文/張姿 杭州?？低晹?shù)字技術(shù)股份有限公司售前技術(shù)支持

　　一. 概述

　　基于交通大數(shù)據(jù)的數(shù)據(jù)分析和挖掘，進(jìn)行交通組織優(yōu)化的設(shè)計方案，在現(xiàn)階段，以既有的信號系統(tǒng)、電子警察系統(tǒng)、卡口系統(tǒng)、道路監(jiān)控系統(tǒng)以及道路固定源采集設(shè)備為主要數(shù)據(jù)來源，從違法數(shù)據(jù)、過車數(shù)據(jù)、車流量、車道占有率等交通數(shù)據(jù)入手，結(jié)合大數(shù)據(jù)，闡述了以數(shù)據(jù)和數(shù)字為依據(jù)的交通組織優(yōu)化方法。

　　通過大數(shù)據(jù)平臺分析和挖掘交通違法數(shù)據(jù)、交通參數(shù)數(shù)據(jù)、地理信息數(shù)據(jù)、交通基礎(chǔ)設(shè)施數(shù)據(jù)等基礎(chǔ)數(shù)據(jù)，從宏觀和微觀上把握交通路網(wǎng)運(yùn)行狀況、路網(wǎng)服務(wù)水平以及路網(wǎng)運(yùn)行特征，通過構(gòu)建交通信息采集系統(tǒng)和輔助決策支持系統(tǒng)，達(dá)到交通組織優(yōu)化的目的，以便更好地實現(xiàn)決策的科學(xué)化和出行的智能化。

　　二. 基于大數(shù)據(jù)平臺交通組織優(yōu)化的思路

　　交通組織優(yōu)化是一種能夠?qū)⒔煌ㄐ盘柨刂啤⒔煌肪W(wǎng)規(guī)劃設(shè)計、交通誘導(dǎo)貫通的綜合路網(wǎng)管控方案，但是由于信息相對獨(dú)立，存在信息孤島，數(shù)據(jù)分析不夠有效，已有的交通數(shù)據(jù)挖掘不充分，使得交通組織優(yōu)化難以找到可靠的數(shù)據(jù)依據(jù)，既有的交通數(shù)據(jù)分析無法支撐交通組織優(yōu)化。

　　做交通組織優(yōu)化可以從既有的交通數(shù)據(jù)進(jìn)行分析，如交通違法數(shù)據(jù)、交通流量數(shù)據(jù)、交通信息數(shù)據(jù)。分析處理后的數(shù)據(jù)結(jié)果可以用于交通仿真，區(qū)域協(xié)調(diào)式的交通信號控制;科學(xué)的路網(wǎng)規(guī)劃設(shè)計;基于路網(wǎng)、交通車輛特征數(shù)據(jù)和交通流數(shù)據(jù)的交通誘導(dǎo)這三個目標(biāo)去實現(xiàn)。

　　針對道路交通信號控制，目前已經(jīng)實現(xiàn)了信號機(jī)的聯(lián)網(wǎng)以及基于道路設(shè)計的信號控制配時預(yù)案，基于大數(shù)據(jù)的交通流量分析和交通特征挖掘，可以為信號機(jī)配時提供數(shù)據(jù)支撐。

　　針對路網(wǎng)設(shè)計和渠化管理，大數(shù)據(jù)平臺可以提供交通流量分析、違法數(shù)據(jù)分析、道路交通設(shè)施的分析。根據(jù)大數(shù)據(jù)平臺分析的結(jié)果做優(yōu)化的路網(wǎng)設(shè)計和渠化方案，如單行車道、潮汐車道、分時段禁行路段、提前掉頭路段等設(shè)計。

　　針對交通誘導(dǎo)和車流量管理，交通流采集設(shè)備的統(tǒng)一接入以及基于交通流數(shù)據(jù)的統(tǒng)計、分析、研判和預(yù)測，形成對交通流信息的服務(wù)體系。對于此部分?jǐn)?shù)據(jù)基于大數(shù)據(jù)的分析，可以根據(jù)歷史流量預(yù)測未來一段時間的流量、交通態(tài)勢，給出交通指數(shù)評價。從而根據(jù)路網(wǎng)的實際配置和信號配時做更準(zhǔn)確的交通誘導(dǎo)信息共享體系和多樣化的交通誘導(dǎo)發(fā)布渠道體系。

