由重庆市公安局交通管理局、中国智慧交通车联网产业创新联盟、重庆中交通信信息技术有限公司共同举办的“2017重庆公安交通管理科技成果推广

由重庆市公安局交通管理局、中国智慧交通车联网产业创新联盟、重庆中交通信信息技术有限公司共同举办的“2017重庆公安交通管理科技成果推广应用展”于2017年12月12日-15日在重庆市科技车联网产业园成功举行。

本次展会全面展示公安交通管理大数据应用、城市智能交通技术等智慧交通建设领域的新技术、新产品及最新解决方案，促进行业先进技术产品与公安交通管理共享融合，满足重庆市公安交通管理不断增长的科技信息化需求。

本次展会迈锐数据在现场设有展位，同参观领导进行技术交流及分享结构化数据挖掘创新的阶段性成果。

（图为重庆市公安局汪副局长、交警陈军总队长参观迈锐展位）

在本次的会议中，迈锐数据副总经理王冀川先生就当前交通行业中大数据发展存在的主要矛盾与发展机会进行了主题演讲。

如下为部分演讲内容摘要

首先交通行业是天然存在的大数据行业。交管部门对于信号管理、交通组织优化、决策等诸多方面都要以大量交通数据为依托进行分析和预测。而随着全国智慧城市的发展和信息化建设，物联网、4G等网络传输的普及，海量的交通数据正在通过不同的途径成级数的增长，这为交通大数据的发展提供了条件。

随着交通数据采集技术的不断丰富和信息传输的普及，交通数据的类型、数量正在飞速增长，数据变得更加多元。而由于数据形态不同、精准度不可控、需要二次分析等因素，海量的交通数据还未能得到有效的整合和充分利用，交通数据的实用性面临巨大的挑战。

王冀川先生认为“交通管理者对数据日益增长的需求与不完善的交通数据供给”是制约当前交通行业快速发展的主要矛盾。数据进步需要从宏观非结构化数据，向微观结构化数据转变；需要从传统基础数据向专业交通参数升级。否则上层平台的应用还只会停留在喊口号，而不是实际应用的阶段。

以路口信号管理为例，路口交通流数据既是服务于信号的调控与优化，又是检验信号配时是否合理的真实标准。但对于目前的真实情况往往是这样：在指挥中心的大屏前，由专业交管人员根据路口监控视频的反馈，进行拥堵状况实时监测，之后再根据经验进行人工管理。

这样的人工干预手段虽然运用了视频数据、远程传输，但实质上只是把以前的外场指挥搬进了室内。只因为交通数据的“实际不可用”，使其并没有为信号管理起到真正的支撑作用。

 在分享的后半段，王冀川经理为交通用户展示了近一年来迈锐数据在传统交通数据层面进行深度挖掘的部分成果，以“交通指标”的数据形式展现出深层次的现象和规律。

展现的数据具备三个特点：

1. 样本量大：选取北京、临沂两路口；样本时间：180天；信号机周期样本量：10万级；车辆个体样本量：亿级

2. 微观样本：车辆个体数据；单周期数据；单相位数据；单车道数据

3. 数据形式呈现：专业指标；呈现现象；发现规律

在下文中我们将摘录其中一项指标为例。

停车线放车规律

停车线放车规律指路口某一相位从绿灯启亮时刻开始计时，第一辆车、第二辆车...直到绿灯时间结束前最后一辆车，它们通过停车线所需的时间，单位（秒）。这一指标在信号控制、路口交通组织规划、交通仿真中都有重要意义。

图一的上部分为第一辆车过车时间散点图：横轴—每个周期开始时间；纵轴—从绿灯起亮到通过停车线时间。

下部分为周期流量折线图：横轴—每个周期开始时间；纵轴—周期过车数量。

图1 临沂 沂蒙路-北园路交叉口 24小时放车规律数据

图二 北京-临沂放车规律对比

通过上图中每一辆车的散点分布数据的两地对比我们不难发现：

北京 北苑路口第一辆车的过车时间几乎都是在5秒~10秒内

临沂 沂蒙路口第一辆车的过车时间几乎都是在0秒~6秒内

图三 北京-临沂路口实际场景对比

通过数据发现诱因（图三）：

北京北苑路口：在绿灯启亮时人行道并未清场(电动车、行人)；没有交警现场管理

临沂沂蒙路口：多名交警现场指挥，红灯末已完成路口清场

图四 放车规律数据中体现的正态分布规律1

图五放车规律数据中体现的正态分布规律2

 通过上面图四、五的数据发现，虽然地区不同，但是每个地区放车规律的区域性非常明显，且都遵循正态分布规律。

影响路口通行能力包含诸多因素，有直接因素如信号灯的周期时长、路口车流量；有间接因素：过街行人、交通组织设计、天气情况、公交站对行车影响等。现有技术多是通过人工去现场发现这些因子，但因子不可能一一被找到，也不可能全部进行量化，因为人工收集的样本量有限而无法挖掘全部规律，且人为误差无可避免，结果就是我们无法发现路口交通的真实且全部状态。而现在我们可以通过对海量微观数据的展现，绕过这些影响交通流的因子，直接去关注这些因子映射在交通流上的可度量的结果。

本次交流中还对其他结构化交通指标进行了分析，如饱和流率、车头时距、路段行程时间、绿灯损失时间、延误，在后期我们将更详细的在公众号中展示。

所有我们正在挖掘的结构化数据包含时间、空间、规律、性能四个维度，在对这些微观交通数据挖掘和分析之后，我们会发现很多存在于现实中的交通规律和特征是从前无法看到的，将其结合展现后将发现更本质的交通规律，并在交通管理工作中充分发挥效益。