提高交通精细化管理水平

写在前面

随着云计算、大数据、物联网等前沿技术助力交通领域科技创新，传统出行服务与新兴技术相互渗透融合，逐步向智慧出行服务模式变革。面对城市资源紧约束和出行需求日益激增的矛盾，提出基于“管理促服务、出行即服务”理念的智慧出行服务新模式——交通管理和出行即服务模式，将面向个体的出行服务转变为面向宏观系统调控和个体出行服务相结合的双服务模式。

对该模式的定义、优势、技术框架以及应用场景进行阐述。基于该模式，围绕出行需求，设计开发出行需求优化系统，旨在挖掘出行规律、精准预测出行需求以及正向引导需求，弥补出行需求预测结果模糊、正向引导不足等短板，提高交通精细化管理水平。

——殷韫

中国城市规划设计研究院  工程师

▍研究背景

随着大数据、云计算等信息化技术的变革，出行即服务(Mobility-as-a-Service, MaaS)模式迅速成为热点研究方向。北京、上海、广州、济南等多地均开展了MaaS系统应用探索，覆盖领域包括城市轨道交通、公共汽车交通、共享交通等公共交通场景。

同时，全国各地相继展开交通运输运行监测与应急指挥平台(Transportation Operations Coordination Center, TOCC)的建设工作，通过信息化赋能交通管理，进一步提升管理效能与精细化水平。以相关互联网企业，利用云计算、人工智能、即时通信等技术优势，提出“城市交通大脑”的概念，推动智能交通向智慧型管理模式迈进，并在全国各地开展城市交通大脑的试点建设。

出行即服务和智能交通管理相结合的尝试在2019年智能交通世界大会(ITS World Congress)上首次被提出。交通管理即服务(Traffic Management as a Service, TMaaS)模式将交通管控数据与智慧出行相融合，通过TMaaS云平台，向管理者和出行者双方提供服务。

随着城镇化进程趋缓，城市发展由增量开发为主转向存量优化、有序建设，空间资源紧约束环境下的供需矛盾问题日益凸显。十八大以来，中共中央明确提出“以人民为中心”的发展思想，城市交通的核心也从以工程建设为主导的发展模式转向优化交通资源，促进交通服务公平、高效，并以“服务于人的需求，组织城市可持续的高效、安全、低耗运行，推动都市圈和城市群发展，促进新业态发展”为目标[1]。

基于出行服务和智慧管理的探索，考虑到中国特殊国情和新时期对城市交通的要求，本文提出了全要素联动、一站式服务、管理和出行相结合的服务模式——交通管理和出行即服务(Traffic Management & Mobility-as-a-Service, TM&MaaS)，并对基于TM&MaaS理念开发的出行需求优化系统的设计框架和模块功能进行论述。

▍国内外智慧出行服务新模式

出行即服务

出行即服务是将出行端、资源端、管理端整合，通过单一信息化集成平台提供多元化交通服务，实现按需响应的出行自由，提供高效便利的门到门出行服务。该模式在2014年赫尔辛基智能交通世界大会上首次被提出，随后欧盟MaaS联盟成立。成熟的城市MaaS体系将用户作为出行服务核心，上承政府主管部门，将服务、信息、支付体系等多种不同交通资源进行有效整合[2]。

MaaS在国外的应用多以第三方运营商为主导，而在国内的实践多以政企联合、政府为主导的形式开展。2013年，瑞典哥德堡UbiGo上线；2016年，Whim应用程序在芬兰赫尔辛基落地，之后推广到英国西米德兰兹郡、奥地利维也纳、新加坡等城市，取得了不同程度的成功。2019年，北京市交通委员会联合高德地图，推出国内首个绿色出行一体化服务平台(北京MaaS平台)，整合城市轨道交通、公共汽电车、步行、骑行、私人机动车、网约车等出行方式，向公众提供全流程、一站式出行服务。2021年，北京MaaS2.0版创新引入新碳普惠激励机制，日均服务绿色出行600余万人次，绿色出行碳普惠减排量20余万t，特色鲜明地体现了政府为公众提供出行服务的公益性和提倡“绿色低碳出行”的可持续性。2022年，上海、广州等地也采用政企联合的方式，推出MaaS服务，探索一体化出行服务。

