大數(shù)據(jù)背景下的交通模型發(fā)展思考

張?zhí)烊?/p>

(上海市城市規(guī)劃設(shè)計研究院，上海200040)

大數(shù)據(jù)背景下的交通模型發(fā)展思考

張?zhí)烊?/p>

(上海市城市規(guī)劃設(shè)計研究院，上海200040)

將傳統(tǒng)交通調(diào)查和模型與新的信息技術(shù)相結(jié)合，根據(jù)大數(shù)據(jù)的特征改進(jìn)交通模型的方法體系，是交通模型發(fā)展面臨的極大挑戰(zhàn)。分析交通大數(shù)據(jù)對交通模型研發(fā)的促進(jìn)作用，特別是在人口及就業(yè)崗位分布、綜合交通網(wǎng)絡(luò)數(shù)據(jù)和基于交通調(diào)查的模型參數(shù)等核心數(shù)據(jù)方面的支撐作用。從相關(guān)定義、市場細(xì)分以及信息完整性三個方面闡述大數(shù)據(jù)與交通模型的一致性問題。深入討論應(yīng)用大數(shù)據(jù)改進(jìn)交通調(diào)查技術(shù)、4D模型研發(fā)、出行分布目的地選擇模型、軌道交通出行接駁模型、出行成本校核等交通模型關(guān)鍵技術(shù)。通過對比大數(shù)據(jù)和交通模型的決策分析過程，指出大數(shù)據(jù)與交通模型互動發(fā)展的途徑。

交通模型；交通調(diào)查；大數(shù)據(jù)；一致性；決策分析

交通大數(shù)據(jù)的應(yīng)用在中國已經(jīng)有20多年歷史。隨著信息化技術(shù)的不斷發(fā)展和完善，大數(shù)據(jù)在定量分析決策支持中的作用也越來越大。相對于傳統(tǒng)技術(shù)，大數(shù)據(jù)提供了一種全面、連續(xù)觀察研究對象的手段，為城市交通分析技術(shù)帶來變革的契機。交通模型是城市交通定量分析的重要工具，探究人、車、物的移動規(guī)律，在大量數(shù)據(jù)的基礎(chǔ)上標(biāo)定模型參數(shù)，模擬城市交通特征，進(jìn)而進(jìn)行交通需求預(yù)測。大數(shù)據(jù)背景下，面對大量多元化數(shù)據(jù)，如何從現(xiàn)象探究交通行為的本質(zhì)，在既有交通模型的理論框架下，根據(jù)大數(shù)據(jù)的特征改進(jìn)交通模型的方法體系，是交通模型發(fā)展面臨的極大挑戰(zhàn)。本文提出當(dāng)前大數(shù)據(jù)應(yīng)用的若干問題，并探討交通模型在研發(fā)技術(shù)上的改進(jìn)方向。

1 “互聯(lián)網(wǎng)+交通大數(shù)據(jù)”促進(jìn)交通模型發(fā)展

1.1 交通模型的基礎(chǔ)數(shù)據(jù)要求

交通模型系統(tǒng)的要素包括基礎(chǔ)數(shù)據(jù)、數(shù)學(xué)模型、軟件工具三個主要組成部分。其中，數(shù)據(jù)是交通模型的基本原材料，沒有數(shù)據(jù)交通模型就無法建立，數(shù)據(jù)質(zhì)量和完整度很大程度上決定了所建交通模型的可靠性和精度。

交通模型是反映人、車及貨物交通規(guī)律的數(shù)學(xué)模型，需要基于大量、全面的基礎(chǔ)數(shù)據(jù)，并通過嚴(yán)謹(jǐn)?shù)哪Ｐ屠碚摵蛿?shù)理算法實現(xiàn)。在模型建立過程中，基礎(chǔ)數(shù)據(jù)采集、數(shù)據(jù)庫構(gòu)建以及數(shù)據(jù)綜合校核分析是最重要的基礎(chǔ)工作。交通模型系統(tǒng)運算的核心輸入數(shù)據(jù)主要包括：土地利用及人口、就業(yè)崗位分布、綜合交通網(wǎng)絡(luò)數(shù)據(jù)、基于交通調(diào)查的模型參數(shù)等(見圖1)。這些核心數(shù)據(jù)作為交通模型的輸入條件，直接影響模型計算的輸出結(jié)果。大數(shù)據(jù)環(huán)境一方面提供更加豐富完善的數(shù)據(jù)種類，另一方面給各種數(shù)據(jù)的準(zhǔn)確性驗證帶來新的維度。

