大数据支撑下的交通需求管理体系研究

熊 杰，陈 彪，李向楠，陈艳艳，郝世洋

(1.北京工业大学，北京市交通工程重点实验室，北京 100124；2.中国民航机场建设集团公司，北京 100101；3.中国建筑设计研究院有限公司，北京 100044)

0 引言

中国城镇化、机动化持续快速发展使得大城市交通供需失衡现象愈发严重，交通拥堵成为制约城市发展的瓶颈。解决城市交通拥堵问题已是提高居民生活质量、增强城市吸引力的关键。交通拥堵问题的实质是交通供给与需求不均衡造成的，主要表现为交通网络的空间与时间维度的不均衡。传统的解决方法主要是以供养需，是一种比较被动的方法，而交通需求管理是一种主动方法，侧重通过交通需求的具体引导、调节与管理，降低道路交通负荷，使交通供需回归平衡，达到缓解交通拥堵的目的。

自20 世纪末，中国许多城市先后兴起了对交通需求管理的探索和实践，大多通过价格策略、行政管制措施等统筹考虑综合的、让公众理解的交通需求管理方案。而城市在需求管理政策的制定与实施方面仍然存在诸多问题，表现为政策的针对性较差，行政管理手段过多，引导性、经济性、服务性的灵活的管理措施欠缺，缺乏从需求演变规律、公平性、经济性、公众可接受程度等多个维度的综合考量，导致政策只能在短期内发挥一定成效，可持续性不强。因此，迫切需要进一步挖掘出行需求特征与演变规律，丰富主动式的需求管理手段，并对政策的执行进行长期的跟踪评价和反馈优化，转变对交通需求的理解并提出适应的对策和措施[1]。

大数据、信息化的发展为城市交通研究提供了新的契机和科学的手段，也给交通系统带来了深刻变革，主要表现为信息采集从单一数据来源向多部门数据整合发展，数据分析从传统数据处理向大数据深度挖掘发展，决策支持从基础数据统计向智能化决策支持发展，信息发布从被动查询服务向全面、主动、个性化服务发展。交通信息服务模式的创新，极大影响了市民的出行习惯和出行选择，也催生了服务企业的新业态，进一步影响城市交通需求的时空分布，甚至会影响服务业布局和城市布局的调整。因此，利用大数据与信息化技术充分挖掘居民出行行为并探索需求演变机理，进而支撑交通需求管理政策的精准化制定并对其实施效果进行科学评价，是当前城市交通需求管理体系中尚待深入研究的关键课题。

1 交通需求管理概述

交通需求管理，从广义上说是指通过交通政策、管控措施与法规等的导向作用，促进交通参与者选择行为的变更，以减少机动车出行量、减轻或消除交通拥堵；从狭义上说是指为削减高峰时段一人乘车的小汽车通勤交通量而采取的综合性交通政策[2]。其实质是强调从源头上对人的出行需求进行引导和调控，达到交通生成与设施供应的平衡；强调精细地设计与配置交通设施资源；强调对交通结构的优化管理，减少对小汽车出行的依赖；强调促进公共交通优先与步行和自行车交通保障，引导人们睿智、高效、安全的出行。

在当前大数据与信息化技术迅速发展并不断向行业渗透的背景下，城市交通需求管理理论体系又有了较大的丰富和拓展，主要表现为：

1）政策制定的要素拓展。

城市可持续发展的关键基础设施是城市交通网络的构建和运行，而大数据支撑下的城市交通需求管理发挥着指导并调控城市交通网络构建和运行的重要作用。在交通需求管理政策的制定中，应综合考虑经济、政治、文化、社会、环境、技术等因素，界定可持续发展的交通需求管理政策的内涵，研究城市交通需求管理政策作为公共政策，在制定过程中的主体、客体以及政策制定的目标、过程、环境及依据，确保政策的科学性和可实施性。

2）需求管理体系趋向复杂性与系统性。

随着多源大数据采集、存储、挖掘等一系列技术的发展和交通信息化进程的加快，新形势下交通需求管理是一项系统工程。以促进城市可持续发展、调控交通网络运行作为政策目标，在经济、政治、文化、社会、环境、技术等因素的约束下，通过信息化手段、大数据处理分析技术支撑相应政策制定，输出以城市可持续发展为导向的交通需求管理政策。然后，根据数据反馈的网络运行结果与公众对政策的反应进行重新制定或者调整，建立政策制定及持续改进工作机制。最终建立基于系统理论的以大数据技术、信息化手段为基础的交通需求管理政策制定方法，具有多学科的复杂性和多维度的系统性。

