基于智能終端的浮動數據應用研究

饒眾博，王大珊，李　雯，王志民

（1.公安部道路交通安全研究中心，北京　100062；2.中國信息通信研究院，北京　100191）

基于智能終端的浮動數據應用研究

饒眾博1，王大珊1，李雯2，王志民1

（1.公安部道路交通安全研究中心，北京100062；2.中國信息通信研究院，北京100191）

目前，評估道路交通擁堵狀況時普遍采用傳統(tǒng)的浮動車技術，雖然該技術在使用上表現優(yōu)異，但是其部屬成本、浮動車輛滲透率低等問題卻使得評估數據并不準確。為解決滲透率低等問題，本文提出采用智能終端采集數據，通過后臺分析評估道路擁堵情況的解決辦法。采用智能終端可以有效解決浮動車滲透率低等問題，通過科學合理的分析方法實現路面情況的準確評估。

浮動車；智能終端；GPS；交通擁堵

1　引言

在當今這個物聯(lián)網產業(yè)高速發(fā)展的時代，智能交通的概念同樣被人們關注，可能是因為交通涉及太多人的日常生活，也可能是因為各個方面的技術在交通領域的應用比較成熟，總之智能交通產業(yè)發(fā)展井噴的時代已經到來。智能交通所要達到的目的就是，通過先進的科學技術手段實現交通系統(tǒng)的現代化，實現數據采集、監(jiān)控的實時化，道路信號控制的自動化，道路信息預警的智能化。

在交通領域，目前應用最廣泛的是視頻監(jiān)控系統(tǒng)、地磁傳感系統(tǒng)來進行車流量監(jiān)測以及路面情況檢測。然而該系統(tǒng)雖然技術成熟，但是部署成本大，后期維護困難，尤其是道路部門、交通部門、交警部門的相互溝通問題，以及大量的地面?zhèn)鞲衅髟O備在其他單位施工過程中被損壞，導致大量的浪費。另外，固定式交通流傳感器最大缺點在于只能在路網上有限個點進行采集且得不到旅行時間信息，對這個路網交通流狀況的了解需要花費大量的資金安裝固定式設備［1］。為了尋找更加有效且成本低廉的路面監(jiān)控方式，浮動車技術被引入。本文將重點對浮動車技術進行介紹，并且大膽地提出更加有效且成本更加低廉、部署更加有效、范圍更加廣泛的采用駕駛人手持智能終端進行數據信息采集，后臺數據中心進行大數據運算，路面網絡整體互連的浮動車數據采集技術。

2　傳統(tǒng)浮動車技術介紹

2.1傳統(tǒng)浮動車技術的應用

浮動車技術是一種在路網中判斷車速及路面擁堵情況的方法。它依據收集車載終端的位置信息、速度、行駛方向及時間戳來估算道路擁堵情況以及旅行時間。這些數據對于交通系統(tǒng)來說是必要信息，對于大多數的智能交通系統(tǒng)（ITS）來說更是必須的［2］。浮動車技術主要是通過在大量的車輛上安裝定位以及無線通信系統(tǒng)，從而實現車輛的位置、速度、行駛方向、時間戳等信息的上報。在數據中心，通過地圖匹配從而實現車輛位置在城市地圖信息上的對應。

因為浮動車數據采集設備安裝在大量的車輛上，所以當安裝了該數據采集系統(tǒng)的車輛行駛在城市的各個角落的時候，各個車輛的地理信息以及車輛運行速度等可以實時上報到后臺數據中心，之后進行地圖匹配，通過算法計算出各路段的擁堵情況及旅行時間。由圖1可以清晰地了解到浮動車數據應用的具體流程。

圖1　浮動車數據判斷路況流程圖

現行的浮動車技術在國內外有著很成熟的實踐經驗并且廣泛應用。比如，美國德州Huston地區(qū)的TranStar系統(tǒng)和芝加哥Illinois地區(qū)的ADVANCE項目；德國BMW公司的DDG項目使用了2.5萬輛探測車；日本土地基建交通部MLIT從1999年開始的Smartway項目覆蓋了16個城市、1.5萬輛浮動車［1］；在國內很多像北京、上海等大城市也都采用了浮動車技術進行道路擁堵情況的檢測。

