多源異構(gòu)數(shù)據(jù)在區(qū)域交通領(lǐng)域中的應(yīng)用分析

程雪敏

摘要：交通行業(yè)經(jīng)過多年的信息化建設(shè)，目前已具備覆蓋公、鐵、水、空等多領(lǐng)域的數(shù)據(jù)積累。文章圍繞如何借助大數(shù)據(jù)分析技術(shù)實(shí)現(xiàn)交通全方式全要素的數(shù)據(jù)融合應(yīng)用，面向區(qū)域交通大數(shù)據(jù)分析及應(yīng)用成套技術(shù)開展研究，突破關(guān)鍵技術(shù)瓶頸，從不同角度細(xì)粒度還原交通現(xiàn)狀，支撐綜合交通規(guī)劃、管理、決策。

關(guān)鍵詞：多源異構(gòu)數(shù)據(jù)；區(qū)域交通；應(yīng)用分析

中圖分類號：TM73中圖分類號? 文獻(xiàn)標(biāo)志碼：A文獻(xiàn)標(biāo)志碼

0 引言

黨的十九大報(bào)告明確了“交通強(qiáng)國”的發(fā)展理念，以數(shù)據(jù)資源賦能智慧交通，以科技創(chuàng)新為核心，推動(dòng)交通運(yùn)輸高質(zhì)量發(fā)展。交通行業(yè)經(jīng)過多年的信息化建設(shè)，目前已具備覆蓋公、鐵、水、空等多領(lǐng)域的數(shù)據(jù)積累，匯聚和挖掘數(shù)據(jù)資源，開發(fā)和釋放數(shù)據(jù)蘊(yùn)藏的巨大價(jià)值，已經(jīng)成為發(fā)展大勢。隨著數(shù)據(jù)源的不斷豐富，目前大數(shù)據(jù)在交通行業(yè)領(lǐng)域應(yīng)用仍存在技術(shù)瓶頸，如：數(shù)據(jù)資產(chǎn)標(biāo)準(zhǔn)化技術(shù)難點(diǎn)瓶頸仍未解決；數(shù)據(jù)壁壘廣泛存在，阻礙了數(shù)據(jù)的共享和開放；多源數(shù)據(jù)融合及深度挖掘技術(shù)手段缺乏，機(jī)理研究不足；交通大數(shù)據(jù)模型構(gòu)建、交通規(guī)劃平臺建設(shè)技術(shù)還不成熟。這些都是制約大數(shù)據(jù)有效推動(dòng)智慧交通發(fā)展的重要短板，亟待進(jìn)一步深入推進(jìn)解決［1］。

本文旨在面向區(qū)域交通大數(shù)據(jù)分析及應(yīng)用成套技術(shù)開展研究，突破關(guān)鍵技術(shù)瓶頸，通過多源數(shù)據(jù)整合、數(shù)據(jù)標(biāo)準(zhǔn)體系設(shè)計(jì)、交通模型及算法體系構(gòu)建、多層次交通平臺搭建等，從不同角度細(xì)粒度還原交通現(xiàn)狀，精準(zhǔn)預(yù)測交通態(tài)勢，量化支撐精細(xì)化、智能化綜合交通規(guī)劃、管理、決策，為區(qū)域交通規(guī)劃研究帶來新的視角。