1.2 “互聯(lián)網(wǎng)+交通大數(shù)據(jù)”為交通模型核心數(shù)據(jù)提供支撐

“互聯(lián)網(wǎng)+交通大數(shù)據(jù)”時代給交通模型帶來豐富的原材料。隨著智能交通技術(shù)的發(fā)展，交通信息的采集手段和來源越來越豐富，為交通模型提供更加全面的原始數(shù)據(jù)。

過去，中國城市主要依靠10年一次的人口普查和5年一次的經(jīng)濟(jì)普查獲取人口和就業(yè)崗位數(shù)據(jù)?，F(xiàn)在，可以使用手機信令調(diào)查獲得持續(xù)且動態(tài)更新的人口和就業(yè)崗位數(shù)據(jù)。例如，城市24 h的人口分布情況以及就業(yè)人口居住地和工作地的空間聯(lián)系。這是單一的人口普查和經(jīng)濟(jì)普查無法實現(xiàn)的。傳統(tǒng)的居民出行調(diào)查中雖然也可反映被調(diào)查者的職住空間關(guān)系，但樣本量非常有限。

綜合交通網(wǎng)絡(luò)數(shù)據(jù)包括道路網(wǎng)、軌道交通網(wǎng)、公共汽車線網(wǎng)、模型輔助網(wǎng)絡(luò)要素等。道路網(wǎng)的很多數(shù)據(jù)已經(jīng)可以通過互聯(lián)網(wǎng)得到。一些商業(yè)地圖提供了完整、及時的道路網(wǎng)信息以及公共汽車線路和車站信息。道路網(wǎng)和公共汽車線網(wǎng)模型數(shù)據(jù)庫構(gòu)建的工作量巨大且耗時長。隨著互聯(lián)網(wǎng)信息技術(shù)及交通模型數(shù)據(jù)庫構(gòu)建技術(shù)的發(fā)展，信息來源的準(zhǔn)確性及數(shù)據(jù)庫構(gòu)建的速度得到極大提高。例如，可將網(wǎng)絡(luò)地圖的公共汽車線路和車站數(shù)據(jù)下載后，形成線路和車站圖層，并采用地圖算法將線路和車站與道路網(wǎng)鏈接起來，形成交通模型專用的公共汽車線網(wǎng)數(shù)據(jù)庫[1]。上海市上下行約2 500條公共汽車線路，5.7萬個車站，原來人工維護(hù)需要約150個人日，通過上述方法后僅需10個人日即可完成。

交通模型的參數(shù)是利用交通調(diào)查數(shù)據(jù)，應(yīng)用專業(yè)的軟件進(jìn)行標(biāo)定。交通調(diào)查數(shù)據(jù)包括傳統(tǒng)的人工調(diào)查和信息化技術(shù)采集的大數(shù)據(jù)。大數(shù)據(jù)為觀察現(xiàn)實世界帶來更多便利。例如，公交IC卡數(shù)據(jù)可完整記錄軌道交通乘客的站間OD，并反映不同時段的客流情況；公交IC卡數(shù)據(jù)可通過一定算法推算出通勤者搭乘公共汽車的車站OD；應(yīng)用車載GPS數(shù)據(jù)可以獲取出租汽車的路段車速、出行OD以及乘客的乘距等；高速公路收費OD實時記錄不同車種的出入情況并可推算道路網(wǎng)的擁堵程度；高架路(橋)和地面道路的線圈數(shù)據(jù)、交叉口數(shù)據(jù)等為交通模型校核提供有力保障。當(dāng)然，如何將這些數(shù)據(jù)和傳統(tǒng)調(diào)查數(shù)據(jù)進(jìn)行綜合校核和融合分析，是大數(shù)據(jù)應(yīng)用于交通模型的前提。

