大数据技术在城市交通拥堵治理中的运用研究

2021-04-04李思宇

信息记录材料 2021年3期

李思宇

（北京警察学院北京 102200）

1 引言

传统的城市交通拥堵治理中常常遇到的交通问题识别困难、数据收集限制多、调研手段落后、数据少、范围小、观测时段受限、动态跟踪不足等现实问题，引入大数据技术能实现这些问题的合理解决，实现区域交通运行态势的精准判断，区域出行分布和路径特征的把握，交叉口全时段指标分析等。

2 数据治理与智慧交通

2.1 数据治理概念

数据技术是综合性的数据处理技术，在大数据技术应用中也诞生了大数据治理概念，大数据治理的本质是数据的处理，其沿用的是数据处理的常规原则、过程和框架。但在数据处理体系和方法上作了改变[1]，首先其处理的数据对象扩大，非结构化数据和实时性数据被囊括在内。大数据除了数据的海量化，也对应着数据的快速更新、数据高效的流动、数据种类的复杂化、数据的开放性的需求满足。其次，大数据治理与以往数据管理不同，其对自上而下的组织协同和技术创新要求较高，更关注数据质量、数据安全，产生了新的数据价值思维，以及追求数据价值的合理变现。

2.2 智慧交通大数据概述

智慧交通大数据建立在智能交通发展基础之上，早在20世纪90年代，美国就提出了智能交通建设理念，其是智慧城市的雏形。智慧交通是在智能交通发展基础上，引入物联网技术、云计算技术、大数据技术等，以高新技术实现交通信息的汇集，做好数据的精准挖掘与剖析，提供实时交通数据信息参考[2]。其也涉及到了数据模型建立、数据深挖掘等高科技数据处理技术，更追求交通网络布局的科学合理，关注交通数据的实时更新，交通布局的及时调整等。大数据在智慧交通建设中占核心地位，被认为是智慧交通创新发展的血脉支持。智慧交通大数据有数据层、功能层、平台层和服务层四大层。

数据层是智慧交通大数据的基础层。拥堵情况、车辆检修数据、车辆经营数据，也包括公众出行服务方面的数据。该层主要是数据的采集与基础性的汇总分析，是智慧交通建设的基础。功能层在数据分析基础之上，主要进行数据的集成或调用，功能层根据智慧交通的多元业务需求，通过建立模型、分类标签处理，搭建具有定制和修改属性的各功能模块，分别负责车辆自动识别、智能信号控制、行为轨迹捕捉、交通事故识别、流量预测、运维监测等。每个功能模块对数据输入、处理、分析及输出都有清晰的规定，其通过人性化的数据处理，将复杂不重要的数据自动隐藏[3]，以更人性化的方式推出关键性的数据，人机友好，也减少开发成本。

平台层是信息服务平台，其由功能层各个功能模块组合而成。智慧交通大数据平台主要职责是管理与决策，被认为是智慧交通大数据运营的核心，具有承上启下的作用。平台基于智慧交通业务需求，合理的采集数据并启动功能模块。支持企业针对不同用户不同需求提供个性化的服务。服务层被认为是智慧交通大数据的窗口层，是大数据对外提供各种类型服务的集合层。城市交通拥堵是综合性的问题，缓解城市交通拥堵压力，不仅仅是维护交通秩序，也对应新的服务、新的客户的开辟。

3 大数据技术在城市交通拥堵治理中的作用

鉴于传统交通诱导技术在运交通运行监测与数据采集上的两大不足（信息采集不完整、储存实时传输难度大），大数据技术通过技术的创新对传统的交通诱导系统缺陷进行弥补，实现了交通运行中全部数据的动态检测与获取，如借助电子拍照技术以实现全部车辆运行数据的获取，并指导建立交通模型，配合云计算技术客观评估道路交通状况和具体的拥挤程度。大数据技术提高交通诱导实效主要体现在两方面。一方面，大数据技术使得交通诱导信息变更时间缩短，在数字数据技术和云计算技术的支持下，数量、车型、运动方向、轨迹等信息捕捉更及时，更新速度更快。而云计算技术对应的模拟功能，实现了路网运行状况的模拟评估，交通诱导信息更新速度快，交通诱导措施执行更富成效，减少了信息滞后导致的信息价值降低问题。另一方面，交通参与者在大数据技术的支持下，可以动态全面地掌握交通具体拥堵情况，了解车流量的变化，且能够针对不同出行时间的用户群体推出个性化的交通诱导服务。服务内容与用户需求匹配度高，交通诱导服务信息价值更高。此外，大数据技术为交通拥堵评价提供技术支持，关于城市交通拥堵问题的治理离不开交通拥堵情况的有效判定与评价，而交通拥堵是动态变化的过程[4]，其受各种因素影响明显，且涉及多个方面，如交通拥堵的影响范围、拥堵路段、交叉口等，这些都是交通拥堵状况判定的参考，在以往的交通拥堵评价中，基于技术的局限，这些数据的综合评判分析难度较大，而大数据技术实现了这些数据的协同高效采集与精准分析，得出的交通拥堵评价更全面、更客观。