1 多源大數(shù)據(jù)介紹

目前交通系統(tǒng)中存有大量交通數(shù)據(jù)，通常包括靜態(tài)數(shù)據(jù)與動(dòng)態(tài)數(shù)據(jù)。按采集時(shí)間不同，獲得動(dòng)態(tài)數(shù)據(jù)能描述斷面歷史與實(shí)時(shí)的交通狀態(tài)特征。按采集地點(diǎn)變化，獲得的交通數(shù)據(jù)能描述整個(gè)路網(wǎng)交通流空間分布特征。按采集方式差異，人工調(diào)查數(shù)據(jù)能直接解析調(diào)查區(qū)域交通出行特征與規(guī)律，但數(shù)據(jù)量有限且主觀性強(qiáng)、更新周期長；車檢設(shè)備數(shù)據(jù)能提供檢測地點(diǎn)的交通流特征，但精確性與布設(shè)密度有關(guān)；浮動(dòng)車GPS數(shù)據(jù)能提供行駛路段區(qū)間的運(yùn)行參數(shù)特征或單個(gè)車輛的實(shí)時(shí)運(yùn)行特征，但穩(wěn)定性、連續(xù)性差；手機(jī)信令數(shù)據(jù)、公交IC卡數(shù)據(jù)獲取方便、內(nèi)容完整、更新連續(xù)，能提供交通出行的精細(xì)化過程，但巨量數(shù)據(jù)分析與處理過程煩瑣。因而，不同的交通數(shù)據(jù)在時(shí)間、空間、側(cè)重點(diǎn)及用途上都表現(xiàn)出差異性，能以不同程度描述目標(biāo)路段交通流運(yùn)行特征。綜合分析、處理多源交通數(shù)據(jù)，就能得到全面、可靠與互補(bǔ)的交通信息［2］。

從交通行業(yè)研究所需的數(shù)據(jù)來看，數(shù)據(jù)來源種類繁多，按行業(yè)劃分為交通行業(yè)數(shù)據(jù)、非交通行業(yè)的交通數(shù)據(jù)和非交通數(shù)據(jù)3類。交通行業(yè)數(shù)據(jù)主要包括：公交車、出租車、兩客一危車輛、旅游大巴GPS數(shù)據(jù)，軌道交通刷卡數(shù)據(jù)，高速公路、鐵路、水運(yùn)、客貨運(yùn)樞紐、停車場、客票、車船等交通收費(fèi)數(shù)據(jù)，航空票根數(shù)據(jù)，交通樞紐旅客到發(fā)量及車輛進(jìn)出量數(shù)據(jù)，地磁、線圈、視頻數(shù)據(jù)等定點(diǎn)監(jiān)測、FCD數(shù)據(jù)，RFID電子牌數(shù)據(jù)和基礎(chǔ)設(shè)施數(shù)據(jù)等。非交通行業(yè)的交通數(shù)據(jù)主要包括：手機(jī)信令數(shù)據(jù)、LBS（百度、騰訊、高德、打車軟件）、Wi-Fi定位數(shù)據(jù)、網(wǎng)絡(luò)搜索數(shù)據(jù)、社交媒體數(shù)據(jù)、事故數(shù)據(jù)和調(diào)查類數(shù)據(jù)。其他數(shù)據(jù)包括地價(jià)、房價(jià)、經(jīng)濟(jì)指標(biāo)、電子地圖、氣象信息等數(shù)據(jù)［3］。

2 多源大數(shù)據(jù)在區(qū)域交通領(lǐng)域的應(yīng)用

2.1 區(qū)域交通多源數(shù)據(jù)預(yù)處理

大數(shù)據(jù)時(shí)代的到來，交通行業(yè)面臨前所未有的問題和挑戰(zhàn)。交通數(shù)據(jù)分散在不同部門，部門間又缺乏開放互通，形成信息孤島，造成交通數(shù)據(jù)資源分割化和信息碎片化等現(xiàn)象。此外，雖然經(jīng)過各行各業(yè)多年的發(fā)展，積累了大量的公鐵水空數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、手機(jī)信令數(shù)據(jù)等，但仍存在數(shù)據(jù)量大、質(zhì)量低、分析難度大等特點(diǎn)。本研究在多源數(shù)據(jù)預(yù)處理上提出了3點(diǎn)主要流程及相關(guān)標(biāo)準(zhǔn)技術(shù)。