3）决策依据与作用方式的改变。

新形势下的交通需求管理应充分借助大数据、信息化等技术深入挖掘居民出行行为机理、信息化时代下人的需求变化，以城市交通可持续发展为目标，从根源提出实现总量控制、出行空间均衡、出行时间调控、交通结构优化的长效发展策略等，充分发挥交通组织管理优势并引导供需，从而实现交通网络的精准化调控与匹配，改善整体交通网络运行效率。

2 大数据背景下的交通需求管理体系

2.1 大数据对交通需求管理的支撑作用

随着信息技术、通信技术、计算机技术等的快速发展，数字城市与智慧城市接踵而来，也直接推动了大数据时代的来临。在交通领域，传统的数据采集向电子化设备与高级应用转变，助力交通大数据的形成与发展。从传统的感应线圈和微波雷达等固定检测、基于浮动车的移动检测，向北斗卫星导航系统、智能手机、智能穿戴设备、IC卡等新型检测手段，以及集约的交通传感器布局和稳定的多源数据融合方向发展。交通大数据为出行需求感知、预测及精准服务提供了最基本的数据支撑，为解决城市交通供需不匹配问题提供了新方法，也是交通需求管理政策精准化制定与科学评估的重要保障。

目前，交通领域应用较广泛的数据源主要包括手机信令数据、公共交通IC 卡数据、浮动车数据、公共汽车GPS数据、线圈或视频检测器数据、网络众包数据等，结合先进的数据融合、存储、处理技术，可实现出行的多维度感知、出行机理分析挖掘、出行研判等支持交通需求管理政策制定的前期工作。

在交通数据感知方面，通过对海量多源异构交通大数据的处理、融合、挖掘，可以从宏观上掌握交通网络运行状态，并准确获取城市交通出行信息，如利用互联网+交通众包数据探查交通拥堵状况的时空分布，这些信息可帮助出行者合理制定出行计划达到交通自组织的效果，也可为政府制定路径诱导、错峰出行等方面的交通需求管理政策提供数据支持。另一方面，利用公共交通IC卡数据、手机信令数据等多源交通大数据可以从微观层面上提取个体门到门全过程出行链信息。通过对海量出行链信息的整合又可以进一步实现一系列出行需求分析，例如出行时空分布挖掘、通勤出行辨识、工作地居住地模糊识别等，其分析结果可从公共交通系统优化、城市功能布局等方面为交通需求管理提供支持。图1 为基于出行链数据得到的北京市公共汽车出行时间分布。

基于数据感知与需求分析结果，一方面可以实时掌握路网中各路段的供需平衡状况，并对当前交通网络服务水平进行动态评估，进而通过探查网络中的服务瓶颈点与瓶颈时段进行运营状况与运营态势分析，为城市交通的客观评价与持续改进提供重要的数据支持，也使交通需求管理政策的制定更有针对性；另一方面，基于大数据分析可进一步探索出行需求演变机理，具体可基于精细化人群或区域分类对不同类别的出行行为建模，结合多智能体仿真可对不同人群或区域实现在出行方式或路径选择上的精准预测，相关技术可以为交通需求管理政策实施后的效果预判奠定基础。

2.2 信息化对交通需求管理的影响

大数据与信息化关系密切，相辅相成，二者均为城市交通现代化发展中不可分割的重要组成。具体表现为：大数据是信息化的重要产物，其相关技术也是信息化发展水平的客观体现；而信息化则为大数据的产生与获取提供了众多技术平台。例如，通过IC卡交易系统可实时获取海量乘客的公共汽车、地铁刷卡数据，以便准确掌握公共交通出行需求；公共汽车GPS系统可以实时回传车辆的位置、速度等运行数据，为运营企业的实时监控、在线调度以及辅助决策提供支持；智能手机的普及使手机运营商掌握海量出行个体的位置信息，使门到门全过程出行链感知成为可能。

