大數(shù)據(jù)在交通規(guī)劃和管理中實(shí)踐探索
——以廣州為例

蘇躍江，龍小強(qiáng)，吳德馨

(廣州市交通運(yùn)輸研究所 廣州市公共交通研究中心, 廣州 510635)

0 引言

近年來(lái)，大數(shù)據(jù)發(fā)展非常迅猛，其定義和內(nèi)涵在各行業(yè)也有不同的解釋?zhuān)顬槌Ｓ玫木謩?shì)大數(shù)據(jù)具有4V特征：即Volume(體量大)、Variety(多樣性)、Value(價(jià)值高)、Velocity(更新速度快). 在大數(shù)據(jù)快速發(fā)展的新形勢(shì)下，傳統(tǒng)交通規(guī)劃研究面臨技術(shù)革新的重大機(jī)遇與挑戰(zhàn). 很多學(xué)者嘗試通過(guò)大數(shù)據(jù)研究城市(含交通)規(guī)劃和管理，主要經(jīng)歷以下幾個(gè)發(fā)展階段：“大數(shù)據(jù)如何獲取以及帶來(lái)規(guī)劃新方法→大數(shù)據(jù)支持下的城鄉(xiāng)治理方法與實(shí)踐、大數(shù)據(jù)的獲取與分析技術(shù)研究→以大數(shù)據(jù)為主的新技術(shù)作支撐促進(jìn)規(guī)劃方案自下而上與自上而下的互動(dòng)”. 文獻(xiàn)[1-6]主要探索通過(guò)大數(shù)據(jù)分析與規(guī)劃業(yè)務(wù)邏輯之間的深刻關(guān)聯(lián)，促進(jìn)大數(shù)據(jù)與規(guī)劃業(yè)務(wù)的結(jié)合與深化；文獻(xiàn)[7-12]主要探索通過(guò)數(shù)理方法和評(píng)價(jià)實(shí)例，如何將大數(shù)據(jù)與規(guī)劃業(yè)務(wù)相結(jié)合，實(shí)現(xiàn)數(shù)據(jù)分析作為決策的進(jìn)一步落地.

交通大數(shù)據(jù)主要分為3大類(lèi)：①以人為對(duì)象的數(shù)據(jù)，包含IC卡數(shù)據(jù)、軌道交通閘機(jī)數(shù)據(jù)、手機(jī)信令數(shù)據(jù)、公路聯(lián)網(wǎng)售票數(shù)據(jù)、鐵路和民航客流數(shù)據(jù)以及社交網(wǎng)絡(luò)(媒體)數(shù)據(jù)等；②以車(chē)為對(duì)象的數(shù)據(jù)，包含道路高清卡口數(shù)據(jù)、車(chē)載GPS數(shù)據(jù)、FRID電子牌數(shù)據(jù)、視頻監(jiān)控?cái)?shù)據(jù)、高速公路收費(fèi)流水?dāng)?shù)據(jù)、國(guó)省道流量觀測(cè)數(shù)據(jù)等；③以路為對(duì)象的數(shù)據(jù)，包含線圈、微波、紅外線等流量檢測(cè)數(shù)據(jù)、停車(chē)誘導(dǎo)屏數(shù)據(jù)等. 本文主要介紹手機(jī)信令數(shù)據(jù)、GPS數(shù)據(jù)、道路卡口數(shù)據(jù)以及公共交通IC卡數(shù)據(jù)在交通規(guī)劃和管理中的應(yīng)用，并與廣州市為例進(jìn)行實(shí)證研究. 其目的是通過(guò)對(duì)大數(shù)據(jù)的分析，洞察和厘清車(chē)流、人流的出行規(guī)律，實(shí)現(xiàn)交通規(guī)劃和運(yùn)營(yíng)管理從“局部數(shù)據(jù)、經(jīng)驗(yàn)驅(qū)動(dòng)”向“多種數(shù)據(jù)、數(shù)據(jù)驅(qū)動(dòng)”轉(zhuǎn)變.

