深圳城市交通大數(shù)據(jù)集成關(guān)鍵技術(shù)及治理應(yīng)用研究1

丘建棟，莊立堅(jiān)*，梁嘉賢，宋家驊，段仲淵

深圳市城市交通規(guī)劃設(shè)計(jì)研究中心有限公司

0 引 言

城市交通綜合治理是大中城市改善交通的重要抓手。在深圳市交通擁堵治理工作方案，“強(qiáng)結(jié)構(gòu)、優(yōu)服務(wù)、調(diào)需求、重科技”的背景下，急需建立一種快速響應(yīng)、高效處理、主動(dòng)預(yù)防的綜合治理新模式，實(shí)現(xiàn)城市開發(fā)與交通承載相適應(yīng)，有效改善交通出行環(huán)境，提升市民幸福感。隨著“互聯(lián)網(wǎng)+”和大數(shù)據(jù)出現(xiàn)，推動(dòng)大數(shù)據(jù)與交通領(lǐng)域融合創(chuàng)新，依托交通大數(shù)據(jù)，實(shí)現(xiàn)城市交通數(shù)據(jù)的全覆蓋、全關(guān)聯(lián)、全開放和全分析，探索交通大數(shù)據(jù)在城市綜合治理的應(yīng)用，是實(shí)現(xiàn)被動(dòng)改善到主動(dòng)治理、設(shè)施擴(kuò)容到管理提升、感性認(rèn)知到量化監(jiān)測轉(zhuǎn)變的關(guān)鍵點(diǎn)。

1 交通領(lǐng)域大數(shù)據(jù)組成及特征

1.1 大數(shù)據(jù)基本概念

大數(shù)據(jù)（Big Data, Mega Data）指需要新處理模式才能具有更強(qiáng)的決策力、洞察力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)[1]。2008年8月，大數(shù)據(jù)概念由牛津大學(xué)教授Viktor Mayer最早提出。在他編寫的《大數(shù)據(jù)時(shí)代》中，大數(shù)據(jù)指不用隨機(jī)分析法(抽樣調(diào)查)這樣的捷徑而采用所有數(shù)據(jù)進(jìn)行分析處理的研究方法[2]。大數(shù)據(jù)有4V特點(diǎn)，即Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價(jià)值）[3]。

大數(shù)據(jù)的基本概念包括：①并非有大量數(shù)據(jù)就可以被稱為大數(shù)據(jù)；②大數(shù)據(jù)更加關(guān)注相關(guān)性而非因果；③大數(shù)據(jù)關(guān)聯(lián)與挖掘后，把孤立的數(shù)據(jù)聯(lián)系起來能相對(duì)完整描述一個(gè)對(duì)象；④大數(shù)據(jù)主要用于預(yù)測，可以預(yù)演未來的結(jié)果。因此，業(yè)界的共識(shí)是，大數(shù)據(jù)等于海量數(shù)據(jù)加分析方法加預(yù)測結(jié)果。

1.2 交通大數(shù)據(jù)組成

除居民出行調(diào)查、道路交通量調(diào)查等傳統(tǒng)調(diào)查方法以外，多渠道的交通數(shù)據(jù)來源將為交通模型提供海量多元的非關(guān)系型數(shù)據(jù)。這些數(shù)據(jù)最初用于其它目的，而后被引入交通分析評(píng)估。交通大數(shù)據(jù)可分為六大類：

①人的移動(dòng)。包括手機(jī)信令、個(gè)體位移、導(dǎo)航軟件等；

②車的移動(dòng)。包括出租車、公共汽（電）車、客貨車GPS數(shù)據(jù)；

③定點(diǎn)檢測。包括地感線圈、地磁數(shù)據(jù)、視頻識(shí)別、車牌識(shí)別等；

④交通收費(fèi)。包括停車收費(fèi)數(shù)據(jù)、IC卡數(shù)據(jù)、出租客運(yùn)、公路與鐵路車站收費(fèi)數(shù)據(jù)等；

⑤交通安全。包括交通事故處理及位置等數(shù)據(jù)；

⑥傳統(tǒng)基礎(chǔ)。包括用地規(guī)劃、交通網(wǎng)絡(luò)、社會(huì)經(jīng)濟(jì)和交通需求等。

1.3 交通大數(shù)據(jù)特征

交通大數(shù)據(jù)具有5大特征。

①客觀性。大部分?jǐn)?shù)據(jù)不需要訪問被調(diào)查者，而是由傳感器主動(dòng)獲取，可保證數(shù)據(jù)的客觀性，發(fā)現(xiàn)靜默者，包括老人、小孩或者較不活躍者。