此外，随着信息化建设的深入，互联网普及率不断增长，人们的生活、工作以及交通需求也发生了巨大变化。互联网通过与交通行业或交通领域合作直接影响城市交通，例如，通过互联网+停车、互联网+网约车、互联网+车辆分时租赁等方式，使城市停车、租车、打车问题也得到较大改善；另一方面，互联网还可通过工作、医疗、教育、购物等活动对城市交通产生间接影响，通过客货流出行转化的方式有效控制出行需求，同时对出行目的地、出行时间、方式与路径选择均可能产生影响。表1 总结了信息化时代下的若干代表性互联网服务对出行需求的影响。

图1 北京市公共汽车出行时间分布Fig.1 Distribution of bus travel time in Beijing

鉴于信息化建设对出行需求的深刻影响，未来在交通需求管理中更应注重主动式信息服务对出行需求的引导作用，即充分依托信息化平台的大数据资源，通过互联网、呼叫中心、VMS 可变信息板、手机和PDA等移动终端、交通广播等视频音频装置为出行者提供安全、便捷、可靠的出行信息服务，让公众切身感受到交通信息服务的便利，同时科学引导出行需求，达到提升交通网络整体运营效率的目的。要实现上述目标，应该从定量层面深入探讨不同交通信息或信息服务方式对出行时间、出行方式和路径选择等方面的影响；此外，还应重点完善城市交通信息化的总体发展框架，最大限度地发挥其功能和作用，提升交通行业信息化管理与服务水平，最终实现信息资源的深度整合利用，促成信息化与交通需求管理的深度融合与协同发展。

表1 信息化对出行需求的影响Tab.1 The impact of informatics on travel demand

图2 传统交通需求管理体系框架Fig.2 Framework of traditional TDM system

2.3 大数据下的交通需求管理体系框架

2.3.1 传统交通需求管理体系

传统交通需求管理体系框架如图2 所示。一方面，通过人工计数、问卷调查的方法获取现有的交通数据，利用四阶段法等传统交通预测方法预测交通需求，进而指导城市交通规划、建设、运行，之后通过交通调查的方式回到传统交通数据获取；另一方面，基于小样本交通数据制定交通需求管理政策，调控交通需求，从而影响交通运行。

2.3.2 大数据下的交通需求管理体系

1）体系框架。

大数据下的交通需求管理体系如图3 所示。一方面，基于现有的交通运行状态，利用新技术收集动态交通数据构建多源化交通数据库，并利用多智能体仿真、深度学习等技术实现交通需求预测，从而指导当前多层次交通网络的规划与建设，最终实现多层次交通网络的构建与运行。另一方面，网络运行产生的动态交通数据既不断丰富了多源交通数据库，又可参与并实现多层次交通网络的实时评价。针对评价中出现的主要问题，有侧重地进行交通需求管理政策制定与预评估，而多源化交通大数据又对政策的制定提供了有力支撑，最终通过政策的实施实现多种交通需求的动态调整与滚动优化。

光谱衍射效率可以根据图的纵坐标的光强衍射强度与基准光强度的相对比值,可得到在特定波长下的光谱衍射效率,其计算公式为其中I0为原始光谱的总强度,I(为经衍射后的光谱强度,Imin为噪声强度[8]。运用MATLAB对衍射强度信息编程计算,最终得到光谱衍射效率,其部分光谱衍射效率如图9所示。

2）技术支撑。

为实现上述大数据下的交通需求管理体系，并指导城市交通网络动态运行及调整，需要一系列大数据处理挖掘技术作为支撑，目前研究较为广泛的技术有深度学习技术与多智能体仿真技术。

①深度学习技术。

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。例如，利用深度学习技术可实时分析城市交通量，利用时间序列法进行城市交通流的短时预测，从而调整信号灯配时、缩短车辆等待时间、提升城市道路运行效率。城市级的人工智能大脑可实时掌握城市道路上通行车辆的轨迹信息、停车场的车辆信息以及小区的停车信息，能够提前预测交通量变化和车位数变化，合理调配资源、疏导交通，实现机场、火车站、汽车站、商圈的大规模交通协同调度，提升整个城市的运行效率，为居民畅通出行提供保障。

