随着城市规模越来越大，靠单一交通方式出行很难满足，往往需要地铁、公交、共享单车组合化出行，但换乘中的不便利仍然困扰着人们。

随着城市规模越来越大，靠单一交通方式出行很难满足，往往需要地铁、公交、共享单车组合化出行，但换乘中的不便利仍然困扰着人们。

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，北京工业大学城市交通学院院长陈艳艳以《基于大数据的智慧出行》为主题，将视线聚焦京津冀城市群发展特点，提出基于海量个体手机、IC卡、ETC等多源数据，辨识人口与产业积聚地的内生关系，发现市民出行与日常活动的耦合规律，实现个体、区域及交通服务设施的出行特征画像及精准服务，从而打造智慧出行服务体系。

精彩观点：

交通成为制约城市发展的重要问题，也是影响人们生活品质的问题，首先要了解人们的出行需求，通过供给侧改革，包括网约车、共享单车等新兴服务模式来满足各种出行。深入了解交通的需求和供给，是构建城市交通网络的前提，也是提供城市智慧出行服务的基础。

当你看到前面拥堵的时候，你不知道要继续等还是换道走，在有限的道路资源和出行需求的矛盾下，智慧出行可以使出行的效率最大化，获得更好的出行体验。

交通出行服务已经从原来的基本服务，向共享化、精准化、个性化转变。未来，将按区域、按人群的特征来提供个性化、预约化的精准服务，如定制巴士，确保一人一位。通过网络提前购票，预约停车位，实现道路资源、停车资源更有序的应用。

演讲全文：（未经本人核实）

今天我主要从三个方面给大家介绍一下。

一、大数据时代为我们智慧出行带来了什么发展机遇

作为未来的中国，包括现在50%以上的人口都居住在城市，未来随着城镇化的发展，70%的人口都要居住在城市，而且随着城镇化的发展，城市也将向都市圈、城市群多个圈扩展，上亿的人会居住在城市里面，结构很复杂，常住人口、外来人口等等，而交通出行就会呈现出层级化，比如出行目的的多样化，出行方式的组合化，逐日出行随机化等特征。

同样的人有不同的出行需求，还有城市圈和高铁的出行，因此在这种情况下交通未来的发展趋势也会越来越复杂化，靠单一的某种服务方式来解决海量人口的出行不现实。

如何在有限的资源和合理的成本下满足海量人口在多层级的空间，多类别活动的差异化出行需求，支撑这个区域的可持续发展以及资源的重新配置，这是新时期城市群发展面临的一个重大问题。

居住在城市你会面临各种拥堵的问题，比如在北京基本上拥堵的延误造成的成本，可能就占GDP的5%左右。而安全问题也是大家关注的重点，比如在城市里面40%以上的事故都是弱势群体，在国外的发达国家的比例只有10%左右。由安全带来的交通的延误也不容忽视，大家可能知道交通出行的时间不可靠，很多是由交通事故导致的，包括刮蹭导致的交通拥堵。

另外是出行的不便，随着城市规模越来越大，靠单一一次的出行很难满足大家的需求。往往成为一个轨道、公交、租赁自行车的一种远距离的出行方式组合化的过程，但是换乘，中间的服务不便利性仍然是困扰大家的一种问题。

另外对开车族来说停车难的问题，现在也作为一个城市的头号困扰问题，像北京这个缺口达到50%左右。另外还有限号的困难，大家很多都买了电动车，但是电动车充电桩问题，也带来了很多问题，这是出行的另外一种焦虑症。

也就是说现在城市交通也成了一个制约城市发展的重大问题。而深入了解了交通的需求和供给，是构建这个城市群交通网络的前提，也是提供城市智慧出行服务的基础，首先要了解出行，了解大家的需求，才能通过供给侧的改革，包括网约车、共享单车等新的服务模式来满足各种出行。

智慧出行在出行领域充分利用互联网、车联网、移动互联网、云计算、人工智能对公共出行提供全方位的体验和品质。智慧出行并不是解决交通拥堵的手段，但是可以作为面临多种出行的选择时候辅助出行者的一种能力。