4 大数据技术下的城市交通拥堵治理核心机制

4.1 交通拥堵数据采集

交通拥堵大数据主要包括三部分，分别为交通拥堵发生前、发生时及发生后三个时段对应的数据信息，又具体包括车流量数据、监控数据、道路行驶数据、驾驶人情况、数据信号灯数据、交通数据等，对这些采集到的数据进行集中性的整合处理，深入分析，以实现对交通状况的监控。在城市交通拥堵发生前能提前预防。交通拥堵发生时能提供正确的疏导意见，在交通拥堵后，能总结经验。

城市交通拥堵发生前的数据采集更侧重车流量的变化节点、交通监控数据、信号灯控制数据。车流量变化可以观测交通拥堵发生时间，交通监控数据能指导分析拥堵产生原因，信号灯控制数据分析其是否起到交通拥堵控制作用。城市交通拥堵发生时的数据采集需要更快、更准、更全面，涉及到驾驶人驾驶行为数据、交通违法行驶数据、改道车辆信息数据，用于排查是否存在驾驶失误的问题，及时发出预警，指导驾驶人按照交通法规或交通拥堵疏导要求行驶，高效解决城市交通拥堵问题[5]。城市交通拥堵后的数据采集重点是重点路段交通拥堵的时间、拥堵期间车流量总数、电子警察抓拍的车辆图片数据以及拥堵发生造成的周边影响，如环境污染等。梳理这些问题，对城市交通拥堵情况进行个案分析，以积累城市交通拥堵的治理经验。

4.2 交通拥堵大数据管理

数据采集之后就进入到数据管理阶段，数据管理主要有三大方面。第一方面，信息资源的高效整合，主要是对采集到的交通有关的数据统一整理与分析，而处理过的交通数据也可以在其他交通系统中共享显示，实现交通数据价值的综合高效利用。第二方面，储存数据建立信息库。大数据对应的是海量的信息数据，即使是交通领域，其信息量也非常庞大。在获取数据后，要对数据进行科学分类，合理储存，纳入到交通数据信息库中，以信息库作为数据分析的有力支持，关键时刻可以调取相应的数据。第三方面，数据信息的互相反馈。主要涉及到交通大数据的筛选与加工，在加工后进行数据信息的传输反馈，实现数据到数据价值的转化。

5 大数据治理城市交通拥堵问题的有效策略

5.1 以数据资源的开放共享，带来城市交通治理效率的提升

加快数据资源开放共享具有现实紧迫性。以往数据采集与利用不够系统，而不同领域应用系统的建设也是相对独立的状态，这意味着数据资源的巨大浪费，各部门交通资源无法及时共享，信息化应用跨系统下的协同工作无法落地，必须加快数据资源开放共享，实现多领域系统功能资源、结构资源、业务资源的共享整合，以科学有效的方法实现多源数据的协调应用，以达到数据资源优化组合，高效利用的目的。

5.2 以大数据基础平台优化建设，提升交通监测时效

大数据基础平台建设关系到城市交通预警与监测时效。以数据平台的建设，实现交通拥堵监测数据资源的整合利用，配合内存计算、大数据分析等技术，实现多源数据的融合性分析，以便获取交通拥堵全方面的参数信息，深入进行路况规律的探寻，指导做好路况预测、交通预警、监测指导等。交通管理部门交通管理中更有信息参考，而政府也获得交通规划、建设的评价指导，使得城市交通布局更合理。

5.3 构建多渠道交通诱导体系，提升交通信息服务能力

着眼于大数据的未来发展及其在城市交通拥堵情况中的成熟运用，必然对应多渠道交通拥堵出行诱导发布体系的建立，以实现城市每个道路拥堵参数的及时监测与获取，短时交通预测结果通过移动终端及时发布，指导人们出行。渠道交通拥堵和出行诱导发布体系的建立，也带动交通服务功能的发挥。如指导公交班车路线的制定、电子公交站牌设立、公交线路显示、车辆到站信息实时发布、换乘信息即时查询等，为市民出行提供诸多便利，大大提升交通信息服务能力。