交通OD大数据研究

□ 文/赵闻宇

互联网+时代下，海量的交通大数据也随之产生，但数据本身不产生价值，如何分析和利用大数据对业务产生帮助才是关键。在不同的垂直行业，安防大数据的应用会有一定差异，就交通行业而言，可分为以下三个方面：基于地理信息系统的实时管控；基于车辆特征的技战法；交通指挥调度与动态规划。而今天所谈的话题“交通诱导”，则属于大数据在交通指挥调度与动态规划的一项应用。

目前在交通诱导方面的大数据应用多种多样，科达交通OD分析已经进行了相关实践，并取得了不俗的出成绩。

交通OD大数据分析的研究

车辆OD调查即交通起止点调查又称OD交通量调查，OD交通量就是指起终点间的交通出行量。“O”来源于英文ORIGIN，指出行的出发地点，“D”来源于英文DESTINATION，指出行的目的地。

车辆OD调查内容主要有起止点分布、出行目的、出行方式、出行时间、出行距离、出行次数等。由此可以确定车辆出行规律，车辆分布规律，为道路路网优化提供数据，建立居民出行量与车流量之间的换算关系。通过车辆出行的OD数据是进行城市综合交通体系规划与评价的基础数据。通过接入已建卡口前端设备和将要建设的RFID读写器，获取卡口过车信息、汽车电子标识读写器获取过车信息，采用分布式内存数据库技术存储车辆实时信息，建立基于流式内存技术大数据技术的实时交通OD分析模型。

大数据辅助交通流量诱导

实时分析计算5分钟，30分钟，1小时，1天，1周的某区域间的交通OD数据，以及各小区的交通发生量和交通吸引量。

将交通OD矩阵进行可视化展示，支持两种以上直观展示方式。

根据全局交通OD数据，结合重要区域间道路的交通流分配情况，实时分析判定区域内路网中各个主干道交通是否平衡。

根据新区的实时交通OD数据，以及路网中道路交通流的不平衡情况，结合交通信息诱导系统，进行区域交通流的全局诱导，缓解道路交通拥堵。

结合OD对中微观车辆的信息，实时分析重要区域间的车辆平均旅行时间、平均车辆速度，为交通信息诱导提供数据支撑。

实时分析高新区交通OD中公共汽车、出租车、货运车辆、小客车的各种交通方式分担。通过对现状和未来交通分析，为交通政策和交通规划中建立合理的交通分担关系提供决策。

根据实时和历史OD数据进行交通动态组织与优化管理，为道路改扩建、限行、禁货、客货大动脉疏导、安全保障措施(节假日)提供辅助决策。

交通OD实践案例

2018年，苏州交警部门会同苏州科达公司研发了OD系统。通过卡口数据的实时收集，联动分析区域间的车辆信息，形成实时的OD数据（即车辆起终点的数据），并通过将区域内的OD数据分类汇总后，形成关注区域间的OD数据，进而形成全市第一家能够灵活掌握两点间实时车流量的OD系统。

通过OD系统，一方面在大型活动管理时，可以实时监控各方向汇集到活动中心的流量，当某一方向的流量达到临界值时，立即启动相应的预案，采取分流管控措施，让车辆缓慢进入中心现场周边，避免出现大面积的交通拥堵；另一方面，可以将关注区域细化到每一个路口，形成路口与路口之间的OD数据，进行串联分析后，指导信号配时工作。

OD系统集成于苏州高新区特色的智能交通系统，自建设应用以来，全区道路交通延误、停车次数、行程时间均降低10%以上，交通指挥调度响应速度提升30%以上。全区整体交通基本达到有序、畅通、安全。