1.3 大數(shù)據(jù)為交通模型的精細(xì)化深入研究提供條件

大數(shù)據(jù)的主要特點是采集手段自動化、覆蓋面廣、規(guī)模巨大、具有較細(xì)的空間分辨率和時間分辨率等，為交通模型的精細(xì)化研究提供了足夠的條件。例如，使用居民出行調(diào)查數(shù)據(jù)來標(biāo)定出行空間分布模型的參數(shù)，由于受到調(diào)查樣本量的限制，通常無法研究較小區(qū)域的客流吸引范圍分布。使用手機信令數(shù)據(jù)、車載GPS數(shù)據(jù)分析商圈、工業(yè)園區(qū)等區(qū)域的出行分布特征，一方面解決了樣本量不足問題，另一方面通?；痉謪^(qū)比交通分區(qū)精細(xì)很多，可從空間精度上滿足小區(qū)域的分析要求。再如，在分析軌道交通車站接駁距離時，單純依靠抽樣率較低的居民出行調(diào)查數(shù)據(jù)無法獲得每個車站較多的接駁樣本，根據(jù)手機信令數(shù)據(jù)對應(yīng)的地鐵車站的專用基站信息，便可獲知每個車站足夠的樣本來分析乘客接駁軌道交通的信息。

圖1 上海市交通規(guī)劃模型基礎(chǔ)數(shù)據(jù)庫Fig.1 Database of transportation planning model in Shanghai

1.4 大數(shù)據(jù)為交通模型提供更多校核信息

大數(shù)據(jù)提供了海量的地圖矯正點，可通過自動化手段對傳統(tǒng)調(diào)查進(jìn)行融合校核分析。即使是規(guī)模巨大的大數(shù)據(jù)，其分析結(jié)果也不可能完整全面，但部分具備確定性的分析結(jié)果往往可以被作為參照，用于校核分析。這些零散而準(zhǔn)確的結(jié)果，可以作為居民出行調(diào)查擴(kuò)樣校核的依據(jù)。例如，很多大數(shù)據(jù)可以反映居民出行時間分布特征，包括公交IC卡數(shù)據(jù)、車載GPS數(shù)據(jù)和高速公路收費OD數(shù)據(jù)等。此外，不少大數(shù)據(jù)可以分析空間分布特征，例如手機信令數(shù)據(jù)可以分析核查線流量和大區(qū)間OD分布，車載GPS數(shù)據(jù)可以獲得出租汽車乘客OD等。

在出行目的方面，根據(jù)多個城市居民出行調(diào)查的經(jīng)驗，非基于家的出行比例往往偏低。漏填漏報的主要原因包括隱私問題以及被訪問者不在家而由其他家庭成員代為回答。應(yīng)用手機信令數(shù)據(jù)分析人的出行特征時，雖然無法得到出行的具體目的，但可以識別出行是否和家相關(guān)，并作為居民出行調(diào)查中非基于家出行比例的參考。居民出行調(diào)查數(shù)據(jù)作為建立交通模型最為核心的數(shù)據(jù)庫，在通過大數(shù)據(jù)擴(kuò)樣校核后，可以較大程度地減少調(diào)查中存在的偏差，準(zhǔn)確而完整地體現(xiàn)居民出行特征。

2 大數(shù)據(jù)與傳統(tǒng)交通模型的不一致性

傳統(tǒng)交通模型主要基于傳統(tǒng)調(diào)查和統(tǒng)計理論與方法。大數(shù)據(jù)并不專門為交通模型而生，某些統(tǒng)計特征往往是一種副產(chǎn)品，應(yīng)用于交通模型需要進(jìn)行多道工序處理。一方面，需要通過原始的海量數(shù)據(jù)盡可能挖掘有用信息；另一方面，這些有用的信息要和交通模型銜接，才能真正支撐建模工作。大數(shù)據(jù)與交通模型的一致性問題主要體現(xiàn)在相關(guān)定義、市場細(xì)分以及信息完整性三個方面。

