简介:关于本文可作为相关专业数据交通论文写作研究的大学硕士与本科毕业论文数据交通论文开题报告范文和职称论文参考文献资料。
文 \ 张品立 \ Zhang Pinli \ 上海城市交通设计院有限公司
导 读：城市交通系统中的交通流具有自适应性、动态、随机、反馈、多行为主体、非线性等基本特征,因而大城市的出行需求和机动车的急剧增长所带来的严重交通拥堵问题,就会严重影响居民的日常生活,成为制约城市发展的瓶颈.传统的交通管理模式已经无法满足现代交通需求,智能化交通系统的发展,加上大数据技术的应用,促进了交通规划方式和管理模式的变革.如何让大数据发挥价值,并有效应用于交通的监测和监管中,还需要在后续过程中不断进行优化和完善,以及数据处理能力上的不断投入.
关键词：智能交通；管理方式；环境监测；仿真系统
DOI:10.3969/j.issn.1674-7739.2015.06.013
一、城市交通现状
近年来,随着我国经济快速增长和城市化进程加快,城市人口和车辆不断增加,城市交通面临着越来越艰巨的任务,交通拥堵、交通安全和环境污染问题日益受到人们的重视.
城市交通系统是由道路系统、流量系统和管理系统组成的一个典型的开放的复杂系统,城市交通系统中的交通流具有自适应性、动态、随机、反馈、多行为主体、非线性等基本特征.随着城市规模的不断扩大,人口在大城市中大量聚集,机动车数量快速增长,使得城市交通需求激增,城市交通矛盾因此越来越突出.
(一)出行需求和机动化出行比例不断提高
随着城市常住人口和流动人口的不断增加,以及城市规模的扩大,居民的出行总量和出行距离不断增长.出行距离的增加,导致机动化出行比重增高.步行和脚踏自行车方式持续向机动化方式转移,如上海市所有出行中,机动化（含轨道交通、公共汽电车、大客车、出租车、社会小客车、摩托车等）出行比重从2009年的40%上升到2014年的45%,其中小客车比重为16.7%.[1]
(二)交通供需矛盾不断突出
大城市出行需求和机动车的急剧增长带来了严重的交通拥堵问题,严重影响了居民的日常生活,成为制约城市发展的瓶颈.主要表现为：出行时间拉长,出行效率下降；高峰时间公共交通车辆严重拥挤；干线道路交通量集中,导致主要节点堵塞；道路网应变能力差,遇事故极易引起大范围交通瘫痪等.
近几年,上海市年均道路长度和道路面积增长率约为2%,而小汽车保有量年均增长13%,有限的道路资源跟不上机动车的飞速增长.通过车牌管理抑制小汽车保有量过快增长,一定程度缓解了交通拥堵,但积累了刚性需求,雪球越滚越大.从2011年至今,轨道交通和地面公交线路长度分别增加114公里和1087公里,新辟150余条“最后一公里”线路,公共交通吸引量增加了105万乘次/日,仍难满足每年百万出行量的增长需求.[2]
早高峰时段穿越外、中、内三环的公共交通潮汐现象逐环提升,不均衡系数分别是1.43、1.46、1.48,向心特征显著.轨道交通进中心城客流明显高于出城客流,平均不均衡系数从1.42（2011年）增加到1.45（2014年）,潮汐现象进一步加剧.其中1号线通河新村～共康路断面早高峰进中心城客流是出城的近5倍；9号线星中路～七宝断面早高峰客流进城是出城的4倍多,7号线和8号线等多条线路高端面满载率超100%.
沪牌小客车达219万辆,长期在沪使用的外牌小客车近100万辆,上海市实有小客车总量近320万辆,造成居住区夜间停车矛盾日益突出.上海市居住区配建停车位为179万个,居住区夜间停放需求为290辆,配建缺口为38%；中心城居住配建为64万个,居住区夜间停放需求为133万辆,配建缺口达52%.
