探讨大数据时代背景下的智慧交通规划建设

丁宏飞

（四川省公路规划勘察设计研究院有限公司，成都 610041）

1 引言

2014年，大数据概念被首次写入政府工作报告，正式开始作为一项城市规划基础性战略资源应用。近年来，在互联网热潮的推动下，大数据概念开始在各行各业应用，交通规划行业也无法避免。但是，当前在交通规划领域关于大数据及其时代特征仍然没有形成系统认知，涉及大数据的智慧交通规划也困难重重。基于此，探究讨论大数据时代背景下的智慧交通规划具有非常重要的意义。

2 推进智慧交通规划建设的必要性

2.1 提高交通规划效率与准确性的需要

以往交通规划多采用基于计量模型的数据调研，需要投入大量人力资源、物力资源来收集数据，效率较为低下，且误差较高。而通过开展基于大数据的智慧交通规划，可以直接线上收集手机信令数据，获取个体出行特征，并借助大数据重复使用与挖掘优势，降低人力资源与物力资源投入，在短时间内获得规划样本数据[1]。同时，基于大数据的样本分析，可以降低规划前期因抽样调查而引发的偶然误差，提高交通规划的准确性。

2.2 构建城市精细化管理体系的需要

现代社会结构与层次复杂程度日益提升，因这一复杂特征的存在，以往交通规划多停留在粗放化管理层次，无法满足现代城市精细化管理要求。而借助大数据手段，可以从多个层次、多个视角、多种测度出发，完成全样本不间断观察，精确把控交通规划问题本质。并以每一个研究对象为基础，进行群组的精细划分，根据每一个群组的出行特点进行针对性规划，满足城市精细化管理体系构建的需求。

2.3 提高交通规划智慧水平的需要

智慧交通中的“智慧”不仅表现为硬件条件充足，而且表现为软件配套优良。通过将大数据技术应用到智慧交通建设过程中，可以发挥针对性数据挖掘算法优势，根据不同交通参与者需求进行个性化模型构建[2]。比如，在道路交通系统中，借助基于动态实时化的大数据技术，可以进行信号灯控制、交通标志标线、网络电子喇叭等设施设置，确保管理决策的精确性、有效性，切实提高交通规划智慧水平。

3 大数据时代背景下的智慧交通规划建设对策

3.1 完善智慧交通设施框架

基于大数据的智慧交通应在传统的服务于民众基本出行需求的基础上，提供更具针对性、更加多元化的服务，服务需涵盖出行前、出行中、出行后几个环节。在出行前，智慧交通需要依托公共信息开放平台中存储的用户完整逻辑链条信息，为其提供目的地状况分析、相同目的下可替代目的地信息，满足用户智慧换乘、智慧公交需求；在出行中，智慧交通需要集成车路协同、实时路径导航、驾驶辅助、车联网模式，为民众提供接驳换乘指引、实时位置服务；在出行后，智慧交通需要及时搭接民众出行目的，为其提供智慧枢纽、智慧停车服务，降低民众出行的外部成本。根据上述服务需求，交通规划人员应立足交通大数据采集分享平台，在提取交通数据特征并整合应用的基础上，制订智慧交通硬件资源云化管理方案，在云端自动生成交通态势、问题，开展智能化、可视化、一体化指挥调度。

整个过程中，大数据分析研判平台是基础，主要负责数据接入与分析、存储，满足信号控制方案优化、交通态势研判、动态交通出行特征分析、治安预警的需求；智能交通综合管控平台是核心，主要负责实时交通运行状态监测、非现场执法、警力资源可视化、交通问题处理方案自动生成等；综合交通信息服务平台是保障，主要负责基于不同服务对象的信息服务、惠民宣传、实时交通诱导等。

3.2 获取多元交通数据

在智慧交通规划建设过程中，交通规划人员不单单需要获取交通数据，而且需要获取自然数据、经济社会数据、生态数据以及成本数据。

自然数据是一种以图像、文字表示的多元数据，多存储于区域城市政府部门、高德地图或百度地图、遥感影像、地质文献、地面勘测报告等模块。交通规划人员可以借助ENVI，开展辐射定标以及地面控制点定义、连接工作，结合DEM设定与参数提取，可以获得遥感影像中坡度分布图、高程分布图、坡向分布图。

经济社会数据是一种以文字、数字形式表现的多样数据，多存储于片区统计年鉴、政府部门、城市市志、交通网络大数据内，交通规划人员可以借助交通门户网站网络爬虫技术，获得历史文化资料、交通流量、人口规模及过程数据。

生态数据是一种主要表现为图像、文字、数字形式的海量数据，交通规划人员可以根据现状交通图，在遥感影像中进行矢量化处理获得矢量格式的资料。同理，对于在主要表现为数字、文字形式的海量成本数据，交通规划人员可以在遥感影像中将特征成本数据转换为“万元/（km·a）”并对选线所在地栅格图进行赋值，以成本分布特征图的形式集中分析[3]。