②多元性。不同渠道的數(shù)據(jù)從不同方面反映交通特征，數(shù)據(jù)之間可以相互校核。

③穩(wěn)定性。可以在多個(gè)時(shí)段對(duì)調(diào)查目標(biāo)反復(fù)驗(yàn)證，降低極端數(shù)據(jù)的干擾。

④準(zhǔn)確性。縮減抽樣、訪問、填寫、錄入等人工操作環(huán)節(jié)，提高數(shù)據(jù)準(zhǔn)確性。

⑤廉價(jià)性。數(shù)據(jù)獲取成本較傳統(tǒng)調(diào)查低廉，檢測設(shè)備一次投入可反復(fù)使用，而大量數(shù)據(jù)原本用于其它目的，經(jīng)數(shù)據(jù)轉(zhuǎn)換后可成為交通分析數(shù)據(jù)源。

1.4 交通大數(shù)據(jù)應(yīng)用現(xiàn)狀

盡管大數(shù)據(jù)在交通領(lǐng)域的應(yīng)用剛剛興起，中國大城市的交通研究機(jī)構(gòu)、高德百度等地圖公司、京東阿里等電子商務(wù)企業(yè)均已開展實(shí)際應(yīng)用。尤其是中國主要的交通研究機(jī)構(gòu)逐步開始利用交通大數(shù)據(jù)，變革傳統(tǒng)的調(diào)查方法，使交通分析開始由抽樣數(shù)據(jù)分析向全樣數(shù)據(jù)分析轉(zhuǎn)變。

2006年，深圳市城市交通規(guī)劃設(shè)計(jì)研究中心建立“深圳市城市交通仿真系統(tǒng)”，成為中國較早運(yùn)用動(dòng)態(tài)數(shù)據(jù)，實(shí)時(shí)評(píng)估交通運(yùn)行狀態(tài)的城市[4]。2010年，北京交通發(fā)展研究中心推出“北京市道路交通指數(shù)”，把復(fù)雜的道路評(píng)估用簡單的指數(shù)形式呈現(xiàn)給政府和市民，交通數(shù)據(jù)由政府走向民間[5]。2014年，百度推出春運(yùn)遷徙地圖，依托強(qiáng)大的地圖和移動(dòng)終端用戶數(shù)據(jù)為用戶提供及時(shí)、全面的春運(yùn)出行信息，幫助用戶更好的規(guī)劃行程。2014年，高德交通季度分析報(bào)告基于海量歷史路況數(shù)據(jù)分析出不同區(qū)域在不同時(shí)間段內(nèi)的擁堵延時(shí)指數(shù)，首次推出主要城市擁堵延時(shí)指數(shù)排名[6]。2017年，阿里巴巴發(fā)布城市大腦1.0智能治理城市系統(tǒng)，采用實(shí)時(shí)路況監(jiān)測、智能配時(shí)優(yōu)化等措施破解交通擁堵問題[7]。2018年，高德連同阿里一同打造城市大腦智慧交通體系，結(jié)合已有的擁堵延時(shí)指數(shù)，量身定制“堵城”的“高德方案”。

運(yùn)用城市運(yùn)行產(chǎn)生的多源大數(shù)據(jù)，包括浮動(dòng)車GPS、公交IC卡、固定檢測線圈（視頻）、車輛識(shí)別系統(tǒng)、手機(jī)移動(dòng)數(shù)據(jù)等，在一定程度上代替原有大規(guī)模的交通調(diào)查方式，有效節(jié)省城市交通分析的成本并提升工作效率。同時(shí)，傳統(tǒng)方式無法實(shí)現(xiàn)的調(diào)查，如長時(shí)間不間斷調(diào)查、公交IC卡和移動(dòng)終端追蹤等，通過大數(shù)據(jù)挖掘得以實(shí)現(xiàn)。