(三)交通带来的环境问题日益严重
交通运输业是继工业和建筑业之后的第三大排放源,城市交通的碳排放在城市整体的碳排放结构中占据较高的比例.近年来随着城市机动化水平的提高以及交通运输业对油品的消耗较大的用能特点,城市大气环境污染严重,环境质量每况愈下,所带来的环境问题也越来越严重.另外,交通噪声对居民的影响越来越严重.近年来,在我国环境投诉案件中,噪声投诉的比重正逐年提高,在特大城市已经高达40%以上,交通噪声的影响已经从单纯的环境问题逐渐发展成为社会问题.[3]
社会经济飞速发展,人们的生活水平提高,机动车的数量呈现出逐年大幅度增长的趋势.车辆的增多和各地间交流的日益频繁,为交通带来了巨大的压力,交通管理工作难度增加,交通堵塞问题严重.传统的交通管理模式已经无法满足现代交通需求,智能化交通的系统的发展,加上大数据技术的应用,促进了交通规划方式和管理模式的变革.
二、交通大数据
(一)大数据概述
随着世界各国对“ 大数据” 关注度的提高,越来越多的企业参与到大数据的竞争中来,大数据的应用范围不断扩大,其所蕴含的内容价值也得到进一步的开发和利用.2012年大数据由技术圈进入了主流市场,因此被认为是大数据发展史上一个重要年份.互联网和信息化技术的发展进步导致了数据量的极速扩大,产生各种大而且复杂的数据集的集合体,推动着我们进入大数据时代.海量数据和智能算法的结合使数据生成新的价值,为企业提供新的商机,也为交通规划和管理工作提供新的可能.
大数据是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合”,业界通常用4个V(即Volume、Variety、Value、Velocity)来概括大数据的特征.第一,海量.一般来说大型的数据集多为TB级,而大数据的数据集普遍为PB级,甚至达到E B级.第二,多样.大数据中的数据不仅包括传统的结构化数据,还包括半结构化数据和非结构化数据,如视频和图片等,数据呈多种类型增加了大数据的复杂性.第三,价值.价值密度低,应用价值高.价值密度的高低与数据总量的大小成反比.第四,速度.
数据具有实时性.虽然大数据中的数据量非常大,但当用户将数据需求提交上来后,大数据即可自动对相关的有价值的信息进行提取.大数据采用与传统的数据采集不同的挖掘技术,因此在数据的处理速度上非常快.如何通过强大的算法更迅速地提炼数据的价值,成为目前大数据背景下需要解决的难题.[4]
由于智能交通系统以信息化技术进步,产生了“海量”的数据和“多样”的类型,导致已有的数据处理模式效率降低,推动了“高效”的大数据算法和处理技术的发展,最终实现从大数据中挖掘“价值”的目的.
(二)交通大数据分类
大数据应用给我们的生活带来的影响,体会最深的应该是交通出行的变革上.从打车软件、智能公交到航班预测,无处不在的交通大数据,正在改变我们的出行方式.交通大数据存在于各行业中,主要可以分为设备采集和行为共享两大类.
1.设备采集
设备采集是通过硬件设备有目的地采集交通数据,主要代表是智能交通系统.智能交通发展至今,每时每刻都在采集的数据中,存在巨大的潜力和价值.从统计学上,只要样本数量足够多,就能从数据中找到规律和相关性.数据越多,准确率越高,价值也越大.智能交通主要采集人、车、物三类数据.
第一、人.最常见的是城市公共交通卡数据.在每台公交车辆及轨道站点内都有刷卡设备,每个持卡用户乘坐过的公交线路和轨道交通进出站的名称及时间都被完整记录.目前,上海市的公共汽电车及轨道交通乘客的刷卡率为80%,样本量已经足够代表全体乘客的公交出行特征.此外,省际长途客运、铁路、航空的票务数据,同样能够统计人员出行的流量和流向.
第二、车.车辆的大数据主要来自于对于车辆和道路的监控数据.公共汽电车及出租汽车等城市客运车辆上普遍安装G P S设备,每5～30秒记录一次车辆的位置、速度等信息.车辆的行驶轨迹能够被复原,用于监管出租汽车绕行、从事非法客运等行为.道路上的电子线圈和拍照识别系统,在局部区域增加了信息采集的广度.
目前上海市全部危险品货运车上安装G P S实时安全监控系统.车辆行驶过程中不按照预定路线行驶或违规进出非目标区域,以及在禁停区违停,G P S监控系统无法及时获取危险品货车状态信息,就会发出报警信号.