2.2應用瓶頸

雖然浮動車技術在世界多數大城市均有應用，但是目前的項目主要是在部分車輛上安裝相應的設備來實現的，其中還存在著很多問題，如浮動車樣本量過大、車輛協(xié)調難度大、設備采購安裝維護成本高、巨額的通信網絡收費、數據中心負載高、旅行時間計算的可靠性及道路信息采集分析后的反饋等。

在以上所列舉的問題中，浮動車樣本量是浮動車技術推廣的最大難題，針對該問題各國學者開展了大量研究。利用數理統(tǒng)計的傳統(tǒng)算法得出，高速公路上浮動車的比例應不低于3%，地面道路上浮動車比例應不低于5%［3］。利用INTERGATION交通仿真軟件，將浮動車比例從3%逐漸增加到18%，分析浮動車速度與全部車輛平均速度之間的關系表明，要實現速度估計誤差在5km/h以內，浮動車的比例應為4%～5%，或是每個計算周期內任一路段上經過的浮動車數量不少于每小時10輛［4］。通過以上信息，我們可以得出的結論很簡單，那就是浮動車技術的有效應用，必須建立在較高浮動車滲透率的基礎上。

以北京為例，據2014年全國十大城市汽車保有量排名顯示，北京市的汽車保有量為537.1萬輛，那么如果我們按照浮動車滲透率為4%計算，則至少需要21.5萬輛浮動車才能完全統(tǒng)計北京市全境。盡管這個數字只是估算，且沒有考慮實際道路上行駛車輛的比例以及城區(qū)郊區(qū)的車輛分布情況，但是可以得出在北京這種大城市，按照現有技術部署浮動車的成本還是非常高的。目前北京市共有約3萬輛浮動車，其中2.5萬輛出租車，4千輛旅游車以及1千輛郊區(qū)電動出租車。雖然該項目已經提供了非常有效的數據保障，但如果可以收集更大量車輛浮動信息，可以想象一定會得出更加精確的數據，并且通過大數據挖掘可以得到更多有用的信息。

3　智能終端在浮動車技術領域的應用

3.1智能手機在浮動車技術中的優(yōu)勢

如上文所述，浮動車數據的采集主要是通過安裝在浮動車內的定位以及通信系統(tǒng)完成的，其滲透率還不夠高，那么如何用更低廉的成本增加浮動車的滲透率成了關鍵問題。隨著智能手機的普及，使得每一個人都變成了一個浮動的數據采集點。如果我們能夠有效利用這個資源，那么人、車、路這三個要素就在數字信息時代徹底結合了起來并被數字化了。事實證明，這個方法在現有技術面前是可行的，并且與傳統(tǒng)方式相比有著極大的優(yōu)勢。

⊙ 可以大幅縮減成本，包括設備的采購安裝費用及昂貴的通信費用。

⊙ 可以在后臺迅速整合海量信息，快速分析城市路網信息且無需對道路橋梁等進行任何基礎設施改造。

⊙ 更大幅度地提高路況檢測的可靠性，對于預測旅行時間等預測，提供了更大量的實時數據與歷史數據，從而提高預言的準確度。

⊙ 可以使駕駛人由道路交通資源的使用者變成道路信息數據的提供者，通過有效的信息反饋渠道，可以使駕駛人與交通管理部門互為組成，實現雙贏。

⊙ 由于智能手機的滲透率大，所以一旦系統(tǒng)得到廣泛應用，將會收集到大量的源數據，合理地對這些數據進行挖掘，會對城市規(guī)劃、道路建設維護、路面警力部署、道路擁塞預警等方面產生巨大的積極影響。

⊙ 通過不斷地對各個用戶的信息進行收集，可以實現對每一個用戶的定制服務，實現更加智能高效的交通誘導效果。

綜合以上優(yōu)勢，可以得到如下結論：利用智能手機進行浮動車數據的采集可以大大提高采樣的滲透率，縮減成本，提高數據分析的可靠性。那么該方案真的在技術上行之有效么？本文將在下文中詳細分析。

3.2可行性分析

采用智能手機進行浮動車數據采集，并利用移動蜂窩網絡進行數據傳輸，在理論上講必然是可行的，只是其中有兩個難點問題需要解決：一是智能手機的定位精度問題；二是如何分析用戶是否在道路上駕車行駛。

