摘要:針對當前我國交通出行領(lǐng)域的復(fù)雜現(xiàn)狀，本文從數(shù)據(jù)、分析方法和應(yīng)用話題三個方面對現(xiàn)有交通領(lǐng)域中的大數(shù)據(jù)研究進行了梳理。指出交通領(lǐng)域為大數(shù)據(jù)研究提供了信息量大、粒度細、更新快、連續(xù)性強的高質(zhì)量數(shù)據(jù)基礎(chǔ)，現(xiàn)有研究主要使用數(shù)據(jù)采集、處理和可視化技術(shù)對交通數(shù)據(jù)進行分析，主要的應(yīng)用話題集中在城市擁堵問題的研究、無人駕駛等方向。最后，本文對交通領(lǐng)域大數(shù)據(jù)分析潛在的研究方向進行了展望。

　　關(guān)鍵詞:大數(shù)據(jù)分析；交通出行；共享交通；研究機會

　　1情境

　　的交通出行領(lǐng)域呈現(xiàn)路網(wǎng)發(fā)達、車輛眾多，城市中心化發(fā)展、交通擁堵嚴重，自行車基數(shù)龐大，車型種類復(fù)雜、規(guī)則意識淡薄，對特殊時間和事件敏感度高[1]等特點。路網(wǎng)發(fā)達，車輛眾多：截止到2017年底，鐵路營業(yè)里程達到12.7萬公里，居世界第二，其中高速鐵路2.5萬公里1，高速公路里程達13.1萬公里2，位居世界第一。

　　鐵路和公路的迅速發(fā)展有效改善了交通。隨著我國發(fā)展進程的加快，城市機動車數(shù)量迅速增加，尤其是私家車的增長速度遠超過高速公路的增長速度。

　　城市中心化、交通擁堵：截至2017年末，城鎮(zhèn)化率達到58.5%，城鎮(zhèn)常住人口8億多人3。人口迅速向城市集結(jié)，的大城市和發(fā)達地區(qū)的政治、商業(yè)和文化等主要功能區(qū)都集中在城市中心，而且傾向于從中心向四周擴張的趨勢，尤其是北京上海等特大城市中心化嚴重，資源的集中導(dǎo)致人口流動密集，增加了中心地區(qū)、交通走廊和關(guān)鍵節(jié)點的交通壓力。多數(shù)城市沒有把交通規(guī)劃納入城市總體規(guī)劃中，使得城市布局和交通不相適應(yīng)。

　　2、交通領(lǐng)域的數(shù)據(jù)內(nèi)容、來源與特點

　　交通領(lǐng)域的海量數(shù)據(jù)主要包括交通路況信息、車輛運行信息、物流快遞信息和航空海運信息等內(nèi)容。數(shù)據(jù)來源上，從觀測方式角度可以分為：單次觀測數(shù)據(jù)如移動車GPS數(shù)據(jù)、停車場數(shù)據(jù)、收費站數(shù)據(jù)等；連續(xù)觀測數(shù)據(jù)如微信、微博等手機應(yīng)用軟件記錄用戶的位置數(shù)據(jù)、高德、百度等記錄的路況信息數(shù)據(jù)、道路監(jiān)控數(shù)據(jù)、鐵路、地鐵公交的運行數(shù)據(jù)等；還包括一些靜態(tài)數(shù)據(jù)，如商家、景點的位置信息等。

　　相對于原來的交通數(shù)據(jù)，大數(shù)據(jù)環(huán)境下的數(shù)據(jù)具有以下特點：數(shù)據(jù)量大、信息豐富，通過對多來源信息的收集和整合，數(shù)據(jù)量達到PB級以上，蘊含的信息豐富；細粒度，數(shù)據(jù)對象信息具體到“某個人的某輛車”等，空間粒度上可以用經(jīng)緯度表示其空間位置，時間粒度上數(shù)據(jù)實時獲取；更新快，以前的交通調(diào)查可能五六年一次，而現(xiàn)在90s內(nèi)即可更新，速度非常快；連續(xù)性強，數(shù)據(jù)內(nèi)容為對數(shù)據(jù)對象的連續(xù)觀測。

　　受益于我國政府大力推行的數(shù)字基礎(chǔ)設(shè)施建設(shè)，我國有相對完整的道路安全監(jiān)控體系，配合公共交通和私人出現(xiàn)的數(shù)據(jù)能夠形成比較全面的交通數(shù)據(jù)網(wǎng)絡(luò)，這為我國交通大數(shù)據(jù)的發(fā)展提供了數(shù)據(jù)基礎(chǔ)。

　　3數(shù)據(jù)分析方法

　　交通大數(shù)據(jù)分析方法主要包括數(shù)據(jù)采集方法、數(shù)據(jù)處理技術(shù)和數(shù)據(jù)可視化技術(shù)等內(nèi)容。數(shù)據(jù)采集技術(shù)包括捕獲位置數(shù)據(jù)的GPS技術(shù)，捕獲汽車牌照的視頻監(jiān)控和圖像處理技術(shù)、捕獲交通密度、航道水質(zhì)、天氣狀況和物品移動的各類傳感器技術(shù)以及處理數(shù)據(jù)的表2交通大數(shù)據(jù)的來源軟件技術(shù)。數(shù)據(jù)處理技術(shù)主要是Hadoop分布式文件系統(tǒng)、數(shù)據(jù)庫和HadoopMapReduce相關(guān)技術(shù)。數(shù)據(jù)處理流程主要是數(shù)據(jù)輸入-過濾-混洗-降維輸出。數(shù)據(jù)可視化技術(shù)則可以將收集到的數(shù)據(jù)進行處理呈現(xiàn)出視覺圖像。例如Wang等[2]構(gòu)建了基于GPS軌跡的城市交通擁堵可視化分析的交互系統(tǒng)，為在視覺上探索和分析整個大城市的交通狀況提供了多個視圖；Lu等[3]探索了基于一般軌跡數(shù)據(jù)集的用戶路徑選擇行為可視化分析系統(tǒng)，可以幫助用戶處理大規(guī)模軌跡數(shù)據(jù)，比較不同的路線選擇。

