深入分析

人们为什么会出行，在什么情况下会选择什么样的路径，采取什么样的交通工具，背后的因素是什么？一年12个月中，城市的交通路况每天在变化。对于大多数城市，最堵的是每年9月份开学季，最好的路况是学校放寒暑假期间。原本靠人工调查的数据，不足以支撑我们去研究这样的问题。但是今天，通过交通大数据，可以准确快速地描述一个城市的交通状况，让我们没有“白走”的路。

2017年6月29日，在北京千方科技股份有限公司主办的“交通大数据论坛”上，北京交通发展研究院院长郭继孚以《北京城市交通大数据应用案例》开启演讲。

郭院长首先介绍了北京市城市交通数据发展状况、历时沿革，并结合交通指数应用、公交运行分析系统、手机信令分析、智驾出行数据分析系统、城市综合交通模型等典型数据应用，阐述了北京市如何应用城市交通大数据来服务政府决策、服务公众出行。

以下是郭继孚演讲内容：

简单介绍一下，北京城市交通大数据的一些应用情况。

这几年交通数据发展比较快，特别是这些年围绕着交通运营的数据，由于移动互联网的发展使得原来交通没有数据的行业一下子变得有数据，每天这些数据的产量也非常惊人。

在这些数据上的一些典型应用，大家在各种场合也都有了解到。

第一，在全国应用较多的交通指数。

这是从北京率先提出来的，利用出租车的GPS数据来让城市的每个道路都有一个实时变化，然后我们给它一个指数，再把所有的道路混合在一起，就相当于股票一样做一个上证指数。就能够比较实时快速准确的来描述一个城市的交通状况，这对城市管理者非常有用，比如我们数据市场最困惑的是一年几百亿的交通有没有改善，这是不清楚的，有了这个数据就可以准确的告诉你目前的交通状况怎么样。

比如2008年北京奥运会期间的交通状况实施了单双号，我们的轨道交通大幅度发展，公共交通焕然一新，出租车成了最亮丽的名片，所有的这些都给2008年的奥运会交通带来了可喜的变化，基本上一路畅通，得到了国内外媒体的一致赞扬。奥运会之后实施了尾号限行，情况就好很多了。但是2011年之后交通状况又严峻了，所以就有限制外地车高峰期进入五环内道路行驶等一系列措施。

我们的交通其实面临着很大的压力。特别是在2005年的时候，因为大家的活动比较频繁，我们的交通指数一度增长的比较快，但是2016年我们又缓下来了，换句话说，这些数据可以让我们对交通有一个非常直观的了解。其实，一年12个月当中这个交通其实是在变化的，我们原来把一年当成一个平均值做一次调查，就以为这就是交通状况，比如学校一放假，北京的交通立马就好了。9月份最堵，是因为开学季，所有的学校甚至是高中生家长们都是开车送，再加上节假日、过节，以及北京旅游季节等待因素，其实全国都是如此规律，这都是有了指数以后给我们带来的一些变化。

还有一个非常有意思的现象，2012年底我们国家出台了一个非常严厉的政策，然后我们惊讶的看到2013年的早高峰交通指数上升，但是晚高峰就下降，这个是因为大家晚间的活动减少了。

这种指数可以让我们对城市交通理解的更加透彻一些，之前我们刚工作的时候，北京哪儿堵车我们都不知道，我们雇佣学校的学生去调查，查完了发现我们区域复合的时候跟这些调查情况不一样。交通就是如此，不稳定性、随机性都是存在的。

另外一个关键是这么大的范围，哪些是常发性拥堵、哪些是系统性的，这些都需要筛选才能知道交通系统中存在的问题，我们不能仅仅知道这个问题所在，还应该知道它为什么存在，这是大数据带来的变化。

我们还可以用这种数据挖掘它，看什么样的情况下一天的交通指数形状是这样的，周末是什么样的，节假日什么样，遇到特殊天气又是什么样。比如9月份最堵的一天到底是哪一天，可以提前做一些预告，在媒体的广播、电视、微博、微信等渠道进行宣传，引导大家少开车、少出行，结果第二天的指数就可以降下来，我们试了几次效果都很好，但是否能总这样做我们不知道。

第二个数据，应该说这些都是在2007年前后，北京奥运会前后积累起来的系统。我们坐公交车的时候每个人上下车刷卡的数据，每个人都可以收回来，然后经过处理可以知道每条线，每个车站上车下车换乘多少人，比如说地铁哪个段，哪个时间点上最拥挤，这些数据都可以帮助我们深入分析交通系统运行的情况。

这是在全国比较有代表性意义的，过去做交通设计的时候我们常常用一个平均值，做一个日均的高峰设计，我们就可以用它做设计，但实际上发现纯商业区、纯居住区，高峰系数完全不一样，可能就早上一个高峰，然后下次就没有了，晚上反过来。这对我们纯居住区的轨道交通站点的设计，车站的站台，包括出入口的要求都不一样，这之前我们都不知道。

现在这些数据都能帮助我们更加精细化的找到系统当中运行的过程。这是更精细一点的，公交车在哪里有问题，我们可以根据这些问题进一步调整我们的计划，配合公交运营做出调整。我们现在的公交线路比较长，中间出现这种情况，会影响整个线路的异常，尽管公交车发车间隔3分钟，你经常会需要等15分钟、20分钟，甚至半个小时，因为他在中间遇到堵车形成的大间隔，怎样才能保证这些东西，运营组织调整很重要。