2.1.1 交通行業(yè)多源異構(gòu)數(shù)據(jù)的標(biāo)準(zhǔn)體系

根據(jù)交通運(yùn)輸部發(fā)布的交通數(shù)據(jù)標(biāo)準(zhǔn)，結(jié)合交通行業(yè)實(shí)際情況，提出省級交通行業(yè)數(shù)據(jù)規(guī)范，擬解決行業(yè)內(nèi)數(shù)據(jù)規(guī)范管理欠缺、標(biāo)準(zhǔn)規(guī)范不統(tǒng)一、數(shù)據(jù)采集不兼容以及區(qū)域間信息共享方式不統(tǒng)一、不全面等問題，對分散在交通行業(yè)各部門的數(shù)據(jù)資源進(jìn)行梳理，并按照統(tǒng)一的標(biāo)準(zhǔn)規(guī)范進(jìn)行分級分類和格式標(biāo)準(zhǔn)化，形成符合應(yīng)用需要的交通行業(yè)數(shù)據(jù)資源組織標(biāo)準(zhǔn)和規(guī)范，實(shí)現(xiàn)數(shù)據(jù)資源的有序組織。面對現(xiàn)在交通基礎(chǔ)設(shè)施地理信息存儲格式不一致、坐標(biāo)系不一致、圖層屬性表不規(guī)范等問題，提出了一套針對公路、鐵路、水路、航空、海事、航道、港口、場站、管理機(jī)構(gòu)9大專題數(shù)據(jù)，以滿足區(qū)域交通地理信息平臺對專題空間數(shù)據(jù)的需求。

2.1.2 多源一體的交通大數(shù)據(jù)池化技術(shù)

針對現(xiàn)階段多源數(shù)據(jù)存儲中，不同交通數(shù)據(jù)集缺少統(tǒng)一標(biāo)簽的主鍵，數(shù)據(jù)庫進(jìn)行寫入、讀取、鏈接分析過程中無法有效使用的情況，提出基于特征層一致性的數(shù)據(jù)池化技術(shù)，即構(gòu)建一個(gè)融合多方數(shù)據(jù)的資源池，在不同的資源表中設(shè)置一個(gè)唯一鍵值進(jìn)行鏈接。傳統(tǒng)的數(shù)據(jù)庫連接池技術(shù)，在功能使用上各有不同，雖然可以較好地實(shí)現(xiàn)池化連接的思想，但并不符合標(biāo)準(zhǔn)的JDBC規(guī)范，且大多是采用各自的設(shè)計(jì)方案和優(yōu)化策略，選擇上與應(yīng)用服務(wù)器的耦合度較大。多源一體的交通大數(shù)據(jù)數(shù)據(jù)池化技術(shù)，在選擇適合開發(fā)框架的數(shù)據(jù)庫連接池基礎(chǔ)上，優(yōu)化并發(fā)連接時(shí)不同的復(fù)用連接策略，提高連接池的動(dòng)態(tài)并發(fā)處理性能。同時(shí)，需要建立一套特征值主鍵的唯一性的鏈接標(biāo)準(zhǔn)，提高交通數(shù)據(jù)庫在使用中鏈接共享的效率［4］。

2.1.3 基于數(shù)據(jù)層的多源異構(gòu)數(shù)據(jù)融合技術(shù)

面對同一類交通主體的交通分析中，同一類主體可能通過不同的交通方式從出發(fā)地到達(dá)目的地，在測算兩地間的客貨運(yùn)量關(guān)系時(shí)，就需要將不同交通方式的數(shù)據(jù)進(jìn)行融合疊加，為精確分析交通流分布特性提供優(yōu)質(zhì)的數(shù)據(jù)。針對以上問題，提出了基于數(shù)據(jù)層的多源異構(gòu)數(shù)據(jù)融合技術(shù)，主要包括兩方面：一是將同一交通方式不同的數(shù)據(jù)源分類融合得到統(tǒng)一交通方式的數(shù)據(jù)；二是將不同交通方式、不同來源的數(shù)據(jù)，統(tǒng)一到標(biāo)準(zhǔn)的人、車、貨單位。數(shù)據(jù)層融合的目的是對各種數(shù)據(jù)源的有不同量級、不同量綱、不同表現(xiàn)形式的數(shù)據(jù)做第一次規(guī)整，統(tǒng)一的網(wǎng)絡(luò)融合數(shù)據(jù)層形成的是以數(shù)據(jù)為中心的新型網(wǎng)絡(luò)架構(gòu)，基于統(tǒng)一數(shù)據(jù)層可有效實(shí)現(xiàn)網(wǎng)絡(luò)的扁平化，簡化網(wǎng)絡(luò)運(yùn)維，大幅降低TCO，并實(shí)現(xiàn)數(shù)據(jù)開放變現(xiàn)。