　　4應(yīng)用話題研究

　　圍繞大數(shù)據(jù)應(yīng)用的研究主要有城市交通擁堵問題、城市共享交通和無人駕駛等話題。

　　4.1城市交通擁堵問題

　　利用大數(shù)據(jù)進行城市交通擁堵問題的研究圍繞著交通擁堵判定、影響因素和評估與應(yīng)對等方面。研究發(fā)現(xiàn)車輛與車輛、車輛與基礎(chǔ)設(shè)施節(jié)點間信息交換可以高概率預(yù)測交通擁堵[4]，交通網(wǎng)絡(luò)結(jié)構(gòu)對交通擁堵具有重要影響[6]，使用出行時間、出行需求變化和車流量等會反映交通擁堵狀況[5]，出行者特征、交通流、交通設(shè)施、交通情境因素、交通社會性因素等交通要素可以形成城市的交通擁堵評價模型系統(tǒng)[7]。大數(shù)據(jù)的應(yīng)用可以改變傳統(tǒng)的交通管理路徑和出行方式，有利于更好配置公共交通資源，通過對交通的智能化管理，節(jié)約運輸成本，提高交通運轉(zhuǎn)效率，從根本上解決城市交通擁堵問題。

　　4.2城市共享交通

　　近年來，共享出行發(fā)展迅速。截止2018年6月共享單車用戶規(guī)模達2.45億，網(wǎng)約車出租車和專車、快車用戶分別為3.46億和2.99億，規(guī)模巨大。

　　用戶對交通共享產(chǎn)品的使用行為主要受產(chǎn)品的有用性與易用性的影響，也會受到強制性的施加政策和規(guī)范表4城市擁堵問題研究壓力的影響；現(xiàn)階段，用戶的使用意愿明顯大于使用行為[9]。政府應(yīng)鼓勵交通共享并設(shè)立獎懲機制，構(gòu)建共享交通領(lǐng)域的“市場主導(dǎo)、政府引導(dǎo)、公民參與”的協(xié)同治理新型公共服務(wù)模式[8]；企業(yè)則要嚴格按照市場容量投放車輛，建立集車輛監(jiān)督、信用評估、安全監(jiān)測和智能調(diào)度為一體的大數(shù)據(jù)綜合運營平臺。

　　5潛在研究方向

　　對于大數(shù)據(jù)在交通發(fā)展方面的現(xiàn)狀，我國的交通現(xiàn)狀和數(shù)字基礎(chǔ)設(shè)施的建設(shè)為交通大數(shù)據(jù)的發(fā)展提供了廣闊的舞臺和完備的數(shù)據(jù)基礎(chǔ)。

　　此外，由于政府在交通管理過程中對大數(shù)據(jù)技術(shù)的應(yīng)用還不成熟，許多技術(shù)供應(yīng)商也是剛剛起步，不同企業(yè)提供不同的技術(shù)解決方案，技術(shù)、功能和標準差異巨大，未能形成統(tǒng)一的標準。

　　因此逐步建立交通領(lǐng)域的大數(shù)據(jù)標準是未來的重點工作，企業(yè)在軟件開發(fā)上應(yīng)按照大數(shù)據(jù)標準開發(fā)標準化軟件，在進行有效市場競爭的同時增加軟件和組件的可操作性和互換性，這對擴充大數(shù)據(jù)網(wǎng)絡(luò)實現(xiàn)網(wǎng)絡(luò)效應(yīng)有著重要意義，同時也能更好地滿足用戶需求。

　　此外，由于各地區(qū)的大數(shù)據(jù)基礎(chǔ)設(shè)施差別巨大，應(yīng)先在需求迫切的交通擁堵地區(qū)率先發(fā)展大數(shù)據(jù)交通，使用自上而下的方式在主要公路到次級航線和城市道路進行投資建設(shè)[1]。圍繞這些問題，研究人員可以開展許多有價值的研究。

　　參考文獻：

　　[1]Biuk-Aghai,R.P.,Kou,W.T.,&Fong,S.(2016,May).Bigdataanalyticsfortransportation:ProblemsandprospectsforitsapplicationinChina.InRegion10Symposium(TENSYMP),2016IEEE(pp.173-178).IEEE.

　　[2]Wang,Z.,Lu,M.,Yuan,X.,Zhang,J.,&VanDeWetering,H.(2013).Visualtrafficjamanalysisbasedontrajectorydata.IEEETransactionsonVisualizationandComputerGraphics,19(12),2159-2168.

　　[3]Lu,M.,Lai,C.,Ye,T.,Liang,J.,&Yuan,X.(2015,October).VisualanalysisofroutechoicebehaviourbasedonGPStrajectories.InVisualAnalyticsScienceandTechnology(VAST),2015IEEEConferenceon(pp.203-204).IEEE.

　　路守望王恒