交通管理即服务

在2019年智能交通世界大会上，比利时根特市发布了首个TMaaS平台。基于出行管理即服务(Mobility Management-as-a-Service)系统框架，交通管理即服务是面向中小型城市出行服务和管理的实践应用，具有革新性[3]。其宗旨在于探索可持续、多方式、绿色集约的出行方式和精明管控手段。通过TMaaS云平台，向管理者和出行者同时提供服务：管理者通过丰富数据源有效调节管控措施；出行者通过订阅服务享受便捷[4]。

北京市回龙观地区的预约出行是出行管理即服务的成功实践，实现了供需匹配、出行需求时空调节、动态仿真和出行干预[5]等目标。深圳针对东部景区提出一站式信息服务和出行服务，基于海量数据融合，构建了面向用户的信息服务：基于出行需求，推荐错峰出发时间；基于抵达时停车位信息，推荐经停位置；基于路况信息，推荐行驶线路，最终完成一站式、个性化的行程规划[6]。出行预约加强了基于预约的需求响应和需求调节机制，推动交通资源优化整合，完善一体化交通综合服务体系。

▍交通管理和出行即服务模式构建

2019年国务院印发的《交通强国建设纲要》中明确了“大力发展共享交通，打造基于移动智能终端技术的服务系统，实现出行即服务”[7]。现代交通已不仅仅是解决交通系统本身的问题，而是围绕人的需求，重塑高效、便捷、安全、绿色的出行服务模式。TM&MaaS通过融合MaaS、主动需求管理和TMaaS等模式的核心理念，创新性地提出“管理促服务，出行即服务”理念，将面向个体的出行服务模式转变为面向宏观系统调控和个体出行服务相结合的双服务模式[8]。

内涵解析

通过数据赋能联动管理端、出行端与资源端，实现管理层面协同调度、服务层面精准供给、出行层面一站式便捷体验的“三位一体”智慧出行新模式(见图1)。该模式解决了资源端和管理端信息协同不足，管理端无法将道路运行状况、突发交通事件等实时管控信息及时反馈给出行端，出行端出行信息无法动态精准获取等问题；突破了以政府为主体的交通管理模式和以第三方运营企业为主的出行服务模式，构建了政府主导，企业、社会组织、公众等多元主体共同参与的协同治理机制，从而全面提升城市交通设施的运行水平和服务能力。

图1 数据赋能“三位一体”

资源端是交通大数据的来源，利用场外智能感知设备和视频结构化算法将不可知的交通设施转变为可知的动态信息流，包括动态交通工具(城市轨道交通、公共汽电车、共享交通)和静态设施(路段、交叉口、交通枢纽)的运行状态，通过数据中枢的汇聚、清洗和处理，为管理端和出行端提供出行数据服务。

管理端打通交通、交警、城管、规划等各个部门的管理壁垒，实现数据的共享与统一。通过信息交换，获取出行端实时动态需求和设施运行状态，通过正向激励策略库对出行需求进行调控。同时，管理端可更好掌控交通系统的宏观运行状态，并协同资源端，对交通资源进行实时动态调度，以达到供需匹配。另外，通过收集出行数字化信息，再反馈给交通信息服务和交通管理系统，形成评估反馈闭环，支撑政府决策。

出行端的核心是精确掌握出行者的需求。在供给增量有限、需求量不断增加的情况下，需要通过对历史数据的不断学习了解用户，对用户出行需求进行预测，制定更高效合理的主动需求管理政策与方案。同时，出行端可实时获取出行激励措施和一站式出行信息服务，进而引导出行者的出行行为转变，形成系统最优、实时调控和一站式的出行服务组合方案。

技术框架

以“全要素联动、一站式出行”为核心理念，以“出行服务高品质、资源利用高效率”为目标，以交通大数据中枢为数据基础，汇聚和管理多源异构交通大数据，从出行需求管理优化和出行服务优化两大方面，研究基于服务自治的轻量化分布式建构技术，开发三大系统，接入既有智能停车服务系统，并集成为一个城市级智慧出行服务平台。

