泛在测绘及其在城市交通领域的典型化应用

王庆国，罗　晶，张昆仑，何海琦，刘晨林

(武汉科技大学汽车与交通工程学院，湖北 武汉 430081)

随着城市的发展繁荣和城市化进程的持续推进，城市的交通量正快速增加。目前的城市交通，尤其是中心城市的交通，普遍表现出拥堵日趋严重、通行成本明显增加、交通事故频发、交通状态恶化、道路通行能力不断下降等问题[1-2]。这些问题不仅严重阻碍了城市交通系统运输效能的提升，也给交通管理和城市发展带来巨大挑战。为了有效应对日益突出、尖锐的城市交通问题，实现城市的可持续发展，必须依托科技进步，提升交通规划、决策和管理水平，提高城市交通的应急能力，并尽可能提供各种精细化和个性化的交通服务等。

当前，在信息化发展的背景下，城市交通系统的规划、运行、管理和服务等，都离不开交通信息系统的支持；城市交通问题的解决也在很大程度上依赖于城市信息化水平的提升。在交通信息系统中，交通信息数据是进行决策、管理和服务的最基础性支撑。系统作用的充分实现在极大程度上依赖于系统对城市交通及相关信息数据的全面、完整、实时、动态的采集和处理能力，以及及时响应的能力。

但城市的交通系统，尤其是大城市的交通系统，是一个庞大而复杂的系统，具有广泛的社会关联性，这使得城市交通信息系统所涉及的信息数据复杂多样。既有城市交通运行和管理直接产生的数据，也有气象、环境、人口、规划等相关行业和领域的数据；既涉及政治、经济、社会等领域重大活动相关的数据，也涉及公众互动提供的数据等，这些都会对城市交通的运行和管理产生直接或间接的影响[1]。另一方面，交通问题又是一个与时空高度关联的问题，具有很强的时空依赖性和时空分布规律特性。对交通及其关联的事件、现象、活动和状态的描述分析，必须与其发生和存在的时空位置相结合。因此，城市交通信息数据采集中的一个不可或缺的部分就是交通时空位置数据采集。基于交通时空位置数据可以分析挖掘城市交通问题的时空分布规律，这对于有效应对和解决日益突出、尖锐的城市交通问题具有重要的基础性意义。

含有空间位置和时间标识的地理和人类社会信息数据即为位置数据[3]。对时空基准的确定和位置数据的采集与处理，是测绘学科研究的经典的核心问题。但是传统测绘由于技术手段的局限，主要针对静态的位置数据采集，而且效率相对低下，难以反映实时和动态的状态变化。而交通系统状态是实时动态变化的，对许多重大交通事件、现象、活动和状态，还需要作出及时的响应或干预，这就要求具备对交通时空状态信息进行实时采集和处理的能力。

近年来，在测绘信息化发展的基础上，随着实时信息获取、移动互联网、物联网、大数据、云计算等新技术的快速发展，以及移动定位设备的普及应用，以提供实时、泛在、智能、多维空间位置信息服务等为主要内容的泛在测绘新形式逐步形成，并日益深入到人们生活的方方面面[3-6]。泛在测绘的发展为时空位置数据的实时动态采集和处理提供了新的技术手段和技术形式。

1　泛在测绘的特征分析

刘经南院士将泛在测绘定义为用户在任何地点、任何时间为认知自然和社会环境与人的关系而创建和使用地图的活动[3-5]。相较于传统测绘，泛在测绘具有许多新的典型特征。

首先，泛在测绘的软硬件技术平台相较于传统测绘发生了明显变化。

传统测绘更多的是借助水准仪、全站仪和GNSS等专用的测绘仪器设备进行静态的位置数据采集。而泛在测绘则采用卫星定位技术、移动通信基站定位技术、室内感知定位技术等实时位置获取技术，以及大量的无线移动定位设备和智能传感器等，进行位置等多重信息的实时感知获取，并借助实时的信息表达技术、融合的信息处理技术，以及信息基础设施的技术和高速的信息传递技术等[4]，进行信息的实时传输、分析、处理、表达、共享和服务等。