目前，手機定位主要采用有3種方法：LBS，GPS，AGPS。其中，GPS與AGPS均能取得滿意的定位精度（10米左右）；LBS的定位精度較差，由于基站信號一般經多次反射，導致終端在接收到的信號方向和時延偏差較大，所以在城市中室外環(huán)境下的定位精度一般為100～200米，農村地區(qū)的定位精度在10～20米［5］。由此可見，手機采用傳統(tǒng)的LBS方式進行定位時，其精度遠遠達不到浮動車的數據監(jiān)測要求，而且并非所有制式網絡均開放了該功能。然而智能手機均有GPS模塊可供系統(tǒng)使用，所以在進行浮動車數據采集過程中，可以設定調用GPS模塊以提供精確可靠的數據。

對于第二個問題，如果采用智能手機為浮動車提供數據，那么面臨的問題就是如何篩選出用戶手機上報的位置信息是否是有用信息。舉個例子，比如用戶在路邊散步，智能終端同樣也會上傳位置、速度等信息給數據中心，這樣的信息對于道路擁塞情況的分析是毫無用處的。如果收到大量的高偏差數據，毫無疑問會增大采集數據的方差，降低數據分析結果的可靠性。對于該問題，現有的解決方案是，只有當用戶打開智能手機的定位信息采集應用，智能終端才會將位置信息上報。

從駕駛人使用習慣考慮，大多數情況下駕駛人駕車時才會開啟顯示路況信息的應用。另外，我們還可以通過另外一些附加服務使用戶可以在非駕車情況下關閉應用。如當應用打開后，會自動語音播報周邊道路情況，播報駕駛員行駛路線的路況預測，以及播報數據中心分析得出的智能車輛誘導信息。采用這些方法，可以有效地使用戶處于非駕車狀態(tài)時關閉定位信息采集軟件。另外，大量的數據可以彌補小部分異常數據對最終結果的影響。通過增加采樣點的方式縮小采樣數據的方差。

3.3 系統(tǒng)結構

本文中所描述的系統(tǒng)與普通浮動車系統(tǒng)相類似，區(qū)別在于普通浮動車內需要額外加裝信息采集設備，而本系統(tǒng)則直接使用駕駛員的移動終端進行數據采集。所以兩個浮動車系統(tǒng)的結構基本類似，如圖2所示。

圖2　浮動車系統(tǒng)結構圖［6］

智能終端在車輛行進過程中離散地進行定位信息采樣，通過蜂窩無線網絡進行傳輸，送達數據中心進行處理。由于數據量異常龐大，數據中心可采用云的方式進行快速計算，并最終得出有效信息反饋給用戶。實現交通運行網絡的閉環(huán)控制，提高路網運行效率，緩解交通擁堵，提高市民出行的駕駛體驗。

4　發(fā)展方向

浮動數據采集對于城市交通路面情況的采集、城市規(guī)劃、車輛誘導等有非常重要的作用，可以預見，在今后的發(fā)展中，因智能手機的高滲透率以及豐富的功能模塊，對智能手機的信息采集將變得越來越重要，但其發(fā)展中依然面臨很多問題。

（1）無線資源的占用問題。由于過往的浮動車信息采集使用的是車載移動終端設備，所以浮動車數量有限，對無線蜂窩網絡的信道資源影響不高。但是，一旦采用智能終端進行采集定位信息，因為該應用部署便捷，所以一旦大量用戶安裝后，浮動車的滲透率將會大幅增加，將會對無線網絡信道資源產生沖擊。考慮到覆蓋路面的基站數量有限，且基站主要是覆蓋街區(qū)，以道路作為覆蓋區(qū)域的邊界，那么大量的浮動車在公路上行駛，首先會占用大量的信道資源，其次會產生大量的切換信息，占用系統(tǒng)容量。本問題需通過更加有效的算法進行解決。

（2）產品應用時所產生的個人隱私問題。在法律的角度，因為該服務涉及到每一個手機用戶的位置信息，所以必然會遇到法律等方面的限制。目前的情況是，很多相應的應用程序在用戶不知情的前提下就將用戶的位置信息上傳到服務器用以數據分析。我國目前相關法律尚不健全，要想根本解決該問題，還需在法律層面提供相應的政策支持。另外，要確保相關單位的公信力以確保民眾相信其隱私的安全性不會受到侵犯。