第三，是手机数据。这在很早之前北京就做过，做了一段以后，媒体一听说你们怎么把手机数据用起来了，经过同意了吗？涉及到隐私了！结果就没有做下去。后来我们想出一些办法，在电信机房里面做，不拿出来，把敏感信息都过滤掉，我们只在机房里做，做出来的结果我们拿出来可以用。

我们就可以非常清晰的做出城市人口分布、就业岗位分布，最近刚刚跟中国电信合作，成立了一个城市与交通的大数据实验室，我们通过分析国内大城市，因为它可以覆盖全国几百个城市数据，我们可以发现这些城市交通的问题所在。比如北京、上海同样2000万人，但是做出的结果北京的出行距离是12公里，上海只有9公里，意味着虽然这个数据绝对值不一定准确，但是相对关系足以说明问题。

北京虽然是一个人的一次出行，但是我们的出行距离比上海长了三分之一，意味着我们的交通系统比上海的负荷大很多，为什么会这样？我们希望将来能够通过这样的大数据，来研究城市交通背后特征的因素，比如说土地利用、居住分离，还有小汽车的使用，大家知道北京的小汽车是2011年才开始控制的，上海是一开始就控制的，小汽车会让这个城市变得很大，因为出行距离可以做得很长。

另外一套数据也是最近两年做的，就是私家车。

原来城市交通系统都会有一些数据，公交、地铁逐渐的都上来了，但是私家车最需要我们了解，却没有一个很好的数据源。但目前像高德这种互联网公司也能够提供一部分，但是全过程的数据，实际上并没有。我们的汽车上有一个标准的OBD接口，这个接口可以让汽车所有的数据都回来，每时每刻的位置、运动状态、速度、加速度、减速度，包括什么时间点火，什么时候结束，在哪儿停，这些数据回来以后对交通的理解就完全不一样了。

比如任何一个时刻北京的路网上面有多少车在走，之前没有概念。如今我们通过各种各样的方式，比如说车牌识别，现在这个数据就非常清楚了，然后发现既使是在高峰的时候北京在五环内的车，在车辆总数当中也只有20%到25%的比例，并不是所有的车都在路上跑。

另外就是它们停在哪里这是非常有意思的，以前我们也不知道，通过数据分析发现全市当中某些点是驾驶员出现异常驾驶危险动作频繁的地方，这种地方为什么频繁的发生驾驶危险，一定是这个地方有问题，可能是设计问题，也可能是管理问题，标志标签问题等等，我们就可以深入的对那个点提出一些进一步改善措施。

当然在这个基础上我们还可以做的更详细，是基于每一辆车的运动状态的污染物的排放情况。现在大家都抵制大气污染，PM2.5、包括氮氧化物等有害气体，机动车尾气是造成城市大气污染的主要来源，但是有多少是交通贡献出来的，我们并不知道。

我们之前都是用一个简单的平均速度做的，最终我们发现平均速度不准，因为如果一个减速度的运动平均20公里，均速度的平均20公里，加速度的平均20公里，排放出来的气体不一样，这个差别非常大。

我们利用这样非常微观的数据加上瞬间排放的数据，就可以做出动态的和我们车流一一对应的污染物排放图，这样就对我们大气污染的研究更深一步。当然所有的数据还要加入到城市的模型当中，这才能真正告诉我们交通从哪儿来到哪儿去，而不是问题在哪儿。

因为我们常常可以看到立交桥道路堵，但是我们不知道问题原因在哪儿，我们要改善一个瓶颈点，会不会引起下游成为新的瓶颈点，这些要靠交通模型，我们就宏观、中观、微观来判断，微观可以做到集中的场所，奥运会期间所有的奥运场馆的人流组织都进行了模拟，这些都是模型的工作。

现在在传统的模型基础上，正在做新的工作，面向特大城市超级的拥堵问题深入挖掘拥堵成因，和我们交通行为之间到底什么关系，怎样让现在的交通变得更加有序，组织上得到优化，这样的问题目前靠我们已有的算法还做不到，所以正在组织相关的力量做一个大项目，计划用几年的时间来攻克这个问题，现在发现这个问题是可行的，因为现在计算技术、计算能力都在迅速的增强。

另外，原先我们对交通的理解仅仅靠人工调查的数据不足以支撑我们去研究这样的问题，但是今天这些大数据能够让我们知道人为什么会出行，在什么情况下会选择什么样的路径，采取什么样的工具，背后因素是什么。一个城市是研究不清楚的，我们可以更大范围的通过不同城市，不同形态，不同背景条件来研究交通行为到底是什么。

我们还有一个计划，就是把我们的交通行为和国外的交通行为进行对比，对比的结果再看我们的问题所在，我们有一个非常初步的对比，也非常有意思。我们的快速路跟国外的快速路同行能力有很大的差别，为什么会有差别？因为我们的出入口间距小，国外的高速公路车流很匀速，车速非常快，所以通行能力很高。这些研究实际上都需要我们进行更大范围的数据采集和深入研究，也强调我们的数据精度要高。

目前我们能够得到大部分数据的采样，像GPS是一秒一个，研究这种问题可能一秒钟也不够，手机数据也可以告诉我们大范围的空间移动，但是手机的位置数据不能及时回来，包括其他的互联网公司提供的大数据，都能在不同的层面上描述交通的问题。但是这些问题能不能把交通涉及的这些深层次的问题讲清楚，其实并不一定，怎么样才能把不同层级的问题集中起来，为我们研究交通服务，是我们大数据下一步要深入挖掘研究的问题。