当你看到前面道路拥堵的时候，你不知道是选择等待还是换道，智慧出行解决了此类问题，可以帮助了解整个交通出行状态。也就是说在这种有限的公共资源和个人出行的约束下，使得个人出行的效率最大化，而且获得更好的出行体验，当然公共资源包括交通设施的资源，还有能源环境的资源，还有个人的效率，考虑出行的时间、成本、便利、舒适、安全等都要在智慧出行中考虑到。

而智慧出行的基础就是人、车、路、环境，全方位的感知和复杂决策的替代能力。大数据时代我们有了更多丰富的数据源，浮动车、手机、IC卡、车联网的数据，构成了一种大量时空大数据，未来车联网的数据是人、车、路、环境的全面感知数据。这样的大数据就为我们未来的智慧出行提供了一个很好的机遇，包括带来了全新的感知能力和决策基础。

首先从信息采集的趋势上来说，可以是交通的时空数据，可以是跨区域、长时间、大样本的采集，比如说过去只知道局部区域数据，现在类似于手机的数据、众包数据，可以全天的采集、个体的采集。

另外是覆盖全网、全方式的，出行带运行的方式，现在有各种交通方式，公交车、轨道、私家车，而且人车路环境也是可以全景实时检测的。

这样的新趋势对我们掌握出行的需求和演变规律提供了很好的机遇，比如多层级出行的提取，还有活动模式的提取，每个个体的出行的画像以及出行喜好，还有多模式交通的出行，运行和服务水平的多维度的评价和预测。另外是智能网联之下的驾驶行为分析，还有策略制定，每个人都有驾驶行为，哪个是安全的，哪个是生态节能的，都可以做全面的刻画。

智慧出行的发展趋势有以下几种：

第一是实时化，目前广泛使用的实时导航，还没有基于预测的信息，这是未来发展的趋势；

第二是个性化，未来不是去诱导屏的广泛群体区域进行一些信息服务，而是可以按区域、按人群特征来提供差异化的精准服务；

第三是全年化，能够服务门到门多模式的出行一体化的服务；

第四是预约化，通过互联网提前购票、停车位的预约，实现道路资源或停车资源的共同有序应用；

第五是共享化，网约车、共享单车、分时租赁。

第六是定制化，比如说定制巴士，一人一位。

第七是便捷化，不停车收费、移动支付。

最后是生活化，出行不仅仅是为了出行，可以完成很多的社交活动，比如说途中免费的公交wifi，还有互联网+旅游出行。这些都是大数据带来的未来智慧出行的发展趋势，从而可以提升安全、便捷、多样化的出行服务的体现。

当然整个分析框架就是在一个多元数据的人、车、路、环境，大数据采集和处理的基础上，进行出行现状的研判，对管理的调度，以及驾驶辅助多方面进行智慧出行全面的服务，最终达到一个供需精准匹配，以及个性化、差异化服务的指标。

二、京津冀的人口在这个区域的出行有什么样的综合应用

现在我简单的介绍一下在京津冀这个区域大数据的一些综合应用。比如说第一个应用场景就是基于多层级的出行特征的智慧出行选择，京津冀也是多个层级，出行频率有多频的、低频的，人群也是多样化的。

我们用来自于手机的数据，IC卡的数据，首先对城市群里面的出行特征进行分析。我们长期追踪每个人每天的行为轨迹，就可以知道这个人家住在哪儿，工作地在哪儿，从而知道他的通勤出行特征还有其他类似城市交通的趋势。

扩展到进一步，现在都市圈的形成，市里买不起房子的住在通州、燕郊，就业基本上还是在城区，但是居住都在城市的外围，还是摊大饼的趋势。加上地铁的建设，又进一步刺激了都市圈的形成和通勤范围的增大，像通州往朝阳区的过程。再进一步拓展到城市群，可以看出来先是一个小范围的城市群，而像都市圈的出行特征和市区里面的交通部一样，呈现出很明显的两极分化，通州的短距离出行和CBD长距离特征，这对我们差异化服务，是定制公交还是定制距离，可以有一个有利的依据。

当然大数据还可以为我们未来的趋势进行一个研判，大家都知道市政府要迁到通州区，他们的工作岗位是从原来核心区的工作岗位迁到通州，但是他的居住很长一段时间还是在城市原来的地方居住，在一定时期里必然导致一种原来的向心性的压力，转化为另外一种压力的形成，压在两广路的趋势产生。