其次，泛在测绘表现出明显的去专业化特征和显著的泛在特征。

在传统测绘背景下，测绘工作只能由专业的测绘技术人员采用专业的设备和专业的方法来完成。而在泛在测绘背景下，随着各种实时信息获取技术、移动定位设备和智能传感器等的普及应用，除了专业的测绘技术人员，广大公众也能成为时空位置信息的生产者和服务的提供者。借助互联网、移动互联网、传感器网、物联网等泛在网络，人们还可以开放共享自己的位置，并让更多的人感知到与自身位置相关的诸如交通状况、气象状况、人群活动状态、公众服务等信息，突破时空的约束，提供一种实时泛在的位置信息服务，走入社会的各个角落，并深入到人们生活的方方面面。在去专业化的基础上，泛在测绘表现出显著的泛在特征。这种泛在特征大致可以归纳为时空测绘对象的泛在化、时空信息测绘活动的泛在化、时空信息处理的泛在化，以及时空信息服务的泛在化几个方面。

然后，位置数据的社会属性价值日益凸显。

传统测绘主要是对地表空间的自然形态、地理要素和人工设施等物的测绘，位置主要被作为地物的一种几何特性看待，强调的是位置数据的几何精确性。而在泛在测绘中，除了对物的测绘，还有对人的活动的测绘，更强调以人为本，以用户为中心，强调对人的表达，对人与人、人与物、人与环境的关系表达。“位置”已经不再是一个由地理坐标和时间构成的四维概念，“社会性”成为其重要属性。基于泛在测绘产生的位置大数据，成为大数据研究的重要组成部分。通过位置大数据，可以感知人类个体和群体与自然环境和社会环境的关系，识别社会个体的行为，分析挖掘群体社会交互特征和规律，进而引导个体社会行为，支持社群的互动、沟通和协作[7-8]。在泛在测绘的背景下，位置数据的社会属性价值日益凸显。

最后，位置信息服务的功能更加拓展。

以泛在测绘为基础，形成了泛在的位置信息服务，这成为当前信息服务业的新兴业态和重要组成部分[5]。而且，在日常生活中，人们要的位置服务是生活的服务，是社交服务，不是单单位置本身。人们不再简单地关心某个地物的坐标，而更关注这个坐标的地名地址，以及在这个位置上有什么、发生过什么、正在发生什么、将会发生什么等信息[9-10]。同时，这种位置服务需求随着用户位置的变化而实时变化，随着用户兴趣点的变化而实时变化，随着用户需求的变化而实时变化。因此，在泛在测绘背景下，位置信息服务已从单纯的定位服务转变成具有社会化、本地化和移动性的新型形态[11]。泛在位置信息服务的对象已涵盖了各级政府、各行各业和普通大众。

由上可见，泛在测绘是在实时信息获取、实时信息表达、融合的信息处理，以及高速的信息传递等技术基础上发展出来的一种以提供实时、泛在、智能、多维空间位置信息服务为主要内容的新型技术形式和业态形式，既深化了传统位置数据的内涵，也拓展了传统位置服务的功能。

2　泛在测绘在城市交通领域中的典型化应用

2.1　平均行车速度与交通量的估计

平均行车速度与道路交通量是表征道路交通运行状态的重要指标。实时准确获取不同道路的平均行车速度和道路交通量，对于实现交通的精准调度和管控具有重要意义。但是，这些交通状态数据是一种典型的时空数据，随时段和路段的不同存在明显差异。传统的方法主要借助人工调查，或是固定位置的传感器等进行数据采集，然后通过后处理来获取相关的交通状态信息。很显然，传统方法适用范围窄，难以进行大范围同时相交通状态数据的实时获取与分析。