②多智能体仿真技术。

多智能体系统是指至少由两个或两个以上智能体组成，在资源有限的情况下，智能体之间、智能体与环境之间通过相互交互、协商、合作共同完成单个智能体无法完成的既定任务的系统。由于在同一个多智能体系统中各智能体可以异构，因此多智能体仿真技术对于复杂系统具有无可比拟的表达力，它为各种实际系统的研究提供了一种统一的框架和模型，因而可完成大的复杂系统的作业任务。多智能体仿真技术具有自主性、分布性、协调性，并具有自组织能力、学习能力和推理能力。采用多智能体系统解决实际应用问题具有很强的鲁棒性和可靠性，并具有较高的问题求解效率，其应用领域十分广阔，具有潜在的巨大市场。目前，多智能体已经用于智能机器人，网络自动化与智能化，协调专家系统、交通控制和分布式智能决策等多个领域的研究和应用中。

相对于传统的建模方法，复杂系统多智能体建模方法能够更好地表征交通系统的复杂性和适应性；采用自下而上的模拟方法，注重对系统中个体行为的模拟，更接近现实；可以考察不确定条件下的出行者决策特征。近年来，智能体仿真技术作为一门新兴的技术，在交通领域中的应用越来越广泛：一方面是利用多智能体系统的思想将一个交通系统进行任务分解，形成多个智能体组成的系统，然后由各个智能体交互、协商共同完成复杂系统的任务，以达到系统的效益最优，一般用于区域控制、诱导系统等；另一方面应用是对交通行为个体进行建模，进而模拟交通流。在对交通个体行为进行分析时，通常情况下会结合微观交通仿真工具来驱动智能体模型。通过引入智能体仿真技术，可以有效提高仿真系统的真实性和可靠性，从而更好地为研究者提供有价值的数据和良好的仿真环境，更能满足研究者的需求。

3 大数据与信息化背景下的交通需求管理政策制定

3.1 政策制定思路

图3 大数据下的交通需求管理体系框架Fig.3 Framework of TDM system under big data

在具体政策制定与实施过程中，制定者由具体问题出发，对不同区域与不同类型的出行者分别制定管理目标以实现精准化的政策调控，管理目标仍可基于总量控制、分布调整、空间与时间调控、结构优化等维度确定；进而根据不同维度目标，建立相对应的需求管理措施并生成措施集合；在经过方案初筛后，政策制定者利用大数据对筛选后的方案进行实施前预测、比选，确定实施方案；最后基于实施后的交通大数据，对交通需求管理政策进行事后评估，同时根据评估结果滚动调整交通需求管理政策。

3.2 各维度的具体策略制定

从城市交通需求产生机理可以看出，人的出行活动具有一定的弹性和可塑性，其具体程度由出行者属性与出行活动属性共同决定。前者指出行者的性别、年龄、职业等，后者指出行起讫点、出行目的、出行时间、选择路径等[4]。交通需求管理政策制定的主要出发点就是利用出行的这一特性，针对出行的不同维度与不同属性的出行者制定合适的需求管理策略，达到对出行行为进行更有针对性的差别化干预和引导的目的，更好地实现交通供需在空间与时间上的平衡。具体来讲，可以从5 个维度对出行进行人为干预和引导，并研究制定相应的交通需求管理政策。

图4 大数据支撑下的交通需求管理政策制定思路Fig.4 Policy-making in TDM under the support of big data

1）出行总量控制维度。

在城市交通需求的总量控制方面，从长远角度，应坚持贯彻“以公共交通为导向的开发(TOD)”的城市发展理念，对用地进行合理规划、布局和调整；从中短期角度，目前许多城市施行的小汽车摇号、尾号限行等政策均属于该维度范畴。值得一提的是，现阶段还应充分利用信息化背景下的互联网+思维，结合个体出行目的对出行需求进行有针对性得调控，从而消除或转移不必要的出行需求，达到控制出行总量的目的。具体措施包括提倡家庭办公、在线教育、电话会议，发展网上购物、远程医疗等。

