北京市政院韩冬：大数据在城市交通治理中的应用

5月29日，北京市政工程设计研究院高级工程师韩栋通过中关村西区交通管理项目分享了大数据在城市交通管理中的应用。

以下是韩栋演讲的全文。宜友智慧城编辑了它，以供读者参考，而不改变客人的初衷。

交通治理面临的问题与挑战

交通管理是指城市综合交通系统的管理规划。工作流首先检查当前的交通需求和设施供应，然后识别问题。针对各种交通方式的用户，提出综合管理计划，* * *形成项目清单，并提交相关机构实施，作为主要成果。

当我们进行交通控制项目时，遇到了交通问题识别和数据收集的瓶颈。首先，研究方法落后，其次，数据少且范围小，还包括观测周期有限、路径无法追踪、od获取困难、数据不回溯等。

以中关村西区交通控制项目为例看大数据的应用。在问题识别阶段，浮动车轨迹数据等汇总数据主要用于数据验证，作为问题识别的主要依据。在改进计划阶段，构建宏观交通预测模型，滴滴提供的OD数据作为模型输入过程中的基础数据。

在后评估阶段，我们计划使用数据回溯功能进行前后对比，分析项目的实施效果。

大数据在实际应用中的优势

一、区域交通运行态势判断

situation decision是大数据应用最广泛的场景，它获取特定时间段内区域路网的整体运行状态信息，用于拥堵原因的初步分析。实时监控路网运行状态，进行态势分析和决策。用于分析拥堵演变的可追溯历史数据。

二、区域出行分布和路径特征

基于轨迹大数据追踪旅行路线。追溯拥堵路段的主要交通来源，分析拥堵原因。分析了区域内信号控制交叉口的运行环节，用以指导交叉口的信号控制策略和分区划分。

三、交叉口全时段指标分析

全天候交叉口历史数据回溯，指导单个交叉口的信号配时优化方案，并对交叉口改善方案进行后评价。

总结：大数据应用的优点是它在定性情况判断中非常有用，但在定量分析中，它会暴露出大数据的一些精度问题。

大数据在实际应用中遇到的问题

一、交叉口流量分析遇到的问题

目前，交叉口交通主要是根据轨道数据反馈的排队长度和延误特性来计算的，该方法更多地依赖于现有的交叉口设施渠化方案和现有的配时方案。

然而，浮动车的一个特点是，在某一路段的某一点，一天的数据量可能不够。在分析过程中，需要叠加一个月的数据。交叉口的一些渠化方案或定时方案可能在一个月内改变，这将导致计算流量的误差。

因此，在随后的改进中，我们还使用了交通管理部门提供的历史方案和定时数据来纠正这个问题。另一点是轨迹数据不能反映公交信息，流量估计不能反馈公交车道的流量。

二、路段断面流量分析遇到的问题

路段的交通分为两种类型。一是城市光控交叉口的交通。目前，这种交通量估计主要基于交叉口的交通量。然而，存在一个问题，即两个交叉口之间的非光控交叉口的交通在某些地方无法检测到。

第二种类型是城市快速路交通量，它仍然是基于交通速度模型计算的，但不能准确反映有公交专用道的快速路交通量。

三、OD分析遇到的问题

轨迹数据来自APP用户，不能用作完整样本数据。样本分布有偏差，因此无法实现简单的随机采样。土地利用类型对OD样品浓度有很大影响。由于外径样本的采样比例未知，很难准确扩展样本。

谈论我们作为用户的感受。没有大数据是绝对不可能的。因为大数据提供了新的平台

* * *是一项缓慢移动的系统治理和流量治理的重要工作。当前大数据统计更加注重机动车运行状况和数据分析，缺乏有效的手段来收集慢速行驶的交通大数据。预计大数据将为步行和自行车交通提供更多的数据源和分析方法。

二是目前仍缺乏大数据对事故数据的分析，预计大数据将在事故识别、判断和统计中发挥更大的作用。

关于对未来大数据的愿景与期望

希望在智能城市顶层设计的框架下，构建交通大数据云公共平台，实现全样本、全模式的交通大数据。二是为规划、建设和交通管理搭建决策平台。该平台基于交通大数据和城市总体规划数据。

我们希望把这个平台建设成为政府决策和多部门合作的公共平台，包括公众参与的平台，为未来的城市建设提供更好的指导。