相關(guān)定義的不一致性由大數(shù)據(jù)本身的特點決定，大數(shù)據(jù)在挖掘過程中有時只能找到傳統(tǒng)定義的近似結(jié)果。例如，居民出行調(diào)查中一次出行的定義，關(guān)鍵指標(biāo)是出行距離大于400 m(各個城市有所差異)，使用公共道路完成一次有目的的活動，并未限定活動持續(xù)時間的長短。如果把接送人作為一種出行目的，有時候活動持續(xù)時間很短。對應(yīng)地，手機信令分析一次出行，只能依靠個體的時空電子腳印，按照某個地點的停留時間來判斷是否產(chǎn)生一次出行。停留時間的長短設(shè)置并沒有一個標(biāo)準(zhǔn)值，顯然與居民出行調(diào)查的出行定義不一致。手機信令分析過程中，若停留時間設(shè)置太長，可能遺漏居民出行調(diào)查中的一些短時間活動；停留時間設(shè)置過短，則容易把一次出行誤判為多次出行，例如由于交通擁堵而導(dǎo)致個體在同一空間上的停留。

市場細(xì)分方面的不一致性與交通模型結(jié)構(gòu)直接相關(guān)。傳統(tǒng)的人工問詢調(diào)查雖然樣本量小，但可以得到同一樣本較多的信息。交通模型構(gòu)建過程中，一般會根據(jù)樣本情況盡可能細(xì)分市場，體現(xiàn)交通需求的不同特征。例如，上海市交通規(guī)劃模型結(jié)構(gòu)中，家庭分為有、無小汽車，人員分為6個年齡組，出行目的分6個，交通方式分9種，幾個層面的交叉分類，產(chǎn)生較多的細(xì)分市場。大數(shù)據(jù)要直接應(yīng)用到模型中，其市場細(xì)分很難做到與原有模型結(jié)構(gòu)一致。例如，手機信令數(shù)據(jù)無法獲知個體年齡、收入等社會、經(jīng)濟(jì)情況，出行目的至多可以區(qū)分通勤和非通勤出行，交通方式一般只可以分析出使用軌道交通的情況。公交IC卡能夠分析出通勤的車站OD，但對非通勤的車站OD則無能為力。車載GPS數(shù)據(jù)可以得到出租汽車乘客的OD信息和時段信息，但無法獲得乘客的年齡分組、家庭經(jīng)濟(jì)情況及出行目的。

信息完整性方面既包括前文提到的大數(shù)據(jù)市場細(xì)分不足的情況，也包括大數(shù)據(jù)在出行過程中信息不完整的情況。例如軌道交通站間OD、高速公路及快速路出入口OD、利用公交IC卡推算的通勤出行站間OD，都僅僅是交通設(shè)施之間而不是交通模型中所需要的交通小區(qū)間OD。因此這些數(shù)據(jù)只能部分用于模型校核，而無法作為模型的直接輸入數(shù)據(jù)，數(shù)據(jù)的應(yīng)用價值因此大打折扣。為充分利用這些數(shù)據(jù)，交通模型技術(shù)得到不斷革新。例如在公共交通模型方面，已有一些專業(yè)軟件可以通過站間OD估算小區(qū)間OD；而道路交通模型方面根據(jù)出入口的車輛OD估算小區(qū)間車輛OD的工具還有待開發(fā)。

3 通過挖掘大數(shù)據(jù)改進(jìn)交通調(diào)查和模型技術(shù)

3.1 手機信令調(diào)查、居民出行調(diào)查和手機GPS 小樣本調(diào)查技術(shù)的綜合應(yīng)用

這三類調(diào)查數(shù)據(jù)分別對應(yīng)大數(shù)據(jù)、抽樣調(diào)查數(shù)據(jù)和小樣本調(diào)查數(shù)據(jù)，樣本量越小，數(shù)據(jù)的完整性和精確度越高。