在泛在测绘背景下，随着智能传感器、无线移动定位终端和无线通信系统的普及应用，可以通过车载设备构造动态传感器网络。当车辆在道路上行驶时，就像是一个移动的传感器，能够将车辆的时刻、位置、方向等数据，实时地传送到信息中心，并通过相应的分析处理算法和模型，进行全面的交通流分析和交通状态估计。

理论上讲，若每辆车都配备了车载智能传感器，则通过对所有车辆运行信息的统计分析，就能够实时获取整个路网的交通状态信息。但由于目前车辆的传感器配备尚未实现全覆盖，实际数据不完备，因此还只能基于样本数据计算。

考虑浮动车具有出行率和城市道路覆盖率高等特点[12]，本文以浮动车为例，介绍平均行车速度与道路交通量的估计方法。

对于单台浮动车，当其运行时，通过装载的GNSS定位设备，就可以按照一定的时间间隔记录对应时刻的车辆位置信息。通过位置信息，可以内插出车辆的行使轨迹，并与电子地图进行匹配。通过对浮动车运行状态的分析，可以挖掘出道路的交通运行状态。

假设在某一路段上，某辆浮动车的GNSS采样时间间隔为Δti，共有n个采样点，通过每一采样时刻记录的位置，可以计算出两相邻采样时刻之间的距离di，进而可以计算出该车在该路段的平均速度为

(1)

如果该时段在该路段上有m辆浮动车同时运行，则通过每辆浮动车的平均速度，就可以更为精确地计算出该时段该路段的平均行车速度为

(2)

根据文献[13]，车辆的行车速度V与车流密度K之间呈负相关关系，经典的关系模型如下

(3)

式中，Vf代表路段车流密度K=0时的畅行速度，取值近似为道路的限行速度；Kj为交通完全堵塞即V=0时的交通密度，可以根据单位路段长度与每辆车平均占用的车道长度(车身长度加上一定的车间距)之比估算出来。由此，当平均行车速度V被计算出来后，根据式(3)，可以估算出路段的实时车流密度为

(4)

相应的，设路段长度为L，则可以估算出该路段的实时交通量Q=KL。根据各路段的平均行车速度和交通量，就可以对各路段的交通状态作出实时准确的评估。

2.2　交通热点的实时获取

交通热点指交通流强度大、人员往来频繁密集的区域和时段。虽然通过对交通历史数据的统计，可以对城市交通热点的一般区域和时段作出大致判断，但是这种判断只是一种统计意义上的分析结果，而不能对交通热点作出实时的精细判断。而且，在现实生活中，存在许多由一些突发性事件或非常规性活动造成的交通热点，特别是由一些重大灾害造成的严重交通热点等，还需要作出及时响应。这些交通热点仅仅通过交通的历史数据无法作出分析判断。

以泛在测绘为基础，通过对多种实时定位技术手段的应用和相关数据的实时获取与分析，就可以对交通热点路段进行实时提取。

例如，通过浮动车的运行状况对路段交通运行状态的估计，可以对各路段的实时交通状态作出判断。当然，由于浮动车数量有限，以及车载GNSS系统在城市空间中容易受到信号遮挡，导致信号丢失或定位精度差等问题，单纯的基于浮动车技术进行路段实时交通状态的评判还不够。

而在当前泛在测绘的技术形式下，还包含许多新型定位手段，如基于无线移动通信基站的定位、手机的QQ或微信等登陆地址的记录定位、公交卡刷卡数据的记录和定位等，都可以从不同侧面提供交通的状态信息[14]。

目前，百度地图等在融合了多种定位技术方法的基础上，都已经能够提供较为精细和准确的实时路况状态信息。从这些状态信息中，就可以实时提取各交通热点路段。

2.3　交通诱导服务

随着新型交通信息采集技术和大数据分析处理技术的发展，为了实现现代交通的更有效管理和交通流的优化，道路交通管理控制越来越追求过程的主动化和动态化。其中，交通诱导服务作为一种新型有效的手段，越来越受到重视。