總體上看，大數(shù)據(jù)在交通分析領(lǐng)域的應(yīng)用取得了一定突破，但大部分城市尚未實(shí)現(xiàn)交通大數(shù)據(jù)在城市交通綜合治理的應(yīng)用。因此，本文系統(tǒng)梳理了交通大數(shù)據(jù)集成關(guān)鍵技術(shù)，以深圳市為聚焦點(diǎn)，總結(jié)了交通大數(shù)據(jù)在深圳綜合治理中的應(yīng)用實(shí)踐。

2 交通大數(shù)據(jù)集成關(guān)鍵技術(shù)

深圳城市交通大數(shù)據(jù)集成的關(guān)鍵技術(shù)，將實(shí)現(xiàn)從“數(shù)據(jù)采集—數(shù)據(jù)融合—決策支撐—共享服務(wù)”的全流程處理，具體體現(xiàn)在以下幾點(diǎn)：

2.1 數(shù)據(jù)采集關(guān)鍵技術(shù)

數(shù)據(jù)采集關(guān)鍵技術(shù)以“出行環(huán)境+出行感受”多目標(biāo)為驅(qū)動(dòng)，實(shí)現(xiàn)對(duì)數(shù)據(jù)整合和集成化采集，實(shí)現(xiàn)對(duì)人、車、路等核心要素和交通、環(huán)境、安全等多維細(xì)分領(lǐng)域的全面感知。主要關(guān)鍵技術(shù)包括：

（1）基于海量數(shù)據(jù)的多元多維度數(shù)據(jù)體系構(gòu)建

建立多維度的交通大數(shù)據(jù)公共平臺(tái)，通過集成交通、土地、環(huán)境、安全、氣象、政策等多元數(shù)據(jù)，采用數(shù)據(jù)集市與數(shù)據(jù)立方體，搭建面向分析的交通大數(shù)據(jù)多維度特征指標(biāo)體系。

（2）高可靠、高擴(kuò)展的交通大數(shù)據(jù)標(biāo)準(zhǔn)化架構(gòu)搭建

交通大數(shù)據(jù)標(biāo)準(zhǔn)化架構(gòu)搭建基于Hive數(shù)據(jù)倉庫封裝，分布建立原始數(shù)據(jù)庫、元數(shù)據(jù)庫、基礎(chǔ)信息庫、指標(biāo)庫等多層級(jí)數(shù)據(jù)庫架構(gòu)，實(shí)現(xiàn)ETL數(shù)據(jù)抽取，形成高可靠、高擴(kuò)展的基礎(chǔ)數(shù)據(jù)庫。

（3）考慮未來自動(dòng)駕駛場景的智慧道路集成化數(shù)據(jù)采集

圖1 數(shù)據(jù)采集維度

圖2 交通大數(shù)據(jù)標(biāo)準(zhǔn)化架構(gòu)

智慧道路集成化數(shù)據(jù)采集技術(shù)基于路口級(jí)中樞與路段級(jí)管廊，結(jié)合路面?zhèn)鞲衅?，采集包括車道流量、排?duì)長度、進(jìn)口道流量、行人流量和信號(hào)燈配時(shí)等實(shí)時(shí)數(shù)據(jù)，實(shí)現(xiàn)對(duì)道路的全息感知。其中，路段以智慧交通桿為核心，結(jié)合高精度圖像識(shí)別、多模態(tài)信號(hào)控制等算法，實(shí)現(xiàn)“人—車—路—環(huán)境”的數(shù)據(jù)全面采集與交互；路口以智慧信號(hào)機(jī)為載體，采集車輛軌跡、車輛狀態(tài)、交通安全等信息，實(shí)現(xiàn)基于LTE-V/DSRC短程通訊與信號(hào)控制策略的自適應(yīng)耦合聯(lián)動(dòng)，全面感知?jiǎng)屿o態(tài)交通運(yùn)行，支持車路協(xié)同應(yīng)用。

2.2 數(shù)據(jù)融合關(guān)鍵技術(shù)

數(shù)據(jù)融合體系以分布式計(jì)算技術(shù)為基礎(chǔ)，構(gòu)建一系列快速應(yīng)用、組合的通用關(guān)鍵技術(shù)群，為數(shù)據(jù)應(yīng)用提供標(biāo)準(zhǔn)化支持，關(guān)鍵技術(shù)包含：