1 移動(dòng)手機(jī)數(shù)據(jù)在交通規(guī)劃中應(yīng)用

1.1 基本原理

手機(jī)通信數(shù)據(jù)包括手機(jī)信息、信令信息和基站信息3部分，由于手機(jī)信令數(shù)據(jù)包含短信、通話(huà)、基站切換、開(kāi)關(guān)機(jī)、通信維護(hù)情況下與基站通訊的信令數(shù)據(jù)，手機(jī)信令數(shù)據(jù)可獲得頻率較高的采樣點(diǎn)，常用手機(jī)信令數(shù)據(jù)進(jìn)行分析，基本原理就是通過(guò)移動(dòng)通信網(wǎng)絡(luò)信號(hào)覆蓋與用戶(hù)進(jìn)行交互，然后利用數(shù)據(jù)預(yù)處理、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量分析以及出行鏈技術(shù)等方法還原用戶(hù)的出行模糊軌跡. 一般手機(jī)數(shù)據(jù)主要用于4個(gè)方面：即交通調(diào)查的補(bǔ)充和校核分析、典型吸引點(diǎn)客流密度分析、軌道交通換乘分析、交通設(shè)施路徑分析、交通狀態(tài)識(shí)別分析，其中交通狀態(tài)識(shí)別分析由于基站模糊地址原因映射到道路網(wǎng)絡(luò)的精度相對(duì)較低.

圖1 手機(jī)信令數(shù)據(jù)在道路交通網(wǎng)絡(luò)中的位置電子腳印原理

表1 手機(jī)信令數(shù)據(jù)的基本格式

圖2 手機(jī)信令數(shù)據(jù)的應(yīng)用領(lǐng)域

1.2 案例分析

廣佛地域有約200 km的接壤邊界，現(xiàn)有跨界交通設(shè)施為兩市開(kāi)展同城化合作奠定了基礎(chǔ)，為廣佛兩地居民居住和就業(yè)提供方便. 分析以2016年6月以來(lái)22 d移動(dòng)手機(jī)信令數(shù)據(jù)為基礎(chǔ)，限于篇幅，本次僅對(duì)廣佛同城化的職住特征和時(shí)空分布特征進(jìn)行分析.

圖3 廣佛“候鳥(niǎo)”居住地分布(左)和就業(yè)分布(右)特征

1.2.1 廣佛同城化“候鳥(niǎo)”職住特征

廣佛“候鳥(niǎo)”是指在佛山居住、廣州就業(yè)；廣州居住、佛山就業(yè). 根據(jù)對(duì)廣佛兩市連續(xù)22 d的數(shù)據(jù)監(jiān)測(cè)，廣佛“候鳥(niǎo)”居住地、工作地沿廣佛邊界分布，呈現(xiàn)“一心多點(diǎn)”等級(jí)集聚，同城化特征顯著. 在廣州工作、佛山居住的廣佛“候鳥(niǎo)”人數(shù)較多，約是佛山工作、廣州居住“候鳥(niǎo)”的1.5倍. 其中廣佛“候鳥(niǎo)”居住地主要集中在南海區(qū)的大瀝鎮(zhèn)(占比53.3%)，工作地則相對(duì)較為分散；佛廣“候鳥(niǎo)”工作地集中在大瀝鎮(zhèn)、桂城街道，分別占比26.3%、20.9%，居住地較為分散，其中居住在南沙區(qū)的大崗鎮(zhèn)的“候鳥(niǎo)”最多，占比11.8%.

1.2.2 廣佛同城化居民出行時(shí)空分布特征

目前廣佛間城際出行主要通過(guò)廣佛地鐵、城際公路客運(yùn)(普通客運(yùn)、城巴、快巴)、廣佛公交、出租車(chē)、私人小汽車(chē)等方式. 從空間分布來(lái)講，客流呈現(xiàn)出“兩點(diǎn)放射、毗鄰區(qū)域密集”的特征，“兩點(diǎn)放射”以佛山南海、順德兩區(qū)向廣州毗鄰區(qū)縣連接，其中南海與荔灣、白云的出行需求最高，日均交換量均超過(guò)25萬(wàn)人次，毗鄰區(qū)域呈現(xiàn)一體化、網(wǎng)絡(luò)化特征. 從時(shí)間分布來(lái)講，工作日廣佛間出行交換量時(shí)變曲線基本符合雙峰分布，出行早高峰為07:00—08:00時(shí)段，相比于廣州出行早高峰提前約0.5 h，晚高峰出現(xiàn)在17:00—18:00時(shí)段. 非工作日無(wú)明顯的早高峰，晚高峰時(shí)段為18:00—19:00.