　　所以，隨著大數(shù)據(jù)的部署，對以上三項的推進(jìn)和實施提供有力的數(shù)據(jù)支撐。圍繞以上的工作，可以搭建交通路網(wǎng)管理數(shù)據(jù)的仿真應(yīng)用平臺，該平臺需要考慮到交通路網(wǎng)數(shù)據(jù)的多樣性和體量巨大的特點(diǎn)，因此是需要在交通大數(shù)據(jù)的基礎(chǔ)上去實現(xiàn)。?？低暤拇髷?shù)據(jù)方案——HDH平臺(Hikvision Division Hadoop)，可以提供在百億級數(shù)據(jù)規(guī)模下的數(shù)據(jù)分析應(yīng)用，同時對上層應(yīng)用提供完整的算法分析容器，可以支持交通仿真中所需的類似于基于時空域分析的交通流分析算法等技術(shù)的集成。

　　三. 大數(shù)據(jù)平臺處理數(shù)據(jù)類型

　　隨著車輛增多、道路設(shè)施無法得到完善和優(yōu)化，交通智能管控平臺的車流量數(shù)據(jù)、違法數(shù)據(jù)、道路設(shè)施信息增長速度不斷加快，利用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫在數(shù)據(jù)存儲或業(yè)務(wù)處理性能上已經(jīng)無法滿足龐大數(shù)據(jù)要求。此外關(guān)系型數(shù)據(jù)庫在智能研判以及交通專項場景的數(shù)據(jù)規(guī)律分析時，無法在不同維度的數(shù)據(jù)類型之間建立較好的因果以及相關(guān)性聯(lián)系，因此大數(shù)據(jù)平臺就是為了將結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行進(jìn)一步的整合處理。

　　?？低暣髷?shù)據(jù)平臺能夠處理以下數(shù)據(jù)：

　　1、 過車數(shù)據(jù)：車輛通過卡口、智慧監(jiān)控、電子警察等智慧型視頻采集點(diǎn)時可以記錄車輛所在車道數(shù)、車輛牌號、車身顏色、車型、車標(biāo)等結(jié)構(gòu)化的過車數(shù)據(jù)。

　　2、 車輛違法數(shù)據(jù)：既有的前端采集設(shè)備可以采集路口車輛闖紅燈、不按導(dǎo)向行駛、逆行、壓線、違法掉頭、違法停車等結(jié)構(gòu)化的違法數(shù)據(jù)。

　　3、 路口和路段的車流量數(shù)據(jù)：通過智慧型的視頻采集點(diǎn)或者固定源(如微波雷達(dá)，地磁等)可以采集車速、車道占有率、車頭間距等車流量數(shù)據(jù)。

　　4、 道路路網(wǎng)信息數(shù)據(jù)：大數(shù)據(jù)平臺能夠接入道路路網(wǎng)信息數(shù)據(jù)，如道路名稱、道路坐標(biāo)數(shù)據(jù)、道路交通設(shè)施、道路車道數(shù)、道路渠化情況等。

　　5、 信號控制系統(tǒng)配置數(shù)據(jù)：大數(shù)據(jù)平臺可以與信號控制系統(tǒng)平添對接，獲取信號控制系統(tǒng)的路口配時、相位控制等信息系統(tǒng)數(shù)據(jù)。

　　大數(shù)據(jù)平臺能夠?qū)又悄芙煌ü芸仄脚_、監(jiān)控平臺，提供過車信息數(shù)據(jù)、違法數(shù)據(jù)、流量數(shù)據(jù)、路網(wǎng)信息數(shù)據(jù)、信號控制系統(tǒng)配置數(shù)據(jù)接收、檢索、研判、統(tǒng)計等業(yè)務(wù)功能。