（1）時(shí)空關(guān)聯(lián)分割的分時(shí)、分區(qū)、分布式計(jì)算技術(shù)，集成Hadoop分布式存儲(chǔ)、Spark Streaming實(shí)時(shí)數(shù)據(jù)處理和Hive大數(shù)據(jù)交換等技術(shù)手段，考慮交通大數(shù)據(jù)的時(shí)空屬性，實(shí)現(xiàn)對(duì)結(jié)構(gòu)化與非結(jié)構(gòu)化增量數(shù)據(jù)的快速存儲(chǔ)、大規(guī)模實(shí)時(shí)運(yùn)算與便捷共享。

（2）基于人工智能的城市道路險(xiǎn)情快速檢測技術(shù)，建立多類別路面險(xiǎn)情圖像數(shù)據(jù)集，搭建分層級(jí)聯(lián)判別靜態(tài)險(xiǎn)情的框架，實(shí)現(xiàn)邊緣計(jì)算與云計(jì)算的深度學(xué)習(xí)融合；針對(duì)道路視頻監(jiān)控的時(shí)間點(diǎn)局部性，對(duì)動(dòng)態(tài)險(xiǎn)情識(shí)別引入NoScope引擎優(yōu)化視頻檢索。

圖3 智慧道路集成化數(shù)據(jù)采集技術(shù)

（3）基于多層貝葉斯網(wǎng)絡(luò)的交通異常事件精準(zhǔn)識(shí)別技術(shù)，建立以歷史數(shù)據(jù)推導(dǎo)先驗(yàn)概率，以實(shí)時(shí)天氣、道路運(yùn)行速度和道路流量為判斷條件，以交通異常事件（道路積水、交通事故等）是否發(fā)生為判斷結(jié)論的多層貝葉斯精準(zhǔn)識(shí)別模型，實(shí)現(xiàn)對(duì)交通異常事件的精準(zhǔn)識(shí)別。

（4）本地化、多層次的交通碳排放核算技術(shù)，建立本地化的交通排放模型參數(shù)，包括交通特征的本地化、行駛工況的本地化、排放因子的本地化和車隊(duì)模型的本地化，確定了不同車型、不同行駛工況下的4 500個(gè)排放因子；建立“自下而上”的核算流程，以單個(gè)路段單個(gè)車型的排放為基礎(chǔ)，實(shí)現(xiàn)從路段片區(qū)到市域的交通排放核算[9]。

（5）基于動(dòng)態(tài)自適應(yīng)加權(quán)的多源交通流數(shù)據(jù)融合技術(shù)，結(jié)合出租車GPS、公交車GPS、手機(jī)信令、兩客一危GPS等交通流數(shù)據(jù)，分別建立數(shù)據(jù)級(jí)、特征級(jí)與決策級(jí)的耦合融合模型，以數(shù)據(jù)質(zhì)量、時(shí)空覆蓋范圍等多因素為依據(jù)，構(gòu)建時(shí)空差異的多數(shù)據(jù)源動(dòng)態(tài)自適應(yīng)加權(quán)模型，實(shí)現(xiàn)可靠數(shù)據(jù)為主、其余數(shù)據(jù)為輔的融合框架，實(shí)現(xiàn)城市道路多源交通流的有效融合。

（6）多方法耦合的交通流預(yù)測技術(shù)，基于改進(jìn)神經(jīng)網(wǎng)絡(luò)、改進(jìn)KNN近鄰、LGBM等方法的融合，解決不同時(shí)空下速度、車流量等參數(shù)預(yù)測的精確性、效率性和多維性難題。

（7）基于錨點(diǎn)理論的慣常性出行模式辨識(shí)技術(shù)，針對(duì)手機(jī)信令數(shù)據(jù)，提出了基于錨點(diǎn)理論的慣常性出行模式辨識(shí)方法，構(gòu)建用戶全出行OD，挖掘用戶的個(gè)人出行特征信息。

2.3 決策支撐關(guān)鍵技術(shù)

決策支持關(guān)鍵技術(shù)結(jié)合多元化綜合交通數(shù)據(jù)庫，分別建立多層次一體化模型體系、在線仿真技術(shù)體系和智慧交通管控技術(shù)體系，實(shí)現(xiàn)從一體化模型、仿真推演到宏—中—微觀交通流管控的決策支撐。

（1）多層次、一體化交通模型技術(shù)