首先围绕出行需求，利用多源交通大数据精确识别出行特征和偏好，预测出行需求并利用激励策略库引导优化需求，开发出行需求优化系统；

其次，面向大规模出行需求，识别路网及关键节点供需失衡状态，动态配置和协同调度多方式交通资源，开发综合交通资源协同调度系统；

再次，基于实时交通管控信息，融合出行画像，开发一站式出行服务系统，为出行者推送全链条出行服务方案(包括出发时刻、组合出行路径、共享资源预约、车位预约与引导)；

最后，集成开发TM&MaaS城市智慧出行服务平台(见图2)。

图2 TM&MaaS技术路线

应用场景

基于TM&MaaS的具体应用场景包括一站式出行服务、古城机动化管控服务、大型枢纽集散服务等。

1）一站式出行服务。

一站式出行服务场景不仅实现了不同交通方式的组合出行服务，还在出行中实现管控信息实时优化和交通资源动态调配，最大化保障绿色交通出行的高效和便捷。通过对公共汽车车辆状态全程感知和站台人数全息感知，生成公共汽车优化调度建议信息，并通过设置可变车道、借道左转等多样化交通管理措施，动态调控路段和交叉口的时空资源。通过手机信令和轨道交通AFC数据，提前预判轨道交通进出站客流量，保障车站周边公共汽车、公共自行车、网约车等接驳方式的供给。出行结束后乘客可对出行进行评价。乘客若按照推送的绿色交通出行方案出行，可获取绿色出行碳积分奖励。对于乘客来说，只需要在APP端发起出行需求，便可以预约出行，也可以实时呼叫。另外，基于对出行需求的主动管理，鼓励更多的乘客采用公共交通出行，减少小汽车的使用，采用公共交通出行的乘客可以享受换乘优惠、包月套票优惠以及积分奖励等。

2）古城机动化管控服务。

古城机动化管控服务场景的目标是对古城片区进行精细化交通管理与服务，即从系统优化角度，在保证系统总体服务能力基本稳定的前提下，改变出行需求时空分布，实现出行需求与系统服务能力适配，从而提升交通系统的服务效率。针对古城的机动车穿行需求，采取预约限流管理机制。在出行需求研判阶段，对出行需求短时预测量和动态出行需求监测量进行研判分析；在出行预约阶段，结合不同片区、不同时段的道路运行态势，根据需求研判数据对预约出行总量额度和不同预约渠道进行优化分配和动态调整，实现线上出行预约和预约审核管理；在限流管理阶段，根据出行预约数据进行古城交通限流，包括智能卡口监控、电子通行证管理、违法处罚管理等。

3）大型枢纽集散服务。

大型枢纽集散服务场景要确保交通枢纽地区人流的快速集散、对超大规模客流的应急响应，以及不同交通方式之间换乘衔接的高效便捷。依据到达当地交通枢纽的客流变化与接驳设施运行状况，出行者可享受一站式出行信息推送服务，包括枢纽拥挤程度、各种交通方式发车间隔和频次、乘客排队时间和排队长度。另外，乘客可以预约接驳服务。依据实时推送的信息服务，选择适合自己的接驳方式，减少排队时间。管理者可通过历史数据、预约数据和枢纽及周边交通设施运行状态数据，并结合枢纽短时出行需求预测，优化出租汽车、网约车、公共汽车的调度服务，并配合旅客到站时间，做好公共交通运营时间外的出租汽车、共享交通和定制交通服务策略，避免因出租汽车和网约车运力不足而引起乘客长时间滞留在交通枢纽内。

▍出行需求优化系统设计

技术框架

出行需求优化系统是智慧出行服务平台中基于TM&MaaS理念、围绕出行需求设计的后端系统，是“管理促服务”中围绕需求侧开发的系统(见图3)，为交通管理和出行服务提供精准出行画像、出行需求预测和需求主动引导。

图3 出行需求优化系统和集成平台的关系

该系统紧扣出行需求，采用模块化设计，包含出行本征提取模块、出行需求预测模块和出行优化与评估模块三个主要功能模块。本征即物质本来的特征，杨钧剑[9]建立了一套具有普适性的出行本征方法论体系，包括历史出行数据获取方法、出行本征指标体系建立方法和出行规律识别、挖掘与可视化方法，为城市多方式一体化出行服务及其他后续研究提供方法与技术支持。