第三、物.通过R F I D、Z i g B e e等技术,大型物流企业正在向智能交通、现代物流和物联网融合发展.货物跟踪系统利用物流条形码和E D I技术及时获取有关货物运输状态的信息（如货物品种、数量、货物在途情况、交货期间、发货地和到达地、货物的货主、送货责任车辆和人员等）,提高物流运输服务和方法的水平,实现从始发地到目的地的全过程跟踪.
2.行为共享
随着互联网和移动终端的普及,在互联网上的行为透露出个人的喜好、出行、习惯等信息.通过浏览记录和A P P后台上传数据等,这些信息被互联网公司收集,整合处理后变成产品推荐、路径选择等内容返回到用户.这个共享的行为数据中,包括了丰富的交通大数据.常见的数据有：第一、出行规划数据.常见的出行规划导航或地图A P P,会将用户的路径规划数据保存并上传,包含时间、始发地和目的地、途径道路等信息.当手机数据足够多时,就能推算特定时期人口迁徙的特征.
第二、L B S数据.多数手机A P P提供基于位置的服务（LBS）,通过运营商网络,获取移动终端用户的位置信息,在G I S平台的支持下,为用户提供相应服务的一种增值业务.比如,推荐周边的餐馆等服务.L B S数据提供了用户移动行为数据的交通大数据.
第三、手机信令数据.手机信令数据是手机运营商记录的一系列手机用户通话、短信、基站切换的数据.由于每个基站有固定的位置,因此手机信令数据变相地记录了用户的移动行为.有别于前两种数据,任何一部手机均会产生信令数据,无需智能手机.因此,信令数据的样本量更大,代表性也更高.
设备采集和行为共享数据的另一主要区别在于设备采集数据一般是政府行为,数据虽然分散在各政府部门,不过获取相对容易.行为共享数据都由互联网等企业掌握,部分涉及商业机密,这部分数据获取困难,但是对于研究交通特征价值巨大.
三、大数据在交通规划和管理的应用
在中国城镇化进入城镇群发展新阶段的同时,特大城市自身也在进行空间布局调整和城市转型发展,由此产生了对交通规划和战略管理的一系列要求,同时面对不断增大的交通压力也提出增强城市交通战略管理能力的课题.与此同时,对于可持续发展的关注及资源约束的显现,使得传统的硬件设施扩展方法解决交通问题的路径越走越窄.
交通大数据体现的“价值”能够为规划工作提供崭新的思路,提高管理的效率.交通大数据分析为交通管理、规划、运营和服务以及安全防范,提供技术支持,为下一步的分析、研判和决策提供有力保障.因此,基于交通大数据的分析思路将为公共安全和社会管理提供新的思路和方法.
(一)交通规划
传统交通规划理论依托5～10年一次的交通大调查获取基础数据,并以此为基础建立相关分析模型推断未来的设计方案,这已经与快速发展造成的态势急剧变化不相适应,也不能及时对系统偏离期望轨迹演变作出及时的调控.而传统的交通管理理论依托交通流仿真分析,对车流进入敏感临界状态产生的复杂变化不能进行有效的辨识、预警和预测,难以对系统进行精细的调控.
1.基于交通卡数据的出行链捕捉技术
大型城市每天新辟、调整百余条线路,需要在前期投入大量的人力进行O D调查和数据收集.传统的人工调查采用跟车或问询的形式.
交通大数据:[视频]中国高速公路交通广播正式开播：具有紧急广播和数据推送功能
跟车调查一般每台车上安排两个调查员,分别记录前门和后门的每站上下车人数,全程跟着车辆出行.这种调查方式能够获取线路的客流总量、站点的上下车人数,以及站点间的断面客流,缺点是不能统计乘客的站间O D.问询调查是在站点或车辆上分别安排问询员,询问乘客的上车站点和下车站点名称.优点是可以获取乘客的站间O D,缺点是操作难度大大提高.