2.2 區(qū)域交通模型構(gòu)建與算法構(gòu)建

交通模型作為指導(dǎo)交通規(guī)劃與建設(shè)的重要技術(shù)工具，在指導(dǎo)交通規(guī)劃建設(shè)方面發(fā)揮著不可替代的作用。隨著交通運(yùn)輸體系的建設(shè)發(fā)展，交通模型正在從單一模式向多網(wǎng)融合、從片區(qū)交通向區(qū)域一體化、從低精度向精細(xì)化方向轉(zhuǎn)變，針對既有算法在處理指數(shù)級增長的區(qū)域綜合交通運(yùn)輸數(shù)據(jù)中存在不足，難以適用區(qū)域性全方式出行鏈的交通模型分析，導(dǎo)致區(qū)域交通出行特征的挖掘深度不夠等問題，以下通過結(jié)合數(shù)據(jù)的有效性和優(yōu)缺點(diǎn)，設(shè)計(jì)各類數(shù)據(jù)修復(fù)算法和適用性分析，構(gòu)建多源數(shù)據(jù)融合的區(qū)域交通算法與模型關(guān)鍵技術(shù)，為區(qū)域綜合交通規(guī)劃統(tǒng)籌協(xié)調(diào)區(qū)域各種運(yùn)輸需求提供一定的實(shí)證參考，同時(shí)為地區(qū)精準(zhǔn)地改善運(yùn)輸服務(wù)水平提供決策方向。

2.2.1 基于ETC門架系統(tǒng)數(shù)據(jù)的車輛運(yùn)行軌跡識別技術(shù)

針對高速公路運(yùn)行車輛軌跡無法全網(wǎng)追蹤、斷面流量難以實(shí)時(shí)監(jiān)測的難題，提出基于ETC門架系統(tǒng)數(shù)據(jù)的車輛行駛路徑推測與軌跡還原技術(shù)。以車輛途經(jīng)ETC門架信息建立關(guān)鍵點(diǎn)時(shí)空序列，結(jié)合高速公路路段鄰接矩陣，提出基于最短路徑和灰色關(guān)聯(lián)的出行軌跡估計(jì)方法，該方法還原車輛軌跡準(zhǔn)確率達(dá)90%以上，能對高速公路全網(wǎng)實(shí)時(shí)交通運(yùn)行狀態(tài)進(jìn)行有效監(jiān)測。

2.2.2 基于VITS和船閘數(shù)據(jù)的船舶軌跡與載運(yùn)特征識別技術(shù)

針對水路運(yùn)輸外省籍船舶軌跡無法獲取、全網(wǎng)載運(yùn)特征難以監(jiān)測等問題，提出基于VITS數(shù)據(jù)的船舶航行軌跡反推算法。以省籍船舶VITS和軌跡數(shù)據(jù)為基礎(chǔ)，通過KNN算法補(bǔ)充軌跡缺失值，提取軌跡集聚活動(dòng)半徑、駐留時(shí)長等重要參數(shù)，利用K-means聚類方法，識別船舶行駛的中途駐留點(diǎn)和起訖點(diǎn)。分析船舶起訖點(diǎn)與船閘上報(bào)運(yùn)載信息的關(guān)聯(lián)性，提取船型、航速、航向、時(shí)間、載運(yùn)量、貨物類型等特征，建立隨機(jī)森林模型，預(yù)測外省籍船舶起訖點(diǎn)，并還原船舶航行軌跡，實(shí)現(xiàn)全網(wǎng)船舶載運(yùn)檢測。

2.2.3 基于手機(jī)信令數(shù)據(jù)的區(qū)域交通需求預(yù)測

針對手機(jī)信令數(shù)據(jù)存在時(shí)間間隔長、定位精度差、缺乏出行信息、無法直接計(jì)算交通需求等問題，提出了基于手機(jī)信令數(shù)據(jù)的出行特征挖掘與區(qū)域交通出行需求預(yù)測模型。通過空間柵格劃分、軌跡漂移剔除、時(shí)空鄰近聚類，提取了手機(jī)用戶停駐點(diǎn)；以居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，標(biāo)定職住活動(dòng)時(shí)段、活動(dòng)時(shí)長、訪問頻次等參數(shù)，識別手機(jī)用戶職住位置。提出了基于模糊聚類的出行方式識別方法，以地圖API接口獲取起訖點(diǎn)各交通方式出行時(shí)間、出行距離等特征，模糊聚類識別用戶出行方式。建立了區(qū)域交通下小汽車、鐵路、道路客運(yùn)等出行需求，采用交通分配模型，預(yù)測道路網(wǎng)、鐵路網(wǎng)交通量。