多空間層次。分為區(qū)域、宏觀、中觀、微觀共四個(gè)模型層次，分別用于支持區(qū)域、市域（組團(tuán)）、分區(qū)（片區(qū)）、關(guān)鍵路段和節(jié)點(diǎn)等不同空間層次的交通規(guī)劃技術(shù)分析和決策支持需要。

多層一體化。在遵循預(yù)定交換標(biāo)準(zhǔn)、接口、技術(shù)的情況下，通過網(wǎng)絡(luò)切割或融合、矩陣切割或合并等技術(shù)，達(dá)到不同層次模型間的輸入輸出數(shù)據(jù)的順暢交換，實(shí)現(xiàn)不同層次交通模型的一體化。

（2）大規(guī)模路網(wǎng)車道級(jí)實(shí)時(shí)在線交通仿真技術(shù)

圖4 基于圖像識(shí)別的道路險(xiǎn)情異常識(shí)別

圖5 多空間層次交通模型體系

建立了從動(dòng)態(tài)車輛OD估計(jì)、動(dòng)態(tài)路徑?jīng)Q策、動(dòng)態(tài)流量加載到短時(shí)交通流預(yù)測的實(shí)時(shí)在線交通仿真技術(shù)流程，實(shí)現(xiàn)了從“源”到“流”的交通狀態(tài)的再現(xiàn)和推演。有別于傳統(tǒng)最短路徑搜索或者動(dòng)態(tài)路徑搜索，根據(jù)現(xiàn)實(shí)中駕駛員路徑選擇的自學(xué)習(xí)特征，提出基于（浮動(dòng)車、網(wǎng)約車或者導(dǎo)航車輛等的）真實(shí)路徑集的動(dòng)態(tài)更新，進(jìn)行路徑集的合理延展和分配，從而有效的提升路徑選擇的準(zhǔn)確性。

（3）智慧交通管控技術(shù)

建立“宏觀—中觀—微觀”三層次耦合的交通管控技術(shù)，主要表現(xiàn)在：

宏觀層面，通過分析市域、區(qū)域間交通出行需求總量和時(shí)空分布，制定調(diào)控策略和配套手段管控跨區(qū)交通出行，在時(shí)間上削峰填谷，空間上控密補(bǔ)稀，實(shí)現(xiàn)區(qū)域時(shí)空平衡。

中觀層面，通過分析片區(qū)道路間交通運(yùn)行狀況，利用單向交通、車速限制、交叉口轉(zhuǎn)向限制、車輛分類通行等措施及平行道路信號(hào)燈控協(xié)同調(diào)節(jié)，以均衡流量、提高效率，實(shí)現(xiàn)片區(qū)時(shí)空平衡。

微觀層面，利用交通仿真手段，針對(duì)節(jié)點(diǎn)控制交通時(shí)空分布，在時(shí)間、空間分離交通沖突，車道渠化上寸土必爭、信號(hào)配時(shí)上分秒必爭，實(shí)現(xiàn)單點(diǎn)時(shí)空平衡。

2.4 共享服務(wù)關(guān)鍵技術(shù)

以共享和服務(wù)為原則，面向政府、行業(yè)和公眾共享信息與服務(wù)，制訂共享開放規(guī)則，研發(fā)車路協(xié)同、定向誘導(dǎo)、全出行鏈（MaaS）的關(guān)鍵技術(shù)。

（1）數(shù)據(jù)共享開放規(guī)則

構(gòu)建面向不同類型（政務(wù)、運(yùn)營、社會(huì)、自有）、不同對(duì)象（政府、企業(yè)、創(chuàng)客、公眾）、不同權(quán)限（高、中、低、公開）的分級(jí)開放共享體系，形成標(biāo)準(zhǔn)化的數(shù)據(jù)存儲(chǔ)、共享與算法規(guī)范，避免大數(shù)據(jù)亂象，促進(jìn)行業(yè)健康發(fā)展；研發(fā)公眾開放平臺(tái)API，構(gòu)建安全、可靠、規(guī)范的動(dòng)態(tài)鑒權(quán)機(jī)制，在保護(hù)數(shù)據(jù)的基礎(chǔ)上推動(dòng)萬眾創(chuàng)新。

（2）特種車輛車路協(xié)同技術(shù)

圖6 實(shí)時(shí)在線交通仿真數(shù)據(jù)流

基于LTE-V/DSRC車路協(xié)同技術(shù)采集數(shù)據(jù)，通過車載單元同信號(hào)系統(tǒng)聯(lián)動(dòng)，實(shí)現(xiàn)公交車/救護(hù)車等主動(dòng)信號(hào)優(yōu)先控制，保證在經(jīng)過交叉口時(shí)優(yōu)先通行。