圖4 廣佛同城化居民出行空間分布特征

2 IC卡數(shù)據(jù)在公交客流分析中應(yīng)用

2.1 基本原理

2.1.1 站點(diǎn)OD推斷

圖5 廣佛同城化居民出行時(shí)間分布特征

圖6 上下車(chē)客流推斷流程(左)和IC卡數(shù)據(jù)、報(bào)站數(shù)據(jù)字段(右)

公交OD推斷是以乘客長(zhǎng)時(shí)間的出行和換乘行為假設(shè)為基礎(chǔ)，即假設(shè)乘客的起終點(diǎn)首次出行、回程、換乘均具有規(guī)律性，比如在同一天中連續(xù)2次乘車(chē)的上車(chē)時(shí)間間隔小于一定閾值時(shí)，則判定該乘客的2次乘車(chē)為換乘出行，第2次乘車(chē)的起點(diǎn)為換乘站點(diǎn). IC卡交易數(shù)據(jù)是由乘客上車(chē)刷卡產(chǎn)生的交易流水?dāng)?shù)據(jù)，該數(shù)據(jù)主要記錄IC卡進(jìn)行交易時(shí)的相關(guān)信息，主要包括卡片信息、交易時(shí)間、車(chē)輛屬性、公交線路以及乘坐地鐵等信息；公交車(chē)報(bào)站數(shù)據(jù)是車(chē)輛進(jìn)出站時(shí)，公交車(chē)載終端在進(jìn)出公交站點(diǎn)周邊設(shè)置的電子?xùn)艡跁r(shí)會(huì)自動(dòng)報(bào)站，由此記錄了公交車(chē)在運(yùn)行過(guò)程中的時(shí)空信息，主要包含車(chē)輛屬性、公交站點(diǎn)名稱(chēng)、報(bào)站時(shí)間、線路行車(chē)方向等信息. 利用IC卡數(shù)據(jù)和公交GPS報(bào)站數(shù)據(jù)推斷上、下車(chē)客流，主要利用IC卡獲取的車(chē)輛編碼(交易終端公交車(chē)編碼)、交易時(shí)間(記錄IC卡當(dāng)次刷卡時(shí)間)、線路編碼(當(dāng)次刷卡車(chē)輛對(duì)應(yīng)的公交線路編碼)等信息與公交GPS報(bào)站數(shù)獲取的車(chē)輛編碼、報(bào)站時(shí)間、公交站點(diǎn)名稱(chēng)、公交線路方向等信息進(jìn)行匹配(圖6中深色字體)，并結(jié)合多次IC卡刷卡時(shí)間的連續(xù)性數(shù)據(jù)、出行時(shí)間閾值、公交站點(diǎn)空間屬性、居民出行規(guī)律性以及換乘行為識(shí)別等特征推斷上、下車(chē)客流和換乘客流，從而得到公交站點(diǎn)OD.

2.1.2 站點(diǎn)OD推算小區(qū)OD

構(gòu)建公交站點(diǎn)OD映射到交通小區(qū)客流OD，主要有2點(diǎn)：①梳理公交站點(diǎn)應(yīng)對(duì)交通小區(qū)的關(guān)系，引入距離系數(shù)統(tǒng)計(jì)公交站點(diǎn)周邊滿(mǎn)足條件的交通小區(qū)做選擇集，公交站點(diǎn)和交通小區(qū)是一對(duì)多的關(guān)系(見(jiàn)圖3)；②統(tǒng)計(jì)分析小區(qū)內(nèi)人口和就業(yè)崗位數(shù)量，或交通小區(qū)內(nèi)用地性質(zhì)和土地面積(建筑面積)，引入分配權(quán)重系數(shù)將公交站點(diǎn)客流分配到交通小區(qū)；包含2種算法，即基于交通小區(qū)內(nèi)人口和就業(yè)崗位模型算法和基于交通小區(qū)內(nèi)用地性質(zhì)和土地面積或建筑面積的模型算法[13].