2）出行分布调整维度。

该维度旨在通过城市TOD 布局规划、一定程度上的混合土地利用以及建立多核心城市等手段调整居民出行分布，尤其是通过产业布局调整通勤起讫点分布，达到缩短居民出行距离的目的。城市布局形态调整是该维度实施中的重点，具体包括人口布局、岗位分布、经济产业布局、土地功能布局等，因此涉及的城市数据众多，且一般为静态数据。随着大数据时代的推进，未来的工作重点应着眼于各项数据的整合，并融合信息化手段进行科学规划，尽可能达到使出行需求分散化、均匀化、就近化的效果；同时能够准确识别相对集中且长距离的出行需求，有针对性地配置快速公共交通资源，使调整交通需求分布与优化交通结构相结合。

3）出行空间均衡维度。

该维度指通过对路径诱导、信息推送等手段对出行路径进行引导，使出行需求在路网空间上达到均衡分布的效果。该维度研究基于对网络运行状态的实时监测和交通信息的准确把握，强调主动式信息服务技术、大数据处理学习下的路径优化决策技术以及可视化技术。具体措施包括路况信息推送、VMS 信息发布策略、智能化路径推荐、控制与诱导协同、区域拥堵收费等。

4）出行时间均衡维度。

该维度的核心即引导居民错峰出行，并辅以必要的信息服务。与空间均衡维度类似，时间均衡维度也要以网络运行状态的实时监测与出行动态感知为基础，并需要基于大数据深度挖掘的网络旅行时间短时预测技术，为公众的错峰出行提供科学准确的信息与决策支持。具体措施有弹性上下班、信息预测与推送、分时段拥堵收费等。

5）交通结构优化维度。

交通结构优化维度对应出行需求中的出行方式或方式组合选择，强调运用价格策略、激励措施等引导出行者改变出行方式，从而达到优化交通结构、提高出行共享水平、平衡道路资源分配、提高社会公平性的目的。该维度的相关研究较多，涉及的理论与技术也较为广泛，其核心思想为提升公共交通服务水平、保障步行和自行车交通发展、倡导公共交通优先与绿色出行，与此同时增加小汽车拥有与使用成本。该维度下的代表性技术主要包括公共汽车线网优化布局调整、综合交通系统一体化、公共汽车智能化调度技术等，涉及的优化决策技术均需以大数据为基础，以准确感知海量个体全过程出行链为前提，以信息化手段为支撑。具体措施包括公共交通系统优化、智能化调度、HOV政策、多种交通方式衔接、停车收费等。

交通需求管理的五维度研究内容见表2。从中亦可看出，大数据与信息化技术在5 个维度中几乎均有所涉及和渗透，对精准化需求管理相关策略的制定起着重要的支撑作用。值得注意的是，5 个维度并非相互独立，而是存在交叠，即某项需求管理措施也可能对应多个维度。例如拥堵收费政策可影响出行者的出行路径选择，进而在出行空间均衡维度上作用于交通需求管理，但该政策也可能使出行者放弃小汽车出行甚至放弃出行，从该层面上讲，该政策可同时属于交通结构优化维度或出行总量控制维度。另一方面，5 个维度之间亦存在相互关联与影响，例如对出行总量进行控制又可能改变出行者的出行行为，并进一步影响个体在路网空间与时间上的分布效果。因此，对于上述维度的研究不可独立进行，而是要从系统科学的视角充分挖掘各维度之间的相互作用关系，并以大数据为支撑、信息化为手段，不断实现路网供需的动态平衡。

4 大数据支撑下的交通需求管理政策绩效评估

4.1 绩效评估分类

考虑到每一项交通需求管理措施都有其自身的特点，不应仅从效益方面进行专项评价，应选择多个角度对交通需求管理措施的绩效进行综合性评估。按照评估的内容可以划分为实施效益评估、成本评估、公平性评估、可接受性评估四个方面[5]。