通过构建出行本征指标体系，出行本征提取模块实现出行特征和出行偏好的自动提取，并利用概率图构建出行本征提取模型，识别特征形成过程中的因果关系链，挖掘偏好成因。在此基础上完成交通需求的多尺度短时预测；同时系统通过自动采集、用户反馈等多种手段，监测评估出行需求引导策略的激励效果，动态优化激励策略。系统层次架构如图4所示。

图4 出行需求优化系统层次架构

出行需求优化系统还将作为TM&MaaS智慧出行服务平台软件集成应用的前置功能模块，输出需求优化结果供总集成平台调用，并和交通资源协同调度系统和一站式出行服务系统之间形成数据联动，实现供需平衡判断、出行激励策略、预期效果推送等功能。系统逻辑架构如图5所示。

图5 出行需求优化系统逻辑架构

出行本征提取模块

针对出行特征指标体系较为离散、影响因素过于庞杂、出行特征对需求预测支撑不足等问题，本系统设计了出行本征提取模块。通过访问原始多方式交通数据库、蜂窝数据、人口特征等动静态数据，实现多源异构数据的自动导入；通过数据变换、数据汇聚和关键特征集提取等功能算法从原始数据中提取空间属性、出行特征、出行偏好；进而建立多方式出行本征指标体系数据库以及动态出行本征概率图模型，标定出行特征参数形成过程中上下游参量的贡献率，提取指标之间的概率关系进行建模、识别和推理，分析基于多空间尺度的出行偏好成因。该模块建立了全方式出行本征数据库，实现基于GIS电子地图的信息显示，为后续的出行需求预测模块和出行优化与评估模块奠定数据基础，并为外部系统提供栅格级本征数据接口。本征数据提取模块逻辑架构如图6所示。

图6 本征数据提取模块逻辑架构

出行需求预测模块

基于出行本征指标集、外部数据和出行预约数据，出行需求预测模块构建时空多图卷积神经网络模型，实现栅格层面的出行需求短时预测，每15min输出网约车、公共汽车等的短时交通量预测结果，并基于GIS电子地图进行显示，为后续出行优化与评估模块输入栅格级多方式出行需求量和资源动态调配提供数据支撑。出行需求预测模块逻辑架构如图7所示。

图7 出行需求预测模块逻辑架构

出行需求预测模块的创新点在于将本征数据库作为需求预测模型的输入，对影响特定出行特征指标的因素进行筛选，并按照影响程度的不同，对影响因素进行排序，提炼主要影响因素，解决了多数短时出行需求预测模型输入参数不全的问题。另外，选取5个工作日早晚高峰共计80组历史数据作为对比的真实值，通过构建时空多图动态扩散卷积神经网络模型，输出公共汽车、网约车、共享交通等多种交通方式在15min内的预测值，短时交通量预测精度均达到90%以上，解决了短时出行需求预测精度较低的问题。

出行优化与评估模块

出行优化与评估模块是实现正向引导需求的核心模块。根据城市本地意愿调查数据，构建激励作用效果模型，设计包括积分优惠、换乘优惠、方式选择优惠、权利优惠和特殊活动优惠等多种激励措施在内的策略库，对出行需求预测模块输出的出行需求量进行正向引导。通过与交通资源协同调度系统的数据交互，供需平衡判断子模块研判出行供需关系，生成固定激励策略和可变激励策略。并监测出行激励策略前后的出行特征变化，评估激励效果的实效性和差异性，输出评估数据及优化方案，对出行激励策略进行动态调整，形成“出行引导目标—主动激励引导—激励效果评估—激励策略优化”的自动迭代与持续反馈优化。出行优化与评估模块架构如图8所示。