圖7 公交站點(diǎn)與交通小區(qū)關(guān)系(左)站點(diǎn)OD推算小區(qū)OD流程(右)

2.2 案例分析

公交IC卡數(shù)據(jù)的應(yīng)用價(jià)值還體現(xiàn)在對(duì)公交系統(tǒng)的調(diào)度、運(yùn)營(yíng)和管理以及服務(wù)水平的評(píng)價(jià). 通過(guò)對(duì)廣州市中心6區(qū)705條公交線路(涉及線路站點(diǎn)31 996個(gè)、物理站點(diǎn)6 214個(gè))梳理，分析以2015年12月IC卡的數(shù)據(jù)為基礎(chǔ)，從“點(diǎn)”“線”“面”3個(gè)層次刻畫(huà)廣州市常規(guī)公交客流情況，限于篇幅，本次僅以公交站點(diǎn)和用地關(guān)系進(jìn)行詳細(xì)分析. 根據(jù)公交站點(diǎn)周邊用地性質(zhì)和客流特點(diǎn)，公交站點(diǎn)可分為居住主導(dǎo)型、商業(yè)主導(dǎo)型、混合型3種類(lèi)型. 同時(shí)，有611個(gè)公交站點(diǎn)集散量大于0.5萬(wàn)人次，主要集中分布環(huán)城高速公路區(qū)域內(nèi)的主要干道；公交站點(diǎn)集散量大于4萬(wàn)人次的站點(diǎn)主要分布于地鐵線路未端覆蓋的大型居住片區(qū)和主要干道與地鐵線路交匯點(diǎn)，如BRT棠下村站、同德鄉(xiāng)站、橫滘站、同和站、芳村站、和平新村站等. 大部分集散點(diǎn)客流與公交復(fù)線條數(shù)的資源配置基本適應(yīng)，但部分站點(diǎn)資源配置不匹配，例如動(dòng)物園站、動(dòng)物園南門(mén)站，站點(diǎn)的?？烤€路與和平新村站、新市墟站為1∶1的關(guān)系，但線路條數(shù)客流僅為這2個(gè)站的1/3.

表2 不同類(lèi)型公交站點(diǎn)的客流特征

圖8 公交站點(diǎn)集散客流(左)與?？烤€路(右)關(guān)系

3 GPS數(shù)據(jù)在出租車(chē)規(guī)劃中應(yīng)用

3.1 基本原理

出租汽車(chē)GPS數(shù)據(jù)主要通過(guò)車(chē)輛終端和無(wú)線通信裝置以約每15～60 s不等的時(shí)間間隔上傳至后臺(tái)控制中心存儲(chǔ)，其屬性數(shù)據(jù)包含車(chē)牌號(hào)、入庫(kù)時(shí)間、GPS時(shí)間、經(jīng)度、緯度、速度、行駛方向、車(chē)輛狀態(tài)以及數(shù)據(jù)有效性等，其中經(jīng)緯度位置數(shù)據(jù)詳細(xì)記錄出租車(chē)運(yùn)營(yíng)軌跡信息，包含了車(chē)輛或乘客的上、下車(chē)位置信息；出租車(chē)計(jì)價(jià)器是用于測(cè)量出租車(chē)運(yùn)營(yíng)持續(xù)時(shí)間以及依據(jù)里程傳感器傳送的信號(hào)測(cè)量里程測(cè)算乘客的支付費(fèi)用，數(shù)據(jù)包括載客的行程時(shí)間(含開(kāi)始時(shí)間、結(jié)束時(shí)間、慢速時(shí)間)、行程里程、費(fèi)用以及支付方式等信息. 通過(guò)對(duì)出租車(chē)GPS數(shù)據(jù)的挖掘，分析出租車(chē)出行空間分布、出行次數(shù)、出行距離、出行時(shí)長(zhǎng)、時(shí)間分布、到達(dá)時(shí)間分布等特征，結(jié)合城市土地利用關(guān)系分析居民出行行為特征.

