作过程中会存在数据壁垒。

(2)提前建立交通大数据的采集和存储机制。不同的交通信息感知技术在数据存储上都有各自不同的机制，比如视频数据会存储15 d,移动通讯数据在无需求的情况下不会进行存储。因此在综合交通调查开展初期，应根据调查方案和模型需求建立交通大数据采集和存储机制。

(3)形成关于交通大数据分析、缩样、扩样的技术思路和流程。通过各类交通信息感知技术获取的数据量虽然大，但从本质上说仍属于抽样调查，或者说分层抽样调查，如何科学扩样，是否需要先缩样后扩样，需要制定一套技术思路和流程。

(4)建立传统综合交通调查、交通大数据以及交通大数据之间相互校核的良好模式。为减小扩样过程中的误差，应以交通出行调查数据为基础，利用交通大数据挖掘技术对关键指标进行综合比对和校核。

[1] 王炜. 交通规划[M].北京：人民交通出版社，2007.

[2] 薛美根，陈欢，应俊杰. 基于城市交通大数据的上海第五次综合交通调查技术与方法[C]//2015年中国城市交通规划年会暨第28次学术研讨会论文集，2015.

[3] 何流. 交通需求预测模型的历史与展望[J]. 江苏城市规划，2014(4)：43-45.

[4] 新钶电子(上海)有限公司. 成都市交通信息数据中心信息采集子系统——基于浮动车技术的交通信息采集系统[R]. 2009.

[5] 管亚丽. 成都市出租车浮动车数据可靠性分析[D]. 成都：西南交通大学，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] 徐建闽，熊文华，游峰. 基于GPS和IC卡的单线公交OD生成方法[J]. 微计算机信息，2008，24(22)：221-222.

[8] 侯艳，何民，张生斌. 基于公交IC卡刷卡记录的居民出行OD推算方法研究[J]. 交通信息与安全，2012，30(6)：109-114.

[9] 张颂，陈学武，陈峥嵘. 基于公交IC卡数据的公交站点OD矩阵推导方法[J]. 武汉理工大学学报：交通科学与工程版，2014，38(2):333-337.

[10] 冉斌. 手机数据在交通调查和交通规划中的应用[J]. 城市交通，2013，11(1)：72-81.

[11] 赖见辉. 基于移动通信定位数据的交通信息提取及分析方法研究[D]. 北京：北京工业大学，2014.

[12] 黄美灵，陆百川. 基于手机定位的交通OD数据获取技术[J]. 重庆交通大学学报:自然科学版，2010，29(1)：162-166.

[13] 薛金银，张北海，李全发. 超高频RFID技术在智能交通领域的应用分析[J]. 中国交通信息化，2014(增刊):115-118.

[14] 吴祥国，余清星，韦翀. 大数据背景下重庆市综合交通模型维护升级[J]. 城市交通，2016，14(2):51-58.

管娜娜(1989～)，女，硕士研究生，助理工程师，从事交通规划与设计；宁怡旻(1985～)，女，硕士研究生，工程师，从事城市规划。

TU984.191

A

[定稿日期]2016-06-23