3.3 挖掘出行特征数据

在大数据时代背景下，以往基于问卷调查与流量统计正获得公众出行特征（吸引量分布、OD矩阵）的方式呈现出一定滞后性，交通规划人员可以借用大数据手段，以手机信令数据为基础，进行多时段收集信号位置与停留时间、重复出现频次剖析，推测不同分析单元的到发情况、过境情况，对项目地实际出行需求具有更加清晰的认知。进而了解不同类别交通出行方式的结构特征，构建更加高精确度的OD矩阵（交通起止点调查），在OD矩阵中精准把握区域民众出行特征。比如，在了解地区工作日出行量分布情况时，可以分析近几个月内民众移动通信数据（手机信令数据）、公交卡刷卡情况，了解研究区域内现有道路的交通出行特征、出行密度差异以及民众、城市功能空间之间关系。

例如，某片区公共交通出行比例远低于小汽车出行比例，可以推测该区域周边交通拥堵情况较为严重。基于此，根据片区公共交通与小汽车出行比例，交通规划人员可剖析区域公共交通出行比例与核心区结构特征之间的关系，及时发现片区周边交通拥堵问题，及时分析原因并处理，进而以公交车流调查专题报告的形式，汇总公交卡刷卡数据、手机信令数据、公交车载GPS（全球卫星定位）数据特征，全面展现片区现有公共交通的运行速度、线路逐站客流情况，准确把控片区公共交通的出行特征，进而持续挖掘潜力更大的公交走廊，对片区公共交通网络进行精准优化。后续交通规划人员可以逐年调查的方式，利用过往数据挖掘代替过往交通报告汇总，在持续追踪片区交通发展历程的数据过程中，对片区公共汽车运行速度、中心城区居民出行特征、线路逐站客流量产生更加深刻的认知，提高智慧交通规划的准确性。比如，规划范围内城市道路总长（含红线宽度的城市支路）为55.25 km，道路路网密度为7.56 km/km2，次干路、支路网密度处于相对较低水平，在后期规划中应加强对次干路、支路系统建设的重视。而根据交通分析预测结果，片区交通叠加高峰阶段道路流量处于较大水平，交通拥堵风险较高，应对道路交通进行渠化设计，配合交通组织，畅通片区与中心区域连接通道，扩大非机动车比例与共享经济性交通模式比例。调整后交通出行方式为小汽车+辅助机动车（大巴车、出租车、货车）+公交车+辅助公交（步行、自行车）结构，对应交通结构为快速路+交通性主干路+服务型主干路+次干路+支路，其中快速路单车道设计速度为90 km/h，交通性主干路、服务性主干路设计速度均为65 km/h，次干路设计速度为45 km/h，支路设计速度为30 km/h。

3.4 应用交通规划数据

智慧交通规划的发展目标是整合性、人性化、高品质、科技型，具体表现为交通网络与交通枢纽良好配合，致力于提供安全、舒适、畅达、清洁的交通服务，最大限度地满足民众便捷出行的需求，并积极应用现代化智能交通技术，提升综合交通系统科技含量，实现高度智能化、信息化的交通服务。基于此，交通规划人员可以参考片区综合交通模型相关参数，进行区域综合交通模型构建，在模型内进行区域交通需求预测。根据区域交通叠加情况下的节点交通流量，进行节点具化方案的设置。比如，对片区静态交通需求（停车需求）开展预先估测，基于以往停车场布局方案，完成多车型车辆行驶流线的分析、优化，制订大型公共交通停车场、小型汽车停车场、出租车站以及各出入口功能的布局调整方案。在这个基础上，借助大数据技术，分析片区内人行流线，作为停车场内部布局（含路内停车、路外停车）、人行系统以及停车诱导系统规划调整依据。比如，某片区全日出行量29.8万人次，其中内部出行14.0万人次，占据全日出行量的46.98%；对外出行15.8万人次，占据全日出行量的53.02%，表明片区居民出行分布外向性特征较为显著。此时，交通规划人员就需要根据出行分布差异，进行内部出行、外部出行方式分担比例的细微调整，并在考虑智慧交通建设而产生的新型交通方式引发的出行方式变更的基础上，明确交通数据结合与交通系统控制体系优化目标，衔接交通系统内部与外部，切实优化基础交通规划方案。

考虑到城市交通发展具有显著的阶段性特征，在内聚发展时期，城市由非机动化交通主导；在扩张发展时期，城市由机动化交通主导；在出行结构调整初期，城市空间结构与交通结构呈现竞争态势；在出行结构调整后期，城市交通福利化趋势显现，进入以管理为主的成熟阶段。为了顺利完成出行结构优化调整，在交通规划时，交通规划人员应落实多交通方式流线分离的特点，在沿一定放线贯通人流集散通道的基础上，每间隔一定距离设置单元体系，并配置扶梯、电梯、楼梯等竖向交通枢纽，满足人流疏导要求。同时设置立体连廊，将不同单元模块连接成一个整体，并分离人流、车流，降低对道路的干扰。

4 结语

综上所述，大数据时代背景下，智慧交通规划建设获得了新的机遇。城市交通规划人员应明确大数据手段在智慧交通规划建设中的优势，借助大数据手段挖掘以往易忽略的问题，为交通规划提供更加多元的数据。同时，不断改进数据获取与处理方法，更加快速、精准地获知交通现状，在揭示区域交通问题的同时对其进行追踪评价，切实加深交通数据挖掘深度，提高交通数据挖掘结果公信力，为智慧交通规划建设提供充足的数据支持。