实施效益评估指评估交通需求管理措施满足居民出行需求、改善道路网络运行质量的程度，具体反映为出行总量变化、出行分布改变、出行方式变化和出行资源优化等，其中每一种变化受交通需求管理措施影响的程度不尽相同，但都有相应的效益指标来体现。实施成本评估通常以居民出行平均费用为指标，该费用可理解为出行全过程涉及的广义费用，包括内部费用(如机动车运行费用)、外部费用(如出行时间费用、空气污染费用、延误费用、事故费用)、社会费用(如由于交通结构变化而节省的道路建设费用)，评估时应针对各种交通需求管理措施的特点进行具体分析。公平性评估主要指对公共资源与机会的合理分配的评估，评估对象主要包括构建交通系统所耗费的公共资源(如税收、土地资源)，以及交通活动产生的外部效应(如噪声、空气污染、交通事故)对社会、自然环境以及人身安全的公平性影响；此外，公平性评估还包括人们获取公共服务能力的差异化程度、对弱势群体移动能力的保障等方面。可接受性评估指拥有不同属性的出行者对各项交通需求管理政策的接受程度，在保证整体利益的情况下尽可能使个体利益不受到损害是该项评估的关键。

表2 基于5个维度的交通需求管理研究内容Tab.2 Research contents of TDM in five aspects

值得一提的是，近年来对于交通需求管理政策的绩效评估理念正在由传统的交通规划视角向可持续性城市移动规划视角转变。其核心表现为规划视角由交通转向人的移动，并由此带来规划目标、规划思想、规划成果以及评估手段的一系列变化[6]。同时，可持续性城市移动规划也提出打破基于行政管理的边界，注重以多方参与和多部门决策协调的方式制定服务于人的实际活动的策略，并且还需要建立定期监测、评估和报告规划实施效果的制度以适时启动规划完善程序。可持续性城市移动规划可从移动能力与水平、参与社会交往能力、弱势群体移动能力保障、发展交通的成本等四方面进行度量，具体包含近20 项度量指标，同时也提倡用尽可能少的交通提供更多的移动性和更好的服务。可持续性城市移动规划的出台和应用体现了社会进步对城市交通需求管理内涵的推动作用，同时也给城市交通提出了服务于居民生活质量、社会福利等更高层次的目标。

表3 绩效评估指标体系及大数据可行性分析Tab.3 Performance evaluation system and big data feasibility analysis

4.2 大数据对绩效评估的支撑作用

随着数据获取技术的发展与交通运行监测服务水平的提升，交通需求管理政策绩效评估指标体系也不断发展完善，越来越多无法通过传统算法计算得到的动态交通运行指标不断被纳入评价指标体系，而依托于大数据的支持，这些指标的实时量化已成为可能。在需求管理政策的绩效评估阶段，经常被利用的交通大数据可以分为七类：1)手机信令数据；2)IC卡数据；3)道路线圈与浮动车数据；4)环境监测数据；5)交通事故数据；6)视频数据；7)舆情大数据(众包数据、网络问卷)；8)城市静态数据(人口分布、岗位分布、土地布局等)。各项评估指标及相应的数据支撑情况如表3所示。

值得注意的是，表3 中的很多指标是作为反映需求管理政策绩效成果的体现，并非简单的物理量，因此不能片面地总结其数值大小、交通网络构建与运行情况的好坏，而是应该在实践中针对具体城市进行具体分析，不断寻找并调整符合当前城市具体情况的最佳指标值。

同时，由表3 也可以看出，当前交通大数据可有效支撑交通需求管理政策评估中各项绩效指标值的获取。互联网+时代下先进的技术能够实现交通大数据的实时采集，依托分布式海量大数据处理平台Spark，Hadoop，Storm 等能够实现交通大数据计算的高效率，构建城市交通大数据平台，从而实现多层次城市交通网络的实时评价，指导交通需求管理政策的动态制定和滚动优化。

5 结语

城市交通问题的本质是由交通供需关系的不平衡导致的，受城市土地、能源等方面的制约，交通管理政策的制定思路已由传统的以供养需转向对出行需求进行人为诱导与调控。大数据和信息化的发展与行业渗透为精准化交通需求管理政策制定提供了契机和新的解决思路。通过对大数据的融合、处理、挖掘与深度学习，可以准确感知并预测城市海量个体的出行需求。本文针对出行需求特征从出行总量控制、出行分布调整、出行空间均衡、出行时间均衡以及交通结构优化5 个维度进行交通需求管理研究，从而完善大数据支撑下的交通需求管理体系框架。在政策评价阶段，强调结合大数据技术实现多层次交通网络动态绩效评估，为新常态下的交通需求管理政策制定提供技术支持，实现基于大数据的交通需求管理政策动态调整与滚动优化。