图8 出行优化与评估模块架构

▍结语

秉承“管理促服务，出行即服务”理念的TM&MaaS智慧出行新模式符合智能交通3.0时代的特点，是面向服务、围绕需求、以共享和协同为特征的交通新业态[10]，是对传统交通规划技术的扩展和延伸。出行需求优化系统以“解析出行特征，预测出行需求，引导出行选择”为主线，提取并构建交通需求的关键特征集，深化研究短时出行需求预测模型，提升预测的准确性。同时，设计涵盖信用、积分等的出行选择激励策略方案，搭建需求优化支持系统，最终实现出行需求的精准预测和合理引导。

目前，系统仍然受制于数据共享壁垒和不同部门管理机制的约束，缺乏大规模、广泛实践，存在无法及时获取用户的使用反馈，无法长期积累用户行为数据等问题。未来，面向日益丰富的出行需求和多元客运方式，城市交通的“双碳”发展路径应持续探索由设施向服务的转变路径，坚持围绕用户需求的精准引导，坚持政府主导，构建政府、企业和乘客三方共治共享共用的出行新体系，共同推进城市交通高质量发展。

参考文献：

[1] 汪光焘，单肖年，张华，等. 数字化转型下的城市交通治理[J]. 城市交通，2022，20(1)：1-9.

WANG G T, SHAN X N, ZHANG H, et al. Digital transformation in urban transportation governance[J]. Urban transport of China, 2022, 20(1): 1-9

[2] 邵源，孙超，严治. MaaS体系构建及应用思考[C]//中国城市规划学会城市交通规划学术委员会. 创新驱动与智慧发展：2018年中国城市交通规划年会论文集. 北京：中国建筑工业出版社，2018：12.

[3] Sochor J, Arby H, Karlsson M, et al. A topological approach to Mobility as a Service: a proposed tool for understanding requirements and effects, and for aiding the integration of societal goals[J]. Research in transportation business & management, 2018, 27: 3-14.

[4] 张永捷，孙超，师浩峰. 比利时交通管理即服务模式解读及经验借鉴[J]. 交通与运输，2021，34(s1)：76-80.

ZHANG Y J, SUN C, SHI H F. Experience for reference and model interpretation of Traffic Management as A Service (TMaaS) in Belgium[J]. Traffic & transportation, 2021, 34(s1): 76-80.

[5] 郭继孚，刁晶晶，王倩，等. 预约在城市交通中的应用：北京市回龙观地区的预约出行实践[J]. 城市交通，2020，18(1)：75-82.

GUO J F, DIAO J J, WANG Q, et al. Reservation in urban transportation system: travel reservation practice in Huilongguan Area, Beijing[J]. Urban transport of China, 2020, 18(1): 75-82.

[6] 王乐. 交通预约通行政策与深圳市实践[J]. 交通与运输，2019，32(s1)：97-102.

WANG L. Traffic reservation policy and practice in Shenzhen[J]. Traffic & transportation, 2019, 32(s1): 97-102.

[7] 新华社. 中共中央 国务院印发《交通强国建设纲要》[EB/OL]. (2019-09-19)[2022-08-01]. http://www.gov.cn/zhengce/2019-09/19/content_5431432.htm.

[8] 殷韫，廖璟瑒. 智慧出行服务新模式的解析和场景应用[C]//中国公路学会.世界交通运输工程技术论坛(WTC2021)论文集(下). 北京：人民交通出版社股份有限公司，2021：2142.

[9] 杨钧剑. 基于城市交通大数据的出行者出行本征分析方法研究[D]. 南京：东南大学，2020.

YANG J J. Research on traveler's travel characteristics analysis method based on urban traffic big data[D]. Nanjing: Southeast University, 2020.

[10] 关积珍. 关积珍：智能交通在中国的发展与创新[EB/OL]. (2020-10-29)[2022-08-01]. https://baijiahao.baidu.com/s?id=168187

8251734020939&wfr=spider&for=pc.

[11] 陈艳艳，李同飞，何佳，等. 新技术时代城市交通管理与服务研究发展展望[J]. 北京工业大学学报，2020，46(6)：621-629.

CHEN Y Y, LI T F, HE J, et al. Development and prospects of urban transportation management and services in the new era[J]. Journal of Beijing University of Technology, 2020, 46(6): 621-629.

《城市交通》2023年第3期刊载文章

作者：殷韫，廖璟瑒，吴克寒