再进一步拓展到京津冀城市群，会发现这个特征也是呈现出来一个单核的特点，比如在北京占比的人口分布，基本上占京津冀19%，而这个工作岗位的分布达到37%，把核心的工作岗位疏解出去，才能带动人口的疏解。

我们也可以看出来京津冀的城市之间的出行的联系，很明显京津冀的出行联系比珠三角、长三角要弱很多，现在推动京津冀一体化更多靠行政驱动，现在受限于社会经济的压力，和较大的出行成本的障碍，因此城市之间的联系并不紧密，还是北京、天津沿着周边发展的趋势，仍然呈现一个北京强辐射的态势。

对于对外交通来看，一般来说你这个高铁站、机场枢纽，都是对外交通的出口。我们要知道，比如说机场的人群来自什么地方，怎么做好有效的衔接。比如在首都机场的人群基本上还是呈现衰减的范围，而且也应了走廊的集聚性包括衔接枢纽的贯彻特性。

我们通过这样的宏观分析，可以为每一个个体做一些集聚，可以把人进行时间、空间、目的的相关联，能知道不同的出行模式，比如说长距离的，高峰的通勤为主的模式，还是非通勤为主的模式，对于不同的模式应该用不同适宜的交通方式，包括运输服务模式进行满足。

仅靠公共交通或者单一的模式是很难进行高满意度的服务。比如说基于时间地理学可以看到人的出行链，人是跟活动连接起来的，人往往还有其他的时间，旅游的出行，也是对于这种不同的人群，有相应的出行模式。而短距离的出行就是共享单车。复杂的出行，包括旅游的商务出行，出行与生活一体化的服务体，能更好的满足体验。

简单介绍一下第二个场景就是基于多维的动态信息的门到门的个性化的出行信息服务。我们知道了大家一次出行会有多种的交通方式，所需要的信息量也比原来单一的模式要复杂得多。比如说像绿色出行为主是轨道、公交、公共自行车、步行，我们利用大数据可以提供动态的信息，比如实时到站信息，自行车可用的车辆数，还有动态路径的搜索。比如说出行的时间，我们可以通过IC卡知道走不通的线路平均时间是多少，换乘时间是多少，出行每次的波动是多少，综合这些信息给你一个更好的选择。

比如倾向于更可靠的路径，可以选择一个时间可靠的路线。比如说大家随着生活的提高，越来越重视生活品质，像比较拥挤的线路大家都不太愿意走，我们通过对地铁和公交进行客流的监测和配流，知道哪个线路高峰比较拥挤，我们在出行选择的时候可以有效的规避。

比如还有不同人的倾向，通过APP给大家服务，有些人倾向于准点，有些人对费用比较在意，有些人对等车时间在意，对于北京市千万级的人口的公共交通出行进行梳理，可以分出30多类的人群，对于费用、时间、等车时间等敏感性进行分析，就可以知道对不同类型的人进行信息服务的时候，可以让其得到更想要的结果。

这样就可以针对不同人群提供不同的选择，最短时间还是换乘便捷，还是时间可靠，还是舒适性高。这就比原来没有大数据支撑的静态出行服务更人性化，更吸引大家乘坐公共交通，未来对于电动汽车也是一样的，大数据也一样可以为我们提供各种支撑。

另外一个场景就是基于客流的精准预测，因为我们可以精准的得到这个不同的区域人口的出行规律，比如说是一种确定型的出行，还是随机的出行，我们可以对不同的类型进行相应的预测，可以提高预测的精度。比如在厦门，上班居住地的出行地比较可预测，像公园这种预测的波动性就相对比较大一点，我们对景区的服务，包括出行的服务就更好一些。另外就是根据出行链，整个轨道出行的服务范围确定，可以对一些分时租赁的车辆，包括共享自行车，提供一个依据。

三、未来的展望

大数据是可以帮助我们进行一些出行准确的画像，以及交通需求的生成机理的深度挖掘，然后系统运行的全过程监测及预测，为智慧出行提供一个决策的依据。而出行服务由原来基本的服务向差异化、精准化、个性化、共享化转变，未来特别是由单一的出行服务更多的向出行的一体化服务进行转变，比如说公共的旅游出行，我们可以把购票、餐饮，结合在一起。

未来在智能网联、车联网的发展下，智慧出行能够帮助我们更好的提高效率、减排和安全。