（3）基于多目標(biāo)體系的全出行鏈服務(wù)技術(shù)

構(gòu)建“出行環(huán)境+出行感受”的多目標(biāo)體系，為用戶提供基于全出行鏈（MaaS:Mobility as a Service）的綜合交通信息服務(wù)。基于多源數(shù)據(jù)整合及多方式誘導(dǎo)策略，面向個(gè)體出行前、出行中和出行后的全過程動(dòng)態(tài)跟蹤，結(jié)合交通指數(shù)、交通預(yù)測、交通排放、天氣、停車位、公交指數(shù)等綜合信息，制定面向全方式、全過程的交通誘導(dǎo)策略，提供“數(shù)據(jù)-策略-服務(wù)”的整體智慧出行方案。

3 在城市綜合治理中應(yīng)用實(shí)踐

依托交通大數(shù)據(jù)集成關(guān)鍵技術(shù)，深圳市為道路擁堵治理、規(guī)劃決策、精準(zhǔn)管控服務(wù)、安全環(huán)保、共享服務(wù)等城市綜合治理問題提供決策評(píng)估服務(wù)，有力支撐了近年深圳城市交通綜合治理發(fā)展。

3.1 擁堵治理

（1）深圳市交通綜合擁堵治理行動(dòng)計(jì)劃。利用道路交通運(yùn)行指數(shù)平臺(tái)、公交服務(wù)指數(shù)平臺(tái)監(jiān)測常發(fā)擁堵路段，做到針對(duì)性地、有重點(diǎn)地進(jìn)行深圳市道路交通擁堵治理，同時(shí)利用交通一體化模型支撐公交專用道設(shè)置及優(yōu)化。以新彩隧道公交專用道為例，前期采用一體化模型技術(shù)的仿真模型初定的實(shí)施時(shí)段是全天24小時(shí)，在實(shí)施的過程中跟道路交通運(yùn)行指數(shù)平臺(tái)的反饋信息優(yōu)化實(shí)施時(shí)段。自2014年實(shí)施治堵以來，公交客運(yùn)量較去年同期增加9.7%，達(dá)653萬人/日，創(chuàng)歷史新高；伴隨著公共交通客運(yùn)量提升，路面車速穩(wěn)中微增，中心城區(qū)高峰路網(wǎng)平均車速與去年同期相比逐步回升，達(dá)27公里/小時(shí)。

（2）深南大道交通改善。利用一體化交通模型技術(shù)對(duì)深南大道仿真，發(fā)現(xiàn)其擁堵主因，并提出采用中航路做內(nèi)部微循環(huán)，通過兩次左轉(zhuǎn)彎實(shí)現(xiàn)右轉(zhuǎn)功能的方式實(shí)現(xiàn)改善，同時(shí)配合調(diào)整路口渠化、優(yōu)化信號(hào)配時(shí)等措施。相比傳統(tǒng)道路改造方案，采用微循環(huán)改造費(fèi)用低、改善效果顯著，改善后東西向通行能力提高12.5%，排隊(duì)長度減少15%。

（3）交通樞紐站點(diǎn)的布局優(yōu)化。利用一體化模型技術(shù)對(duì)華強(qiáng)北地鐵站高峰時(shí)間的客流進(jìn)行提前校核。經(jīng)仿真后發(fā)現(xiàn)，華強(qiáng)北的3站2區(qū)間原鐵三院的施工圖存在兩個(gè)瓶頸點(diǎn)。若執(zhí)意保留該設(shè)計(jì)，未來實(shí)際運(yùn)行后將會(huì)造成節(jié)點(diǎn)擁堵，嚴(yán)重會(huì)發(fā)生踩踏等安全隱患。結(jié)合仿真結(jié)果，重新修改設(shè)計(jì)方案，站點(diǎn)建成后，結(jié)合對(duì)線路運(yùn)營時(shí)間、發(fā)車班次等優(yōu)化，站點(diǎn)人潮擁堵現(xiàn)象較少發(fā)生，與仿真改善方案的結(jié)果一致。