从服务过程看，交通诱导服务包括出行前诱导和出行中诱导。出行前诱导是在用户出行前，系统通过对道路网络信息、公交网络信息、交通状态信息等汇总分析后，根据用户的出行需求，向用户发送当前路况、推荐出行路径和出行方式等诱导信息；出行中诱导，是在用户出行过程中，根据交通系统状况的实时变化，对先前的诱导信息不断进行调整，发布路径导航、道路拥堵、停车等信息，对用户出行进行动态诱导[1]。

显然，无论哪种交通诱导服务形式，诱导服务系统都必须能够实时准确采集处理交通状态信息，并根据用户的出行需求，向用户发送当前路况信息和交通系统状态的实时变化，向用户推荐出行路径等。因此，交通诱导服务的实现离不开泛在测绘技术的支撑。

以出行路径的选择为例，如图1所示，要选择一条从起点1到终点2的最佳路径。传统的方法主要基于道路网络的几何分析，把1、2两点之间的最短路径作为两者之间的最佳路径，如图1(a)所示。很显然，把最短路径作为最佳路径，无所谓起点和终点的差别。但是，如果考虑各路段在不同行车方向的实时路况信息，以车辆的实时平均行车速度为依据，以到达时间最短的路径为最优路径，则计算出来的1、2两点之间的最优路径不再是两点之间的最短路径，而且最优路径与行车方向也直接相关。如图1(b)与(c)所示，就是考虑了各路段的双向实时路况信息，在ArcGIS软件平台上，通过网络分析，计算出不同状态下的最优路径。

3　结　语

泛在测绘是伴随着移动互联网、物联网、大数据、云计算等新技术的发展而出现的一种以提供实时、泛在、智能、多维位置信息为主要内容的新的技术形式和服务形式。泛在测绘的发展为解决城市交通领域存在的许多问题提供了新的方法和技术的支持，开辟了位置大数据和位置信息服务在交通领域的新的应用方向和前景。但同时城市交通问题是一个相当复杂的系统问题，不可能随着某种新技术形式的出现就可以得到彻底解决，也不存在一劳永逸的解决方法。

图1　1与2之间的路径选择

参考文献：

[1] 何承，朱扬勇.城市交通大数据[M].上海：上海科学技术出版社，2015.

[2] 邹德慈.论大城市交通问题——以北京为例[J].城市规划，2010，34(2)：78-79.

[3] 刘经南，方媛，郭迟，等.位置大数据的分析处理研究进展[J].武汉大学学报(信息科学版)，2014,39(4):379-384.

[4] 刘经南.泛在测绘与泛在定位的概念与发展[J]．数字通信世界，2011(4)：28-30.

[5] 刘经南.大数据与位置服务[J].测绘科学，2014，39(3)：3-9.

[6] 王庆国，刘汉丽，陈伟，等.测量学与GIS课程一体化教学内容体系的构建[J].测绘通报，2016(11)：141-143.

[7] 郭迟，方媛，刘经南，等.位置服务中的社会感知计算方法研究[J].计算机研究与发展，2013，50(12)：2531-2542.

[8] 郭迟，刘经南，方媛，等.位置大数据的价值提取与协同挖掘方法[J].软件学报，2014，25(4)：713-730.

[9] 李德毅.大数据时代的位置服务[J].测绘科学，2014，39(8)：3-6.

[10]高慧君，蒋波涛.智慧的空间位置[M].北京：测绘出版社，2014.

[11]刘经南，郭迟，彭瑞卿.移动互联网时代的位置服务[J].中国计算机学会通讯，2011，7(12)：40-50.

[12]唐炉亮，常晓猛，李清泉.出租车经验知识建模与路径规划算法[J].测绘学报，2010，39(4)：404-409.

[13]王炜，过秀成.交通工程学[M].南京：东南大学出版社，2011.

[14]陆化普，孙智源，屈闻聪.大数据及其在城市智能交通系统中的应用综述[J].交通运输系统工程与信息，2015，15(5)：45-52.