（3）對源數據的統(tǒng)計算法依然不夠成熟。以傳統(tǒng)的浮動車數據來說，不同的公司研究機構都有不同的統(tǒng)計算法。有些公司使用同一道路上速度最快的幾輛浮動車數據判斷路面擁堵系數，有些公司則利用道路上大多數浮動車數據加權計算路面的擁堵系數。雖然在實際使用中不同的方法都可應用，但是在大量的智能終端作為浮動數據采集上傳得到大量的數據時，為了能夠對源數據得到更為準確的分析，還需要更為科學合理的算法設計。

5　結束語

本文著重闡述了智能手機的信息采集對今后統(tǒng)計分析道路交通路面情況中的重要作用，提出了利用智能手機進行位置信息收集并統(tǒng)計分析路面情況的可能性。雖然利用智能手機作為浮動數據采集終端有很大的優(yōu)勢，能夠克服目前傳統(tǒng)浮動車技術的滲透率不足、樣本量不足、數據統(tǒng)計困難等問題，但是依然面臨無線信道緊缺、相關法律不健全、統(tǒng)計分析方法不成熟等問題。

［1］范躍祖，王力，王川久，張海.浮動車技術的發(fā)展及應用研究綜述.中國會議.理工C（機電航空交通水利建筑能源）·公路與水路運輸，2005

［2］http://en.wikipedia.org/wiki/Floating_car_data

［3］Ferman M A， Blumenfeld D E， Dai X W. A simple analytical model of a probe- based traffic information system［C］/ / IEEE. Intelligent Transportation Systems Proceedings. Shanghai: IEEE， 2003: 263- 268

［4］Ruey L C， Xie C， Lee D H. Probe vehicle population and sample size for arterial speed estimation［ J］. Computer- aided Civil and Infrastructure Engineering， 2002， 17（1） : 53-60

［5］張帥，范榮雙，梁勇，王曉.基于手機定位方法的研究與精度分析

［6］Working Papers on Energy， Transport and Climate Change. Road Traffc Data: Collection Methods and Applications

Floating Data Analysis based on Smart Devices

Rao Zhongbo1， Wang Dashan1， Li Wen2， Wang Zhimin1
（1.Road Traffic Safety Research Center of the Ministry of Public Security， Beijing，100062；2. Chinese Academy of Information and Communications Technology， Beijing， 100191）

Floating car is used to calculate the congestion coeffcient， it is widely used because it is easy to deploy and easy to analysis， but the problem is the cost is still high and the penetration rate is relative low which will cause the unreliable of the analysis result. That why we introduce the method to collect foating data by smart device so as to solve the penetration problem， and based on scientifc analysis method the calculate result will be increasingly correct and reliable.

Floating Car； Smart Device； GPS； Traffc Congestion

10.3969/j.issn.1672-7274.2015.02.007

TN929.52文獻標示碼：A

1672-7274（2015）02-0029-04

饒眾博，畢業(yè)于香港科技大學電信學系，后就職于公安部道路交通安全研究中心交通管理信息化研究室，研究實習員，從事公安交管信息化建設發(fā)展的研究工作，主要研究領域為智能化交通管理與電信行業(yè)的多源數據碰撞，交管數據分析研判等。

王大珊，畢業(yè)于吉林大學計算機科學系和國民經濟學專業(yè)，一直從事全國公安交通管理信息化建設，2007年獲公安部科學技術進步一等獎，現為公安部道路交通安全研究中心交通管理信息化研究室任副主任。

李雯，畢業(yè)于北京理工大學管理科學與工程系，現就職于中國信息通信研究院（原工業(yè)和信息化部電信研究院）信息管理中心，助理工程師，從事單位內部管理和業(yè)務信息化建設發(fā)展的研究工作，主要研究領域為信息系統(tǒng)設計與開發(fā)，電信行業(yè)競爭情報分析等。

王志民，畢業(yè)于蘭州大學化學系和大連理工大學計算機系，先后在鐵道部計算機研究中心、信息產業(yè)部通信和互聯(lián)網企業(yè)從事技術研發(fā)和管理工作，現就職于公安部道路交通安全研究中心交通管理信息化研究室，助理研究員，主要從事領域為智能化交通管理與通信、互聯(lián)網、企業(yè)生產行業(yè)的科技信息技術融合，交管數據分析、應用建設、應用推廣落地研究。