2.3 多層次的交通大數(shù)據(jù)平臺搭建

數(shù)據(jù)是開展交通規(guī)劃和設(shè)計(jì)的基礎(chǔ)，多層次的區(qū)域交通大數(shù)據(jù)平臺構(gòu)建有利于數(shù)據(jù)挖掘、成果展、直觀可視交通特征，為交通行業(yè)交通數(shù)據(jù)管理、決策提供有力支撐。面對交通管理的新形勢、新挑戰(zhàn)，大數(shù)據(jù)技術(shù)的發(fā)展為交通系統(tǒng)的建設(shè)帶來了新的發(fā)展思路，利用現(xiàn)代計(jì)算機(jī)網(wǎng)絡(luò)、通信技術(shù)、大數(shù)據(jù)等眾多先進(jìn)技術(shù)，匯集公路（高速公路、普通公路）、鐵路、水運(yùn)、航空等行業(yè)數(shù)據(jù)，公鐵水等基礎(chǔ)設(shè)施空間數(shù)據(jù)，人口與經(jīng)濟(jì)數(shù)據(jù)，網(wǎng)絡(luò)數(shù)據(jù)等多源數(shù)據(jù)，借助數(shù)據(jù)修復(fù)、數(shù)據(jù)關(guān)聯(lián)匹配等模型算法，形成從數(shù)據(jù)采集和獲取、大數(shù)據(jù)交通建模、大數(shù)據(jù)挖掘應(yīng)用、平臺可視化展示一系列完整的數(shù)據(jù)處理流程，可開展多源大數(shù)據(jù)分析研究，分析交通運(yùn)行狀態(tài)、出行規(guī)律、發(fā)展趨勢，為區(qū)域交通管理和運(yùn)輸服務(wù)提供數(shù)據(jù)支撐［5］。

2.3.1 形成自底向上的知識圖譜數(shù)據(jù)庫

研究了多源交通數(shù)據(jù)的知識圖譜構(gòu)建技術(shù)，融合GIS地圖、手機(jī)信令數(shù)據(jù)、車載GPS數(shù)據(jù)、視頻監(jiān)測數(shù)據(jù)、交通運(yùn)營數(shù)據(jù)等多源交通大數(shù)據(jù)，實(shí)現(xiàn)了“交通—決策—治理”的多角度、多層次、多測度的全鏈條數(shù)據(jù)挖掘，形成文本、視覺、多模態(tài)不同形態(tài)的大數(shù)據(jù)關(guān)聯(lián)圖譜庫，有效支撐交通運(yùn)行態(tài)勢精準(zhǔn)預(yù)測、精細(xì)化規(guī)劃、智慧治理。

2.3.2 構(gòu)建多模式的大規(guī)模交通網(wǎng)絡(luò)實(shí)時(shí)仿真平臺

為有效解決交通行業(yè)不同層面的精準(zhǔn)、高效治理的需求，本文搭建了江蘇省全域范圍內(nèi)“區(qū)域—城市—小區(qū)”層面的多模式的綜合交通體系，創(chuàng)新了一種全方式、多對象、多層級的省域范圍的大規(guī)模交通網(wǎng)絡(luò)實(shí)時(shí)仿真平臺，建立了出行需求分析、各類交通方式運(yùn)行態(tài)勢重現(xiàn)、趨勢研判與預(yù)測能力。

2.3.3 搭建面向場景應(yīng)用的大數(shù)據(jù)平臺

為更好地將科研成果轉(zhuǎn)化為生產(chǎn)力，推進(jìn)大數(shù)據(jù)賦能交通智慧管理，成果以多層次交通模型為核心，搭建多視角區(qū)域綜合評估可視化平臺。研究了大數(shù)據(jù)集成融合、分析挖掘、智慧決策一體化的大數(shù)據(jù)平臺搭建技術(shù)，形成了全鏈條智慧物流、綜合樞紐服務(wù)評估、旅游交通等應(yīng)用平臺。