3.2 規(guī)劃決策

圖7 華強(qiáng)北交通改善測試分析

依托綜合交通大數(shù)據(jù)的決策支持技術(shù)服務(wù)，支撐了深圳市20余項(xiàng)重大公共政策研究，具體包括對(duì)停車收費(fèi)政策、網(wǎng)約車管理、高速公路回購等多項(xiàng)重大交通戰(zhàn)略的準(zhǔn)確評(píng)估和快速落地，切實(shí)做到政策落地的有據(jù)可依。

（1）深圳市停車收費(fèi)政策調(diào)整。利用交通大數(shù)據(jù)集成技術(shù)構(gòu)建整體評(píng)估模型，利用道路交通運(yùn)行指數(shù)平臺(tái)和碳排放檢測平臺(tái)等對(duì)停車收費(fèi)政策實(shí)施前后對(duì)比分析。項(xiàng)目實(shí)施后，路邊停車規(guī)模下降，停車秩序上升，道路交通運(yùn)行速度顯著提升，主要路段晚高峰車速平均上升12%～15%，機(jī)動(dòng)車碳排放有所下降，工作日晚高峰碳排放平均減少約4.6%。

（2）深圳市網(wǎng)約車政策研究。通過利用大數(shù)據(jù)處理技術(shù)對(duì)車牌識(shí)別數(shù)據(jù)進(jìn)行分析，挖掘網(wǎng)約車的日均規(guī)模、出行特征等信息，同時(shí)利用道路交通運(yùn)行指數(shù)平臺(tái)對(duì)網(wǎng)約車出現(xiàn)前和出現(xiàn)后的運(yùn)行交通規(guī)律進(jìn)行分析，得出網(wǎng)約車的控制規(guī)模、車型等管理細(xì)則。利用大數(shù)據(jù)決策支撐技術(shù)，一是能快速評(píng)估網(wǎng)約車的整體規(guī)模和特征，實(shí)現(xiàn)政策的快速落地；二是分析得到的結(jié)果能保證大部分出租車和網(wǎng)約車司機(jī)的利益均不受損害。

（3）梅觀高速等高速公路回購分析研究。梅觀高速是深圳的重要縱向通道，承擔(dān)城市通勤、區(qū)域出行、過境出行等復(fù)合功能，因此市政府決定回購梅觀高速，并全線進(jìn)行市政化改造。利用一體化交通模型技術(shù)對(duì)梅關(guān)高速等高速公路的流量進(jìn)行預(yù)測。依托交通量預(yù)測結(jié)果，估算每年梅觀高速公路收費(fèi)收益，評(píng)估現(xiàn)狀年折現(xiàn)收益，為市政府確定回購梅觀高速的成本。

（4）交通需求管理政策。利用道路交通運(yùn)行指數(shù)數(shù)據(jù)，對(duì)實(shí)施前后的效果進(jìn)行評(píng)估；利用大數(shù)據(jù)計(jì)算技術(shù)對(duì)車牌識(shí)別數(shù)據(jù)進(jìn)行挖掘分析，監(jiān)測不同區(qū)域、路段車輛歸屬地構(gòu)成，為制定限外范圍提供了定量支撐，評(píng)估政策實(shí)施后的外地車比例變化，限外效果，構(gòu)建“規(guī)劃—實(shí)施—評(píng)估—調(diào)校”的動(dòng)態(tài)循環(huán)工作模式。

3.3 精準(zhǔn)管控

利用交通大數(shù)據(jù)平臺(tái)，支撐重大基建項(xiàng)目，準(zhǔn)確把握基建方案問題癥結(jié)，對(duì)比評(píng)估方案實(shí)施前后情況，先后運(yùn)用在城市道路交通基建建設(shè)、軌道交通建設(shè)、路網(wǎng)改造等。

（1）利用碳排放監(jiān)測平臺(tái)輔助進(jìn)行綠色交通設(shè)計(jì)系統(tǒng)，評(píng)估麗山路南延等重大交通基建、留仙大道-10號(hào)路交叉口等精細(xì)化改善的環(huán)境影響，量化“綠色”等級(jí)，校準(zhǔn)規(guī)劃方案；成功落實(shí)了大學(xué)城站、塘朗站兩處接駁首末站的土地開發(fā)項(xiàng)目的綠色交通控制要點(diǎn)，支撐約2.5公里市政道路的規(guī)劃審批工作，指導(dǎo)建設(shè)5公里的自行車道。