表3 出租車(chē)GPS數(shù)據(jù)表結(jié)構(gòu)

圖9 出租車(chē)GPS數(shù)據(jù)的應(yīng)用領(lǐng)域

3.2 案例分析

在廣佛同城化趨勢(shì)下，為使出租車(chē)回程時(shí)不空載，兩市交通主管部門(mén)協(xié)調(diào)確定設(shè)置出租車(chē)回程候客點(diǎn)，即廣佛兩市的出租車(chē)搭客到佛山、廣州后，可前往出租車(chē)回程候客點(diǎn)配客回程. 但由于出租車(chē)回程配客點(diǎn)設(shè)置數(shù)量少、兩市收費(fèi)標(biāo)準(zhǔn)不統(tǒng)一(如佛山出租車(chē)超過(guò)12 km后加50%回程費(fèi)，而廣州這個(gè)距離為35 km)，難以滿(mǎn)足廣佛出租車(chē)客運(yùn)需求.

分析以廣佛兩市2015年11月以來(lái)1萬(wàn)的出租車(chē)GPS數(shù)據(jù)和計(jì)價(jià)器數(shù)據(jù)為基礎(chǔ)，限于篇幅，本次僅結(jié)合需求和用地等規(guī)劃廣佛兩市出租車(chē)返程點(diǎn). 通過(guò)分析，目前出租車(chē)行程起訖點(diǎn)呈現(xiàn)出3個(gè)特點(diǎn)：①出行需求集中在兩市毗鄰地區(qū)，并且廣州市境內(nèi)出行需求總量高于佛山市；②局部出行需求呈點(diǎn)狀(如廣州南站)、帶狀分布(廣佛路、花地大道、龍溪大道)分布；③除毗鄰區(qū)域外，廣佛兩市出租車(chē)需求集中在客運(yùn)樞紐和地鐵站，如白云國(guó)際機(jī)場(chǎng)、廣州南站、廣州站、廣州東站、芳村客運(yùn)站以及潯峰崗地鐵站、黃沙地鐵站、西朗地鐵站等.

圖10 廣佛兩市出租車(chē)需求空間分布(左)和OD期望線路(右)

圖11 廣佛兩市出租車(chē)熱點(diǎn)區(qū)域分布(左)和返程點(diǎn)規(guī)劃(右)

4 道路卡口數(shù)據(jù)在交通執(zhí)法管理中應(yīng)用

4.1 基本原理

利用道路卡口數(shù)據(jù)進(jìn)行車(chē)牌識(shí)別，使得對(duì)單個(gè)車(chē)輛軌跡的出行鏈進(jìn)行識(shí)別，對(duì)個(gè)體規(guī)律進(jìn)行跟蹤和預(yù)測(cè)分析. 道路卡口車(chē)牌識(shí)別獲取的數(shù)據(jù)字段包括抓拍時(shí)間、車(chē)牌號(hào)碼、車(chē)牌顏色、抓拍路段和方向等信息. 主要利用卡口捕獲和記錄過(guò)往車(chē)輛的號(hào)牌，通過(guò)對(duì)車(chē)牌號(hào)、時(shí)間、路段等信息繼進(jìn)行空間、時(shí)間以及車(chē)輛的三維匹配，精確定位車(chē)輛的車(chē)身屬性、時(shí)間分布、空間分布、出行軌跡等信息，為交通運(yùn)營(yíng)管理提供精細(xì)化的數(shù)據(jù)支持.