居民出行調(diào)查數(shù)據(jù)是現(xiàn)有交通模型必備的數(shù)據(jù)，主要存在樣本量受經(jīng)費限制而不足、調(diào)查中易產(chǎn)生漏填漏報等調(diào)查技術(shù)手段無法控制的問題，需要其他兩類數(shù)據(jù)的補充校核。手機信令調(diào)查對于職住的分析技術(shù)已經(jīng)相對成熟，對通勤出行的判別相對準(zhǔn)確，而對其他出行的判別需要根據(jù)不同的停留時間參數(shù)進(jìn)行敏感性分析，與居民出行調(diào)查數(shù)據(jù)進(jìn)行比對。手機GPS小樣本調(diào)查通過志愿者開通智能手機的GPS功能，先由系統(tǒng)大致判別志愿者的出行空間和活動次序，然后由志愿者上網(wǎng)校核并補充交通方式、出行目的等信息，形成完整的居民出行調(diào)查數(shù)據(jù)記錄。這種調(diào)查的優(yōu)點是完整地記錄了人的出行活動空間，可以最大限度地避免漏填漏報。但由于調(diào)查成本較高，無法大規(guī)模展開，一般僅作為居民出行調(diào)查中有關(guān)漏填漏報校核調(diào)整的依據(jù)，特別是非基于家的出行。

三種調(diào)查方式的結(jié)果在相互驗證的基礎(chǔ)上，可以更加準(zhǔn)確地反映城市居民的出行活動。

3.2 應(yīng)用大數(shù)據(jù)促進(jìn)4D模型研發(fā)

文獻(xiàn)[2]提出3D模型，分別代表開發(fā)密度(Density)、用地多樣性(Diversity)和城市設(shè)計(Design)；文獻(xiàn)[3]增加目的地可達(dá)性(Destination Accessibility)和至公共交通的距離(Distance to Transit)，也稱5D模型。由于至公共交通的距離可包含在目的地可達(dá)性范疇內(nèi)，故一般稱為4D模型。

4D模型中，開發(fā)密度主要指容積率，用地多樣性表現(xiàn)出人口和就業(yè)崗位的混合程度，城市設(shè)計主要體現(xiàn)在路網(wǎng)形態(tài)，例如街區(qū)大小和交叉口間距。用地多樣性和路網(wǎng)密度直接影響人員活動熱度和步行交通方式選擇。上述3D因素可以通過傳統(tǒng)數(shù)據(jù)進(jìn)行計算。目的地可達(dá)性指標(biāo)具有不同的計算方式，包括基于一定時間內(nèi)覆蓋的城市活動要素絕對值，或基于效用理論計算方法等。其核心要素是城市活動要素的度量，即一定時間可達(dá)范圍內(nèi)的各種公共設(shè)施、人員活動集聚情況等要素的綜合度量，過去往往以人口和就業(yè)崗位的綜合計算來確定。在大數(shù)據(jù)環(huán)境下，各種興趣點(Point of Interest,POI)數(shù)據(jù)、百度人流熱力圖、大眾點評網(wǎng)數(shù)據(jù)、房價網(wǎng)數(shù)據(jù)等，為城市活動要素的度量增加新的數(shù)據(jù)源。因此，4D模型中引入大數(shù)據(jù)分析是可行的。

3.3 應(yīng)用大數(shù)據(jù)改進(jìn)出行分布的目的地選擇模型

重力模型在出行分布中應(yīng)用廣泛，除考慮時間、費用等綜合性出行成本外，由于城市內(nèi)區(qū)域之間交通需求聯(lián)系的特殊性，還需要增加K因子來調(diào)整區(qū)域間的聯(lián)系程度。但K因子代表的意義很難解釋，無法說明居民出行目的地選擇的具體因素，與數(shù)學(xué)公式中的常數(shù)項類似。目的地選擇模型可以考慮更多的居民出行目的地選擇因素，在國外模型中已得到廣泛應(yīng)用。當(dāng)重力模型中的阻抗函數(shù) f(dij)=exp(-adij)時，重力模型可以改進(jìn)為Logit形式的目的地選擇模型