　　四. 大數(shù)據(jù)平臺在交通組織優(yōu)化方面的應(yīng)用

　　1、 大數(shù)據(jù)下的路口組織優(yōu)化

　　對道路交叉口進(jìn)行交通組織優(yōu)化設(shè)計時，最重要的一點(diǎn)是要明確路口的問題所在及產(chǎn)生問題的原因，為了弄清楚優(yōu)化對象存在的問題，如頻繁發(fā)生交通堵塞或者經(jīng)常發(fā)生交通事故等，需要收集必要的資料和數(shù)據(jù)，這些資料和數(shù)據(jù)包括交叉口交通量數(shù)據(jù)、交叉口現(xiàn)狀圖、交叉口事故數(shù)據(jù)、交叉口交通控制和交通管理現(xiàn)狀。

　　基于大數(shù)據(jù)的數(shù)據(jù)分析和梳理，能夠提供大量的數(shù)據(jù)樣本，可以輸出的數(shù)據(jù)包括空間維度和時間維度：

　　空間維度主要包括交叉口、路段、道路等級、行政區(qū)劃等;

　　時間維度主要包括小時、天、周、月、季度、年、工作日、雙休日、節(jié)假日等。

　　基于大數(shù)據(jù)交通數(shù)據(jù)分析的邏輯結(jié)構(gòu)圖如下：

　　根據(jù)大數(shù)據(jù)對城市道路的過車流量分析，可以得出城市功能區(qū)域的不同導(dǎo)致不同地點(diǎn)一天的高峰表現(xiàn)為不同的模式，如有些為單高峰，有些為雙高峰。單高峰出現(xiàn)的時間有些在上午，有些在下午，那么，識別這些模式對于把握高峰出現(xiàn)的時間、協(xié)調(diào)交通管理資源有參考意義。下圖的三種情況是比較典型的三個高峰模式。

　　利用大數(shù)據(jù)平臺，根據(jù)歷史數(shù)據(jù)確定早晚高峰時間段通過大量歷史數(shù)據(jù)和智能算法，判斷每個路段(或者交叉口、區(qū)域)早晚高峰出現(xiàn)的時間，對于把握整體和局部的交通分布、優(yōu)化交通管理方案具有積極的意義。

　　2、 大數(shù)據(jù)下的交通數(shù)據(jù)診斷

　　大數(shù)據(jù)能夠統(tǒng)計并輸出路網(wǎng)的擁堵情況、事故情況，并可以歸納成對用戶決策有用的信息。

　　如通過大數(shù)據(jù)分析，某路口的闖紅燈數(shù)量比平時少很多，由此異常的數(shù)據(jù)來源，我們可以設(shè)定報警規(guī)則，提示此異常信息。維護(hù)人員可以對現(xiàn)場道路交通設(shè)施進(jìn)行排查，是否為設(shè)備故障。

　　3、 大數(shù)據(jù)下的流量分析

　　不均指數(shù)

　　基于大數(shù)據(jù)對于各個路口/路段、各個方向的流量統(tǒng)計，分析出路網(wǎng)的不均指數(shù)。

　　不均指數(shù)包括路段分布不均指數(shù)、路口分布不均指數(shù)和車道分布不均指數(shù)。路段分布不均指數(shù)衡量路段兩個方向車流量分布不均勻的程度。其計算方式為兩個方向車流量的差值的絕對值除以路段的總流量，再將其映射到[0，10]的數(shù)值區(qū)間。路口分布不均指數(shù)衡量一個路口不同方向上車流量分布不均勻的程度。其計算方式為不同方向上的流量分別差值取絕對值最大后除以總流量，再將其映射到[0，10]的數(shù)值區(qū)間。車道分布不均指數(shù)衡量同一個方向上不同車道車流量分布不均勻的程度。其計算方式為同一方向、不同車道的車流量分別差值取絕對值最大后除以這一方向上的總流量，再將其映射到[0，10]的數(shù)值區(qū)間。

　　該圖左側(cè)向用戶展示了選定日期和地點(diǎn)的不均指數(shù)示意圖，移動水平滾動條，可查看各個時間段內(nèi)的不均指數(shù)。右側(cè)展示了車道、路口、路段等不同維度下相應(yīng)地點(diǎn)的不均指數(shù)及排名。