4.2 案例分析

本次分析以2016年6月廣州市卡口(412個(gè))數(shù)據(jù)為基礎(chǔ)，對(duì)廣州市大客車(chē)可疑對(duì)象進(jìn)行分析. 主要分為3步：①類(lèi)別特征分類(lèi). 通過(guò)對(duì)途經(jīng)廣州境內(nèi)道路卡口大客車(chē)車(chē)輛流水?dāng)?shù)據(jù)統(tǒng)計(jì)分析，結(jié)合運(yùn)政管理系統(tǒng)車(chē)牌庫(kù)等數(shù)據(jù)庫(kù)，將大客車(chē)進(jìn)行類(lèi)別分類(lèi)，篩選出疑似非法大客車(chē)7 359輛、占全部大客車(chē)比例的15%；②運(yùn)行特征分類(lèi). 針對(duì)疑似非法營(yíng)運(yùn)大客車(chē)運(yùn)行特征(包括出行頻率、規(guī)律性、運(yùn)營(yíng)速度和注冊(cè)時(shí)間)，并考慮車(chē)輛的危險(xiǎn)程度進(jìn)一步分析運(yùn)行特征，得出可疑車(chē)輛主要分為頻繁且軌跡相對(duì)固定(被連續(xù)4個(gè)及以上卡口監(jiān)測(cè)到)、頻繁但軌跡不固定、不頻繁3大類(lèi)(并細(xì)分為11小類(lèi))，車(chē)輛數(shù)分別為1 159輛、219輛、5 981輛；③綜合分析. 統(tǒng)籌考慮類(lèi)別特征和運(yùn)行特征，重點(diǎn)對(duì)“頻繁規(guī)律+上高速+超過(guò)8a”“頻繁不規(guī)律+上高快速+超過(guò)8a”的車(chē)輛進(jìn)行重點(diǎn)監(jiān)測(cè)管理，并詳細(xì)分析這部分車(chē)輛的時(shí)空分布、出行軌跡等信息，做到執(zhí)法管理的精細(xì)化和有的放矢.

5 結(jié)束語(yǔ)

本文通過(guò)梳理大數(shù)據(jù)的特征、發(fā)展階段以及交通領(lǐng)域大數(shù)據(jù)類(lèi)別，分析手機(jī)、IC卡、GPS和道路卡口等大數(shù)據(jù)分析的基本原理和應(yīng)用領(lǐng)域，以廣州市為例進(jìn)行實(shí)證研究，為下一步交通大數(shù)據(jù)的應(yīng)用提供參考. 但交通數(shù)據(jù)不是數(shù)據(jù)和工程案例的簡(jiǎn)單整合，而是數(shù)據(jù)的充分融合共享和應(yīng)用強(qiáng)邏輯關(guān)聯(lián). 因此，在后續(xù)研究中應(yīng)關(guān)注幾個(gè)方面：①如何減少手機(jī)數(shù)據(jù)定位的漂移、加密采樣時(shí)間、獲取完整的出行鏈信息，進(jìn)一步挖掘交通方式、出行目的以及活動(dòng)類(lèi)型判斷、擴(kuò)樣技術(shù)等方面具有重要的意義；如何利用公交IC卡數(shù)據(jù)，挖掘單個(gè)乘客的行為特征和出行模式，還原公交乘客的出行模式特征和整個(gè)出行鏈特征；如果可以對(duì)個(gè)體車(chē)輛的GPS軌跡數(shù)據(jù)和車(chē)牌識(shí)別數(shù)據(jù)的行為規(guī)律進(jìn)行把握，將微觀個(gè)體的規(guī)律性和機(jī)理集計(jì)到宏觀層面，實(shí)現(xiàn)對(duì)宏觀規(guī)律的再現(xiàn)和預(yù)測(cè). ②重視系統(tǒng)數(shù)據(jù)質(zhì)量評(píng)估與驗(yàn)證工作，數(shù)據(jù)驗(yàn)證和質(zhì)量驗(yàn)證是整個(gè)數(shù)據(jù)分析和應(yīng)用的基石. ③推動(dòng)建立行業(yè)數(shù)據(jù)標(biāo)準(zhǔn)，規(guī)范數(shù)據(jù)定義、行業(yè)用語(yǔ)、采集要求等. ④如何利用各種數(shù)據(jù)所具有的優(yōu)勢(shì)，做好大小數(shù)據(jù)融合技術(shù)攻關(guān)，實(shí)現(xiàn)多元數(shù)據(jù)融合以及大數(shù)據(jù)與交通模型的及時(shí)融合，實(shí)現(xiàn)各種大數(shù)據(jù)之間、大數(shù)據(jù)與交通模型之間的相互補(bǔ)充和校核具有重要的意義.