式中：PAij是小區(qū)i至小區(qū) j的出行量；Pi是小區(qū)i的出行生成量；kij是小區(qū)i和 j之間K因子；Aj是小區(qū) j的出行吸引量；dij是小區(qū)i至小區(qū) j的出行綜合阻抗；a,Sj,θk均為目的地選擇模型的參數(shù)；Kij可以表示為起點至迄點的各種變量要素，例如是否有自然河流相隔，目的地的商業(yè)活力，目的地是否滿足人的各種活動需求等。

居民出行活動中，通勤、通學(xué)的出行目的地相對固定，就餐、娛樂、購物等出行目的地選擇較為靈活，因此具有替代性和互補性。如圖2所示，假設(shè)居民從家H點出發(fā)，希望就餐后購物，A，B兩地可以就餐，C地可以購物。若H至三地距離相似，且A，B兩地至C的距離相差不多，則A，B具有替代性；若B和C較A和C臨近，則在A，B與H距離相似的情況下，由于B，C的互補關(guān)系，選擇B就餐的可能性將明顯大于A，從而滿足居民活動次序的需要。

體育鍛煉、就餐、娛樂、購物等各種公共服務(wù)設(shè)施和人員活動數(shù)據(jù)等要素是目的地選擇模型構(gòu)建的關(guān)鍵變量。這些因素需要通過各種指標(biāo)來剖析和探索，并需要應(yīng)用交通以外的社會、經(jīng)濟(jì)大數(shù)據(jù)輔助分析，例如手機應(yīng)用軟件使用記錄、銀行消費數(shù)據(jù)、服務(wù)類網(wǎng)站使用數(shù)據(jù)等。依靠傳統(tǒng)的居民出行調(diào)查能夠獲得這類出行數(shù)據(jù)，但在較小區(qū)域內(nèi)的樣本量往往不足。而大數(shù)據(jù)則可以彌補樣本量不足的缺點。但是，如何利用大數(shù)據(jù)判斷出行活動的詳細(xì)類型及與傳統(tǒng)交通模型出行目的分類的關(guān)系，仍然是目的地選擇模型需要解決的問題。

3.4 應(yīng)用大數(shù)據(jù)改進(jìn)軌道交通出行接駁模型

圖2 目的地選擇場景Fig.2 Scenarios of destination choice

圖3 軌道交通接駁方式復(fù)雜性Fig.3 Complexity of urban rail transit access modes

軌道交通作為城市客流主要通道的交通設(shè)施，具有多種交通方式換乘接駁的使用特征(見圖3)。換乘接駁包括進(jìn)站前和出站后，具有多種組合形式。中國城市軌道交通網(wǎng)絡(luò)客流分析在接駁方式模型水平方面尚有較大地改進(jìn)空間。建模的主要難點在于兩端接駁的組合類型較多、需要考慮接駁的站間OD與交通小區(qū)OD客流分配的配套分析功能，以及獲取支撐接駁模型參數(shù)標(biāo)定的調(diào)查數(shù)據(jù)。

軌道交通網(wǎng)絡(luò)規(guī)模較大的情況下，單純依靠居民出行調(diào)查能夠獲取的樣本量非常有限。專門的軌道交通車站問詢調(diào)查受調(diào)查內(nèi)容和規(guī)模的限制，難以獲得完整的接駁數(shù)據(jù)或確定車站的服務(wù)范圍。由于地下車站具有專門基站，結(jié)合手機信令數(shù)據(jù)分析車站全方式接駁的出行起點和訖點范圍分布是可行的。但有關(guān)接駁交通方式的數(shù)據(jù)則需要結(jié)合傳統(tǒng)的問詢調(diào)查和接駁距離來綜合判別。因此，改進(jìn)軌道交通接駁模型的大數(shù)據(jù)應(yīng)用需要深入探索。

3.5 應(yīng)用大數(shù)據(jù)加強交通模型的出行成本校核

交通模型的出行成本模塊，是出行分布模型和出行方式選擇模型的基本輸入數(shù)據(jù)，其準(zhǔn)確度在模型中具有舉足輕重的地位。出行成本模塊中，對于步行和自行車、軌道交通等成本的準(zhǔn)確計算相對容易，而對隨機性較大的道路交通出行時間，依靠延誤函數(shù)準(zhǔn)確計算的難度較大。行駛過程中的延誤一般分為路段延誤和交叉口信號延誤。在交通規(guī)劃模型中，交叉口信號配時數(shù)據(jù)輸入工作量巨大，一般采用簡化方法批量處理計算。由此造成的交通小區(qū)間道路交通出行時間的偏差往往難以避免。