　　交通擁堵指數(shù)，其計算方式為實際通過的時間/自由流通過的時間，再將其映射到[0，10]的數(shù)值區(qū)間。擁堵指數(shù)越大，表明擁堵越嚴(yán)重。

　　擁堵指數(shù)展示界面

　　該圖左側(cè)向用戶展示了選定日期和地點(diǎn)的交通擁堵指數(shù)變化情況，移動水平滾動條，可查看各個時間段內(nèi)的擁堵指數(shù)和等級。右側(cè)展示了路口、路段、道路等級、行政區(qū)劃等不同維度下相應(yīng)地點(diǎn)的擁堵指數(shù)及排名。

　　通過大數(shù)據(jù)下直觀的展示道路不均指數(shù)，推薦出合理的信號機(jī)配時/相位方案，供決策者使用。

　　延遲指數(shù)

　　基于大數(shù)據(jù)對于各個路口/路段的歷史流量統(tǒng)計，分析出路網(wǎng)的延遲指數(shù)。

　　交通延遲指數(shù)，其計算方式為實際通過的旅行時間減去自由流通過的旅行時間(如果值為負(fù)數(shù)，則置為0，說明沒有延遲)，再將其映射到[0，10]的數(shù)值區(qū)間。交通延遲指數(shù)越大，表明該地點(diǎn)越擁堵。

　　延遲指數(shù)展示界面

　　該圖左側(cè)向用戶展示了選定日期和地點(diǎn)的交通延遲指數(shù)變化情況，移動水平滾動條，可查看各個時間段內(nèi)的延遲指數(shù)。右側(cè)展示了路口、路段、道路等級、行政區(qū)劃等不同維度下相應(yīng)地點(diǎn)的延遲指數(shù)及排名。

　　通過對道路的延遲指數(shù)分析，可以為決策者提供路面拓寬、新建道路規(guī)劃等決策依據(jù)。

　　4、 大數(shù)據(jù)下的交通組織專項分析

　　不同區(qū)域的交通特征差異較大，對于我們關(guān)注的一些特殊區(qū)域，比如旅游景區(qū)、進(jìn)出城高速口、火車站、?；愤\(yùn)輸線路等，基于大數(shù)據(jù)的專項分析模塊將對這些區(qū)域附近的路段及路口進(jìn)行專項重點(diǎn)分析。

　　圖中是顯示的選定區(qū)域附近有哪些路段和路口，以及這些路段、路口的相關(guān)參數(shù)，包括擁堵指數(shù)、擁堵延遲時間、平均車速、平均旅行時間、高峰平均速度、高峰延時時間、平峰平均速度等信息。

　　5、 大數(shù)據(jù)下的交通仿真

　　交通仿真最關(guān)鍵一點(diǎn)是建立仿真模型，其次是仿真的結(jié)果是否符合實際情況。結(jié)合城市交通大數(shù)據(jù)，可以為交通仿真提供精確的模型數(shù)據(jù)，如車輛出行OD、節(jié)點(diǎn)描述、路段描述、車道描述、交通控制方案、事件反應(yīng)、車輛路線選擇、車輛轉(zhuǎn)向選擇等。

　　大數(shù)據(jù)平臺提供多樣化的數(shù)據(jù)量，能夠為交通仿真提供支持，同時也可以根據(jù)歷史數(shù)據(jù)信息反向驗證交通仿真結(jié)果。

　　五. 結(jié)語

　　大數(shù)據(jù)服務(wù)平臺能夠?qū)ΡＡ艚鼉赡晟钌踔粮L時間的交通信息數(shù)據(jù)進(jìn)行挖掘分析。以大數(shù)據(jù)平臺為核心提出的大數(shù)據(jù)解決方案能夠滿足大規(guī)模數(shù)據(jù)量存儲以及基于如此規(guī)模的數(shù)據(jù)快速檢索、智能研判、快速統(tǒng)計等業(yè)務(wù)的性能要求。挖掘出具有路網(wǎng)和交通流特征的準(zhǔn)確數(shù)據(jù)，為交通組織優(yōu)化提供數(shù)據(jù)支撐。