分享

收藏

点赞

  1. 主页 > 资讯 > 智慧交管

论玩转“交通大数据”的正确姿势 | 看北京的应用实践

5月5日,中国智能交通协会、公安部道路交通安全研究中心和中国人民公安大学交通管理学院在上海联合举办主题为“ITS,助力城市交通缓堵”的第四届中国城市智能交通创新发展论坛。

5月5日,中国智能交通协会、公安部道路交通安全研究中心和中国人民公安大学交通管理学院在上海联合举办主题为“ITS,助力城市交通缓堵”的第四届中国城市智能交通创新发展论坛。北京市交通发展研究院智能交通部部长朱丽云发表了《北京交通大数据应用实践》。

以下为朱丽云演讲全文:

今天来这里想跟大家分享一下北京市把大数据用于交通缓堵决策方面的一些思路、经验、案例以及感想。

所以我要分享的内容分成三部分,一就是我们工作思路和方法,怎么样将现在热得一塌糊涂的大数据,运用到实际工作当中。另外一方面,在北京大数据应用落地到了哪些实践的案例当中,最后是我们的一些感想。

我们的工作方法和思路,大概有两方面。一方面就是随着互联网的发展,车联网也开始落地,大量的数据涌入,但是数据进入大脑的速度不会增加,而信息在爆发。我们要做的工作其实就是在制造中间境内系的二极管,让规划师、决策人员能够把这些信息注入到内心里去。这个二极管可能要重点把握几个核心点,包括数据要非常的准确、可信,要有标准化。

另外一方面,交通行业其实是面临很大的困境,我们是一个评定科学。老百姓认为很简单,有自己的想法,会提很多的意见,可惜手上有这么多的数据,但没有办法做到真正的证析,没有很好的理由去跟他们解释,所以弄成评定科学,反而是政府很被动。

所以我们在想,如果以前拍脑袋决策类似老中医的这种方法,民众不是很认可,那么我们就想建立一个城市交通病治理的现代医学,相当于电眼系统,对全市的交通进行一个扫描,然后拍出来,最后让工程师来做决策。

现在的医学需要靠CT、X光片、脑电图等检查技术来诊断,那么交通行业出事故也是一样的,需要整个城市交通的检查、道路网的检查,包括公交、轨道停车等类似静态的检查。

近两年开始启动了拥堵治理的超级仿真,我们出台政策已经不能离开这种仿真,所以我们的思路就是现状的例行监测,加上方案与评估的临床试验。

那么在这样的思路下,我们目前做了什么样的工作呢?

1495506029100375.png

现在交通行业主要有交通基础数据、动态运行数据、交通调查数据、城市背景数据四大类,除了相对比较静态的数据每年跟进,或者是一年做几次跟进,城市背景数据或交通调查数据,北京是每5年做一次综合大调查,每年都会有小量的数据调查。现在最多的就是动态采集数据,这些数据有固定的检测设备,也有随着人或者车动态采集的一些行为数据。

我主要讲动态数据部分。中国现在its数据,已经远超世界上各个发达国家了,北京市浮动车的数据,涵盖了出租行业、公交行业,今年还加了3万辆社会小型车的志愿者的数据,还有新能源车5000辆,还有一些重点监测的车辆。整个数据,基本上现在一天就超过100G,已然是世界规模最大,而且马上要扩展到京津冀。

京津冀目前的数据一天就有200亿条,公交IC卡是2000万的刷卡量数据。北上广深是国内一级的规模,大概有6000多个方面检测系统。2015年,北京市交通委和交管局,进行了实时数据的对接和共享。2016年,北京也是全国第一个晋级的,基于互联网停车普查数据库的检测。另外还有很多其他的类型数据,为决策提供了非常大的数据源,这些数据都是爆发式的增长。

1495506048142779.png

那我们做了一些什么样的工作呢?最早从2005年开始做,就是所谓的出租车、浮动车的系统。上左图是40000辆出租车,5分钟计算一次,五环内路网覆盖类80%,精度92%以上。