在大數(shù)據(jù)環(huán)境下，特別是針對浮動車數(shù)據(jù)和地圖信息的應(yīng)用，可以獲得較為準(zhǔn)確的路段車速數(shù)據(jù)及區(qū)域間的車輛出行時間。同時，采用網(wǎng)絡(luò)等時線圖可以比較直觀地對比交通模型和大數(shù)據(jù)的路網(wǎng)出行時間。圖4是美國北德克薩斯大都會(North Central Texas Council of Governments,NCTCOG)各區(qū)域至市中心的等時線，圖中虛線和實線是早高峰模型與Google地圖浮動車數(shù)據(jù)的對比[4]?？梢?，即使是發(fā)達(dá)國家的成熟交通模型，道路交通出行時間方面的計算仍然存在較大偏差。因此，中國城市交通模型也應(yīng)適當(dāng)利用大數(shù)據(jù)進(jìn)行校核。

4 大數(shù)據(jù)與交通模型的互動發(fā)展

大數(shù)據(jù)和傳統(tǒng)交通模型都可以獨立進(jìn)行決策分析。大數(shù)據(jù)可以作為交通模型的基礎(chǔ)數(shù)據(jù)，也可以經(jīng)過技術(shù)處理后直接應(yīng)用于決策參考。由于很多大數(shù)據(jù)并不是為服務(wù)交通規(guī)劃決策分析而產(chǎn)生，數(shù)據(jù)難以直接應(yīng)用于決策分析，數(shù)據(jù)的副產(chǎn)品增加了利用難度，所以需要進(jìn)行一系列的技術(shù)處理，實現(xiàn)信息挖掘。傳統(tǒng)的交通模型技術(shù)過程一般是數(shù)據(jù)綜合、參數(shù)標(biāo)定、結(jié)果計算、決策分析，而大數(shù)據(jù)的技術(shù)處理過程一般是特征挖掘、融合分析、關(guān)聯(lián)分析、決策分析。大數(shù)據(jù)進(jìn)行特征挖掘及融合分析后，便可作為交通模型數(shù)據(jù)綜合和參數(shù)標(biāo)定的原材料。大數(shù)據(jù)和交通模型具有互補和促進(jìn)作用，一方面大數(shù)據(jù)對模型精度具有促進(jìn)作用，另一方面交通模型結(jié)合大數(shù)據(jù)可以分析出更多成果，例如通勤距離分布的計算等。

一種思潮認(rèn)為大數(shù)據(jù)可能顛覆傳統(tǒng)調(diào)查和模型的技術(shù)框架，或者替代傳統(tǒng)交通模型的決策分析功能。本文認(rèn)為大數(shù)據(jù)和交通模型是共同成長而非完全替代的關(guān)系。首先，交通模型具有完整的理論體系，而大數(shù)據(jù)及其處理技術(shù)并沒有上升到理論體系的層面。依靠大數(shù)據(jù)本身的數(shù)據(jù)挖潛和處理分析，無法在分析理論與方法上突破傳統(tǒng)交通模型。其次，大數(shù)據(jù)本身也存在諸多缺陷，有些分析仍需與交通模型結(jié)合。大數(shù)據(jù)清洗的規(guī)則有時并不明確，如何定義異常數(shù)據(jù)要根據(jù)經(jīng)驗判斷；大數(shù)據(jù)的統(tǒng)計結(jié)果和傳統(tǒng)定義的一致性，也需要做出很多假設(shè)和推斷并確定一些參數(shù)；任何大數(shù)據(jù)都不可能完整，具有片面性[5]。大數(shù)據(jù)和交通模型共同成長，一方面要使大數(shù)據(jù)的分析適應(yīng)傳統(tǒng)交通模型體系，另一方面需要在大數(shù)據(jù)環(huán)境下改進(jìn)交通模型。