人工调查都面临成本问题.以上海1300多条公交线路为例,实现人工调查全覆盖,两种方法需耗费1500多万元,出动6万余人次的调查员,无论成本上和组织上都难以实现.而且最大的缺陷是,人工调查仅能采集车内的数据,不同车辆之间的乘客数据无法关联,不能还原乘客整个出行链的信息,因此无法把握宏观层面的乘客流量流向信息.
基于交通卡数据的出行链捕捉技术克服了这个弊端,能够覆盖到所有线路和刷卡乘客（上海80%）,而且获取乘客出行数据的详细程度远远超出人工调查.该技术将交通卡数据与车载G P S数据匹配,通过刷卡时间获取G P S位置信息,计算上车站点.在大数据分析的基础上,通过技术手段弥补了公共汽电车乘客下车不刷卡造成的下车数据缺失的不足,并能根据乘客换乘和通勤的特征,很大程度上捕捉乘客的上车和下车信息,以还原出整个出行链的信息.
处理成果提供了丰富的数据.从线路客流的主要区段走向和需求的匹配度,同时能够评价每个站点和其他线路的换乘量,评估站点和线路设施的合理性.乘客从起点到终点所乘坐的线路、换乘的站点、耗费的时间、公交方式间的转换等信息完全的复原,能够为线网调整、站点设置、票价制定提供更科学的依据,为相关方案测算提供高质量的基础数据.
2.基于手机信令数据的居民出行调查
传统的居民出行调查采用入户问询的方式,由于成本高、周期长,每5～10年进行一次.问询的内容包括个人信息、一天内每次出行的细节、其他和交通相关的信息.成果反映了一个城市居民出行的交通工具比重、出行次数、出行方向和距离的指标.
相关的研究理论建议,入户问询调查的抽样率要控制在1%～3%之间,以常住人口1000万人的超大城市为例,调查人口的下限为10万人.而对这10万人做入户调查的人员组织、样本选取、数据整理等已面临极大的困难,且周期长,需要1年多的时间才能统计完毕.成果中出行方向和距离等数据,由于抽样率低造成偏差大,经常发生交通小区OD矩阵的出行数据缺失,并且交通小区划分越详细,调查数据失真越明显.
手机信令数据记录了庞大的手机用户的基于基站的移动信息,以此数据获得的出行方向和出行距离数据代表性大大高于入户调查.鉴于运营商在不同城市的市场占有率不同,在仅获得一个运营商的数据情况下,人口抽样率为20%～70%,最低抽样率也远优于入户调查.手机数据的引入,即可以提高数据的质量、捕捉更多的出行细节,又能降低传统入户调查需要的样本量,提高调查的效率.
手机数据能够反映任意交通小区对外的出行量、出行方向和途径小区等信息,为评估区域间交通需求和公交供应提供准确的数据.如在上海九亭镇居民反映往虹桥枢纽方向公交配套不足的解决方案中,充分利用手机数据,分析九亭镇居民的出行需求和方向,制定新线路的方法,弥补了入户调查数据不够详细、不能及时更新的缺点.
基于大数据的交通规划,提供了一种高效、精细、低成本的解决途径.传统调查工作首先确定调查目标,通过针对性问卷问询后,获得的成果范围是预先限定,价值是有限的.而交通大数据带来的大量原始详细数据的积累,为价值的提炼提供了无限的可能,为研究工作实现了需求响应式的支撑.
(二)交通管理
交通运输管理数据采用数字化的方式进行收集、存储和利用.智能交通系统的建立和应用对缓解交通压力、解决交通管理中存在的问题发挥着十分重要的作用.主要作用体现在：
1.提高交通运行能力
大数据技术在智能交通中的应用,有效地提高了道路交通的通行能力,使道路交通基础设施的效能得到最大的发挥,对交通需求能够科学有效地分析和调控.比如,对区域的道路流向数据进行长期监测,一旦局部路段发生交通事故,能够预测短期内该路段和周边道路的流向变化情况及拥堵出现几率,并及时提供交通组织改善方案,避免更糟糕的情况发生.