1495506076197946.png

基于这些数据我们推出了用户指数。一个大块的是一年的拥堵日历,每一横条是一个月的,每一格是一天的。从2001年一直到2013年,2010年后面已经非常拥堵,所以2011年1月1号,出了环堵28条,北京市拥堵情况有所改善,然后随着机动车保有量的增加和经济的发展,又出现变红,而且永远都是最后一个季度进入拥堵。

我们还可以评估极端天气下对于城市当前的承载力产生的影响,常发的路段可以分析哪些是跟我们的指数平衡,是城市的土地业务发展所带来的。线下的有一些可能是跟港湾设置、渠化和信号配时有关系,我们可以作为每年年度的速度工程去做,但是有一些是跟城市的用地有关系的。

然后我们还可以研判,通过宣传及时疏导。2015年,北京市交管局和交通委两套系统的融合,评估了我们做的一些工作。将一些指数、视频和事件等信息结合一起,做了很多分析,然后我们还做了一些设备的检测。

另外一个案例就是根据伪码移动信令来做的事情,这个其实在交通行业,无论是委办局都越来越重视。现在做京津冀一体化的调研,人在任何时间段会在哪里,还有我们做了北京的通勤,主要的人群都是从哪里到哪里,这几个主要的通勤点,哪儿过来的,然后东部那个是通州那边过来的,非常的清晰。

另外我们还可以做驱动管理大的政策以及效果评估,比如在北京,2015年,我们通过首次清理数据,监测了一下那些疏解的人,到底疏解了多少以及去了哪里,这些都是非常详细的量化数据。2015年上半年疏解了1.3万人口,而这些人他离开了北京,有35%彻底离开了,剩下的在周边5公里有29%,还有的到了不同的区域。所以都是给到非常好的政策评估的情况。

另外我们还用了大量的移动互联数据,对所有的用户进行了各个重要行为、特性点的识别,因为我们特别想分析这个城市的不同人群的行为特征。所以都是从实际的数据,来进行特征识别。

通过社会小汽车的动态数据,我们可以看到单双号限行期间的出车率到底下降了多少,特殊日期有些什么不一样,一目了然。其实我们还对比分析了,国内非常多其它城市的不同的行为特征。

监测和仿真评估一起走,这是一个很好的案例。就是2008年的奥运会,为了达到这个奥组委的要求,我们的仿真模型出了3个方案,分别是平时100万辆,150万辆和200万。然后我们仿真出来的结果,是要平时200万才能达到他们的指标要求。那么当时北京市的机动车保有量是400万辆,也就是正好单双号限行。在5月份进行了奥运会测试赛,模拟了一把这个政策。

从我们当时刚刚建立的浮动车监测的效果来看,单双号限行刚好满足这个指标。在2008年的8月份,我们才正式推出了单双号限行的政策。所以重大的政策,我们现在都要利用这种科技手段来实现决策。

还有一个案例,就是京通快速专用道的设置。京通快速道当时要在进出城市三条的车道拨出一条车道来做公交专用道,争议非常大,很多政府部门不敢拍。因为你不知道这个起始点是否合适。所以我们就分析了大量的从现在的公交刷卡的数据来看客流的起始点,到底有没有足够的集中。现状规律把握了以后,再放到仿真系统里,到公交专项核实系统里面去评估,那么效果也是可以的。这样才可以拿出一条道来做早、晚高峰的公交道,并且可以大站一站到达。

经过这些案例事件工作,我们也有一些体会。我们感觉这个数据有点像爆发式的增长,而且它是一种多维度的爆发式的增长,它的样本要在结构增加,不再是这种小样本,而是全样本。尤其是移动互联的数据进来以后,力度越来越细。浮动车原来是每60秒上传一次,现在新能源车都是逐秒在产生。

另外还有很多其他的一些信息来源,互联互通。所以面对这么多的挑战,我们要沉下心来要做这些事情。信息系统的建设本身可比较简单,虽然现在信息化城市在行业里也许还是有很多不足的地方。但是你怎么用更重要,就包括数据融合、数据质量,这是我们专业特别关心的,不能只看图,数据质量这个太重要。

QQ图片20170424100053.jpg

未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明等材料,与我们联系,我们将及时沟通与处理。

加载中~

你可能也喜欢这些文章




稿
意见反馈0
商务合作

商务合作 扫码联系

返回顶部