圖4 北德克薩斯大都會到市中心的等時線Fig.4 Contour line of travel time to downtown in big North Texas cities

5 結(jié)語

交通大數(shù)據(jù)對人口和就業(yè)崗位分布、綜合交通網(wǎng)絡(luò)數(shù)據(jù)和基于交通調(diào)查的模型參數(shù)等交通模型核心數(shù)據(jù)的支撐都起到了較大的作用。大數(shù)據(jù)為交通模型的精細(xì)化研究提供條件，并為交通模型提供更多校核信息。大數(shù)據(jù)的應(yīng)用過程中，要從相關(guān)定義、市場細(xì)分以及信息完整性三個方面判別大數(shù)據(jù)與現(xiàn)有交通模型的一致性問題，充分了解大數(shù)據(jù)的優(yōu)點和缺點，并有效應(yīng)用于交通模型研發(fā)。交通模型需要根據(jù)數(shù)據(jù)的環(huán)境變化進(jìn)行相應(yīng)修正，例如根據(jù)現(xiàn)有交通大數(shù)據(jù)的特點，可以在交通調(diào)查技術(shù)、4D模型研發(fā)、出行分布的目的地選擇模型、軌道交通出行接駁模型、出行成本校核等方面做進(jìn)一步的改進(jìn)。大數(shù)據(jù)和交通模型都可以獨立進(jìn)行決策分析，大數(shù)據(jù)和交通模型具有互補和促進(jìn)作用，今后需要互動發(fā)展。

[1]張?zhí)烊?基于GIS的公交模型數(shù)據(jù)庫構(gòu)建及維護(hù)[J].城市交通，2014，12(5)：65-71.Zhang Tianran.Development and Maintenance of a GIS-based Transit Model Database[J].Urban Transport of China,2014,12(5):65-71.

[2]Cervero R,Kockelman K.Travel Demand and the 3Ds:Density,Diversity and Design[J].Transportation Research Part D,1997,2(3):199.

[3]Ewing R,Greenwald M N,Zhang M,et al.Measuring the Impact of Urban Form and Transit Access on Mixed Use Site Trip Generation Rates:Portland Pilot Study[R].Washing-ton DC:US Environmental Protection Agency,2009.

[4]Slavin H,Lam J,Nanduri K.Traffic Assignment and Feedback Research to Support Improved TravelForecasting[R].Washington DC:Federal Transit Administration Office of Planning and Environment,2015.

[5]陳必壯，張?zhí)烊?中國城市交通調(diào)查與模型現(xiàn)狀實踐及未來發(fā)展趨勢[J].城市交通，2015，13(5)：73-79.Chen Bizhuang,Zhang Tianran.Current Practice and Future Development Trends of Urban Transportation Survey and Modelling in China[J].Urban Transport of China,2015,13(5):73-79.

Transportation Model Development in an Era of Big Data

Zhang Tianran
(Shanghai Urban Planning&Design Research Institute,Shanghai 200040,China)

A huge challenge facing the transportation models’development is how to combine conventional travel survey with new information visual analytics and improve transportation modeling methodologies based on characteristics of big data.This paper analyzes the impact of big data on transportation model development,particularly in key modeling input data such as distribution of population and employment,comprehensive transportation network,and model parameters based on travel survey.The incompatibility of big data and transportation model is discussed in three aspects:their respective definitions,market segmentation and information integrality.The paper elaborates how to use big data to improve the crucial techniques of transportation models,such as travel survey technology,4D model development,destination choice model,urban rail transit access model,and travel cost evaluation.Finally,the paper emphasizes the interactive development of big data and transportation model through comparing the decision analysis process.

transportation model;big data;travel survey;compatibility;decision analysis

1672-5328（2016）02-0022-07

U491.1+2

A

10.13813/j.cn11-5141/u.2016.0204

2015-11-30

張?zhí)烊?1980—)，男，浙江紹興人，博士，高級工程師，主要研究方向：交通規(guī)劃和政策、交通模型和交通地理信息系統(tǒng)。E-mail:zhangtianrantj@163.com