大数据的实时性,使传统静态数据得以智能化利用,交通运行得更加合理.到2014年,上海市对万余辆车的车载系统进行一体化升级改造,实现智能集群调度,彻底取代运用了百年的公交人工、纸张调度模式.实现自动发车,降低调度员工作难度和员工数量；遇到突发情况或紧急任务,可以实时调派车辆,实时了解每一辆车的运行情况以便及时做出运能调整.随着智能化公交集群调度平台的出现,线路调配变得方便高效.
2.提高交通安全水平
大数据的实时性和可预测性有利于交通安全系统在对数据信息分析处理方面能力的提升.大数据技术能够对驾驶员的状态进行自动检测,当驾驶员的驾驶处于疲劳状态时,车载装置可对驾车者的身体状态是否正常进行检测.同时车载装置还可与路边探测器进行信息交互,对车辆运行的轨迹加以检测.大数据技术能对各个传感器传递的数据信息进行快速的整合处理,建立起安全模型,对车辆行驶的安全型进行综合分析,有效地降低交通事故的发生.[5]
3.提供出行信息服务
面对打车难、公交车不准点、停车难等传统交通出行问题,交通大数据给出了改善方法,并依托智能交通管理中心,建设全过程一体化智能交通系统.可以提供覆盖道路机动车、轨道交通、地面公交、停车、行人等各方面的交通信息,为交通信息的公众化服务提供数据支撑.
例如,通过道路诱导标牌将道路运行情况反映至快速路诱导标牌及地面道路诱导标牌,提前告知驾驶员前方交通状态,引导其避开拥堵路段,提高出行效率.停车诱导牌提前告知驾驶员周边公共停车场（库）的位置及使用情况,减少不必要的绕行.行人诱导系统能够快速引导行人进入轨道站点、商业办公设施及主要地面道路.智能停车管理系统是一套基于纯车牌识别技术的智能停车管理系统,提供基于车牌的不停车通行、提前缴费、反向寻车等智能化服务,有效提高车辆进出停车场（库）的效率.
4.提供环境监测
大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用.大数据技术通过建立区域交通排放的监测及预测模型,共享交通运行与环境数据,建立交通运行与环境数据共享试验系统,分析交通对环境的影响.数据技术能提供降低交通延误和减少排放的交通信号智能化控制的决策依据,建立低排放交通信号控制原型系统与车辆排放环境影响仿真系统.
四、交通大数据的挑战和前景
交通信息系统的推广和建设,产生了大量的有用和无用的数据,从中提取的状态特征和行为特征为交通规划与管理提供了宝贵的信息支持,我们开始有可能对于交通系统进行连续的监督,从而促使相关交通规划与管理理论与技术发生巨大的变革.可以说,大数据推进的交通规划与管理方式已经全面开展.但应看到,搭建交通大数据环境仅仅只是开始,如何让数据发挥价值,并有效应用于监测和监管中,还需要在后续过程里不断进行优化和完善,以及在数据处理能力上不断进行投入.
目前,大数据仅掌握在少数机构和企业手上.围墙里的大数据注定成为死数据.原则上除涉及国家安全、商业秘密和个人隐私等数据外,都应予以开放.只有数据开放,研究和分析处理能力才会进步,数据的价值才能得到深入挖掘.总之,有更多的数据思维创新者参与,提高数据价值,才能创造大数据的黄金时代.[6]
参考文献：
[1]上海市城乡建设和交通发展研究院.上海市第五次综合交通调查[R].
[2]上海城市交通设计院有限公司.2014年上海市公交客流调查[R].
[3]刘小艳.我国城市交通现状及对策分析[J].价值工程,2012(25).
[4]周春梅.大数据在智能交通中的应用与发展.中国安防,2014(6).
[5] 大数据运用于智能交通具有七方面意义.中国汽车工业信息网,2015-04.
[6]吴甘沙.信息处理:核心是挖掘数据价值[N].中国电子报,2012-02-21.
责任编辑：张 炜
总结：本论文是一篇免费优秀的关于数据交通论文范文资料。
交通大数据引用文献:
[1] 大数据和交通研究生毕业论文范文 大数据和交通论文范文素材2万字
[2] 大数据和城市轨道交通本科毕业论文范文 关于大数据和城市轨道交通方面专升本毕业论文范文2500字
[3] 大数据和智能交通论文范文资料 大数据和智能交通方面毕业论文题目范文2万字
