研究 | 大数据在片区交通改善中的应用研究

1片区交通改善中的定量分析需求  

片区交通改善一般包括现状分析、规划解读、交通发展趋势研判、交通改善策略研究、交通改善方案制定、交通改善方案评估等内容。在进行现状分析时，需要进行定量分析，以便找到出行特征，发现存在的问题及其成因。

图1片区交通改善技术路线    

对道路路网密度、公交线网密度、公交站点站点覆盖率等分析时，一般通过常规调查就可得到相对完整的数据。而对职住分布、出行分布等进行分析时，传统调查受制于调查手段的制约，一般仅进行小样本抽查，对片区的交通特征掌握不可避免存在偏差。如何在时间和费用受到约束的条件下做好定量分析工作，形成扎实的基础，是片区交通改善面临的一个关键问题。

图2片区交通调查面临较多困难   

随着信息社会的深入，快速发展的交通大数据为改善传统交通调查中的不足提供了新的思路。浮动车、手机信令等包含空间位置信息的交通相关大数据样本量大、长时间连续监测，可以弥补传统小样本调查的不足，从而夯实分析基础。

图3片区改善中的相关大数据类型  

各种交通大数据通常不是为交通分析定制的，一般仅能提供特定方面的信息。因此，应根据不同分析阶段的需求特点，采用相应的的大数据进行支撑。在进行交通设施分析时，浮动车数据、地磁数据和车牌识别等数据能提供较多信息；在进行交通需求分析时，建筑普查、手机数据IC卡等数据较能满足要求；在进行交通运行分析时，浮动车数据、车牌识别、IC卡数据、公交车GPS等数据较为适合。     

2现状交通设施分析阶段的定量分析  

现状交通设施分析一般包括道路线网密度、道路级配、公交线网密度、公交线路重复系数、公交站点覆盖率等。过资料收集和现状调查，多数指标基本可以获得相对完整的数据，完成分析工作。但对于道路通行能力、道路自由流车速等指标的分析则需要依托大数据才能获得较为准确的数据。  

道路通行能力和道路的自由流车速是交通分析中的基本数据，通常按不同道路等级确定一个统一值，难以符合实际。在大数据的条件下，通行能力可以通过地磁、线圈和车牌识别数据获得；而自由流车速通过浮动车数据分析较长一段时间凌晨时段的车速，即可获得各路段的自由流车速。

图4坂雪岗科技城不同路段的自由流车速   

3现状交通需求分析阶段的定量分析  

现状交通需求分析包括居住与就业地分布、产生吸引量、出行分布、出行方式选择等。这些指标涉及到的数据量大面广，常规调查难以获得完整数据，借助大数据是较好选择。  

3.1职住和通勤分析  

早、晚高峰期，通勤是交通出行的主体，是片区交通分析的重点。利用手机数据的长时间观测，可获得手机基站的职住数量和分布情况。在进行片区职住分析时，由于基站覆盖范围相对较大，为了获得各地块的指标一般需要拆分基站的职住信息。常规做法是围绕基站划分泰森多边形，并与地块叠加，最后根据重叠面积进一步计算得到交通小区的职住信息。  

图5泰森多边形示意图  

简单叠加泰森多边形与地块的方法，本质上是将泰森多边形内用地按照均质处理，但实际很多情况下用地类型及开发强度都不相同。较好的改进方法是结合手机大数据和建筑普查数据，通过不同类型的建筑计算得到职住的权重，再将用地与基站进行关联，进而计算地块的职住信息。  

图6坂雪岗建筑分布图  

通勤交通的出行较有规律，与居住地、工作地的分布密切相关，对其分析时首先需要研究清楚片区居民的工作地分布和就业人员居住地分布。

图7坂雪岗居民工作地分布  

图8就业于坂雪岗人员居住地分布银色金属分割线  

3.2出行分布分析  

出行特征是片区交通改善策略研究和交通改善方案制定的基本依据，但传统调查方法在获得出行分布等信息方面是极其难困难的。在大数据的条件下，利用手机数据、IC卡数据、公交GPS数据、车牌识别数据等可以较为方便地获得相关信息。  

除了少数特殊人群，手机在我国居民中已经基本普及，样本量非常高。所以，利用手机数据基本可以获得片区的全方式出行分布。然而，在实际应用中需要特别注意，在手机基站分布较为稀疏的区域，短距离出行难以识别，需要结合其它数据进行补充。  

图9停留地与出行识别算法示意图  

图10手机数据可以获得片区全方式的出行矩阵  

在分析公交出行分布时，利用ic卡数据和公交gps数据，可以计算获得公共交通的出行信息。由于公交车一般是仅能获得上车信息，其下车信息需要进行推倒。此外，不同城市的不同公交线路，各个站点的实际刷卡率各不相同，需要根据实际进行调整。  

图11IC卡乘客下车站点推导示意图  

目前深圳已有6500多个车牌识别检测点，包括道路检测点、停车场等，可以大致获得机动车出行信息情况，作为机动车出行校核的重要依据。对于特定片区，在可以获得车牌信息的情况下，利用车牌识别数据可以获得每辆车的运行轨迹，更准确地得到小汽车出行人群的出行特征。  

图12深圳市车牌识别检测点分布  

在应用车牌识别数据时，需要根据实际情况确定其应用范围。对于内部检测点不够密集的片区，车牌识别数据应仅用于分析片区对外交通和过境交通，不适合分析内部小汽车出行。

图13坂雪岗部分居住区小汽车对外出行分布  

图14坂雪岗部分就业地小汽车对外出行分布  

4现状交通运行分析阶段的定量分析  

现状交通运行分析一般包括拥堵时段的识别、拥堵路段和节点的识别等。交通运行状况与是否是工作日、天气状况、周边是否有大型活动、是否有交通事故等多种因素有关，而相同道路不同路段的运行状况也不尽相同，所以常规调查方法往往难以获得其准确的数据，或者需要付出极大的成本。由于可以大范围和长时间监测，大数据在本阶段相关数据分析中的优势显而易见。  

4.1拥堵时段分析  

在片区分析中，掌握片区道路的总体运行状况，才能进行重点分析，有针对性地提出改善方案。通过全天24小时不间断的浮动车数据分析，可以得到不同等级道路的全天运行车速，从而判断出拥堵时段及拥堵程度。  

图16深圳部分片区主干路全天平均运行车速  

4.2拥堵路段分析  

片区各个路段的运行状况也可以通过浮动车数据得到。如根据坂雪岗片区的各个路段运行状况，可以清晰地显示早高峰拥堵路段主要是到达本片区工作的交通造成的，而晚高峰拥堵路段主要是离开本片区的交通造成的。  

图17坂雪岗早高峰交通运行状况  

图18坂雪岗晚高峰交通运行状况图  

结语  

大数据来源多、样本量高、时间和空间的覆盖度都极广，在项目实际中应加大应用大数据，以增强交通分析的客观性和准确性。由于不同的大数据提供不同类型的交通信息，在进行片区交通分析时应根据不同阶段的分析内容和要求，采用相应的大数据。同时需要特别注意，交通大数据在应用时由于其自身的原因，可能存在特定的偏差，需要结合其它数据进行必要的修正。