3 結(jié)語

本文從大數(shù)據(jù)應(yīng)用閉環(huán)賦能成套體系入手，構(gòu)建基于多源異構(gòu)數(shù)據(jù)的區(qū)域交通綜合分析成套技術(shù)體系，突破多源異構(gòu)數(shù)據(jù)融合分析技術(shù)難點(diǎn)，解決了交通規(guī)劃、設(shè)計(jì)、建設(shè)、管理、服務(wù)閉環(huán)過程中的復(fù)雜性和不確定性問題。研究成果已經(jīng)在多個(gè)省、市項(xiàng)目中應(yīng)用，顯著提升了多源異構(gòu)數(shù)據(jù)融合、海量數(shù)據(jù)計(jì)算、多方式運(yùn)行態(tài)勢推演、多維度區(qū)域交通決策分析能力和評估水平。

在“交通強(qiáng)國”背景下，多源大數(shù)據(jù)在區(qū)域交通中的綜合分析及應(yīng)用是關(guān)系到國家社會(huì)經(jīng)濟(jì)能否快速高效發(fā)展的關(guān)鍵，也是交通運(yùn)輸領(lǐng)域的科學(xué)技術(shù)難題。本研究雖然從區(qū)域交通多源數(shù)據(jù)預(yù)處理、區(qū)域交通模型與算法實(shí)現(xiàn)、多層次多模式的智慧交通大數(shù)據(jù)平臺搭建等方面實(shí)現(xiàn)了一定程度的突破，但仍存在數(shù)據(jù)質(zhì)量不高、行業(yè)壁壘高筑以及交通模型與算法的精確度、準(zhǔn)確度、效率不高等問題，如何通過數(shù)據(jù)全域標(biāo)識、狀態(tài)精準(zhǔn)感知、數(shù)據(jù)實(shí)時(shí)分析、模型科學(xué)決策、智能精準(zhǔn)執(zhí)行，實(shí)現(xiàn)交通的模擬、監(jiān)控、診斷、預(yù)測和控制，全面提高交通資源配置效率和安全運(yùn)轉(zhuǎn)狀態(tài)，是未來亟待解決的難題，也是交通行業(yè)數(shù)字化發(fā)展的關(guān)鍵。

參考文獻(xiàn)

［1］張相賢.大數(shù)據(jù)和云計(jì)算技術(shù)在智慧城市建設(shè)中的應(yīng)用分析［J］.商展經(jīng)濟(jì)，2023（1）：112-115.

［2］曹軼云.大數(shù)據(jù)技術(shù)在智慧城市管理中的應(yīng)用［J］.智能城市，2022（12）：42-44.

［3］鈕心毅，林詩佳.城市規(guī)劃研究中的時(shí)空大數(shù)據(jù)：技術(shù)演進(jìn)、研究議題與前沿趨勢［J］.城市規(guī)劃學(xué)刊，2022（6）：50-57.

［4］匡軍.大數(shù)據(jù)技術(shù)在城市智能交通中的應(yīng)用芻議［J］.辦公自動(dòng)化，2022（19）：10-12，58.

［5］劉麗娜.智慧交通中大數(shù)據(jù)應(yīng)用面臨的挑戰(zhàn)與對策研究［J］.智慧中國，2022（9）：78-79.

（編輯 沈 強(qiáng)）

Application analysis of multi-source heterogeneous data in regional transportation

Cheng? Xuemin

（China Design Group Co.， Ltd.， Nanjing 210004， China）

Abstract：? After years of information construction， the transportation industry has now accumulated data covering many fields such as highway， railway， water and air. This paper focuses on how to use big data analysis technology to realize the data fusion application of all elements of the whole mode of transportation， and carries out research on the whole set of technology for regional transportation big data analysis and application， breaks through the bottleneck of key technologies， restores the current situation of transportation from different angles in a fine-grained manner， and supports comprehensive transportation planning， management， and decision-making.

Key words： multi-source heterogeneous data; regional traffic; application analysis