道路交通管理是以交通系统作为管理对象的，而交通系统是一个复杂巨系统，涉及人、车、路、环境等诸多要素，如何精准剖析各要素之间的互动耦合关系，科学把握交通系统运行特性及规律，是交通精细化管理的关键。尤其是在交通供需矛盾日益突出的当下，如何提高整个交通系统效率、提升居民出行品质是对每个交通管理者、研究者、工程师的挑战。
交通科学自诞生之日起，就与数据结下不解之缘，这是一门基于统计学的工程科学。从宏观交通规划、中观交通组织再到微观的交通管控，每一个方案无一不是以交通调查为前提和基础的。传统的交通调查，采用抽样调查的形式，通过对居民出行特征指标、交通流参数等开展调查，把握居民出行规律以及交通流运行状态。物联网、云计算和大数据技术的发展改变了传统交通调查方式，除道路固定检测器（如地磁、视频、微波、雷达等）外，营运车辆、共享交通、个人交通车载与手机导航的互联网移动大数据的应用延展了交通态势感知的覆盖面、提升了交通态势刻画精度，从而大大推动网络交通态势的可视程度。移动互联数据的汇聚与应用为交通管理模式从离线分析、人工管控向实时响应、自动控制转变提供了契机，为交通管理理论的创新和发展提供了新的思路与环境。
高德、百度、滴滴等互联网企业着手挖掘其运营数据在交通领域的应用价值，也极大推动了云计算、大数据等新一代信息技术在交通领域的应用。当前道路交通管理已经有一只脚迈入了大数据时代，而另外一只脚则需要传统交通理论与移动互联数据有效融合进行驱动。
出行者每天的出行活动产生了大量的数据，但从交通管理角度来看，我们利用的还是非常有限的，即使是交通管理部门自有的电子警察、卡口、地磁、事故、违法等数据，用以交通管理措施辅助决策的支持度还有待进一步提升。我们从技术层面，简单分析一下产生上述现象的原因，并针对存在的问题提出个人的思路和想法。
交通传感设备性能有待提升，布局有待进一步优化。
1、交通传感设备性能与交通数据质量息息相关。
交通传感设备自身的寿命、稳定性、精度、抗干扰能力以及适用性有待进一步提升；此外，需进一步加强交通传感设备状态监控，保障传感设备正常运行。
2、交通传感设备布局应从交通大数据的视角进行优化分析。
智能交通系统规划一个重要的任务就是研究交通采集设备布局方案，目前，较少有人从交通规划与管理智库顶层设计的高度，对检测器布局以及选型进行研究，这也就导致了当前多源数据采集有效性不够、业务支撑强度不高。
所谓的交通大数据基本还是针对单一数据源开展分析，多源数据融合碰撞有待进一步加强，分析精度有待进一步提高，应用场景有待进一步丰富。
1、多源数据融合开展交叉分析研究与应用有待进一步加强。
随着智慧城市建设热潮，很多城市中已经布设了部分传感设备（交叉口进口道地磁、电子警察、卡口等）；互联网公司通过客户终端定位实时获取用户位置；传统运营企业汇聚了客流数据（IC卡、第三方支付以及零票）、车辆定位数据等。上述数据都可以为交通规划、政策制定、交通设计以及管理提供数据支持，但这些数据在数据质量、覆盖范围、采集频率、时空粒度等方面均存在差异。针对特定应用，构建数据质量评估体系，充分发挥不同数据源的优势，交叉融合，才能有更好地挖掘交通机理，为交通管理提供科学支撑。
2、交通管理大数据分析应用有待进一步拓展和深化。
在交通管理与控制方面，大部分应用集中在基于视频、雷达、地磁等固定检测设备以及车载GPS数据，提取车辆描述信息、交通流状态信息，研究拥堵的表征指标、交通管控方案评价以及交警执法应用；在道路隐患排查以及交通安全分析研判方面，大部分应用均是基于交通事故与交通违法时间、空间以及成因维度的统计分析。随着数据覆盖面以及质量的提升，关注交通运行机理、拥堵成因、交通事故成因的挖掘将成为交通管理大数据应用的关键。
道路交通大数据缺乏统一的数据标准。用于交通管理工作的数据来源不同、形式各异，要想未来能够将上述数据利用起来，打破数据壁垒，形成城市交通数据池，就需要共同探讨数据共享机制，并制定统一数据标准；此外，形成交通管理数据池后，城市交通数据治理将是一项复杂而艰巨的任务。
大数据时代城市交通管理理论的创新面临巨大挑战。传统的交通理论基本都是基于统计学，也就是基于样本开展研究，而大数据时代的到来变革了交通理论数据来源，使得数据由抽样变为了全样，数据由有针对性的调查变为从大数据中抽取有用信息。因此，交通需求预测、交通通行能力分析、交通管控等基本理论将产生巨大变革。交通学者们应当既要仰望天空又要脚踏实地，在基础领域研究中投入更多的精力，不应被当前的浮云遮住望眼。
加强交通管理大数据研究及工程实践，促进大数据技术与交通管理理论研究和应用实践深度融合，必将为交通管理部门科学决策，为交通问题精准治理，为交通组织优化、交通管理与控制方案优化提供坚实的数据基础和技术支撑。下面分别从交通管控优化、危化品运输安全管理、交通安全分析研判三个方面给出大数据深度应用案例。
1.交通组织与管控优化大数据分析
融合卡口、地磁、浮动车、手机信令、公交客流等多源异构数据，构建交通管理基础数据库，从区域、路段、节点三个层面，构建交通拥堵指标绝对量化指标和相对量化指标，准确定位交通拥堵成因。在区域层面，重点考虑交通区位、城市土地利用、交通发生与吸引点分布、交通结构等因素对区域交通拥堵的影响；在路段层面，重点考虑道路定位、交通组织、控制策略（干线/区域协调控制、红波/绿波等）以及信号控制方案（相位差）等对于交通拥堵的影响；在节点层面，重点考虑时空资源一体化挖掘、交通渠化、控制策略（定时、感应、自适应）及控制参数（相位、相序、周期、绿信比等）等对于交通拥堵的影响。在上述分析的基础上，通过方案迭代，便可以开展区域交通组织优化、交通信号控制与管理策略的评估与优化。
2.危化品运输线路安全监管大数据分析
融合生态环境、人口分布、事故、交通基础设施状态、交通状态、应急处置水平等数据，综合考虑运输安全风险以及事故发生后果，搭建危化品运输路线安全风险评估模型，从人为因素、车辆因素、道路与环境因素和管理因素等五个方面，挖掘危险品运输潜在的事故风险因素，为合理规划运输通道，开展危险品运输车辆及驾驶员动态监控与主动安全预防提供科学分析依据。
3.交通安全分析研判
融合事故、违法、车驾管等六合一平台数据与车辆定位、交通流、气象等其他数据，构建交通安全分析研判数据池，从事故原因、事故形态、事故时空分布等方面开展宏观统计分析，实现事故多发区域、点段精准辨识；基于大数据技术，开展事故形态、事故严重程度与事故成因（人、车、路、环境）的数据碰撞与交叉分析，实现不同事故形态的事故致因精准识别，为交通隐患排查与治理以及事故主动防范提供数据支撑。
来源：智慧交通
扫一扫在手机上阅读本文章
中国（四川）自由贸易试验区成都高新区天府大道北段1700号7栋1单元14层1435号
028-83139986 400 119 1980