圖8 網(wǎng)約車、出租車客運(yùn)量變化

（2）通過搭建在線仿真系統(tǒng)和大數(shù)據(jù)公共服務(wù)平臺(tái)，降低管理成本，全市高峰期平均車速維持在25km/h以上，通勤時(shí)間平均可節(jié)約2分鐘以上；實(shí)現(xiàn)突發(fā)事件，快速評(píng)估分析交通緊急預(yù)案優(yōu)劣，制定有效的交通誘導(dǎo)方案。

（3）實(shí)時(shí)運(yùn)行狀況和變化趨勢信息發(fā)布，定量化的精確道路交通運(yùn)行和公共交通評(píng)估服務(wù)，有效提高政府決策效率，積極應(yīng)用到包括：深圳市城市交通白皮書、深圳市停車發(fā)展政策及實(shí)施方案、深圳市交通擁堵綜合治理近期規(guī)劃等項(xiàng)目，有效提高政府的規(guī)劃決策能力。

3.4 安全環(huán)保

在安全環(huán)保方面，有以下幾個(gè)方面的應(yīng)用：

（1）利用大數(shù)據(jù)平臺(tái)對(duì)“兩客一?！避囕v的運(yùn)行軌跡監(jiān)測；

（2）建立碳排放實(shí)時(shí)監(jiān)測平臺(tái)，監(jiān)測城市交通的碳排放情況，在國內(nèi)尚屬首創(chuàng)；

（3）城市道路積水點(diǎn)監(jiān)測與影響分析評(píng)估系統(tǒng)，實(shí)現(xiàn)對(duì)積水點(diǎn)的有效監(jiān)測，特別是針對(duì)臺(tái)風(fēng)天氣，能及時(shí)預(yù)報(bào)臺(tái)風(fēng)過境后的道路積水信息和道路交通指數(shù)；

（4）利用騰訊的實(shí)時(shí)數(shù)據(jù)，建立熱點(diǎn)區(qū)域的人流密度安全監(jiān)測系統(tǒng)，同時(shí)對(duì)節(jié)假日期間的人流密集情況提出預(yù)警制定解決方案，并提前告知公眾。

3.5 共享服務(wù)

（1）智慧停車泊位共享。利用數(shù)據(jù)共享開放規(guī)則、大數(shù)據(jù)處理技術(shù)和智慧停車系統(tǒng)，依托“互聯(lián)網(wǎng)+政府開放”數(shù)據(jù)模式，在全市開放空停車位信息，并將車位信息共享給百度、高德等互聯(lián)網(wǎng)導(dǎo)航軟件，實(shí)現(xiàn)高效的資源整合和利用。

（2）道路路況實(shí)時(shí)發(fā)布。依托深圳市道路運(yùn)行交通指數(shù)系統(tǒng)，實(shí)現(xiàn)道路路況實(shí)時(shí)發(fā)布，支持對(duì)實(shí)時(shí)和歷史的熱點(diǎn)片區(qū)和道路關(guān)口的道路運(yùn)行指數(shù)、擁堵等級(jí)、平均車速等信息的查詢[8]。

圖9 突發(fā)事件應(yīng)急發(fā)布與誘導(dǎo)

圖10 深圳道路積水監(jiān)測（左），碳排放監(jiān)測（右）

圖11 深圳道路交通運(yùn)行指數(shù)系統(tǒng)

（3）全出行鏈智慧服務(wù)。以出行者體驗(yàn)為導(dǎo)向，提供基于MaaS的個(gè)性化、全過程智慧出行服務(wù)，以輕量化微信小程序、互聯(lián)網(wǎng)導(dǎo)航APP合作等多種渠道發(fā)布出行服務(wù)。

4 結(jié) 論

集成綜合交通大數(shù)據(jù)關(guān)鍵技術(shù)，實(shí)現(xiàn)了交通大數(shù)據(jù)“采集-融合-決策支持-共享服務(wù)”的一體化處理流程，通過深挖交通潛力、支持重大政策出臺(tái)、精細(xì)化診斷交通問題等，為深圳市提供擁堵治理、規(guī)劃決策、精準(zhǔn)管控、安全環(huán)保、共享服務(wù)等方面的城市綜合治理應(yīng)用，有力支撐了近年深圳城市交通綜合治理發(fā)展。